一种行为识别方法及装置、电子设备和存储介质与流程

1.本公开涉及计算机技术领域，尤其涉及一种行为识别方法及装置、电子设备和存储介质。


背景技术：

2.在人群行为识别(group activity recognition)技术中，会通过计算机视觉算法来识别视频画面中不同人的动作类别，以及该画面描述的人群行为类别，常用于体育赛事的行为识别。例如，对于排球比赛视频，该任务需要识别每位排球运动员的动作类别以及该段视频所描述的人群行为类别(左边传球、右边传球、左边扣球等)。对于该任务，我们通常可以先检测视频中的人体，再通过个体动作识别(individual action recognition)，根据个体的动作进一步的推断该视频的人群行为类别。
3.近年来随着深度学习在计算机视觉上的发展，过去许多工作通常利用卷积神经网络来检测视频中每个人的动作，并利用全局池化来得到人群总体特征来识别人群行为类别。人群行为识别除依赖于个体动作和视频背景信息之外，也依赖于个体动作之间的关系信息。除了使用卷积神经网络以外，一些方法还利用图卷积网络、循环神经网络等模型，来捕获并分析个体动作之间的关系信息。
4.但是传统的基于深度学习的方法计算复杂度较高，人群行为识别的效率有待进一步提高。


技术实现要素：

5.本公开提出了一种行为识别的技术方案。
6.根据本公开的一方面，提供了一种行为识别方法，包括：
7.接收输入的视频帧，并提取所述视频帧中的人物特征；
8.基于所述人物特征，确定人群的总体特征；
9.根据所述人物特征与所述总体特征之间的关联关系，确定第一注意力分配权重；
10.基于所述第一注意力分配权重，对所述总体特征进行更新；
11.对更新后的总体特征进行行为识别，得到人群行为识别结果。
12.在一种可能的实现方式中，所述基于所述人物特征，确定人群的总体特征，包括：
13.基于提取的所述人物特征的特征向量进行注意力分配权重预测，确定所述人物特征的初始注意力分配权重；
14.利用所述初始注意力分配权重对所述人物特征进行加权融合，得到所述总体特征。
15.在一种可能的实现方式中，所述根据所述人物特征与所述总体特征之间的关联关系，确定第一注意力分配权重，包括：
16.确定所述人物特征与所述总体特征之间的相似度；
17.根据所述相似度，确定所述第一注意力分配权重。
18.在一种可能的实现方式中，所述确定所述人物特征与所述总体特征之间的相似度，包括：
19.将所述人物特征和所述总体特征的特征矩阵分别划分为n份；
20.计算所述人物特征的n份特征与所述总体特征的n份特征之间的相似度，得到n个相似度；
21.所述根据所述相似度，确定所述第一注意力分配权重，包括：
22.基于所述n个相似度，确定组内人物特征之间的n个第一注意力分配权重；
23.所述基于所述第一注意力分配权重，对所述总体特征进行更新，包括：
24.基于所述n个第一注意力分配权重，对所述总体特征进行更新。
25.在一种可能的实现方式中，所述基于所述第一注意力分配权重，对所述总体特征进行更新，包括：
26.利用所述第一注意力分配权重对所述人物特征进行加权融合，得到加权融合特征；
27.将所述加权融合特征与所述总体特征进行融合，得到更新后的总体特征。
28.在一种可能的实现方式中，所述基于所述第一注意力分配权重，对所述总体特征进行更新，包括：
29.利用所述第一注意力分配权重对所述总体特征中的子特征进行加权，得到更新后的总体特征。
30.在一种可能的实现方式中，在所述基于所述第一注意力分配权重，对所述总体特征进行更新后，所述方法还包括：
31.将更新后的总体特征与所述人物特征进行融合，得到更新后的人物特征。
32.在一种可能的实现方式中，在所述将更新后的总体特征与所述人物特征进行融合，得到更新后的人物特征后，所述方法还包括：
33.将更新后的总体特征作为新的总体特征，将更新后的人物特征作为新的人物特征，迭代地对总体特征和人物特征进行更新，直至满足迭代停止条件，得到迭代更新后的总体特征和人物特征；
34.所述对更新后的总体特征进行行为识别，得到人群行为识别结果，包括：
35.对迭代更新后的总体特征进行行为识别，得到人群行为识别结果。
36.在一种可能的实现方式中，在得到迭代更新后的总体特征和人物特征后，所述方法还包括：
37.对更新后的人物特征进行人物行为识别，得到人物行为识别结果。
38.根据本公开的一方面，提供了一种行为识别装置，包括：
39.人物特征提取单元，用于接收输入的视频帧，并提取所述视频帧中的人物特征；
40.总体特征确定单元，用于基于所述人物特征，确定人群的总体特征；
41.第一注意力确定单元，用于根据所述人物特征与所述总体特征之间的关联关系，确定第一注意力分配权重；
42.总体特征更新单元，用于基于所述第一注意力分配权重，对所述总体特征进行更新；
43.人群行为识别单元，用于对更新后的总体特征进行行为识别，得到人群行为识别
结果。
44.在一种可能的实现方式中，所述总体特征确定单元，包括：
