首页 > 分享 > 一种宠物行为识别方法、装置和可读存储介质与流程

一种宠物行为识别方法、装置和可读存储介质与流程

萌宠菠菠乐园
2024-08-17 01:00

1.本发明涉及图像识别技术领域，尤其涉及一种宠物行为识别方法、装置和可读存储介质。

背景技术：

2.伴随着城市宠物数量的增长，由此引发的遛狗不牵绳、饲养禁养宠物、宠物扰民等问题，正在考验城市的智慧管理能力，给智慧城市建设带来了新的难题。
3.现有的宠物ai识别算法已经开放宠物品种识别、猫狗面部检测识别、宠物狗面部+鼻纹识别建档、宠物图片质量检测等智能识别能力，但针对宠物行为识别的技术还不够成熟，现有的基于深度学习的方法获取到的宠物行为识别结果不够准确。

技术实现要素：

4.本发明实施例提供一种宠物行为识别方法、装置和可读存储介质，可以提高宠物行为识别结果的准确度。
5.第一方面，本发明实施例公开了一种宠物行为识别方法，所述方法包括：获取待检测的图像帧序列，所述图像帧序列中包含待识别宠物的多帧图像；对所述图像帧序列进行宠物骨骼关键点检测处理，得到每帧图像对应的骨骼关键点信息，所述骨骼关键点信息包括图像中待识别宠物的骨骼关键点的位置信息；根据所述图像帧序列中每帧图像对应的骨骼关键点信息进行行为识别处理，得到所述待识别宠物的行为识别结果。
6.第二方面，本发明实施例公开了一种宠物行为识别装置，所述装置包括：图像获取模块，用于获取待检测的图像帧序列，所述图像帧序列中包含待识别宠物的多帧图像；关键点检测模块，用于对所述图像帧序列进行宠物骨骼关键点检测处理，得到每帧图像对应的骨骼关键点信息，所述骨骼关键点信息包括图像中待识别宠物的骨骼关键点的位置信息；行为识别模块，用于根据所述图像帧序列中每帧图像对应的骨骼关键点信息进行行为识别处理，得到所述待识别宠物的行为识别结果。
7.第三方面，本发明实施例公开了一种机器可读存储介质，其上存储有指令，当所述指令由装置的一个或多个处理器执行时，使得装置执行如前述一个或多个所述的宠物行为识别方法。
8.本发明实施例包括以下优点：本发明实施例提供的宠物行为识别方法，通过对包含待识别宠物的图像帧序列进行宠物骨骼关键点检测处理，基于检测出来的待识别宠物的骨骼关键点信息进行行为识别处理，可以克服图像帧序列中图像的颜色、曝光度、待识别宠物的体型大小等因素对宠物行为识别结果的影响，提高了宠物行为识别结果的准确度。
附图说明
9.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
10.图1是本发明的一种宠物行为识别方法实施例的步骤流程图；图2是本发明的一种宠物行为识别方法的应用场景架构图；图3是本发明的一种宠物行为识别方法的流程示意图；图4是本发明的一种宠物行为识别装置实施例的结构框图。
具体实施方式
11.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
12.本发明的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中的术语“和/或”用于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。字符“/”一般表示前后关联对象是一种“或”的关系。本发明实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
13.参照图1，示出了本发明的一种宠物行为识别方法实施例的步骤流程图，所述方法可以包括如下步骤：步骤101、获取待检测的图像帧序列，所述图像帧序列中包含待识别宠物的多帧图像。
