(19)國家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利(22)申請日2025.05.08(43)申請公布日2025.06.03(72)發(fā)明人劉夢源李培銘劉宏蔣永康何斌(56)對比文件務(wù)所(普通合伙)44268GO6V40/20(2022.01)權(quán)利要求書2頁說明書11頁附圖5頁介質(zhì)一種三維人體行為識(shí)別方法、裝置、終端及介質(zhì)，方法包括將四維點(diǎn)云數(shù)據(jù)輸入已訓(xùn)練的狀態(tài)空于低階時(shí)空特征和各個(gè)子序列的中心點(diǎn)特征得訓(xùn)練的狀態(tài)空間模型降低計(jì)算的復(fù)雜度，進(jìn)而提2將待分析的四維點(diǎn)云數(shù)據(jù)輸入已訓(xùn)練的狀態(tài)空間模型中，提取所述四維點(diǎn)云數(shù)據(jù)中不同時(shí)間尺度的子序列；將各個(gè)所述子序列中的每一幀三維點(diǎn)云進(jìn)行排序，得到每一幀三維點(diǎn)云對應(yīng)的有序空間序列；將每個(gè)子序列中所有幀的三維點(diǎn)云對應(yīng)的有序空間序列按時(shí)間順序進(jìn)行拼接，得到每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列；根據(jù)每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列確定每個(gè)子序列對應(yīng)的中心點(diǎn)特征；獲取在待分析的四維點(diǎn)云數(shù)據(jù)中提取的低階時(shí)空特征，基于所述低階時(shí)空特征和各個(gè)所述子序列的中心點(diǎn)特征得到動(dòng)作識(shí)別結(jié)果；根據(jù)每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列確定每個(gè)子序列對應(yīng)的中心點(diǎn)特征，包括：構(gòu)建各個(gè)所述拼接有序時(shí)空序列上每個(gè)中心點(diǎn)的時(shí)空鄰域圖；對各個(gè)所述時(shí)空鄰域圖內(nèi)的點(diǎn)特征進(jìn)行歸一化處理以及特征融合，得到每個(gè)子序列對應(yīng)的中心點(diǎn)特征；構(gòu)建各個(gè)所述拼接有序時(shí)空序列上每個(gè)中心點(diǎn)的時(shí)空鄰域圖，包括：利用K最近鄰方法和時(shí)空嵌入方法構(gòu)建各個(gè)所述拼接有序時(shí)空序列上每個(gè)中心點(diǎn)的時(shí)空鄰域圖；基于所述低階時(shí)空特征和各個(gè)所述子序列的中心點(diǎn)特征得到動(dòng)作識(shí)別結(jié)果，包括：將所述低階時(shí)空特征輸入姿態(tài)編碼器中，得到預(yù)測的骨架關(guān)鍵點(diǎn)；將所述骨架關(guān)鍵點(diǎn)輸入姿態(tài)解碼器，得到高維幾何特征；將所述高維幾何特征和各個(gè)所述子序列的中心點(diǎn)特征進(jìn)行融合，得到動(dòng)作識(shí)別結(jié)果。2.根據(jù)權(quán)利要求1所述的三維人體行為識(shí)別方法，其特征在于，所述狀態(tài)空間模型的訓(xùn)練步驟包括：獲取訓(xùn)練數(shù)據(jù)集，所述訓(xùn)練數(shù)據(jù)集中包括：四維點(diǎn)云訓(xùn)練數(shù)據(jù)和對應(yīng)的動(dòng)作標(biāo)簽；將四維點(diǎn)云訓(xùn)練數(shù)據(jù)輸入初始的狀態(tài)空間模型中，提取所述四維點(diǎn)云訓(xùn)練數(shù)據(jù)中不同時(shí)間尺度的訓(xùn)練子序列；將各個(gè)所述訓(xùn)練子序列中的每一幀三維點(diǎn)云進(jìn)行排序，得到每一幀三維點(diǎn)云對應(yīng)的有序空間序列訓(xùn)練數(shù)據(jù)；將每個(gè)訓(xùn)練子序列中所有幀的三維點(diǎn)云對應(yīng)的有序空間序列訓(xùn)練數(shù)據(jù)按時(shí)間順序進(jìn)行拼接，得到每個(gè)訓(xùn)練子序列對應(yīng)的拼接有序時(shí)空序列訓(xùn)練數(shù)據(jù)；根據(jù)每個(gè)訓(xùn)練子序列對應(yīng)的拼接有序時(shí)空序列訓(xùn)練數(shù)據(jù)確定每個(gè)訓(xùn)練子序列對應(yīng)的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)；獲取在所述四維點(diǎn)云訓(xùn)練數(shù)據(jù)中提取的低階時(shí)空特征訓(xùn)練數(shù)據(jù)，基于所述低階時(shí)空特征訓(xùn)練數(shù)據(jù)、各個(gè)所述訓(xùn)練子序列的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)以及所述動(dòng)作標(biāo)簽進(jìn)行訓(xùn)練，得到已訓(xùn)練的狀態(tài)空間模型。3.根據(jù)權(quán)利要求2所述的三維人體行為識(shí)別方法，其特征在于，根據(jù)每個(gè)訓(xùn)練子序列對應(yīng)的拼接有序時(shí)空序列訓(xùn)練數(shù)據(jù)確定每個(gè)訓(xùn)練子序列對應(yīng)的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)，包括：構(gòu)建各個(gè)所述拼接有序時(shí)空序列訓(xùn)練數(shù)據(jù)上每個(gè)中心點(diǎn)的時(shí)空鄰域訓(xùn)練圖；對各個(gè)所述時(shí)空鄰域訓(xùn)練圖內(nèi)的點(diǎn)特征進(jìn)行歸一化處理以及特征融合，得到每個(gè)訓(xùn)練3子序列對應(yīng)的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)。4.