[发明专利]一种基于强化学习注意力机制的行为识别方法

说明书

本发明公开了一种基于强化学习注意力机制的行为识别方法，该基于强化学习注意力机制的行为识别方法包括以下步骤：S1：将构建的TSN卷积神经网络模型进行预训练，并通过所述TSN卷积神经网络模型从预先配置好的数据集中提取特征通道集；S2：将构建的深度强化学习网络模型进行预训练，并通过所述深度强化学习网络模型对所述特征通道集进行关键通道集的选择；S3：将构建的判别器神经网络模型进行预训练，并通过所述判别器神经网络模型对所述关键通道集进行动作分类。有益效果：本发明使用深度强化学习的方法获得一个能够主动关注到关键特征通道的注意力机制，并通过该深度强化学习方法可以达到提高视频识别精度的效果。

技术领域

本发明涉及行为识别技术领域，具体来说，涉及一种基于强化学习注意力机制的行为识别方法。

背景技术

在计算机视觉中，使用注意力机制，将注意点放在图像中的有用的部分，在分类、视频理解、目标检测中都有着运用，而在现在运用到行为识别的深度学习方法中或多或少都体现了注意力机制的思想。在行为识别中，由于许多的注意力方法都是关注着人体肢体，忽略了与动作有关的物体，所以我们提出一个能够学习到动作和动作有关的物体的注意力机制。

目前，最先进的动作识别方法都是依赖于一个独立处理外观和动作的双流架构，所以我们将在双流网络改进的TSN网络上进行改进。我们将注意力机制放在TSN网络输出的2048特征通道中，在我们的可视化分析中，2048通道映射回原图像的不同部分，可以看出有的通道映射到了动作部分的肢体，也有部分映射到了动作有关的物体。因此我们提出的注意力机制放在TSN网络输出的2048通道上是非常有意义的，将关注点放在有关于动作和与动作有联系的物体的特征通道上，提高与动作分类有关的通道值的作用。

强化学习方法从上世纪到如今在游戏上一直表现着不错的效果，同时在最近几年在计算机视觉深度强化学习的方法也有许多，在行为识别注意力机制方面方法将强化学习方法训练得到一种注意力机制应用到关键视频帧的选取中，这个过程体现了主动关注到关键帧注意力机制，并且在关键帧的选中取得了不错的效果。因此我们将强化学习作为训练注意力机制方法，通过对通道的强化学习方法过程，主动学习到关注关键的特征通道的注意力机制。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了基于强化学习注意力机制的行为识别方法，具备提高视频识别精度的效果的优点，进而解决背景技术中的问题。

(二)技术方案

为实现上述具备提高视频识别精度的效果的优点，本发明采用的具体技术方案如下：

一种基于强化学习注意力机制的行为识别方法，该基于强化学习注意力机制的行为识别方法包括以下步骤：

S1：将构建的TSN卷积神经网络模型进行预训练，并通过所述TSN卷积神经网络模型从预先配置好的数据集中提取特征通道集；

S2：将构建的深度强化学习网络模型进行预训练，并通过所述深度强化学习网络模型对所述特征通道集进行关键通道集的选择；

S3：将构建的判别器神经网络模型进行预训练，并通过所述判别器神经网络模型对所述关键通道集进行动作分类。

进一步的，所述步骤S1中将构建的TSN卷积神经网络模型进行预训练，并通过所述TSN卷积神经网络模型从预先配置好的数据集中提取特征通道集具体包括以下步骤：

S11：通过预设方法构建所述TSN卷积神经网络模型，并进行预训练；

S12：采用预设方法通过所述TSN卷积神经网络模型从预先配置好的数据集中提取特征通道集。

进一步的，所述步骤S11中通过预设方法构建所述TSN卷积神经网络模型，并进行预训练具体包括以下步骤：