14.步骤102、对所述图像帧序列进行宠物骨骼关键点检测处理，得到每帧图像对应的骨骼关键点信息，所述骨骼关键点信息包括图像中待识别宠物的骨骼关键点的位置信息。
15.步骤103、根据所述图像帧序列中每帧图像对应的骨骼关键点信息进行行为识别处理，得到所述待识别宠物的行为识别结果。
16.本发明实施例提供的宠物行为识别方法，可以基于图像中待识别宠物的骨骼关键点信息，对待识别宠物进行行为识别处理，得到行为识别结果，提高宠物行为识别的准确度。
17.参照图2，示出了本发明实施例提供的一种宠物行为识别方法的应用场景架构图。如图2所示，本发明实施例提供的应该场景可以包括终端设备201和服务器202。其中，终端设备201与服务器202之间通过无线或有线网络连接。终端设备201可以包括但不限于用户设备（user equipment，ue）、移动设备、用户终端、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。服务
器202可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、云通信、网络服务、中间件服务、内容分发网络（content delivery network，cdn），以及大数据和人工智能平台等基础云计算服务的云服务器。终端设备201和服务器202均可以单独执行本发明实施例提供的宠物行为识别方法，也可以协同执行本发明实施例提供的宠物行为识别方法。
18.其中，所述待检测的图像帧序列为从监测视频中获取的包含待识别宠物的图像帧序列。监测视频可以为具有视频采集功能的电子设备采集的视频素材，所述电子设备可以是摄像机、监控摄像头等，也可以是具有视频采集功能的终端设备201。
19.在一种可能的应用场景下，终端设备201通过监控摄像头获取待检测的图像帧序列，并将待检测的图像帧序列发送给服务器202。服务器202对终端设备201发送的图像帧序列进行宠物骨骼关键点检测处理，得到每帧图像对应的骨骼关键点信息，然后根据图像帧序列中每帧图像对应的骨骼关键点信息进行行为识别处理，得到所述待识别宠物的行为识别结果，并将行为识别结果发送给终端设备201。用户可以通过终端设备201查询针对待识别宠物的行为识别结果。
20.在另一种可能的应用场景下，终端设备201从监控摄像头中获取待检测的图像帧序列，并对获取到的图像帧序列进行宠物骨骼关键点检测处理，得到每帧图像对应的骨骼关键点信息，然后根据图像帧序列中每帧图像对应的骨骼关键点信息进行行为识别处理，得到所述待识别宠物的行为识别结果，并在终端显示界面中展示行为识别结果，以供用户查看。
21.需要说明的是，本发明实施例中的架构图是为例更加清楚地说明本发明实施例中的技术方案，并不构成对本发明实施例提供的技术方案的限制，对于其他的应用场景架构和业务应用，本发明实施例提供的技术方法对于类似的问题，同样适用。
22.本发明实施例通过对待识别宠物的图像帧序列进行宠物骨骼关键点检测处理，可以提取图像中待识别宠物的骨骼关键点信息，所述骨骼关键点信息用于描述待识别宠物的姿态。其中，所述待识别宠物的骨骼关键点包括四肢关键点、躯干关键点和头部关键点；所述四肢关键点包括4个爪关键点、4个肘关键点和4个膝盖关键点；所述躯干关键点包括：屁股关键点和脖子关键点；所述头部关键点包括左右眼关键点和鼻子关键点。当然，针对不同类别的待识别宠物，骨骼关键点也不相同。需要说明的是，本发明实施例中列举的骨骼关键点仅为本发明的一种示例性说明，并不构成对本发明的限定，在实际应用中，可以根据实际需求确定待识别宠物的骨骼关键点。