根據(jù)權(quán)利要求2所述的三維人體行為識(shí)別方法，其特征在于，所述訓(xùn)練數(shù)據(jù)集中還包括：四維點(diǎn)云訓(xùn)練數(shù)據(jù)對應(yīng)的真實(shí)骨架關(guān)鍵點(diǎn)；基于所述低階時(shí)空特征訓(xùn)練數(shù)據(jù)、各個(gè)所述訓(xùn)練子序列的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)以及所將所述低階時(shí)空特征訓(xùn)練數(shù)據(jù)輸入姿態(tài)編碼器中，得到預(yù)測骨架關(guān)鍵點(diǎn)；計(jì)算所述預(yù)測骨架關(guān)鍵點(diǎn)與所述四維點(diǎn)云訓(xùn)練數(shù)據(jù)對應(yīng)的真實(shí)骨架關(guān)鍵點(diǎn)之間的均方誤差損失，以訓(xùn)練所述姿態(tài)編碼器；將所述預(yù)測骨架關(guān)鍵點(diǎn)輸入姿態(tài)解碼器，得到高維幾何特征訓(xùn)練數(shù)據(jù)；將所述高維幾何特征訓(xùn)練數(shù)據(jù)和各個(gè)所述訓(xùn)練子序列的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)進(jìn)行融合，并以所述動(dòng)作標(biāo)簽為真值進(jìn)行訓(xùn)練，得到已訓(xùn)練的狀態(tài)空間模型。5.一種三維人體行為識(shí)別裝置，其特征在于，所提取模塊，用于將待分析的四維點(diǎn)云數(shù)據(jù)輸入已訓(xùn)練的狀態(tài)空間模型中，提取所述四維點(diǎn)云數(shù)據(jù)中不同時(shí)間尺度的子序列；排序模塊，用于將各個(gè)所述子序列中的每一幀三維點(diǎn)云進(jìn)行排序，得到每一幀三維點(diǎn)云對應(yīng)的有序空間序列；拼接模塊，用于將每個(gè)子序列中所有幀的三維點(diǎn)云對應(yīng)的有序空間序列按時(shí)間順序進(jìn)行拼接，得到每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列；確定模塊，用于根據(jù)每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列確定每個(gè)子序列對應(yīng)的中心點(diǎn)特征；識(shí)別模塊，用于獲取在待分析的四維點(diǎn)云數(shù)據(jù)中提取的低階時(shí)空特征，基于所述低階時(shí)空特征和各個(gè)所述子序列的中心點(diǎn)特征得到動(dòng)作識(shí)別結(jié)果；根據(jù)每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列確定每個(gè)子序列對應(yīng)的中心點(diǎn)特征，包括：構(gòu)建各個(gè)所述拼接有序時(shí)空序列上每個(gè)中心點(diǎn)的時(shí)空鄰域圖；對各個(gè)所述時(shí)空鄰域圖內(nèi)的點(diǎn)特征進(jìn)行歸一化處理以及特征融合，得到每個(gè)子序列對應(yīng)的中心點(diǎn)特征；構(gòu)建各個(gè)所述拼接有序時(shí)空序列上每個(gè)中心點(diǎn)的時(shí)空鄰域圖，包括：利用K最近鄰方法和時(shí)空嵌入方法構(gòu)建各個(gè)所述拼接有序時(shí)空序列上每個(gè)中心點(diǎn)的時(shí)空鄰域圖；基于所述低階時(shí)空特征和各個(gè)所述子序列的中心點(diǎn)特征得到動(dòng)作識(shí)別結(jié)果，包括：將所述低階時(shí)空特征輸入姿態(tài)編碼器中，得到預(yù)測的骨架關(guān)鍵點(diǎn)；將所述骨架關(guān)鍵點(diǎn)輸入姿態(tài)解碼器，得到高維幾何特征；將所述高維幾何特征和各個(gè)所述子序列的中心點(diǎn)特征進(jìn)行融合，得到動(dòng)作識(shí)別結(jié)果。6.一種終端，其特征在于，包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的三維人體行為識(shí)別程序，所述三維人體行為識(shí)別程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1~4任意一項(xiàng)所述的三維人體行為識(shí)別方法的步驟。7.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序能夠被執(zhí)行以用于實(shí)現(xiàn)如權(quán)利要求1~4任意一項(xiàng)所述的三維人體行為識(shí)別方法的步驟。4技術(shù)領(lǐng)域[0001]本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域，尤其涉及的是一種三維人體行為識(shí)別方法、裝背景技術(shù)[0002]四維點(diǎn)云視頻能夠同時(shí)捕捉三維空間的動(dòng)態(tài)幾何信息以及隨時(shí)間變化的運(yùn)動(dòng)特視頻和深度圖像相比，四維點(diǎn)云視頻在低光照或視角變化條件下具有更高的魯棒性，尤其適用于復(fù)雜和動(dòng)態(tài)環(huán)境中的人類行為分析。[0003]然而，在現(xiàn)有技術(shù)中，具有二次復(fù)雜度的架構(gòu)難以高效捕捉四維點(diǎn)云的時(shí)空依賴，而具有線性復(fù)雜度的選擇性狀態(tài)空間模型是單向遞歸結(jié)構(gòu)，限制了在時(shí)空無序的四維點(diǎn)云中的應(yīng)用效果，進(jìn)而導(dǎo)致行為識(shí)別結(jié)果的準(zhǔn)確性和效率較低。發(fā)明內(nèi)容[0005]本申請?zhí)峁┝艘环N三維人體行為識(shí)別方法、裝置、終端及介質(zhì)，以解決相關(guān)技術(shù)中行為識(shí)別結(jié)果的準(zhǔn)確性和效率較低的技術(shù)問題。[0006]為實(shí)現(xiàn)上述目的，本申請采用了以下技術(shù)方案：[0008]將待分析的四維點(diǎn)云數(shù)據(jù)輸入已訓(xùn)練的狀態(tài)空間模型中，提取所述四維點(diǎn)云數(shù)據(jù)中不同時(shí)間尺度的子序列；[0009]將各個(gè)所述子序列中的每一幀三維點(diǎn)云進(jìn)行排序，得到每一幀三維點(diǎn)云對應(yīng)的有序空間序列；[0010]將每個(gè)子序列中所有幀的三維點(diǎn)云對應(yīng)的有序空間序列按時(shí)間順序進(jìn)行拼接，得到每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列；[0011]根據(jù)每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列確定每個(gè)子序列對應(yīng)的中心點(diǎn)特征；[0012]獲取在待分析的四維點(diǎn)云數(shù)據(jù)中提取的低階時(shí)空特征，基于所述低階時(shí)空特征和各個(gè)所述子序列的中心點(diǎn)特征得到動(dòng)作識(shí)別結(jié)果。