[发明专利]一种基于静态图像的行为识别方法

权利要求书

1.一种基于静态图像的行为识别方法，其特征在于，包括如下步骤：

步骤1，获取待识别图像，并对待识别图像中的目标信息进行标注，得到第一标注信息；

步骤2，将待识别图像与第一标注信息输入至行为识别模型，其中，所述识别模型包括CBOW模型与DenseNet模型；

步骤3，基于CBOW模型对第一标注信息进行识别，得到第一标注信息中目标信息所对应行为信息的第一行为预测概率分布；

步骤4，基于DenseNet模型对待识别图像进行识别，得到待识别图像中目标信息所对应行为信息的第二行为预测概率分布，其中，所述DenseNet模型的训练过程是基于训练后的CBOW模型进行的；

步骤5，将第一行为预测概率分布与第二行为预测概率分布中相同的行为信息对应的概率值进行加权，得到最终行为预测概率分布，选取最终行为预测概率分布中最大概率值所对应的行为信息作为识别结果并输出。

2.根据权利要求1所述基于静态图像的行为识别方法，其特征在于，步骤3中，所述基于CBOW模型对第一标注信息进行识别，具体包括：

步骤3.1，构建第一训练样本库，所述第一训练样本库包括若干第二标注信息，其中，所述第二标注信息包括目标信息以及与目标信息对应的行为信息；

步骤3.2，基于第一训练样本库对CBOW模型进行训练，得到训练后的CBOW模型；

步骤3.3，基于训练后的CBOW模型对第一标注信息进行识别，得到第一标注信息中目标信息所对应行为信息的第一行为预测概率分布。

3.根据权利要求2所述基于静态图像的行为识别方法，其特征在于，步骤3.2中，所述基于第一训练样本库对CBOW模型进行训练，得到训练后的CBOW模型，具体包括：

步骤3.2.1，选取第二标注信息；

步骤3.2.2，将选取的第二标注信息输入至CBOW模型，并将第二标注信息对应的目标信息与行为信息转换成one-hot词向量；

步骤3.2.3，将步骤3.2.2中目标信息转化的得到的one-hot词向量乘以CBOW模型的第一权重矩阵，作为目标信息在CBOW模型下的词向量格式；

步骤3.2.4，将步骤3.2.3中乘积所得的结果相加，进行平均操作，再将平均后结果乘以CBOW模型的第二个权重矩阵，得到第一结果词向量；

步骤3.2.5，对第一结果词向量进行softmax激活函数处理，得到格式与one-hot向量相同的第一输出词向量，并基于第一输出词向量与步骤3.2.2中行为信息转化的得到的one-hot词向量进行损失计算，得到第一损失结果；

步骤3.2.6，判断第一损失结果是否小于第一设定阈值，若是则完成CBOW模型的训练，否则在调整第一权重矩阵与第二权重矩阵后选取新的第二标注信息后重复步骤3.2.2-3.2.6。

4.根据权利要求3所述基于静态图像的行为识别方法，其特征在于，步骤3.2.6中，采用随机梯度下降算法调整第一权重矩阵与第二权重矩阵。

5.根据权利要求2或3或4所述基于静态图像的行为识别方法，其特征在于，步骤3.3中，所述基于训练后的CBOW模型对第一标注信息进行识别，具体为：

步骤3.3.1，将第一标注信息输入至训练后的CBOW模型，并将第一标注信息对应的目标信息转换成one-hot词向量；

步骤3.3.2，将步骤3.3.1中目标信息转化的得到的one-hot词向量乘以CBOW模型的第一权重矩阵，作为目标信息在CBOW模型下的词向量格式；

步骤3.3.3，将步骤3.3.2中乘积所得的结果相加，进行平均操作，再将平均后结果乘以CBOW模型的第二个权重矩阵，得到第二结果词向量；

步骤3.3.4，对第二结果词向量进行softmax激活函数处理，得到格式与one-hot向量相同的第二输出词向量，即得到第一标注信息中目标信息所对应行为信息的第一行为预测概率分布。