23.示例性地，可以通过预先训练的骨骼关键点检测模型对图像帧序列进行宠物骨骼关键点检测处理，所述骨骼关键点检测模型可以为本领域任何擅长进行骨骼关键点检测的深度学习模型，例如，基于openpose算法、higherhrnet算法等的深度学习模型。在实际应用中，可以针对不同类别的待识别宠物构建专门的训练样本集，然后基于训练样本集对所述骨骼关键点检测模型进行迭代训练，所述待识别宠物可以为猫、狗等。
24.检测得到的骨骼关键点信息，可以包括待识别宠物的各个骨骼关键点的位置信息，所述骨骼关键点的位置信息可以反映待识别宠物的各个关节之间的相对位置，根据同一个待识别宠物的各个骨骼关键点的位置信息，辅助各个骨骼关键点之间的连接关系，就可以确定待识别宠物的姿态。可以理解的是，对于同一类别的宠物，各个骨骼关键点之间的
连接关系是确定的，例如，对于猫、狗，各个骨骼关键点之间的连接关系可以表示为：左前爪-左前膝-左前肘，右前爪-右前膝-右前肘，左后爪-左后膝-左后肘，右后爪-右后膝-右后肘，左前肘和右前肘分别与脖子相连，左后肘和右后肘分别与屁股相连，屁股与脖子相连，脖子与各个头部关键点构成的区域的中心点相连，各个头部关键点中，左右眼相连，且左右眼分别与嘴巴相连。
25.根据图像帧序列中每帧图像对应的骨骼关键点信息进行行为识别处理，就可以得到待识别宠物的行为识别结果。可以理解的是，所述行为识别结果可以为待识别宠物的行为类别，终端设备可以根据不同的行为类别，生成不同的提示信息。例如，当检测到待识别宠物的行为属于排泄行为时，终端设备可以生成“请打扫排泄物”的提示信息，并输出宠物的排泄行为的发生位置，以便用户及时打扫；或者，当检测到待识别宠物的行为属于破坏性行为，如撕咬沙发，则终端设备可以生成“请制止宠物拆家”的提示信息，等等。所述提示信息可以为文字信息和/或语音信息，本发明实施例对此不做具体限定。此外，所述行为识别结果还可以是待识别宠物的运动状态，如运动速度、活跃程度等，可以对行为识别结果进行进一步分析，判断待识别宠物的健康状况。例如，当检测到待识别宠物在一段时间内没有运动时，或者待识别宠物在相同的场景中，运动速度远大于历史运动速度，则可以认为待识别宠物的身体出现异常，终端设备可以生成相应的提示信息提醒用户关注的健康状况。
26.本发明实施例提供的宠物行为识别方法，通过对包含待识别宠物的图像帧序列进行宠物骨骼关键点检测处理，基于检测出来的待识别宠物的骨骼关键点信息进行行为识别处理，可以克服图像帧序列中图像的颜色、曝光度、待识别宠物的体型大小等因素对宠物行为识别结果的影响，提高了宠物行为识别结果的准确度。
27.需要说明的是，在本发明实施例中，可以采用“自下而上”和“自上而下”这两种方式进行宠物行为识别。
28.作为一种示例，采用“自下而上”的方式进行宠物行为识别时，可以先将图像中的所有宠物骨骼关键点都识别出来，然后将各个骨骼关键点划分给相应的待识别宠物，针对每个待识别宠物的骨骼关键点进行行为识别处理。在本发明的一种可选实施例中，所述骨骼关键点信息还包括待识别宠物的骨骼关键点的时间序列标识，所述时间序列标识用于标记骨骼关键点所属的图像帧在所述图像帧序列中的排列顺序；步骤103所述根据所述图像帧序列中每帧图像对应的骨骼关键点信息进行行为识别处理，得到所述待识别宠物的行为识别结果，包括：步骤s11、针对所述图像帧序列中每帧图像，按照图像中待识别宠物的骨骼关键点的位置信息，确定属于同一个待识别宠物的各个骨骼关键点之间的连接关系；步骤s12、根据每帧图像中属于同一个待识别宠物的各个骨骼关键点之间的连接关系，以及每帧图像中各个骨骼关键点的时间序列标识进行行为识别处理，得到所述待识别宠物的行为识别结果。