[0013]在本申請的一個(gè)實(shí)施例中，根據(jù)每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列確定每個(gè)子[0014]構(gòu)建各個(gè)所述拼接有序時(shí)空序列上每個(gè)中心點(diǎn)的時(shí)空鄰域圖；[0015]對各個(gè)所述時(shí)空鄰域圖內(nèi)的點(diǎn)特征進(jìn)行歸一化處理以及特征融合，得到每個(gè)子序列對應(yīng)的中心點(diǎn)特征。[0016]在本申請的一個(gè)實(shí)施例中，構(gòu)建各個(gè)所述拼接有序時(shí)空序列上每個(gè)中心點(diǎn)的時(shí)空[0017]利用K最近鄰方法和時(shí)空嵌入方法構(gòu)建各個(gè)所述拼接有序時(shí)空序列上每個(gè)中心點(diǎn)5的時(shí)空鄰域圖。[0018]在本申請的一個(gè)實(shí)施例中，基于所述低階時(shí)空特征和各個(gè)所述子序列的中心點(diǎn)特[0019]將所述低階時(shí)空特征輸入姿態(tài)編碼器中，得到預(yù)測的骨架關(guān)鍵點(diǎn)；[0020]將所述骨架關(guān)鍵點(diǎn)輸入姿態(tài)解碼器，得到高維幾何特征；[0021]將所述高維幾何特征和各個(gè)所述子序列的中心點(diǎn)特征進(jìn)行融合，得到動(dòng)作識(shí)別結(jié)[0022]在本申請的一個(gè)實(shí)施例中，所述狀態(tài)空間模型的訓(xùn)練步驟包括：[0023]獲取訓(xùn)練數(shù)據(jù)集，所述訓(xùn)練數(shù)據(jù)集中包括：四維點(diǎn)云訓(xùn)練數(shù)據(jù)和對應(yīng)的動(dòng)作標(biāo)簽；[0024]將四維點(diǎn)云訓(xùn)練數(shù)據(jù)輸入初始的狀態(tài)空間模型中，提取所述四維點(diǎn)云訓(xùn)練數(shù)據(jù)中不同時(shí)間尺度的訓(xùn)練子序列；[0025]將各個(gè)所述訓(xùn)練子序列中的每一幀三維點(diǎn)云進(jìn)行排序，得到每一幀三維點(diǎn)云對應(yīng)的有序空間序列訓(xùn)練數(shù)據(jù)；[0026]將每個(gè)訓(xùn)練子序列中所有幀的三維點(diǎn)云對應(yīng)的有序空間序列訓(xùn)練數(shù)據(jù)按時(shí)間順序進(jìn)行拼接，得到每個(gè)訓(xùn)練子序列對應(yīng)的拼接有序時(shí)空序列訓(xùn)練數(shù)據(jù)；[0027]根據(jù)每個(gè)訓(xùn)練子序列對應(yīng)的拼接有序時(shí)空序列訓(xùn)練數(shù)據(jù)確定每個(gè)訓(xùn)練子序列對應(yīng)的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)；[0028]獲取在所述四維點(diǎn)云訓(xùn)練數(shù)據(jù)中提取的低階時(shí)空特征訓(xùn)練數(shù)據(jù)，基于所述低階時(shí)空特征訓(xùn)練數(shù)據(jù)、各個(gè)所述訓(xùn)練子序列的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)以及所述動(dòng)作標(biāo)簽進(jìn)行訓(xùn)[0029]在本申請的一個(gè)實(shí)施例中，根據(jù)每個(gè)訓(xùn)練子序列對應(yīng)的拼接有序時(shí)空序列訓(xùn)練數(shù)據(jù)確定每個(gè)訓(xùn)練子序列對應(yīng)的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)，包括：[0030]構(gòu)建各個(gè)所述拼接有序時(shí)空序列訓(xùn)練數(shù)據(jù)上每個(gè)中心點(diǎn)的時(shí)空鄰域訓(xùn)練圖；[0031]對各個(gè)所述時(shí)空鄰域訓(xùn)練圖內(nèi)的點(diǎn)特征進(jìn)行歸一化處理以及特征融合，得到每個(gè)訓(xùn)練子序列對應(yīng)的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)。[0032]在本申請的一個(gè)實(shí)施例中，所述訓(xùn)練數(shù)據(jù)集中還包括：四維點(diǎn)云訓(xùn)練數(shù)據(jù)對應(yīng)的真實(shí)骨架關(guān)鍵點(diǎn)；[0033]基于所述低階時(shí)空特征訓(xùn)練數(shù)據(jù)、各個(gè)所述訓(xùn)練子序列的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)以及所述動(dòng)作標(biāo)簽進(jìn)行訓(xùn)練，得到已訓(xùn)練的狀態(tài)空間模型，包括：[0034]將所述低階時(shí)空特征訓(xùn)練數(shù)據(jù)輸入姿態(tài)編碼器中，得到預(yù)測骨架關(guān)鍵點(diǎn)；[0035]計(jì)算所述預(yù)測骨架關(guān)鍵點(diǎn)與所述四維點(diǎn)云訓(xùn)練數(shù)據(jù)對應(yīng)的真實(shí)骨架關(guān)鍵點(diǎn)之間的均方誤差損失，以訓(xùn)練所述姿態(tài)編碼器；[0036]將所述預(yù)測骨架關(guān)鍵點(diǎn)輸入姿態(tài)解碼器，得到高維幾何特征訓(xùn)練數(shù)據(jù)；[0037]將所述高維幾何特征訓(xùn)練數(shù)據(jù)和各個(gè)所述訓(xùn)練子序列的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)進(jìn)行融合，并以所述動(dòng)作標(biāo)簽為真值進(jìn)行訓(xùn)練，得到已訓(xùn)練的狀態(tài)空間模型。