[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

说明书

本申请实施例属于视频分析技术领域，涉及一种基于图注意力网络的群体行为识别方法、装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，用户的群体行为结果可存储于区块链中。本申请提出了基于图注意力网络的群体行为识别，此方法可以利用节点自身以及邻居节点的表达来计算自身的隐式表达，基于图注意力机制，网络能够学习群体中个体的隐性特征以及个体间的关系特征，通过赋予注意力系数的方式，逐渐将其他个体的影响施加到目标个体上，学习到个体间的相互影响力大小，进而有效提高群体识别的识别准确率；此外，群体行为识别的数据量往往较大，通过高效的图注意力网络可以极大程度提高识别速度。

技术领域

本申请涉及视频分析技术领域，尤其涉及一种基于图注意力网络的群体行为识别方法、装置、计算机设备及存储介质。

背景技术

行为识别作为计算机视觉的重要分支，被广泛地应用于视频内容分析领域，近年来受到广泛的关注。当前，大多数研究都主要关注单人行为识别,分析提取个体行为的时空特征并对单人行为做出预测。然而，很多情况下，我们需要分析群体行为，近年来，越来越多的研究者开始关注群体行为识别。通过从整体的角度出发识别群体行为，不仅可以提高个体行为预测的准确率，同时也能提高群体行为的预测能力。如何分析群体行为中个体之间的时间和空间上的相互关系是预测群体行为的一个关键问题。

现有一种群体行为识别方法，即基于根据深度two-stage时间模型将模型分为单人级别特征提取与群体级别特征提取。两个阶段都基于LSTM学习时间关系的优良特性，从而视线识别群体行为的目的。

然而，申请人发现传统的群体行为识别方法普遍不智能，由于上述的工作都忽略了个体之间的互动性，认为群体行为仅仅是个体行为的简单聚合，从而导致传统的群体行为识别方法存在识别准确率较低的问题。

发明内容

本申请实施例的目的在于提出一种基于图注意力网络的群体行为识别方法、装置、计算机设备及存储介质，以解决传统的群体行为识别方法存在识别准确率较低的问题。

为了解决上述技术问题，本申请实施例提供一种基于图注意力网络的群体行为识别方法，采用了如下所述的技术方案：

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。

为了解决上述技术问题，本申请实施例还提供一种基于图注意力网络的群体行为识别装置，采用了如下所述的技术方案：

请求接收模块，用于接收携带有原始视频数据的行为识别请求；

特征提取模块，用于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；

图构建模块，用于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；