29.在本发明实施例中，采用“自下而上”的方式进行宠物行为识别时，步骤102中经过宠物骨骼关键点检测处理，得到图像帧序列中每帧图像中包含的全部宠物的骨骼关键点。在进行行为识别处理之前，需要先针对图像帧序列中的每帧图像，按照图像中待识别宠物的骨骼关键点的位置信息，确定属于同一个待识别宠物的各个骨骼关键点之间的连接关系。
30.示例性地，当图像中仅存在一个待识别宠物时，直接根据各个骨骼关键点的位置信息确定骨骼关键点之间的相对位置，进而确定每个骨骼关键点所标识的宠物肢体部位，根据各个骨骼关键点所标识的宠物肢体部位，确定各个骨骼关键点之间的连接关系。如果图像中存在两个或两个以上待识别宠物，则需要先根据各个骨骼关键点的位置信息，划分每个待识别宠物包含的骨骼关键点，通常情况下，同一个待识别宠物的各个骨骼关键点之间的距离小于预设的距离阈值，该距离阈值可以根据待检测图像的场景信息动态设定。此外，同一个待识别宠物中，针对同一个宠物肢体部位，仅存在一个骨骼关键点。划分每个待识别宠物包含的骨骼关键点之后，再进一步确定属于同一个待识别宠物的各个骨骼关键点之间的连接关系。
31.接下来，根据每帧图像中属于同一个待识别宠物的各个骨骼关键点之间的连接关系，以及每帧图像中各个骨骼关键点的时间序列标识进行行为识别处理，得到待识别宠物的行为识别结果。其中，属于同一个待识别宠物的各个骨骼关键点之间的连接关系，用于确定待识别宠物在每帧图像中的姿态；每帧图像中各个骨骼关键点的时间序列标识，用于标记骨骼关键点所属的图像帧在所述图像帧序列中的排列顺序，可以指示各个骨骼关键点的识别顺序。
32.可以理解的是，在一个连续的图像帧序列中，待识别宠物在每帧图像中呈现的姿态或动作是连续的，且各帧图像中呈现的姿态或动作之间存在先后顺序，按照各个骨骼关键点的时间序列标识进行行为识别处理，可以充分考虑待识别宠物的姿态或动作的变化情况，有利于提升宠物行为识别结果的准确度。
33.在实际应用中，可以通过行为识别模型对待识别宠物的骨骼关键点信息进行处理，得到待识别宠物的行为识别结果。可选地，步骤s12所述根据每帧图像中属于同一个待识别宠物的各个骨骼关键点之间的连接关系，以及每帧图像中各个骨骼关键点的时间序列标识进行行为识别处理，得到所述待识别宠物的行为识别结果，包括：子步骤s121、按照所述图像帧序列中图像的排列顺序，依次将每帧图像中属于同一个待识别宠物的各个骨骼关键点之间的连接关系，以及每帧图像中各个骨骼关键点的时间序列标识，输入至第一行为识别模型的骨骼建模层中进行动态骨骼建模处理，得到待识别宠物的动态骨骼模型；子步骤s122、将所述动态骨骼模型输入至所述第一行为识别模型的卷积层中进行时空卷积处理，得到所述待识别宠物的行为识别结果。
34.其中，所述动态骨骼模型用于反映所述图像帧序列中待识别宠物的各个骨骼关键点之间的连接关系，以及不同图像中同一个骨骼关键点的跨连续时间联系。需要说明的是，在2d或3d坐标形式下，动态骨骼模型可以由待识别宠物的骨骼关键点的位置坐标的时间序列表示；或者，也可以由根据待识别宠物的骨骼关键点的坐标信息构建的图结构表示，所述图结构包括用于表示同一帧图像中各个骨骼关键点之间的连接关系的空间图结构，和用于表示不同图像中同一个骨骼关键点的跨连续时间联系的时间图结构。通过对动态骨骼模型的动作模式进行分析，就可以得到待识别宠物的行为类别。