[0038]本申請還提供一種三維人體行為識(shí)別裝置，其中，所述裝置包括：[0039]提取模塊，用于將待分析的四維點(diǎn)云數(shù)據(jù)輸入已訓(xùn)練的狀態(tài)空間模型中，提取所述四維點(diǎn)云數(shù)據(jù)中不同時(shí)間尺度的子序列；[0040]排序模塊，用于將各個(gè)所述子序列中的每一幀三維點(diǎn)云進(jìn)行排序，得到每一幀三6維點(diǎn)云對應(yīng)的有序空間序列；[0041]拼接模塊，用于將每個(gè)子序列中所有幀的三維點(diǎn)云對應(yīng)的有序空間序列按時(shí)間順序進(jìn)行拼接，得到每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列；[0042]確定模塊，用于根據(jù)每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列確定每個(gè)子序列對應(yīng)的中心點(diǎn)特征；[0043]識(shí)別模塊，用于獲取在待分析的四維點(diǎn)云數(shù)據(jù)中提取的低階時(shí)空特征，基于所述低階時(shí)空特征和各個(gè)所述子序列的中心點(diǎn)特征得到動(dòng)作識(shí)別結(jié)果。[0044]本申請還提供一種終端，其中，包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的三維人體行為識(shí)別程序，所述三維人體行為識(shí)別程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的三維人體行為識(shí)別方法的步驟。[0045]本申請還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序能夠被執(zhí)行以用于實(shí)現(xiàn)如上所述的三維人體行為識(shí)別方法的[0046]本發(fā)明的有益效果：本發(fā)明實(shí)施例的方法通過將待分析的四維點(diǎn)云數(shù)據(jù)輸入已訓(xùn)練的狀態(tài)空間模型中，提取所述四維點(diǎn)云數(shù)據(jù)中不同時(shí)間尺度的子序列；將各個(gè)所述子序列中的每一幀三維點(diǎn)云進(jìn)行排序，得到每一幀三維點(diǎn)云對應(yīng)的有序空間序列；將每個(gè)子序列中所有幀的三維點(diǎn)云對應(yīng)的有序空間序列按時(shí)間順序進(jìn)行拼接，得到每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列；根據(jù)每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列確定每個(gè)子序列對應(yīng)的中心點(diǎn)特征；獲取在待分析的四維點(diǎn)云數(shù)據(jù)中提取的低階時(shí)空特征，基于所述低階時(shí)空特征和各個(gè)所述子序列的中心點(diǎn)特征得到動(dòng)作識(shí)別結(jié)果，兼顧了空間和時(shí)間信息，能夠捕捉復(fù)雜的時(shí)空依賴關(guān)系，并通過已訓(xùn)練的狀態(tài)空間模型降低計(jì)算的復(fù)雜度，進(jìn)而提高了行為識(shí)別結(jié)果的準(zhǔn)確性和效率。附圖說明[0047]圖1是本發(fā)明中三維人體行為識(shí)別方法較佳實(shí)施例的流程圖。[0048]圖2是本發(fā)明中從四維點(diǎn)云數(shù)據(jù)輸入到動(dòng)作識(shí)別結(jié)果輸出的原理框圖。[0049]圖3是本發(fā)明的狀態(tài)空間模型在測試集上的測試結(jié)果。[0050]圖4是本發(fā)明中三維人體行為識(shí)別的注意力可視化示意圖。[0051]圖5是本發(fā)明中三維人體行為識(shí)別裝置較佳實(shí)施例的功能原理框圖。[0052]圖6是本發(fā)明中終端的較佳實(shí)施例的功能原理框圖。具體實(shí)施方式[0053]為使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚、明確，以下參照附圖并舉實(shí)施例對本發(fā)明進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。[0054]現(xiàn)有技術(shù)在四維點(diǎn)云視頻分析中存在以下關(guān)鍵性缺點(diǎn)和局限性：[0055]第一、無法有效捕捉時(shí)空依賴。現(xiàn)有基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的方法無法有效處理四維點(diǎn)云中的長時(shí)間時(shí)空依賴關(guān)系。盡管卷積神經(jīng)網(wǎng)絡(luò)可以提取局部幾何特征，但其在時(shí)序建模中的能力較弱，尤其是在處理長時(shí)間序列時(shí)，容易喪失時(shí)序信息。7計(jì)算復(fù)雜度和內(nèi)存消耗隨著輸入序列長度的增加而急劇上升，限制了其在高維、長序列點(diǎn)云數(shù)據(jù)中的應(yīng)用。這導(dǎo)致需要更高的硬件要求和計(jì)算資源，從而限制了實(shí)際應(yīng)用中的效率。[0057]第三、時(shí)空無序問題?，F(xiàn)有的狀態(tài)空間模型(SSM)雖然能夠有效處理空間數(shù)據(jù)，但由于缺乏有效的時(shí)間序列建模，未能充分利用時(shí)空關(guān)聯(lián)性，導(dǎo)致在四維點(diǎn)云視頻的時(shí)空聯(lián)合建模任務(wù)中表現(xiàn)較差。[0058]第四、缺乏針對數(shù)據(jù)不完整和噪聲的魯棒性?，F(xiàn)有的四維點(diǎn)云分析方法通常假設(shè)輸入數(shù)據(jù)是完整且無噪聲的。然而，在實(shí)際應(yīng)用中，由于硬件的限制，點(diǎn)云數(shù)據(jù)往往是不完整的或包含噪聲?，F(xiàn)有技術(shù)對于這些不完整和噪聲數(shù)據(jù)的處理能力較弱，導(dǎo)致在面對稀疏和噪聲較多的數(shù)據(jù)集時(shí)，模型的魯棒性較差。[0059]針對以上現(xiàn)有技術(shù)的不足，本申請解決了現(xiàn)有方法無法有效捕捉時(shí)空依賴、計(jì)算復(fù)雜度高、時(shí)空無序建模困難和缺乏魯棒性等問題。