[发明专利]行为类别检测方法、装置、电子设备和计算机可读介质

权利要求书

1.一种行为类别检测方法，其特征在于，所述方法包括：

基于目标视频的关键帧，在每一个所述关键帧处对所述目标视频进行切分，将所述目标视频切分为多个视频片段，所述关键帧是物体运动或变化中的关键动作所处的帧，相邻关键帧及该相邻两关键帧之间的帧构成一个镜头；

调用预先编译的动态链接库，分别将各视频片段解码为矩阵序列，对于每一个矩阵序列，按照预设间隔帧数，对该矩阵序列进行抽样，依次将抽取的矩阵汇总为抽样矩阵序列，对于每一个抽样矩阵序列，将该抽样矩阵序列中的矩阵均分为多组，对各组中的矩阵中的目标区域进行截取，生成与该抽样矩阵序列对应的截取矩阵序列，以及，依次对所述截取矩阵序列中的矩阵进行数值处理，输出浮点类型的矩阵序列，作为解码数据；

将所述各视频片段的解码数据输入至预先训练的行为类别检测模型，得到所述各视频片段对应的行为类别检测结果，其中，所述行为类别检测模型用于检测视频中的人体对象的行为类别；

对所得到的行为类别检测结果进行整合，生成所述目标视频中的人体对象的行为类别序列。

2.根据权利要求1所述的行为类别检测方法，其特征在于，所述基于目标视频的关键帧，将所述目标视频切分为多个视频片段，包括：

确定目标视频的关键帧，并记录所述关键帧的时间戳；

在所记录的至少一个时间戳处对所述目标视频进行切分，生成多个视频片段，其中，各视频片段的时长在预设时长范围内。

3.根据权利要求1所述的行为类别检测方法，其特征在于，所述动态链接库使用能够应用于底层开发的指定计算机编程语言编译。

4.根据权利要求1所述的行为类别检测方法，其特征在于，在所述生成所述目标视频中的人体对象的行为类别序列之后，所述方法还包括：

获取与所述行为类别序列中的行为类别相关联的待推送信息；

确定所述目标视频中待插入所述待推送信息的位置；

根据所述位置，将所述待推送信息插入至所述目标视频中。

5.根据权利要求1所述的行为类别检测方法，其特征在于，在所述生成所述目标视频中的人体对象的行为类别序列之后，所述方法还包括：

判断所述行为类别序列中是否存在目标行为类别；

若是，从所述目标视频中截取所述目标行为类别的视频片段；

向目标用户推送所截取的视频片段。

6.根据权利要求1所述的行为类别检测方法，其特征在于，在所述生成所述目标视频中的人体对象的行为类别序列之后，所述方法还包括：

建立用于指示所述行为类别序列中的行为类别的标签，将所述标签增量更新至预先建立的标签库。

7.根据权利要求1所述的行为类别检测方法，其特征在于，所述行为类别检测模型通过如下步骤训练得到：

提取预先训练的初始模型；

获取目标样本集，其中，所述目标样本集中的样本包括目标领域的第一样本视频和第一标注信息，第一标注信息用于指示第一样本视频中的人体对象的行为类别；

将所述目标样本集中的第一样本视频作为所述初始模型的输入，将所输入的第一样本视频对应的第一标注信息作为所述初始模型的输出，利用机器学习方法，训练得到行为类别检测模型。

8.根据权利要求7所述的行为类别检测方法，其特征在于，所述初始模型通过如下步骤训练得到：

提取预置样本集，其中，所述预置样本集中的样本包括第二样本视频和第二标注信息，所述第二标注信息用于指示第二样本视频中的人体对象的行为类别；

将所述目标样本集中的第二样本视频作为三维卷积神经网络的输入，将所输入的第二样本视频对应的第二标注信息作为所述三维卷积神经网络的输出，利用机器学习方法，训练得到初始模型。

9.根据权利要求7所述的行为类别检测方法，其特征在于，第一标注信息所指示的行为类别被划分为背景类和至少一个行为类。