45.初始注意力确定单元，用于基于提取的所述人物特征的特征向量进行注意力分配权重预测，确定所述人物特征的初始注意力分配权重；
46.总体特征初始化单元，用于利用所述初始注意力分配权重对所述人物特征进行加权融合，得到所述总体特征。
47.在一种可能的实现方式中，所述第一注意力确定单元，包括：
48.第一相似度确定单元，用于确定所述人物特征与所述总体特征之间的相似度；
49.第一分配权重确定子单元，用于根据所述相似度，确定所述第一注意力分配权重。
50.在一种可能的实现方式中，所述第一相似度确定单元，包括：
51.特征矩阵划分单元，用于将所述人物特征和所述总体特征的特征矩阵分别划分为n份；
52.相似度确定子单元，用于计算所述人物特征的n份特征与所述总体特征的n份特征之间的相似度，得到n个相似度；
53.所述第一分配权重确定子单元，用于基于所述n个相似度，确定组内人物特征之间的n个第一注意力分配权重；
54.所述总体特征更新单元，用于基于所述n个第一注意力分配权重，对所述总体特征进行更新。
55.在一种可能的实现方式中，所述总体特征更新单元，包括：
56.加权融合单元，用于利用所述第一注意力分配权重对所述人物特征进行加权融合，得到加权融合特征；
57.总体特征更新子单元，用于将所述加权融合特征与所述总体特征进行融合，得到更新后的总体特征。
58.在一种可能的实现方式中，所述基总体特征更新单元，用于利用所述第一注意力分配权重对所述总体特征中的子特征进行加权，得到更新后的总体特征。
59.在一种可能的实现方式中，所述装置还包括：
60.人物特征更新单元，用于将更新后的总体特征与所述人物特征进行融合，得到更新后的人物特征。
61.在一种可能的实现方式中，所述装置还包括：
62.迭代单元，用于将更新后的总体特征作为新的总体特征，将更新后的人物特征作为新的人物特征，迭代地对总体特征和人物特征进行更新，直至满足迭代停止条件，得到迭代更新后的总体特征和人物特征；
63.所述人群行为识别单元，用于对迭代更新后的总体特征进行行为识别，得到人群行为识别结果。
64.在一种可能的实现方式中，所述装置还包括：
65.人物行为识别单元，用于对更新后的人物特征进行人物行为识别，得到人物行为识别结果。
66.根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方
法。
67.根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
68.在本公开实施例中，在接收输入的视频帧后，提取所述视频帧中的人物特征；基于人物特征，确定人群的总体特征；根据所述人物特征与所述总体特征之间的关联关系，确定第一注意力分配权重；基于所述第一注意力分配权重，对所述总体特征进行更新；对更新后的总体特征进行行为识别，得到识别结果。由此，视频帧中注意力的分配是依据人物特征与总体特征之间的关联关系得到的，相对于依据人物特征之间的关联关系确定注意力分配权重而言，显著降低了计算注意力分配权重的复杂度，提高了对视频帧进行行为识别的效率。
69.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
70.此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
71.图1示出根据本公开实施例的行为识别方法的流程图。
72.图2示出根据本公开实施例的一种应用场景示意图。
73.图3示出根据本公开实施例的初始的总体特征确定过程示意图。
74.图4示出根据本公开实施例的特征更新过程示意图。
75.图5示出根据本公开实施例的一种行为识别装置的框图。
76.图6示出根据本公开实施例的一种电子设备的框图。
77.图7示出根据本公开实施例的一种电子设备的框图。
具体实施方式
78.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
79.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
80.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
81.另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
82.如背景技术所述，传统的基于深度学习的方法计算复杂度较高，人群行为识别的效率有待进一步提高。
83.本公开实施例提供了一种行为识别方法，在接收输入的视频帧后，提取所述视频帧中的人物特征；基于所述人物特征，确定人群的总体特征；根据所述人物特征与所述总体特征之间的关联关系，确定第一注意力分配权重；基于所述第一注意力分配权重，对所述总体特征进行更新；对更新后的总体特征进行行为识别，得到识别结果。由此，视频帧中注意力的分配是依据人物特征与总体特征之间的关联关系得到的，相对于依据人物特征之间的关联关系确定注意力分配权重而言，显著降低了计算注意力分配权重的复杂度，提高了对视频帧进行行为识别的效率。