具體而言，本申請通過聯(lián)合時(shí)空序列化和結(jié)構(gòu)化建模，能夠有效處理四維點(diǎn)云視頻中的時(shí)空依賴，通過使用狀態(tài)空間模型大大降低了計(jì)算資源消耗，提高了模型在長序列建模中的效率和準(zhǔn)確性。[0060]下面參考附圖描述本申請實(shí)施例的三維人體行為識(shí)別方法、裝置對上述背景技術(shù)中提到的相關(guān)技術(shù)中四維點(diǎn)云數(shù)據(jù)的空間點(diǎn)云數(shù)據(jù)與時(shí)間信息往往是無序的，導(dǎo)致行為識(shí)別結(jié)果的準(zhǔn)確性較低的問題，本申請?zhí)峁┝艘环N三維人體行為識(shí)別方法，在該方法中，將待分析的四維點(diǎn)云數(shù)據(jù)輸入已訓(xùn)練的狀態(tài)空間模型中，提取所述四維點(diǎn)云數(shù)據(jù)中不同時(shí)間尺度的子序列；將各個(gè)所述子序列中的每一幀三維點(diǎn)云進(jìn)行排序，得到每一幀三維點(diǎn)云對應(yīng)的有序空間序列；將每個(gè)子序列中所有幀的三維點(diǎn)云對應(yīng)的有序空間序列按時(shí)間順序進(jìn)行拼接，得到每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列；根據(jù)每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列確定每個(gè)子序列對應(yīng)的中心點(diǎn)特征；獲取在待分析的四維點(diǎn)云數(shù)據(jù)中提取的低階時(shí)空特征，基于所述低階時(shí)空特征和各個(gè)所述子序列的中心點(diǎn)特征得到動(dòng)作識(shí)別結(jié)果。本申請通過將每一幀三維點(diǎn)云進(jìn)行排序，得到有序空間序列，兼顧了空間和時(shí)間信息，能夠捕捉復(fù)雜的時(shí)空依賴關(guān)系，并通過已訓(xùn)練的狀態(tài)空間模型降低計(jì)算的復(fù)雜度，進(jìn)而提高了行為識(shí)別結(jié)果的準(zhǔn)確性和效率。[0061]請參見圖1,本發(fā)明實(shí)施例所述的三維人體行為識(shí)別方法包括如下步驟：[0062]步驟S100、將待分析的四維點(diǎn)云數(shù)據(jù)輸入已訓(xùn)練的狀態(tài)空間模型中，提取所述四維點(diǎn)云數(shù)據(jù)中不同時(shí)間尺度的子序列。[0063]本申請的四維點(diǎn)云數(shù)據(jù)可以為四維點(diǎn)云視頻，本申請?zhí)峁┑囊延?xùn)練的狀態(tài)空間模型用于四維點(diǎn)云數(shù)據(jù)的高效分析與人類動(dòng)作識(shí)別。在一個(gè)實(shí)施例中，所述狀態(tài)空間模型包括：分層有序序列器、跨時(shí)序序列化模塊、時(shí)空結(jié)構(gòu)聚合層和姿態(tài)感知特征優(yōu)化模塊。本申請實(shí)施例通過跨時(shí)序序列化將無序的四維點(diǎn)云轉(zhuǎn)換為有序序列，進(jìn)而利用狀態(tài)空間模型高效地捕捉時(shí)空依賴關(guān)系。同時(shí)，引入時(shí)空結(jié)構(gòu)聚合層和分層有序序列器，進(jìn)一步優(yōu)化特征提取和多尺度時(shí)空建模。此外，姿態(tài)感知特征優(yōu)化模塊通過引入姿態(tài)估計(jì)分支，增強(qiáng)模型在處理稀疏、不完整和高噪聲數(shù)據(jù)集時(shí)的魯棒性。因此，本申請能夠在保持線性計(jì)算復(fù)雜度的同時(shí)，高效且準(zhǔn)確地捕捉四維點(diǎn)云數(shù)據(jù)中的復(fù)雜時(shí)空依賴關(guān)系，不僅提升了動(dòng)作識(shí)別的準(zhǔn)確性和效率，還在運(yùn)行時(shí)間和內(nèi)存使用方面優(yōu)于傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)和Transformer架構(gòu)。[0064]如圖2所示，圖2中輸入的四維點(diǎn)云數(shù)據(jù)包括本ちち4、t?時(shí)刻對應(yīng)的四維點(diǎn)云。首8數(shù)據(jù)轉(zhuǎn)換為有序序列，以適應(yīng)狀態(tài)空間模型(SSM)的單向建模需求。使用希爾伯特曲線9[0081]具體地，將所有幀的有序空間序列按時(shí)間順序拼接，形成整體的時(shí)空有序序列表示中心點(diǎn)特征。由于狀態(tài)空間模型的輸入限制是三維，包括批大小(batchsize)、長度中包含了T個(gè)幀內(nèi)T×N的所有點(diǎn)。[0082]本申請?jiān)O(shè)置有時(shí)空結(jié)構(gòu)聚合層，利用時(shí)空結(jié)構(gòu)聚合層構(gòu)建各個(gè)所述拼接有序時(shí)空序列上每個(gè)中心點(diǎn)的時(shí)空鄰域圖。其中，拼接有序時(shí)空序列上具有多個(gè)中心點(diǎn)，中心點(diǎn)是由輸入的點(diǎn)通過最遠(yuǎn)點(diǎn)采樣得到。對各個(gè)所述時(shí)空鄰域圖內(nèi)的點(diǎn)特征進(jìn)行歸一化處理后，通過多層感知機(jī)(MLP)進(jìn)行特征融合，生成更新后的中心點(diǎn)特征。具體公式如下：示K最近鄰方法。圖2中的中心點(diǎn)和鄰域內(nèi)的點(diǎn)(簡稱鄰點(diǎn))的坐標(biāo)均表示為(x,y,z,t),△Ex表示時(shí)空嵌入后的鄰點(diǎn)與中心點(diǎn)在空間x軸上的差值，△Ey表示時(shí)空嵌入后的鄰點(diǎn)與中心點(diǎn)在空間y軸上的差值，△E?表示時(shí)空嵌入后的鄰點(diǎn)與中心點(diǎn)在空間z軸上的差值，△Et表示時(shí)空嵌入后的鄰點(diǎn)與中心點(diǎn)在時(shí)間t上的差值，F(xiàn)k表示鄰點(diǎn)特征，F(xiàn)K表示鄰點(diǎn)特征與中心點(diǎn)特征的差值歸一化以后的中間結(jié)果，E表示一個(gè)非常小的常數(shù)，通常用于避免除零錯(cuò)誤或數(shù)值穩(wěn)定性，F(xiàn)'k表示更新后的鄰點(diǎn)特征，LN表示自然對數(shù)(NaturalLogarithm),F'c表示經(jīng)過特征融合后更新得到的中心點(diǎn)特征，K表示KNN算法之后得到的鄰點(diǎn)的數(shù)量，i表示從1遍歷到的第i個(gè)點(diǎn)的特征，中被遍歷到的第j個(gè)點(diǎn)的特征。