[发明专利]多任务的行为识别模型训练方法、装置、设备及存储介质

权利要求书

1.一种多任务的行为识别模型训练方法，所述方法包括：

获取N个待识别任务的样本数据集，其中，所述样本数据集包括虚拟数据、摄像装置的采集数据和互联网的爬取数据至少之一，N为大于等于1的整数；

利用所述N个待识别任务的样本数据集训练搭建的行为识别模型，得到多任务的行为识别模型，其中，所述搭建的行为识别模型包括第一主干网络和N个第一分类网络，所述多任务的行为识别模型包括多任务主干网络和N个第二分类网络，所述多任务主干网络是通过训练所述第一主干网络而得到，所述N个第二分类网络是与所述N个待识别任务一一对应的，通过训练N个所述第一分类网络得到。

2.如权利要求1所述的方法，其特征在于，所述搭建的行为识别模型是采用如下方法得到的：

获取所述第一主干网络，其中所述第一主干网络是通过预设数据集训练得到的主干网络；

在所述第一主干网络的基础上增加所述N个第一分类网络，得到所述搭建的行为识别模型。

3.如权利要求1或2所述的方法，其特征在于，所述利用所述N个待识别任务的样本数据集训练搭建的行为识别模型，得到多任务的行为识别模型，包括：

利用所述N个待识别任务的样本数据集训练所述搭建的行为识别模型中的第一主干网络，得到所述多任务主干网络；

利用所述N个待识别任务的样本数据集训练第一行为识别模型，得到所述多任务的行为识别模型，其中，所述第一行为识别模型包括所述多任务主干网络和所述N个第一分类网络。

4.如权利要求3所述的方法，其特征在于，所述利用所述N个待识别任务的样本数据集训练所述搭建的行为识别模型中的第一主干网络，得到所述多任务主干网络，包括：

利用所述N个待识别任务中的每一待识别任务的样本数据集，分别训练N个第一教师模型，得到与所述N个待识别任务一一对应的N个第二教师模型，其中，每一所述第一教师模型包括所述第一主干网络、一个第一分类网络、变分自编码器和判别器；

利用N个所述第二教师模型训练所述第一主干网络，得到所述多任务主干网络。

5.如权利要求4所述的方法，其特征在于，所述利用N个所述第二教师模型训练所述第一主干网络，得到所述多任务主干网络，包括：

调整所述第一主干网络中的批归一化层数量，得到包括N个批归一化层的第二主干网络，其中，所述每一批归一化层对应一个待识别任务；

获取N个所述第二教师模型中每一所述第二教师模型中所有的样本提取的特征向量；

将每一所述第二教师模型中所有的样本提取的特征向量作为目标特征训练所述第二主干网络，得到所述多任务主干网络。

6.如权利要求5所述的方法，其特征在于，所述方法还包括：将所述多任务主干网络中的N个批归一化层融合，得到第三主干网络；

利用所述N个待识别任务的样本数据集训练所述第三主干网络，以调整所述第三主干网络中的批归一化层的参数，得到完成调整的多任务主干网络。

7.如权利要求1至6所述的任一项方法，其特征在于，在所述多任务的行为识别模型上新增一个待识别任务的情况下，所述方法还包括：

获取新增任务的行为识别模型，其中，所述新增任务的行为识别模型是在所述多任务的行为识别模型上增加一个所述第一分类网络得到的，增加的所述第一分类网络用于分类新增的待识别任务；

获取与所述新增的待识别任务对应的新增数据集；

利用所述新增数据集训练所述新增任务的行为识别模型，得到完成训练的新增任务的行为识别模型。

8.如权利要求1至7所述的任一项方法，其特征在于，所述多任务的行为识别模型用于识别单人和/或多人的异常行为；所述N个待识别任务包括以下至少之一：单人的危害自身安全的行为、违法行为；多人的危害自身安全的行为、违法行为。