84.在一种可能的实现方式中，所述活动识别方法可以由终端设备或服务器等电子设备执行，终端设备可以为用户设备(user equipment，ue)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(personal digital assistant，pda)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
85.为便于描述，本说明书一个或多个实施例中，活动识别方法的执行主体可以是服务器，后文以执行主体为服务器为例，对该方法的实施方式进行介绍。可以理解，该方法的执行主体为服务器只是一种示例性的说明，并不应理解为对该方法的限定。
86.图1示出根据本公开实施例的活动识别方法的流程图，如图1所示，所述活动识别方法包括：
87.在步骤s11中，接收输入的视频帧，并提取所述视频帧中的人物特征。
88.这里的视频帧可以是视频帧序列中的任一视频帧，或者也可以是视频帧序列中的多个视频帧。视频帧可以是以视频帧序列的形式输入的，单个视频帧序列的长度可以是预定的，例如可以是20帧。
89.该视频帧可以是存储于本地存储空间中的视频帧，那么可以从终端本地存储空间中读取视频帧，以实现对视频帧的输入，例如，可以是本地存储的体育赛事的录像视频中的视频帧，又如，本地存储的商场管理视频中的视频帧。
90.或者，该视频帧也可以是获取的图像采集设备实时采集的视频帧，例如，可以是体育赛事的直播视频中的视频帧，又如，位于商场人口的图像采集设备实时采集的视频帧。
91.针对视频帧中的人物，可以通过人体识别技术来识别视频帧中的人物所在的区域，该区域往往通过矩形框来表示，矩形框所框选的区域即为识别出的人物所在的区域。由于在对同一个人物进行识别时，可能会得到多个矩形框，那么，可以通过非极大值抑制算法(non
‑
maximum suppression，nms)对多个矩形框进行去重，针对单个视频帧中的一个人物保留一个矩形框，作为识别出的人物所在的区域。
92.针对视频帧序列中的多帧视频帧，均可以通过上述方式得到多帧视频帧中的人物所在的区域。
93.在本公开实施例中，可以对视频帧进行特征提取，得到整个视频帧的特征，然后利用视频帧中的人物矩形框，从提取的视频帧的特征中匹配得到对应的人物特征。例如，可以采用膨胀卷积网络(inflated 3d convnet，i3d)提取视频帧的特征，将i3d网络的中间层输出的中间特征进行特征提取得到各人物特征。
94.具体来说，人物在视频帧中的位置为前文nms去重后得到的多个矩形框的位置，将视频帧中矩形框的位置，对应至i3d网络提取的中间特征，利用roialign技术将中间特征中
与矩形框位置对应的特征提取出来，即可得到视频帧中的人物特征。此外，人物特征的获取方式也可以是其它方式，本公开对人物特征的具体获取方式不作限定。
95.在步骤s12中，基于所述人物特征，确定人群的总体特征。
96.人物特征的总体特征，能够从整体上表征视频帧中人物特征的总体，总体特征是基于各人物特征计算得到的，例如，可以是对该组内的人物特征进行平均池化操作得到的，或者，也可以是对该组内的人物特征进行随机池化操作得到的，或者，还可以是对各人物特征进行加权融合得到的，或者，还可以是对各人物特征的特征矩阵进行拼接得到，具体可参见本公开提供的可能的实现方式，对于具体确定总体特征的方式，本公开实施例不做具体限定。
97.在步骤s13中，根据所述人物特征与所述总体特征之间的关联关系，确定第一注意力分配权重；
98.这里的关联关系用于表征人物特征与总体特征之间的相关性，例如，可以是人物特征与所述总体特征之间的相似度，那么，可以基于人物特征与所述总体特征之间的相似度，来确定人物特征的第一注意力分配权重。
99.人物特征与总体特征之间的关联关系能够表征人物特征对总体特征的重要性，有助于捕捉到更关键的潜在特征，该关联关系与第一注意力分配权重正相关，即关联关系越紧密的人物特征，其对应于总体特征越关键，那么，在总体特征中增强其表征能力，能够提高对视频帧进行事件识别的准确度，因此，可以基于人物特征与总体特征之间的关联关系，对总体特征中的注意力进行分配，以增强关键特征的表达能力。
100.根据人物特征与总体特征之间的关联关系确定人物特征的第一注意力分配权重时，所需进行的计算复杂度与人物特征的数量n相关，即如果人物特征的数量为n，那么需要计算n次人物特征与总体特征的关联关系，其计算复杂度为n。而依据人物特征两两之间的关联关系进行注意力分配，在人物特征的数量为n，需要进行n*(n
‑
1)/2次关联关系的计算，在n值较大(n＞3)的情况下，步骤s13相比于依据人物特征两两之间的关联关系进行注意力分配而言，大大降低了计算复杂度，提高了注意力分配的效率。
101.在步骤s14中，基于所述第一注意力分配权重，对所述总体特征进行更新；