[0089]本申請實(shí)施例能夠提取和整合點(diǎn)云的局部時(shí)空特征，通過構(gòu)建時(shí)空鄰域圖，實(shí)現(xiàn)了中心點(diǎn)特征的更新。[0090]在本申請的一個(gè)實(shí)施例中，所述步驟S410具體為：利用K最近鄰方法和時(shí)空嵌入方法構(gòu)建各個(gè)所述拼接有序時(shí)空序列上每個(gè)中心點(diǎn)的時(shí)空鄰域圖。[0091]具體地，本申請實(shí)施例使用擴(kuò)展的K最近鄰(KNN)方法，結(jié)合時(shí)空嵌入方法，構(gòu)建每個(gè)中心點(diǎn)的時(shí)空鄰域圖。[0092]如圖1所示，所述三維人體行為識(shí)別方法還包括如下步驟：[0093]步驟S500、獲取在待分析的四維點(diǎn)云數(shù)據(jù)中提取的低階時(shí)空特征，基于所述低階時(shí)空特征和各個(gè)所述子序列的中心點(diǎn)特征得到動(dòng)作識(shí)別結(jié)果。[0095]步驟S510、將所述低階時(shí)空特征輸入姿態(tài)編碼器中，得到預(yù)測的骨架關(guān)鍵點(diǎn)；[0097]步驟S530、將所述高維幾何特征和各個(gè)所述子序列的中心點(diǎn)特征進(jìn)行融合，得到動(dòng)作識(shí)別結(jié)果。[0098]具體地，本申請實(shí)施例通過共享的點(diǎn)4D卷積獲取低階時(shí)空特征，將所述低階時(shí)空特征輸入到已訓(xùn)練的姿態(tài)編碼器中，得到預(yù)測的骨架關(guān)鍵點(diǎn)，再利用姿態(tài)解碼器提取高維幾何特征，池化后與各個(gè)子序列的中心點(diǎn)特征融合，得到動(dòng)作識(shí)別結(jié)果。[0099]本申請實(shí)施例利用姿態(tài)感知特征優(yōu)化模塊進(jìn)行姿態(tài)估計(jì)的輔助學(xué)習(xí)，提升了模型對人體幾何結(jié)構(gòu)和運(yùn)動(dòng)模式的感知能力，提高了識(shí)別準(zhǔn)確性。[0100]在本申請的一個(gè)實(shí)施例中，所述狀態(tài)空間模型的訓(xùn)練步驟包括：[0101]獲取訓(xùn)練數(shù)據(jù)集，所述訓(xùn)練數(shù)據(jù)集中包括：四維點(diǎn)云訓(xùn)練數(shù)據(jù)和對應(yīng)的動(dòng)作標(biāo)簽；[0102]將四維點(diǎn)云訓(xùn)練數(shù)據(jù)輸入初始的狀態(tài)空間模型中，提取所述四維點(diǎn)云訓(xùn)練數(shù)據(jù)中不同時(shí)間尺度的訓(xùn)練子序列；[0103]將各個(gè)所述訓(xùn)練子序列中的每一幀三維點(diǎn)云進(jìn)行排序，得到每一幀三維點(diǎn)云對應(yīng)的有序空間序列訓(xùn)練數(shù)據(jù)；[0104]將每個(gè)訓(xùn)練子序列中所有幀的三維點(diǎn)云對應(yīng)的有序空間序列訓(xùn)練數(shù)據(jù)按時(shí)間順序進(jìn)行拼接，得到每個(gè)訓(xùn)練子序列對應(yīng)的拼接有序時(shí)空序列訓(xùn)練數(shù)據(jù)；[0105]根據(jù)每個(gè)訓(xùn)練子序列對應(yīng)的拼接有序時(shí)空序列訓(xùn)練數(shù)據(jù)確定每個(gè)訓(xùn)練子序列對應(yīng)的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)；[0106]獲取在所述四維點(diǎn)云訓(xùn)練數(shù)據(jù)中提取的低階時(shí)空特征訓(xùn)練數(shù)據(jù)，基于所述低階時(shí)空特征訓(xùn)練數(shù)據(jù)、各個(gè)所述訓(xùn)練子序列的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)以及所述動(dòng)作標(biāo)簽進(jìn)行訓(xùn)[0107]本申請實(shí)施例通過跨時(shí)序序列化，四維點(diǎn)云數(shù)據(jù)被有效序列化，兼顧了空間和時(shí)間信息，使得狀態(tài)空間模型能夠在單向建?？蚣芟虏蹲綇?fù)雜的時(shí)空依賴關(guān)系，這種統(tǒng)一建模提升了模型對動(dòng)態(tài)動(dòng)作的理解和識(shí)別能力。與傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)和Transformer架構(gòu)相比，本申請降低了運(yùn)行時(shí)間和內(nèi)存使用，尤其是在處理長序列四維點(diǎn)云時(shí)，能夠提升計(jì)算效率。本申請適用于資源受限的應(yīng)用場景，具體地，不僅適用于人類動(dòng)作識(shí)別，還可擴(kuò)展至機(jī)器人導(dǎo)航、自動(dòng)駕駛、智能監(jiān)控等多個(gè)領(lǐng)域，提升系統(tǒng)在復(fù)雜環(huán)境下的動(dòng)作識(shí)別和響應(yīng)能[0108]本申請?zhí)峁┑臓顟B(tài)空間模型有效解決了四維點(diǎn)云數(shù)據(jù)分析中計(jì)算復(fù)雜度高和時(shí)空依賴捕捉困難的問題。本申請的狀態(tài)空間模型不僅在計(jì)算效率和內(nèi)存使用上優(yōu)于傳統(tǒng)方法，還通過姿態(tài)感知機(jī)制提升了在復(fù)雜環(huán)境下的魯棒性和識(shí)別準(zhǔn)確性。如圖3和圖4所示，圖3是本申請的狀態(tài)空間模型在測試集上的測試結(jié)果，圖4是本申請中三維人體行為識(shí)別的注意力可視化示意圖。[0109]在本申請的一個(gè)實(shí)施例中，根據(jù)每個(gè)訓(xùn)練子序列對應(yīng)的拼接有序時(shí)空序列訓(xùn)練數(shù)據(jù)確定每個(gè)訓(xùn)練子序列對應(yīng)的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)，包括：11[0110]構(gòu)建各個(gè)所述拼接有序時(shí)空序列訓(xùn)練數(shù)據(jù)上每個(gè)中心點(diǎn)的時(shí)空鄰域訓(xùn)練圖；[0111]對各個(gè)所述時(shí)空鄰域訓(xùn)練圖內(nèi)的點(diǎn)特征進(jìn)行歸一化處理以及特征融合，得到每個(gè)訓(xùn)練子序列對應(yīng)的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)。