35.所述第一行为识别模型可以是本领域中能够基于宠物的骨骼关键点信息进行宠物行为识别的任一深度学习模型，例如，所述第一行为识别模型可以为基于st-gcn算法、st-gcn++算法的深度学习模型。从功能上进行划分，可以将所述第一行为识别模型分为骨
骼建模层和卷积层，其中，所述骨骼建模层用于以待识别宠物的骨骼关键点为节点，同时连接各个骨骼关键点之间的自然联系和同一个骨骼关键点的跨连续时间联系，得到待识别宠物的动态骨骼模型。所述卷积层用于对所述动态骨骼模型进行时空卷积处理，具体可以分为空间图卷积处理和时间图卷积处理，其中，空间图卷积处理用于聚合相邻的骨骼关键点的信息，例如，骨骼关键点a、b、c相邻，具体的连接关系可以表示为a-b-c，进行空间图卷积处理后，骨骼关键点a对应的卷积结果中聚合了a和b的信息，骨骼关键点b对应的卷积结果中聚合了b和c的信息。时间图卷积处理用于聚合同一个骨骼关键点在连续的图像帧序列中的信息，例如，在图像帧序列中，依次包含图像a、b、c，进行时间图卷积处理后，图像a的卷积结果中聚合了a和b的信息，图像b对应的卷积结果中聚合了b和c的信息。对待识别宠物的动态骨骼模型进行时空卷积处理，就可以得到待识别宠物的行为识别结果。
36.本发明实施例通过第一行为识别模型对图像帧序列中检测出的待识别宠物的骨骼关键点信息进行处理，可以充分考虑各个骨骼关键点之间的自然联系以及同一个骨骼关键点的跨连续时间联系，提高了宠物行为识别结果的准确度。
37.此外，作为另一种示例，本发明实施例还提供了一种“自上而下”的宠物行为识别方式。在本发明的一种可选实施例中，步骤102所述对所述图像帧序列进行宠物骨骼关键点检测处理，得到每帧图像对应的骨骼关键点信息之前，所述方法还包括：步骤s21、对所述图像帧序列中的每帧图像进行目标检测处理，得到每帧图像对应的检测框，所述检测框用于框选出待识别宠物在图像中的区域，一个检测框包含一个待识别宠物；步骤102所述对所述图像帧序列进行宠物骨骼关键点检测处理，得到每帧图像对应的骨骼关键点信息，包括：步骤s22、针对所述图像帧序列中每帧图像，对图像中包含的各个检测框分别进行宠物骨骼关键点检测处理，得到图像中包含的每个待识别宠物对应的骨骼关键点信息。
38.在本发明实施例中，采用“自上而下”的方式进行宠物行为识别时，可以先在图像帧序列的每帧图像中检测所有待识别宠物的区域，然后分别针对每个待识别宠物的区域进行宠物骨骼关键点检测处理，得到每个待识别宠物对应的骨骼关键点信息，最后再根据每个待识别宠物对应的骨骼关键点信息进行行为识别处理，得到待识别宠物的行为识别结果。
39.具体地，可以先对图像帧序列中的每帧图像进行目标检测处理，得到每帧图像对应的检测框。需要说明的是，所述检测框用于框选出待识别宠物在图像中的区域，一个检测框包含一个待识别宠物。在实际应用中，可以利用目标检测模型对图像帧序列进行目标检测处理，所述目标检测模型可以为本领域中任意擅长进行目标检测的深度学习模型，例如，所述目标检测模型可以为包括但不限于采用faster rcnn、yolo等目标检测算法的深度学习模型。
40.可选地，步骤s21所述对所述图像帧序列中的每帧图像进行目标检测处理，得到每帧图像对应的检测框，包括：基于目标检测模型和跟踪模型对所述图像帧序列中的每帧图像进行联合处理，得到每帧图像对应的检测框；其中，所述目标检测模型用于对图像进行目标检测处理，所述跟踪模型用于对所述目标检测模型进行目标检测处理过程中出现的偏差进行矫正。