102.在确定人物特征中的注意力分配权重后，由于总体特征是基于人物特征得到的，因此，对总体特征中的人物特征赋予不同的注意力权重，实现对总体特征的更新，以增强总体特征中关键特征的表达能力，抑制其它特征的干扰。例如，在计算机语言中，会用特征矩阵来表征人物特征，因此可以用注意力权重乘以人物特征的特征矩阵，实现对总体特征中的人物特征赋予注意力分配权重，实现对总体特征的更新。具体更新过程可参见本文提供的可能的实现方式，此处不做赘述。
103.在步骤s15中，对更新后的总体特征进行行为识别，得到人群行为识别结果。
104.更新后的总体特征可以输入神经网络的全连接层中，利用全连接层来做分类，全连接层中会预先设置有多个人群行为类别，根据总体特征，全连接层能够输出总体特征为各个人群行为类别的置信度，置信度最高的人群行为类别即可作为人群行为识别结果。
105.例如，在针对排球比赛中的视频帧，将提取到的人物时空特征输入到全连接层，得到人物动作类别为“左边发球”的置信度为0.9、“左边传球”的置信度为0.3、“左边扣球”的置信度为0.4、“右边发球”的置信度为0.1、“右边拦网”的置信度为0.1，那么，即可将置信度
最高的“左边发球”作为识别结果进行输出。
106.在本公开实施例中，在接收输入的视频帧后，提取所述视频帧中的人物特征；基于人物特征，确定人群的总体特征；根据所述人物特征与所述总体特征之间的关联关系，确定第一注意力分配权重；基于所述第一注意力分配权重，对所述总体特征进行更新；对更新后的总体特征进行行为识别，得到识别结果。由此，视频帧中注意力的分配是依据人物特征与总体特征之间的关联关系得到的，相对于依据人物特征之间的关联关系确定注意力分配权重而言，显著降低了计算注意力分配权重的复杂度，提高了对视频帧进行行为识别的效率。
107.在一种可能的实现方式中，所述确定所述人物特征的总体特征，包括：基于提取的所述人物特征的特征向量进行注意力分配权重预测，确定所述人物特征的初始注意力分配权重；利用所述初始注意力分配权重对所述人物特征进行加权融合，得到所述总体特征。
108.经roialign操作提取到的人物特征可以先进行注意力分配然后再进行融合得到总体特征，而用于进行注意力分配的初始注意力分配权重可以基于人物特征的特征向量进行预测得到，例如，可以通过注意力分配权重预测网络得到，具体来说，可以基于一个注意力分配权重映射函数得到，该映射函数预先建立了特征向量和注意力分配权重之间的映射关系，那么，基于人物特征的特征向量，即可通过该映射函数确定与人物特征的特征向量映射的注意力分配权重，作为初始注意力分配权重。此外，初始注意力分配权重还可以基于其它注意力机制得到，本公开对此不作限定。
109.在确定人物特征的注意力分配权重后，即可利用初始注意力分配权重对人物特征进行加权融合，得到总体特征。这里的融合方式例如可以是相加操作，即利用初始注意力分配权重对人物特征进行加权后再相加，得到总体特征。
110.经初始注意力分配权重对人物特征进行加权融合后的总体特征可以用g0来表示，为便于更清楚地理解总体特征g0的确定过程，下面通过具体的数学表达式来对g0的确定过程进行说明，需要说明的是，本公开中提供的具体数学表达式为本公开实施例在具体实施时的一种可能的实现方式，而不应当理解为对本公开实施例保护范围的限制。
111.在一种可能的实现方式中，g0的确定过程可参见公式(1)：
112.g0＝ffn(∑
k
softmax(f(i
k
))*i
k
)
ꢀꢀꢀꢀ
(1)
113.其中，k表示视频帧中每个人物特征的序号，i
k
表示第k个人物特征，f(i
k
)表示人物特i
k
的初始注意力分配权重的预测函数，softmax为一种可能的归一化函数，所有人物特征的初始注意力分配权重f(i
k
)使用逻辑回归函数softmax操作保证总和等于1，ffn表示前馈神经网络(feed forward neural networks，ffn)，用于将计算后得到的特征矩阵进行空间变换，从而调整得到更稳定的特征分布。
114.公式(1)的过程用语言可以描述为：通过注意力预测函数f(i
k
)确定人物特征的初始注意力分配权重，然后利用softmax对初始注意力分配权重进行归一化，保证初始注意力分配权重的总和为1，然后用归一化后的初始注意力分配权重对人物特征进行加权求和，加权求和后的结果输入ffn网络进行特征空间变换，得到总体特征g0。
115.在一种可能的实现方式中，所述根据所述人物特征与所述总体特征之间的关联关系，确定所述第一注意力分配权重，包括：确定所述人物特征与所述总体特征之间的相似度；根据所述相似度，确定所述第一注意力分配权重。
116.具体计算特征相似度的方式可以有多种，例如可以是基于欧几里得距离的相似度
计算方式，又如，还可以是基于余弦相似度的相似度计算方式，等等。本公开对相似度的计算方式不做具体限定。
117.在确定人物特征之间的相似度后，可以对相似度进行规范化(normalize)处理，具体可以通过一个逻辑回归函数(例如，softmax函数)，经过规范化处理后，即可得到人物特征的第一注意力分配权重。