[0112]本申請實(shí)施例通過構(gòu)建時(shí)空鄰域訓(xùn)練圖，實(shí)現(xiàn)局部特征的高效聚合，同時(shí)狀態(tài)空間模型負(fù)責(zé)長程依賴的捕捉，確保模型在保持線性復(fù)雜度的同時(shí)，不犧牲對全局時(shí)空關(guān)系的理解，進(jìn)而實(shí)現(xiàn)了高效的局部特征提取與全局依賴捕捉。[0113]在本申請的一個(gè)實(shí)施例中，所述訓(xùn)練數(shù)據(jù)集中還包括：四維點(diǎn)云訓(xùn)練數(shù)據(jù)對應(yīng)的真實(shí)骨架關(guān)鍵點(diǎn)；[0114]基于所述低階時(shí)空特征訓(xùn)練數(shù)據(jù)、各個(gè)所述訓(xùn)練子序列的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)以及所述動(dòng)作標(biāo)簽進(jìn)行訓(xùn)練，得到已訓(xùn)練的狀態(tài)空間模型，包括：[0115]將所述低階時(shí)空特征訓(xùn)練數(shù)據(jù)輸入姿態(tài)編碼器中，得到預(yù)測骨架關(guān)鍵點(diǎn)；[0116]計(jì)算所述預(yù)測骨架關(guān)鍵點(diǎn)與所述四維點(diǎn)云訓(xùn)練數(shù)據(jù)對應(yīng)的真實(shí)骨架關(guān)鍵點(diǎn)之間的均方誤差損失，以訓(xùn)練所述姿態(tài)編碼器；[0117]將所述預(yù)測骨架關(guān)鍵點(diǎn)輸入姿態(tài)解碼器，得到高維幾何特征訓(xùn)練數(shù)據(jù)；[0118]將所述高維幾何特征訓(xùn)練數(shù)據(jù)和各個(gè)所述訓(xùn)練子序列的中心點(diǎn)特征訓(xùn)練數(shù)據(jù)進(jìn)行融合，并以所述動(dòng)作標(biāo)簽為真值進(jìn)行訓(xùn)練，得到已訓(xùn)練的狀態(tài)空間模型。[0119]具體地，在訓(xùn)練階段，本申請實(shí)施例使用基于卷積的姿態(tài)編碼器將低階時(shí)空特征訓(xùn)練數(shù)據(jù)映射到RT×kp×3,其中kp為骨架關(guān)鍵點(diǎn)數(shù)量，骨架關(guān)鍵點(diǎn)數(shù)量是訓(xùn)練數(shù)據(jù)集中自帶的信息，如MSRAction3D數(shù)據(jù)集中的20個(gè)關(guān)鍵點(diǎn)。計(jì)算預(yù)測骨架關(guān)鍵點(diǎn)與真實(shí)骨架關(guān)鍵[0120]本申請實(shí)施例通過引入姿態(tài)估計(jì)任務(wù)，增強(qiáng)模型對人體骨架結(jié)構(gòu)和運(yùn)動(dòng)模式的學(xué)[0121]本申請實(shí)施例利用姿態(tài)感知特征優(yōu)化模塊進(jìn)行姿態(tài)估計(jì)的輔助學(xué)習(xí)，提升了模型對人體幾何結(jié)構(gòu)和運(yùn)動(dòng)模式的感知能力，增強(qiáng)了在稀疏、不完整和噪聲高的數(shù)據(jù)集上的魯棒性和識(shí)別準(zhǔn)確性。[0122]另外，在硬件方面，為提升模型的計(jì)算效率，本申請可以在GPU(圖形處理單元)上實(shí)現(xiàn)，利用并行計(jì)算能力加速CTS(跨時(shí)序序列化)、STSAL(時(shí)空結(jié)構(gòu)聚合層)和SSM(狀態(tài)空間模型)的運(yùn)算。在軟件方面，本申請可以在主流深度學(xué)習(xí)框架(如PyTorch)中實(shí)現(xiàn)，利用豐富的API(應(yīng)用程序編程接口)和優(yōu)化工具，簡化模型開發(fā)和訓(xùn)練過程。還可以采用混合精度訓(xùn)練(MixedPrecisionTraining)和梯度累積(GradientAccumulation)等優(yōu)化技術(shù)，提升模型訓(xùn)練的效率和穩(wěn)定性。在數(shù)據(jù)處理方面，本申請還可以對四維點(diǎn)云數(shù)據(jù)進(jìn)行濾波處理，去除噪聲點(diǎn)和離群點(diǎn)，提升模型的輸入質(zhì)量和識(shí)別準(zhǔn)確性。除了姿態(tài)估計(jì)外，可引入其他輔助任務(wù)(如點(diǎn)云分類、分割),通過多任務(wù)學(xué)習(xí)進(jìn)一步提升模型的特征表達(dá)能力。本申請?zhí)峁┑哪Ｐ瓦€具有兼容性與擴(kuò)展性，能夠兼容現(xiàn)有的四維點(diǎn)云處理架構(gòu)，可作為插件模塊集成到現(xiàn)有系統(tǒng)中，提升其時(shí)空建模能力。這樣，本申請能夠靈活適應(yīng)不同的應(yīng)用需求和技術(shù)環(huán)境，實(shí)現(xiàn)高效、準(zhǔn)確的四維點(diǎn)云數(shù)據(jù)分析與人類動(dòng)作識(shí)別。[0123]在一種實(shí)施例中，如圖5所示，基于上述三維人體行為識(shí)別方法，本發(fā)明還相應(yīng)提供了一種三維人體行為識(shí)別裝置，包括：[0124]提取模塊100,用于將待分析的四維點(diǎn)云數(shù)據(jù)輸入已訓(xùn)練的狀態(tài)空間模型中，提取所述四維點(diǎn)云數(shù)據(jù)中不同時(shí)間尺度的子序列；[0125]排序模塊200,用于將各個(gè)所述子序列中的每一幀三維點(diǎn)云進(jìn)行排序，得到每一幀三維點(diǎn)云對應(yīng)的有序空間序列；[0126]拼接模塊300,用于將每個(gè)子序列中所有幀的三維點(diǎn)云對應(yīng)的有序空間序列按時(shí)間順序進(jìn)行拼接，得到每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列；[0127]確定模塊400,用于根據(jù)每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列確定每個(gè)子序列對應(yīng)的中心點(diǎn)特征；[0128]識(shí)別模塊500,用于獲取在待分析的四維點(diǎn)云數(shù)據(jù)中提取的低階時(shí)空特征，基于所述低階時(shí)空特征和各個(gè)所述子序列的中心點(diǎn)特征得到動(dòng)作識(shí)別結(jié)果。