41.在对图像帧序列进行目标检测处理的过程中，可能会由于检测抖动等原因导致某些图像帧的检测框丢失，为了提高目标检测的准确度，可以通过跟踪模型对目标检测模型的检测结果进行补偿。其中，所述跟踪算法可以对不同帧图像中的同一目标进行关联，当目标检测模型的检测结果出现偏差时，跟踪模型可以对偏差进行校正。当目标在某一帧中被遮挡，或者短暂丢失时，跟踪模型还可以预测目标的位置、大小等信息。所述跟踪模型可以包括但不限于采用sort算法、deepsort算法等跟踪算法的深度学习模型。
42.得到图像帧序列中每帧图像对应的检测框之后，对各个检测框分别进行宠物骨骼关键点检测处理，就可以得到每个待识别宠物对应的骨骼关键点信息。示例性地，可以利用骨骼关键点检测模型对检测框进行宠物骨骼关键点检测处理，所述骨骼关键点检测模型可以包括但不限于采mask r-cnn、g-rmi等算法的深度学习模型。
43.本发明实施例在进行宠物骨骼关键点检测处理时，先对图像帧序列进行目标检测处理，预测待识别宠物的检测框的位置和大小，然后对每个检测框进行宠物骨骼关键点检测处理，预测每个待识别宠物的骨骼关键点信息，可以提高骨骼关键点信息的预测精度，有利于提升宠物行为识别结果的准确度。
44.可选地，步骤s22所述针对所述图像帧序列中每帧图像，对图像中包含的各个检测框分别进行宠物骨骼关键点检测处理，得到图像中包含的每个待识别宠物对应的骨骼关键点信息，包括：子步骤s221、针对所述图像帧序列中每帧图像，对图像中包含的各个检测框分别进行宠物骨骼关键点检测处理，确定检测出的每个待识别宠物的骨骼关键点数量；子步骤s222、若第一图像中待识别宠物的骨骼关键点数量大于或等于预设点数阈值，则根据所述待识别宠物的各个骨骼关键点在所述第一图像中的位置，确定所述待识别宠物对应的骨骼关键点信息；所述第一图像为所述图像帧序列中的任意一帧图像；子步骤s223、若第一图像中待识别宠物对应的骨骼关键点数量小于预设点数阈值，则确定所述第一图像中针对所述待识别宠物的宠物骨骼关键点检测失败，并从所述图像帧序列中删除所述第一图像；子步骤s224、若所述图像帧序列中包含的图像帧数小于预设帧数阈值，则确定针对图像帧序列的宠物骨骼关键点检测失败，中止对所述待识别宠物的行为识别处理。
45.在对待识别宠物的检测框进行宠物关键点检测处理时，图像中的待识别宠物可能被其他物体，例如桌子、沙发等遮挡，或者被人或其他宠物遮挡，导致针对待识别宠物检测得到的骨骼关键点的数量较少，小于预设点数阈值，例如，假设正常情况下，待识别宠物的全部骨骼关键点共有17个，而第一图像中待识别宠物对应的骨骼关键点数量小于10，这种情况下，无法基于第一图像中待识别宠物的骨骼关键点信息准确的预测待识别宠物的姿态，因此可以确定所述第一图像中针对所述待识别宠物的宠物骨骼关键点检测失败，并从所述图像帧序列中删除所述第一图像，依据图像帧序列中其他图像包含的骨骼关键点信息对待识别宠物进行行为识别处理。
46.如果图像帧序列中存在多个骨骼关键点数量小于预设点数阈值的图像，也即从图像帧序列中删除骨骼关键点小于预设点数阈值的第一图像后，图像帧序列中包含的图像帧数小于预设帧数阈值，说明待识别宠物长时间处于被遮挡状态，实际检测得到的待识别宠物的骨骼关键点信息较少，无法满足行为识别处理的数据需求，因此，在这种情况下，可以
确定针对该图像帧序列的宠物骨骼关键点检测失败，中止对待识别宠物的行为识别处理，以节省计算资源。