118.在本公开实施例中，通过确定所述人物特征与所述总体特征之间的相似度，根据所述相似度，确定第一注意力分配权重。由此，基于相似度来表征人物特征与总体特征之间的关联关系，确定总体特征的注意力分配权重，增强与总体特征相似度高的人物特征在总体特征中的表达能力，抑制与总体特征相似度低的人物特征在总体特征中的表达能力，因此，基于相似度确定的第一注意力分配权重，能够提高人群行为识别结果的准确性。
119.在一种可能的实现方式中，所述基于所述第一注意力分配权重，对所述总体特征进行更新，包括：利用所述第一注意力分配权重对所述人物特征进行加权融合，得到加权融合特征；将所述加权融合特征与所述总体特征进行融合，得到更新后的总体特征。
120.如前文所述，总体特征是依据人物特征得到的能够反映人物特征整体的特征，由于总体特征中可能无法再具体区分出每个人物特征，因此，在利用第一注意力分配权重对总体特征进行注意力分配时，可以用第一注意力分配权重对人物特征进行加权融合后，再加入到总体特征中，这样，便能够实现对总体特征的注意力分配。
121.这里的加权融合过程可以是利用各注意力分配权重与对应的人物特征分别相乘，然后再将相乘的结果进行相加，得到加权融合特征。然后，将加权融合特征与总体特征进行融合的过程，也可以是将加权融合特征与总体特征进行相加操作，得到的结果即可作为更新后的总体特征。
122.在本公开实施例中，通过利用第一注意力分配权重对人物特征进行加权融合，得到加权融合特征，然后将加权融合特征与总体特征进行融合，实现了对总体特征的更新。由此，实现了对无法再区分出人物特征的高维的总体特征进行注意力分配，增强了总体特征中关键特征的表达能力，提高人群识别结果的准确性。
123.在一种可能的实现方式中，所述基于所述第一注意力分配权重，对所述总体特征进行更新，包括：利用所述第一注意力分配权重对所述总体特征中的子特征进行加权，得到更新后的总体特征。
124.在该实现方式中，该子特征可以是用来表征各人物的特征，具体可以是各人物特征，或者是对各人物特征进行处理后得到的用来表征各人物的特征。也就是说，总体特征中的各人物的特征是可区分的，例如，总体特征可以是对人物特征的特征矩阵进行拼接得到的，那么，总体特征的特征矩阵中的各子特征分别代表各人物特征的特征矩阵。
125.在总体特征中的各人物的特征可区分的情况下，可以直接对各人物的特征进行注意力加权，即利用第一注意力分配权重对总体特征中的子特征进行加权，即可实现对总体特征的更新。
126.在本公开实施例中，通过利用第一注意力分配权重直接对总体特征中的子特征进行加权，实现对总体特征的更新，更新的计算量较小，提高了对总体特征进行更新的效率，增强了总体特征中关键特征的表达能力，提高人群识别结果的准确性。
127.在一种可能的实现方式中，在所述基于所述第一注意力分配权重，对所述总体特
征进行更新后，所述方法还包括：将更新后的总体特征与所述人物特征进行融合，得到更新后的人物特征。
128.在对总体特征进行更新后，还可以进一步对人物特征进行更新，其具体方式可以是将更新后的总体特征与人物特征进行融合，例如，对每个人物特征均加上一个总体特征，以实现对每个人物特征进行更新。
129.此外，对人物特征进行更新的方式还可以有多种，例如，还可以是利用第一注意力分配权重对人物特征进行加权，将加权的结果作为更新后的人物特征。
130.在对人物特征进行更新后，还可进一步执行后续的相关操作，例如，基于人物特征进行人物行为识别，或基于人物特征进行总体特征的迭代更新等等。
131.在一种可能的实现方式中，在得到更新后的总体特征和人物特征后，所述方法还包括：对更新后的人物特征进行人物行为识别，得到人物行为识别结果。
132.在本公开实施例中，还可以对人物个体的行为进行识别，例如，在排球比赛中，人物会有对应的比赛动作，例如：发球、垫球、传球、扣球、拦网等等。因此，还可以基于人物特征对单个人物的行为进行识别。
133.具体可以是将更新后的人物特征输入神经网络的全连接层中，利用全连接层来做分类，全连接层中会预先设置有多个比赛动作，根据人物时空特征，全连接层能够输出人物时空特征为各个动作的置信度，置信度最高的比赛动作即可作为人物行为识别结果。
134.例如，在针对排球比赛中的视频帧，将更新后的人物特征输入到全连接层，得到人物行为为“发球”的置信度为0.9、“垫球”的置信度为0.3、“传球”的置信度为0.4、“扣球”的置信度为0.1、“拦网”的置信度为0.1，那么，即可将置信度最高的“发球”动作作为人物行为识别结果进行输出。
135.在本公开实施例中，通过将更新后的总体特征与人物特征进行融合，得到更新后的人物特征，以实现对人物特征的更新，便于基于更新后的人物特征进行后续相关的其它操作，例如，基于更新后的人物特征进行人物行为识别，以提高人物行为识别结果的准确性，又如，还可以基于更新后的人物特征对总体特征进行迭代更新，以提高人群行为识别结果的准确性。