[0129]需要說明的是，前述對三維人體行為識(shí)別方法實(shí)施例的解釋說明也適用于該實(shí)施例的三維人體行為識(shí)別裝置，此處不再贅述。[0130]本發(fā)明公開一種三維人體行為識(shí)別裝置，通過將待分析的四維點(diǎn)云數(shù)據(jù)輸入已訓(xùn)練的狀態(tài)空間模型中，提取所述四維點(diǎn)云數(shù)據(jù)中不同時(shí)間尺度的子序列；將各個(gè)所述子序列中的每一幀三維點(diǎn)云進(jìn)行排序，得到每一幀三維點(diǎn)云對應(yīng)的有序空間序列；將每個(gè)子序列中所有幀的三維點(diǎn)云對應(yīng)的有序空間序列按時(shí)間順序進(jìn)行拼接，得到每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列；根據(jù)每個(gè)子序列對應(yīng)的拼接有序時(shí)空序列確定每個(gè)子序列對應(yīng)的中心點(diǎn)特征；獲取在待分析的四維點(diǎn)云數(shù)據(jù)中提取的低階時(shí)空特征，基于所述低階時(shí)空特征和各個(gè)所述子序列的中心點(diǎn)特征得到動(dòng)作識(shí)別結(jié)果。本申請通過將每一幀三維點(diǎn)云進(jìn)行排序，得到有序空間序列，兼顧了空間和時(shí)間信息，能夠捕捉復(fù)雜的時(shí)空依賴關(guān)系，并通過已訓(xùn)練的狀態(tài)空間模型降低計(jì)算的復(fù)雜度，進(jìn)而提高了行為識(shí)別結(jié)果的準(zhǔn)確性和效率。[0131]圖6為本申請實(shí)施例提供的終端的結(jié)構(gòu)示意圖。該終端可以包括：[0132]存儲(chǔ)器501、處理器502及存儲(chǔ)在存儲(chǔ)器501上并可在處理器502上運(yùn)行的計(jì)算機(jī)程[0133]處理器502執(zhí)行程序時(shí)實(shí)現(xiàn)上述實(shí)施例中提供的三維人體行為識(shí)別方法。[0135]通信接口503,用于存儲(chǔ)器501和處理器502中的通信。[0136]存儲(chǔ)器501,用于存放可在處理器502上運(yùn)行的計(jì)算機(jī)程序。[0137]存儲(chǔ)器501可能包含高速RAM存儲(chǔ)器，也可能還包括非易失性存儲(chǔ)器(non-volatilememory),例如至少一個(gè)磁盤存儲(chǔ)器。[0138]如果存儲(chǔ)器501、處理器502和通信接口503獨(dú)立實(shí)現(xiàn)，則通信接口503、存儲(chǔ)器501和處理器502可以通過總線相互連接并完成相互間的通信?？偩€可以是工業(yè)標(biāo)準(zhǔn)體系結(jié)構(gòu)(IndustryStandardArchitecture,簡稱為ISA)總線、外部設(shè)備互連(Periphera1Component,簡稱為PCI)總線或擴(kuò)展工業(yè)標(biāo)準(zhǔn)體系結(jié)構(gòu)(ExtendedIndustryStandardArchitecture,簡稱為EISA)于表示，圖中僅用一條線表示，但并不表示僅有一根總線或一種類型的總線。[0139]可選地，在具體實(shí)現(xiàn)上，如果存儲(chǔ)器501、處理器502及通信接口503,集成在一塊芯片上實(shí)現(xiàn)，則存儲(chǔ)器501、處理器502及通信接口503可以通過內(nèi)部接口完成相互間的通信。[0140]處理器502可能是一個(gè)中央處理器(CentralProcessingUnit,簡稱為CPU),或者是特定集成電路(ApplicationSpecificIntegratedCircuit,簡稱為ASIC),或者是被配置成實(shí)施本申請實(shí)施例的一個(gè)或多個(gè)集成電路。[0141]本實(shí)施例還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上的三維人體行為識(shí)別方法。點(diǎn)包含于本申請的至少一個(gè)實(shí)施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不必須針對的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任一個(gè)或N個(gè)實(shí)施例或示例中以合適的方式結(jié)合。此外，在不相互矛盾的情況下，本領(lǐng)域的技術(shù)人員可以將本說明書中描述的不同實(shí)施例或示例以及不同實(shí)施例或示例的特征進(jìn)行結(jié)合和組合。[0144]流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個(gè)或N個(gè)用于實(shí)現(xiàn)定制邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本申請的優(yōu)選實(shí)施方式的范圍包括另外的實(shí)現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時(shí)的方式或按相反的順序來執(zhí)行功能，這應(yīng)被本申請的實(shí)施例所屬技術(shù)領(lǐng)域的技術(shù)人員所理解。[0145]在流程圖中表示或在此以其他方式描述的邏輯和/或步驟，例如，可以被認(rèn)為是用于實(shí)現(xiàn)邏輯功能的可執(zhí)行指令的定序列表，可以具體實(shí)現(xiàn)在任何計(jì)算機(jī)可讀介質(zhì)中，以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備(如基于計(jì)算機(jī)的系統(tǒng)、包括處理器的系統(tǒng)或其他可以從指令執(zhí)行系統(tǒng)、裝置或設(shè)備讀取指令并執(zhí)行指令的系統(tǒng))使用，或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或傳輸程序以供指令執(zhí)行系統(tǒng)、裝置或設(shè)備或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設(shè)備而使用的裝置。計(jì)算機(jī)