47.在本发明的一种可选实施例中，步骤103所述根据所述图像帧序列中每帧图像对应的骨骼关键点信息进行行为识别处理，得到所述待识别宠物的行为识别结果，包括：步骤s31、针对所述图像帧序列中每帧图像，根据图像中包含的每个待识别宠物的骨骼关键点的位置信息，构建每个待识别宠物的宠物骨架图，所述宠物骨架图包括待识别宠物的各个骨骼关键点，且相邻的两个骨骼关键点通过直线连接；步骤s32、按照所述图像帧序列中图像的排列顺序，依次将每帧图像中待识别宠物的宠物骨架图输入至第二行为识别模型中进行行为识别处理，得到所述待识别宠物的行为识别结果。
48.在本发明实施例中，为了进一步提升宠物行为识别结果的准确度，可以在得到待识别宠物的骨骼关键点信息之后，进一步根据待识别宠物的骨骼关键点的位置信息，构建待识别宠物的宠物骨架图。所述宠物骨架图包括待识别宠物的各个骨骼关键点，且相邻的两个骨骼关键点通过直线连接。
49.参照图3，示出了本发明实施例提供的一种宠物行为识别方法的流程示意图。如图3所示，针对待检测的图像帧序列中的某一帧图像进行目标检测处理之后，得到待识别宠物的检测框。然后，对检测框进行宠物骨骼关键点检测处理，得到待识别宠物的骨骼关键点。根据各个骨骼关键点的位置信息，进行骨架构建，得到待识别宠物的宠物骨架图。在构建宠物骨架图时，可以根据各个骨骼关键点的位置信息确定骨骼关键点之间的相对位置，进而确定每个骨骼关键点所标识的宠物肢体部位，根据各个骨骼关键点所标识的宠物肢体部位，确定各个骨骼关键点之间的连接关系，并依次将存在连接关系的骨骼关键点用直线相连，就可以得到宠物骨架图。示例性地，在根据各个骨骼关键点的位置信息，进行骨架构建，得到待识别宠物的宠物骨架图时，可以根据各个骨骼关键点的位置信息生成每个骨骼关键点对应的高斯圆，用一个高斯圆表示一个骨骼关键点；然后，采用一定宽度的直线，按照各个骨骼关键点之间的连接关系，依次连接各个骨骼关键点对应的高斯圆，得到待识别宠物的宠物骨架图。其中，用于连接高斯圆的直线的宽度可以根据实际需求进行设置。
50.需要说明的是，图3中仅示出了图像帧序列中的两帧图像对应的待识别宠物的骨骼关键点以及宠物骨架图，在实际处理过程中，针对图像帧序列中的每帧图像中的每个待识别宠物，都会产生相应的骨骼关键点信息和宠物骨架图。
51.最后，按照图像帧序列中图像的排列顺序，依次将每帧图像中待识别宠物的宠物骨架图输入至第二行为识别模型中进行行为识别处理，得到待识别宠物的行为识别结果。其中，所述第二行为识别模型可以为本领域中擅长进行行为识别的任一深度学习模型，例如，采用posc3d算法的深度学习模型。
52.需要说明的是，本发明实施例中所采用的各种深度学习模型，都可以通过预先训练得到。可选地，所述方法还包括：步骤s41、针对待识别宠物构建训练样本集，所述训练样本集包括待识别宠物的图像样本和所述图像样本对应的标注信息；步骤s42、根据所述训练样本集对深度学习模型进行迭代训练，得到所述图像样本对应的处理结果；
步骤s43、根据所述处理结果和所述标注信息，计算所述深度学习模型的损失值，并根据所述损失值调整所述深度学习模型的模型参数，直至满足预设终止条件，得到训练完成的深度学习模型；其中，所述深度学习模型包括第一行为识别模型、第二行为识别模型、目标检测模型、跟踪模型中的任意一项。
53.所述标注信息用于反映图像样本对应的真实结果。可以理解的是，针对不同的深度学习模型，所述标注信息不同。例如，当所述深度学习模型为第一行为识别模型或第二行为识别模型时，所述标注信息用于标注所述待识别宠物的真实行为类别；当所述深度学习模型为目标检测模型时，所述标注信息用于标注待识别宠物在图像样本中的真实位置和大小。
