[发明专利]一种群体行为识别方法、装置、计算机设备及存储介质

权利要求书

1.一种基于图注意力网络的群体行为识别方法，其特征在于，包括下述步骤：

接收携带有原始视频数据的行为识别请求；

根据卷积网络对所述原始视频数据进行特征提取操作，得到初始个体特征；

根据图构建方法对所述初始个体特征进行图构建操作，得到邻接矩阵数据；

根据图注意力网络对所述初始个体特征以及所述邻接矩阵数据进行关系计算操作，得到各个个体在各个时间中的相互注意力系数；

对所述相互注意力系数以及所述邻接矩阵数据中邻居节点初始特征线性变化后的数据进行加权求和操作，并根据非线性激活函数获取所述各个个体的最终个体特征；

在所述各个时间中筛选最大值的所述最终个体特征，得到最值特征；

将所述最值特征输入至群体行为线性分类器进行预测操作，得到各个所述最值特征所对应的群体行为预测分数；

对所述群体行为预测分数进行平均计算，得到目标行为分数；

获取与所述目标行为分数相对应的群体行为结果；

所述根据图构建方法对所述初始个体特征进行图构建操作，得到邻接矩阵数据的步骤，具体包括下述步骤：

获取不同的所述个体之间的位置关系和表观特征关系；

根据所述位置关系和表观特征关系计算不同的所述个体之间相互关系；

根据所有所述个体之间的所述相互关系进行建模操作，得到所述邻接矩阵数据；

所述位置关系表示为：

其中，表示第i个个体位置信息；表示第j个个体位置信息；和中的S表示所述个体位置信息为单人特征的空间信息；μ作为超参数表示欧氏距离的阈值；Ⅱ表示指标函数；

所述表观特征关系根据嵌入式点积表示为：

其中，表示第i个单人的表观特征；表示第j个单人的表观特征；和中的a表示所述单人的表观特征为单人特征的表观信息；和是可学习的线性变换函数；

所述相互关系表示为：

2.根据权利要求1所述的基于图注意力网络的群体行为识别方法，其特征在于，所述根据卷积网络对所述原始视频数据进行特征提取操作，得到初始个体特征的步骤，具体包括下述步骤：

根据所述卷积网络提取所述原始视频数据中每帧图像的多尺度特征图；

根据每个个体在所述每帧图像中的边界框在所述多尺度特征图中得到独立个体特征；

根据全连接层将所有所述独立个体特征统一为所述初始个体特征。

3.根据权利要求2所述的基于图注意力网络的群体行为识别方法，其特征在于，所述每帧图像为所述原始视频数据的3帧序列图像。

4.根据权利要求1所述的基于图注意力网络的群体行为识别方法，其特征在于，在所述获取与所述目标行为分数相对应的群体行为结果的步骤之后还包括：

将所述群体行为结果存储至区块链中。