[发明专利]一种人体行为识别方法及系统

摘要

本发明提供了一种人体行为识别方法及系统，可以区分背景视频与包含人体行为视频并识别出其种类的网络，通过运用多任务深度学习方法训练3D卷积神经网路，将多种人体行为属性以及背景视频的固定连续帧数的帧块作为网络的输入，经过3D卷积神经网络训练后完成识别任务。本发明不仅提高了提取特征的效率，而且也提高了对包含背景视频的长视频段的识别能力，以便为智能监控等领域提供更好的技术支撑。

主权项

1.一种人体行为识别方法，其特征在于，包括，获取多个用于训练人体行为识别模型的人体行为的视频样本；对所述视频样本分别进行裁剪，获得包含完整人体行为的行为视频和不包含人体行为的背景视频；提取所述行为视频及背景视频的每一帧图像，并将所述行为视频的帧图像及所述背景视频的帧图像按顺序进行存储；所述行为视频的帧图像和所述背景视频的帧图像按照帧数相等的连续帧块构成人体行为的子数据集，每个人体行为对应一个子数据集，该子数据集包括该人体行为和背景；将所述子数据集合并成总数据集，所述总数据集中的连续帧块与所述子数据集中的连续帧块一一对应；将所述总数据集输入3D卷积神经网络提取所述总数据集的特征；将所述总数据集切分为多个子数据集，所述子数据集与输入所述3D卷积神经网络的总数据集中的连续帧块一一对应；将所述切分后的多个子数据集输入损失函数层进行计算，获得总数据集对应的人体行为种类。