[发明专利]人体行为识别方法及装置

权利要求书

1.一种人体行为识别方法，其特征在于，包括：

提供图形用户界面GUI，所述GUI用于展示控制面板和显示面板，所述控制面板中包括加载网络按钮、加载图像按钮以及识别按钮，所述显示面板用于显示待识别的图像和行为识别结果；

若监测到触发所述加载网络按钮，则加载预先训练的GoogLeNet模型；若在加载所述GoogLeNet模型后，监测到触发所述加载图像按钮，则在接收到待识别的图像后，将所述图像显示在所述显示面板中；

若所述图像显示在所述显示面板后，监测到触发所述识别按钮，则将所述待识别的图像输入至所述GoogLeNet模型，输出行为识别结果，将所述行为识别结果显示在所述显示面板中；

其中，所述GoogLeNet模型通过样本图像以及所述样本图像的行为标签训练而成。

2.根据权利要求1所述的方法，其特征在于，所述GoogLeNet模型中的Softmax分类层的维度为1*1*n，n表示行为识别结果的种类；

所述Softmax分类层之后还连接分类输出层，所述分类输出层用于输入大小为1*1*n的特征图，输出行为识别结果。

3.根据权利要求2所述的方法，其特征在于，所述GoogLeNet模型还包括：

第一卷积层，用于输入为224*224像素的待识别的图像，输出大小为112*112*64的第一特征图；

第一池化层，用于输入所述第一特征图，输出大小为56*56*64的第二特征图；

第二卷积层，用于输入所述第二特征图，输出大小为56*56*192的第三特征图；

第二池化层，用于输入所述第三特征图，输出大小为28*28*192的第四特征图；

第一inception模块，用于输入所述第四特征图，输出大小为28*28*480的第五特征图；

第三池化层，用于输入所述第五特征图，输出大小为14*14*480的第六特征图；

第二inception模块，用于输入所述第六特征图，输出大小为14*14*832的第七特征图；

第四池化层，用于输入所述第七特征图，输出大小为7*7*832的第八特征图；

第三inception模块，用于输入所述第八特征图，输出大小为7*7*1024的第九特征图；

第五池化层，用于输入所述第九特征图，输出大小为1*1*1024的第十特征图；

全连接层，用于输入所述第十特征图，输出大小为1*1*1000的第十一特征图；

所述全连接层的输出端与所述Softmax分类层的输入端连接。

4.根据权利要求2所述的方法，其特征在于，根据迁移学习的方法对所述GoogLeNet模型进行训练。

5.一种人体行为识别装置，其特征在于，包括：

GUI模块，用于提供图形用户界面GUI，所述GUI用于展示控制面板和显示面板，所述控制面板中包括加载网络按钮、加载图像按钮以及识别按钮，所述显示面板用于显示待识别的图像和行为识别结果；

图像加载模块，用于若监测到触发所述加载网络按钮，则加载预先训练的GoogLeNet模型；若在加载所述GoogLeNet模型后，监测到触发所述加载图像按钮，则在接收到待识别的图像后，将所述图像显示在所述显示面板中；

输出模块，用于若所述图像显示在所述显示面板后，监测到触发所述识别按钮，则将所述待识别的图像输入至所述GoogLeNet模型，输出行为识别结果，将所述行为识别结果显示在所述显示面板中；

其中，所述GoogLeNet模型通过样本图像以及所述样本图像的行为标签训练而成。

6.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至4中任意一项所述的人体行为识别方法。

7.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至4中任意一项所述的人体行为识别方法。