136.下面对本公开迭代更新的可能的实现方式进行详细描述，在一种可能的实现方式中，在所述将更新后的总体特征与所述人物特征进行融合，得到更新后的人物特征后，所述方法还包括：将更新后的总体特征作为新的总体特征，将更新后的人物特征作为新的人物特征，迭代地对总体特征和人物特征进行更新，直至满足迭代停止条件，得到迭代更新后的总体特征和人物特征；所述对更新后的总体特征进行行为识别，得到人群行为识别结果，包括：对迭代更新后的总体特征进行行为识别，得到人群行为识别结果。
137.具体来说，可以将更新后的总体特征作为新的总体特征，将更新后的人物特征作为新的人物特征，再次执行步骤s13和步骤s14以及更新人物特征的步骤，即：根据人物特征与总体特征之间的关联关系，确定人物特征的第一注意力分配权重；基于所述第一注意力分配权重，对所述总体特征进行更新；将更新后的总体特征与所述人物特征进行融合，得到更新后的人物特征。
138.对总体特征g
i
更新后的总体特征可以用g
i+1
表示，为便于更清楚地理解对总体特征进行迭代的过程，下面通过具体的数学表达式进行说明，需要说明的是，本公开中提供的
具体数学表达式为本公开实施例在具体实施时的一种可能的实现方式，而不应当理解为对本公开实施例保护范围的限制。
139.在一种可能的实现方式中，总体特征迭代过程可参见公式(2)：
140.g
i+1
＝ffn(∑
k
softmax(g(i
k
,g
i
))*i
k
)+g
i
ꢀꢀꢀ
(2)
141.其中，i表示迭代的次数，那么g0为初始的总体特征，g1为第一次迭代后得到的总体特征，g
i
为第i次迭代后得到的总体特征，g(i
k
,g
i
)用于确定i
k
和g
i
的相似度，softmax为归一化函数，所有人物特征和总体特征的相似度使用softmax操作保证总和等于1，ffn表示前馈神经网络，用于将计算后得到的特征矩阵变换为统一的形式，以便与g
i
进行求和运算操作。
142.公式(2)的过程用语言可以描述为：在进行第i+1次迭代时，先确定第i次迭代得到的总体特征g
i
与人物特征i
k
的相似度，然后利用softmax对相似度进行归一化得到第一注意力分配权重，保证第一注意力分配权重的总和为1，然后用归一化后的第一注意力分配权重对人物特征进行加权求和，加权求和结果输入ffn网络进行特征矩阵变换，特征变化结果与g
i
求和，得到总体特征g
i+1
。
143.在一种可能的实现方式中，所述根据所述人物特征与所述总体特征之间的关联关系，确定第一注意力分配权重，包括：将所述人物特征和所述总体特征的特征矩阵分别划分为n份；计算所述人物特征的n份特征与所述总体特征的n份特征之间的相似度，得到n个相似度；基于所述n个相似度，确定组内人物特征之间的n个第一注意力分配权重；所述基于所述第一注意力分配权重，对所述总体特征进行更新，包括：基于所述n个第一注意力分配权重，对所述总体特征进行更新。
144.在计算机技术中，人物特征和总体特征的具体表现形式为特征矩阵，例如，人物特征的特征矩阵的尺寸为t
×
1024。那么，可以将特征矩阵划分为n份，n为大于1的整数，例如，在n取8时，即将t
×
1024的矩阵划分为8份，划分后的矩阵可以表示为8
×
t
×
128；又如，在n取4时，即将t
×
1024的矩阵划分为4份，划分后的矩阵可以表示为4
×
t
×
256。
145.那么，在对人物特征和总体特征计算相似度时，可以对n份特征分别计算对应的相似度，这样将会得到n个相似度，例如，针对尺寸为t
×
1024的特征矩阵，在n取8时，会计算8份尺寸为t
×
128的子特征矩阵与另一特征矩阵中的t
×
128的子特征矩阵的相似度，这样，会得到8个相似度，可以用一个尺寸为8的矩阵来表示；而对t
×
1024的两个特征矩阵进行计算，只能得到1个相似度。由此，8个相似度相对于1个相似度而言，能够增强人物特征和总体特征之间关系的多样性，能够更加准确地描述人物特征和总体特征之间的关系。
146.在得到n个相似度后，可以再基于n个相似度，确定人物特征与总体特征之间的n个第一注意力分配权重，具体确定注意力分配权重的方式可参见前文相关描述，此处不做赘述。那么，在对总体特征进行更新时，可以基于确定的n个第一注意力分配权重，对总体特征进行更新。
147.在本公开实施例中，通过将所述人物特征和所述总体特征的特征矩阵分别划分为n份；计算所述人物特征的n份特征与所述总体特征的n份特征之间的相似度，得到n个相似度；基于所述n个相似度，确定组内人物特征之间的n个第一注意力分配权重。由此，能够增强人物特征与总体特征之间关系的多样性，以更加准确地描述人物特征与总体特征之间的关系，进而能够提高人群行为识别的准确性。
148.下面对本公开实施例的一个应用场景进行说明。请参阅图2，为本公开实施例提供
的行为识别方法的一种应用场景图，在该应用场景中，对排球比赛中的视频帧序列进行排球行为识别，排球行为例如可以包括“左边发球”、“左边扣球”、“右边发球”、“右边拦网”等等。对排球比赛的视频帧序列进行人物特征提取，得到多个人物特征，然后通过一个核心网络得到人群特征，然后对人群特征进行分类，得到人群特征所述的排球行为的类别。
149.核心网络的场景示意图可参见图3和图4，图3为初始的总体特征g0的确定过程示意图，多个人物特征i
