[发明专利]人体行为识别模型及其构建方法和人体行为识别方法

摘要

本发明公开了一种人体行为识别模型及其构建方法和人体行为识别方法，模型构建方法包括对样本库中人体行为视频进行预处理；采用3D卷积神经网络提取人体行为视频的特征向量；将特征向量输入库伦力场进行聚类，采用损失函数计算特征向量在库伦力场初始位置与最终位置的损失值；当损失值≥设定阈值时，将损失值所代表的误差进行反向传播，并调整分类器参数，直至损失值＜设定阈值；将提取的特征向量输入分类器，将分类器输出的分类结果和视频样本的类别标签的差值作为分类器的误差反向传播，并调整分类器的参数，直至误差<设定阈值；当损失值＜设定阈值时，记录分类器当前的优化参数和对应的人体行为视频形成人体行为识别模型。

主权项

人体行为识别模型的构建方法，其特征在于，包括：获取包括若干人体行为视频的样本库，并对样本库中的所有人体行为视频进行预处理；采用3D卷积神经网络提取预处理后的人体行为视频的特征向量；将提取的特征向量输入库伦力场，所有特征向量在相同类产生引力，不种类产生斥力的作用下相对移动进行聚类；采用损失函数计算特征向量所代表的质点当前位置与相似度函数最小时特征向量的目标位置之间的误差；当所述误差大于等于设定阈值时，将所述误差进行反向传播，并调整3D卷积神经网络参数，直至误差小于设定阈值；当所述误差小于设定阈值时，完成3D卷积神经网络的训练，并采用分类器对特征向量进行训练；计算分类器的分类输出结果与样本的标签之间的差异，当所述差异大于等于预设值时，将所述差异反向传播，并更新分类器的参数；当所述差异小于预设值时，记录分类器当前的优化参数、聚类后子行为类别标签及聚类后子行为类别标签对应的人体行为视频；采用设置有优化参数的分类器和优化后的3D卷积神经网络形成人体行为识别模型。