一种骨骼点动作识别方法、装置、电子设备及存储介质与流程

技术特征：
1.一种骨骼点动作识别方法，其特征在于，包括：获取目标生物的骨骼点数据；使用神经网络模型中的批量归一化层对所述骨骼点数据进行批量归一化运算，得到归一化后的数据；使用所述神经网络模型中的第一模块对所述归一化后的数据进行计算，得到第一特征图；使用所述神经网络模型中的多个第二模块对所述第一特征图进行计算，得到第二特征图，所述第一模块和所述第二模块均包括批感知注意bam网络；使用所述神经网络模型中的全连接层对所述第二特征图进行分类，获得分类结果，所述分类结果表征从所述目标生物识别出的动作类别。2.根据权利要求1所述的方法，其特征在于，所述第一模块还包括：空间图卷积网络和时间卷积网络；所述使用所述神经网络模型中的第一模块对所述归一化后的数据进行计算，得到第一特征图，包括：使用所述第一模块中的空间图卷积网络对所述归一化后的数据进行卷积运算，获得第一特征数据；使用所述第一模块中的bam网络对所述第一特征数据进行计算，获得第二特征数据；使用所述第一模块中的时间卷积网络对所述第二特征数据进行卷积运算，获得所述第一特征图。3.根据权利要求2所述的方法，其特征在于，所述bam网络包括：softmax层、通道维度卷积层、空间维度卷积层和时间维度卷积层；所述使用所述第一模块中的bam网络对所述第一特征数据进行计算，获得第二特征数据，包括：使用通道维度卷积层、空间维度卷积层和时间维度卷积层对所述第一特征数据进行卷积运算，获得第一卷积特征；使用所述softmax层对所述第一卷积特征进行相似性运算，获得所述第二特征数据。4.根据权利要求3所述的方法，其特征在于，所述使用所述softmax层对所述第一卷积特征进行相似性运算，获得所述第二特征数据，包括：使用所述softmax层对所述第一卷积特征进行相似性运算，获得相似性数据；对所述相似性数据和所述第一特征数据进行残差运算，得到所述第二特征数据。5.根据权利要求1-4任一所述的方法，其特征在于，所述第二模块还包括：空间图卷积网络、时间卷积网络；所述使用所述神经网络模型中的多个第二模块对所述第一特征图进行计算，得到第二特征图，包括：使用所述第二模块中的空间图卷积网络对所述第一特征图进行卷积运算，获得第三特征数据；使用所述第二模块中的bam网络对所述第三特征数据进行计算，获得第四特征数据；使用所述第二模块中的时间卷积网络对所述第四特征数据进行卷积运算，获得第五特征数据；将所述第一特征图和所述第五特征数据进行残差运算，获得第二特征图。6.根据权利要求5所述的方法，其特征在于，所述bam网络包括：softmax层、通道维度卷积层、空间维度卷积层和时间维度卷积层；所述使用所述第二模块中的bam网络对所述第三
特征数据进行计算，获得第四特征数据，包括：使用通道维度卷积层、空间维度卷积层和时间维度卷积层对所述第三特征数据进行卷积运算，获得第二卷积特征；使用所述softmax层对所述第二卷积特征进行相似性运算，获得所述第四特征数据。7.根据权利要求2所述的方法，其特征在于，所述时间卷积网络包括：二维卷积层、批量归一化层和激活函数层；所述使用所述第一模块中的时间卷积网络对所述第二特征数据进行卷积运算，获得所述第一特征图，包括：对所述第二特征数据进行二维卷积运算，得到第二卷积数据；依次使用所述批量归一化层和所述激活函数层对所述第二卷积数据依次进行运算，得到第一特征图。8.一种骨骼点动作识别装置，其特征在于，包括：数据获取模块，用于获取目标生物的骨骼点数据；数据归一化模块，用于对所述骨骼点数据进行批量归一化运算，得到归一化后的数据；第一计算模块，用于对所述归一化后的数据进行计算，得到第一特征图；第二计算模块，用于对所述第一特征图进行计算，得到第二特征图，所述第一计算模块和所述第二计算模块均包括批感知注意bam网络；分类模块，用于对所述第二特征图进行分类，获得分类结果，所述分类结果表征从所述目标生物识别出的动作类别。9.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的方法。10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述的方法。

技术总结
本申请提供一种骨骼点动作识别方法、装置、电子设备及存储介质，用于改善对骨骼点动作进行识别的准确率较低的问题。该方法包括：获取目标生物的骨骼点数据；使用神经网络模型中的批量归一化层对骨骼点数据进行批量归一化运算，得到归一化后的数据；使用神经网络模型中的第一模块对归一化后的数据进行计算，得到第一特征图；使用神经网络模型中的多个第二模块对第一特征图进行计算，得到第二特征图，第一模块和第二模块均包括批感知注意BAM网络；使用神经网络模型中的全连接层对第二特征图进行分类，获得分类结果，分类结果表征从目标生物识别出的动作类别。标生物识别出的动作类别。标生物识别出的动作类别。


技术研发人员：陈恩庆 辛华磊 高猛 郭佳乐 郭新 吕小永 丁英强 马龙 酒明远 马双双 张楠楠 张爱菊 刘晓娜
受保护的技术使用者：河南信通智能物联有限公司
技术研发日：2021.10.19
技术公布日：2022/1/21