k＝0,1
……
表示k个人物特征，通过注意力预测函数f(i
k
)确定人物特征的初始注意力分配权重，然后利用softmax对初始注意力分配权重进行归一化，保证初始注意力分配权重的总和为1，然后用归一化后的初始注意力分配权重对人物特征进行加权求和，加权求和后的结果输入ffn网络进行特征矩阵变换，得到总体特征g0。
150.图4为总体特征和人物特征更新的过程示意图，多个人物特征表示k个人物特征，通过函数g(i
k
,g
i
)确定第i次迭代得到的总体特征g
i
与人物特征i
k
的相似度，然后利用softmax对相似度进行归一化得到第一注意力分配权重，保证第一注意力分配权重的总和为1，然后用归一化后的第一注意力分配权重对人物特征进行加权求和，加权求和结果输入ffn网络进行特征矩阵变换，特征变化结果与g
i
求和，得到总体特征g
i+1
。总体特征g
i+1
和人物特征可以进行拼接求和，得到更新后的人物特征
151.可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
152.此外，本公开还提供了行为识别装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种行为识别方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
153.图5示出根据本公开实施例的行为识别装置的框图，如图5所示，所述装置50包括：
154.人物特征提取单元51，用于接收输入的视频帧，并提取所述视频帧中的人物特征；
155.总体特征确定单元52，用于基于所述人物特征，确定人群的总体特征；
156.第一注意力确定单元53，用于根据所述人物特征与所述总体特征之间的关联关系，确定第一注意力分配权重；
157.总体特征更新单元54，用于基于所述第一注意力分配权重，对所述总体特征进行更新；
158.人群行为识别单元55，用于对更新后的总体特征进行行为识别，得到人群行为识别结果。
159.在一种可能的实现方式中，所述总体特征确定单元52，包括：
160.初始注意力确定单元，用于基于提取的所述人物特征的特征向量进行注意力分配权重预测，确定所述人物特征的初始注意力分配权重；
161.总体特征初始化单元，用于利用所述初始注意力分配权重对所述人物特征进行加权融合，得到所述总体特征。
162.在一种可能的实现方式中，所述第一注意力确定单元53，包括：
163.第一相似度确定单元，用于确定所述人物特征与所述总体特征之间的相似度；
164.第一分配权重确定子单元，用于根据所述相似度，确定所述第一注意力分配权重。
165.在一种可能的实现方式中，所述第一相似度确定单元，包括：
166.特征矩阵划分单元，用于将所述人物特征和所述总体特征的特征矩阵分别划分为n份；
167.相似度确定子单元，用于计算所述人物特征的n份特征与所述总体特征的n份特征之间的相似度，得到n个相似度；
168.所述第一分配权重确定子单元，用于基于所述n个相似度，确定组内人物特征之间的n个第一注意力分配权重；
169.所述总体特征更新单元54，用于基于所述n个第一注意力分配权重，对所述总体特征进行更新。
170.在一种可能的实现方式中，所述总体特征更新单元54，包括：
171.加权融合单元，用于利用所述第一注意力分配权重对所述人物特征进行加权融合，得到加权融合特征；
172.总体特征更新子单元，用于将所述加权融合特征与所述总体特征进行融合，得到更新后的总体特征。
173.在一种可能的实现方式中，所述基总体特征更新单元54，用于利用所述第一注意力分配权重对所述总体特征中的子特征进行加权，得到更新后的总体特征。
174.在一种可能的实现方式中，所述装置还包括：
175.人物特征更新单元，用于将更新后的总体特征与所述人物特征进行融合，得到更新后的人物特征。
176.在一种可能的实现方式中，所述装置还包括：
177.迭代单元，用于将更新后的总体特征作为新的总体特征，将更新后的人物特征作为新的人物特征，迭代地对总体特征和人物特征进行更新，直至满足迭代停止条件，得到迭代更新后的总体特征和人物特征；
178.所述人群行为识别单元55，用于对迭代更新后的总体特征进行行为识别，得到人群行为识别结果。
179.在一种可能的实现方式中，所述装置还包括：
180.人物行为识别单元，用于对更新后的人物特征进行人物行为识别，得到人物行为识别结果。
181.在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
182.本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
183.本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
184.本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处
理器中运行时，所述电子设备中的处理器执行上述方法。
185.电子设备可以被提供为终端、服务器或其它形态的设备。
186.图6示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
187.参照图6，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
188.处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
189.存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
190.电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
191.多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
192.音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
193.i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
194.传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或
电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如互补金属氧化物半导体(cmos)或电荷耦合装置(ccd)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
195.通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(wifi)，第二代移动通信技术(2g)或第三代移动通信技术(3g)，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
196.在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
197.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
198.图7示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图7，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
199.电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(windows server
tm
)，苹果公司推出的基于图形用户界面操作系统(mac os x
tm
)，多用户多进程的计算机操作系统(unix
tm
),自由和开放原代码的类unix操作系统(linux
tm
)，开放原代码的类unix操作系统(freebsd
tm
)或类似。
200.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
201.本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
202.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器
(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd
‑
rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
203.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
204.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
205.这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
206.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
207.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
208.附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程
序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
209.该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。
210.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。