一种基于时空上下文关联的行为识别方法

摘要

本发明属于识别技术领域，提供了一种基于时空上下文关联的深度网络模型的行为识别方法。其主旨在于解决CNN模型中空间特征学习范围受到感知域大小的限制的问题，降低了模型对行为特征表示的损失，从而提高行为识别精准度。其主要方案为所将用户行为数据导入进行卷积映射操作，然后利用网格LSTM神经网络得到行为时空特征图TSF并导入注意力门模块进行不同时间特征权重学习，得到行为特征图并传入softmax分类器计算得到行为类别的概率分布D；对行为类别的概率分布D和训练集行为标签Y进行交叉熵损失函数运算，得到损失Loss0，并引入l2损失函数作为最后的总损失函数L；根据总损失函数L，利用反向传播操作修改模型可虚席参数的数值，得到深度网络模型M。