(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211327719.7 (22)申请日 2022.10.27 (71)申请人 中国建设银行股份有限公司大连市 分行 地址 116000 辽宁省大连市中山区解 放街1 号 (72)发明人 罗熙然　 (74)专利代理 机构 大连东方专利代理有限责任 公司 21212 专利代理师 吴婷婷　李洪福 (51)Int.Cl. G06V 40/20(2022.01) G06V 20/40(2022.01) G06V 10/82(2022.01) (54)发明名称 基于动静结合的人体行为识别方法、 装置及 存储介质 (57)摘要 本发明提供一种基于动静结合的人体行为 识别方法、 装置及存储介质。 方法包括获取待识 别的视频数据， 对所述待识别的视频数据进行分 段存储形成视频片段； 由各视频片段中提取一张 待识别图像； 对 所述待识别图像进行静态人体行 为识别， 确认当前待识别图像中是否包括高危动 作； 当判断当前待识别图像中包括高危动作时， 提取当前待识别图像所属的视频片段进行动态 人体行为识别并输出最终的人体行为识别结果。 本发明通过静态识别对监控图像进行初级识别， 筛选出具有高危动作的视频进行动态识别， 从而 减少行为识别消耗的算力， 同时保证了行为识别 的准确性。 权利要求书1页 说明书5页 附图3页 CN 115527274 A 2022.12.27 CN 115527274 A 1.一种基于动静结合的人体行为识别方法， 其特 征在于， 包括以下步骤： 获取待识别的视频 数据， 对所述待识别的视频 数据进行分段存 储形成视频片段； 由各视频片段中提取一张待识别图像； 对所述待识别图像进行静态人体行为识别， 确认当前待识别图像中是否包括高危动 作； 当判断当前待识别图像中包括高危动作时， 提取当前待识别图像所属的视频片段进行 动态人体行为识别并输出最终的人体行为识别结果。 2.根据权利要求1所述的一种基于动静结合的人体行为识别方法， 其特征在于， 对所述 待识别的视频数据进行分段存储形成视频片段， 包括： 按照预设的时间节点对待识别的视 频数据进行分段。 3.根据权利要求1所述的一种基于动静结合的人体行为识别方法， 其特征在于， 对所述 待识别的视频数据进行分段存储形成视频片段， 包括： 按照待识别的视频数据的图像特征 对待识别的视频 数据进行分段。 4.根据权利要求1所述的一种基于动静结合的人体行为识别方法， 其特征在于， 由各视 频片段中提取一张待识别图像， 包括： 对各视频片段进行随机截图从而生成待识别图像。 5.根据权利要求1所述的一种基于动静结合的人体行为识别方法， 其特征在于， 对所述 待识别图像进 行静态人体行为识别， 确认当前待识别图像中是否包括高危动作， 包括： 对所 述待识别图像进行特征提取， 将提取到的图像特征输入训练好的静态识别模型， 所述静态 识别模型用于对所述图像特 征进行分类， 输出的分类结果用于表征 是否存在高危行为。 6.根据权利要求1所述的一种基于动静结合的人体行为识别方法， 其特征在于， 提取当 前待识别图像所属的视频片段进行动态人体行为识别， 包括： 对所述视频片段进行特征提 取， 将提取到的视频特征输入训练好的动态识别模型， 所述动态识别模型用于对所述视频 特征进行分类， 输出的分类结果用于表征 是否存在高危行为。 7.根据权利要求6所述的一种基于动静结合的人体行为识别方法， 其特征在于， 所述动 态识别模型采用循环神经网络模型。 8.根据权利要求1所述的一种基于动静结合的人体行为识别方法， 其特征在于， 对所述 待识别图像进行静态人体行为识别， 确认当前待识别图像中是否包括高危动作， 还包括当 确认当前待识别图像中不包括高危动作时， 删除待识别图像以及所述待识别图像所属的视 频片段。 9.一种基于动静结合的人体行为识别装置， 包括： 视频获取单元， 其用于获取待识别的视频数据， 对所述待识别的视频数据进行分段存 储形成视频片段； 图像生成单 元， 其用于由各视频片段中提取一张待识别图像； 静态识别单元， 其用于对所述待识别图像进行静态人体行为识别， 确认当前待识别图 像中是否包括高危动作； 动态识别单元， 其用于当判断当前待识别图像中包括高危动作时， 提取当前待识别图 像所属的视频片段进行动态人体行为识别并输出最终的人体行为识别结果。 10.一种存储介质， 其特征在于， 所述存储介质包括存储的程序， 其中， 所述程序运行 时， 执行所述权利要求1至8中任一项权利要求所述的基于动静结合的人体行为识别方法。权　利　要　求　书 1/1 页 2 CN 115527274 A 2基于动静结 合的人体行为识别方 法、 装置及存储介质 技术领域 [0001]本发明涉及图像处理及行为识别技术领域， 具体而言， 尤其涉及一种基于动静结 合的人体行为识别方法、 装置及存 储介质。 背景技术 [0002]视频人体行为识别任务是利用计算机自动分析处理视频数据， 得到人体行为类别 的过程， 是计算机视觉领域最具挑战的任务之一。 主要是理解和研究视频和图像序列中 以 人体为主要对 象的各类动作以及各种交互行为、 交互关系。 在人机交互、 视频标注推荐、 运 动分析、 安防监控等真实场景中有极强的应用性。 [0003]尤其是动态人体行为识别的准确度依赖于算法性能， 性能优良的算法往往存在着 架构复杂、 运算负担巨大的问题。 在面对真实场景时， 对运行算法的计算机运算能力严重依 赖， 如果运算能力不佳则难以做到实时精准识别。 而算力优良的计算设备使用成本巨大， 难 以广泛推广。 发明内容 [0004]根据现有的人体识别精准度和实时性需要巨大算力运行而现有常见的计算设备 无法承担的技术问题， 而提供一种基于动静结合的人体行为识别方法、 装置及存储介质。 本 发明通过静态识别对监控图像进行初级识别， 筛选出具有高危动作的视频进行动态识别， 从而减少行为识别消耗的算力， 同时保证了行为识别的准确性。 [0005]本发明采用的技 术手段如下： [0006]一种基于动静结合的人体行为识别方法， 包括以下步骤： [0007]获取待识别的视频 数据， 对所述待识别的视频 数据进行分段存 储形成视频片段； [0008]由各视频片段中提取一张待识别图像； [0009]对所述待识别图像进行静态人体行为识别， 确认 当前待识别图像中是否包括高危 动作； [0010]当判断当前待识别图像中包括高危动作时， 提取当前待识别图像所属的视频片 段 进行动态人体行为识别并输出最终的人体行为识别结果。 [0011]进一步地， 对所述待识别的视频数据进行分段存储形成视频片段， 包括： 按照预设 的时间节点对待识别的视频 数据进行分段。 [0012]进一步地， 对所述待识别的视频数据进行分段存储形成视频片段， 包括： 按照待识 别的视频 数据的图像特 征对待识别的视频 数据进行分段。 [0013]进一步地， 由各视频片段中提取一张待识别图像， 包括： 对各视频片段进行随机截 图从而生成待识别图像。 [0014]进一步地， 对所述待识别图像进行静态人体行为识别， 确认当前待识别图像中是 否包括高危动作， 包括： 对所述待识别图像进行特征提取， 将提取到的图像特征输入训练好 的静态识别模型， 所述静态识别模型用于对所述图像特征进行分类， 输出 的分类结果用于说　明　书 1/5 页 3 CN 115527274 A 3