54.所述预设终止条件可以根据实际需求进行设置，例如，所述预设终止条件可以深度学习模型的损失值小于预设阈值，或者，多轮训练中得到的损失值之间的误差小于预设值。所述损失值可以根据深度学习模型的模型结构选择，例如，所述损失值可以为深度学习模型的处理结果与所述标注信息的交叉熵，等等。
55.本发明实施例可以针对不同类别的待识别宠物构建专门的训练样本集，并利用训练样本集对宠物行为识别过程中用到的各种深度学习模型进行迭代训练，得到专门用于对待识别宠物进行处理的深度学习模型，使得模型处理过程更符合待识别宠物的特点，从而提升宠物行为识别结果的准确度。
56.综上，本发明实施例提供的宠物行为识别方法，通过对包含待识别宠物的图像帧序列进行宠物骨骼关键点检测处理，基于检测出来的待识别宠物的骨骼关键点信息进行行为识别处理，可以克服图像帧序列中图像的颜色、曝光度、待识别宠物的体型大小等因素对宠物行为识别结果的影响，提高了宠物行为识别结果的准确度。
57.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
58.参照图4，示出了本发明的一种宠物行为识别装置实施例的结构框图，所述装置可以包括：图像获取模块401，用于获取待检测的图像帧序列，所述图像帧序列中包含待识别宠物的多帧图像；关键点检测模块402，用于对所述图像帧序列进行宠物骨骼关键点检测处理，得到每帧图像对应的骨骼关键点信息，所述骨骼关键点信息包括图像中待识别宠物的骨骼关键点的位置信息；行为识别模块403，用于根据所述图像帧序列中每帧图像对应的骨骼关键点信息进行行为识别处理，得到所述待识别宠物的行为识别结果。
59.可选地，所述骨骼关键点信息还包括待识别宠物的骨骼关键点的时间序列标识，所述时间序列标识用于标记骨骼关键点所属的图像帧在所述图像帧序列中的排列顺序；所述行为识别模块，包括：
连接关系确定子模块，用于针对所述图像帧序列中每帧图像，按照图像中待识别宠物的骨骼关键点的位置信息，确定属于同一个待识别宠物的各个骨骼关键点之间的连接关系；第一行为识别子模块，用于根据每帧图像中属于同一个待识别宠物的各个骨骼关键点之间的连接关系，以及每帧图像中各个骨骼关键点的时间序列标识进行行为识别处理，得到所述待识别宠物的行为识别结果。
60.可选地，所述第一行为识别子模块，包括：骨骼建模单元，用于按照所述图像帧序列中图像的排列顺序，依次将每帧图像中属于同一个待识别宠物的各个骨骼关键点之间的连接关系，以及每帧图像中各个骨骼关键点的时间序列标识，输入至第一行为识别模型的骨骼建模层中进行动态骨骼建模处理，得到待识别宠物的动态骨骼模型，所述动态骨骼模型用于反映所述图像帧序列中待识别宠物的各个骨骼关键点之间的连接关系，以及不同图像中同一个骨骼关键点的跨连续时间联系；行为识别单元，用于将所述动态骨骼模型输入至所述第一行为识别模型的卷积层中进行时空卷积处理，得到所述待识别宠物的行为识别结果。
61.可选地，所述装置还包括：目标检测模块，用于对所述图像帧序列中的每帧图像进行目标检测处理，得到每帧图像对应的检测框，所述检测框用于框选出待识别宠物在图像中的区域，一个检测框包含一个待识别宠物；所述关键点检测模块，包括：关键点检测子模块，用于针对所述图像帧序列中每帧图像，对图像中包含的各个检测框分别进行宠物骨骼关键点检测处理，得到图像中包含的每个待识别宠物对应的骨骼关键点信息。
62.可选地，所述行为识别模块，包括：宠物骨架图构建子模块，用于针对所述图像帧序列中每帧图像，根据图像中包含的每个待识别宠物的骨骼关键点的位置信息，构建每个待识别宠物的宠物骨架图，所述宠物骨架图包括待识别宠物的各个骨骼关键点，且相邻的两个骨骼关键点通过直线连接；第二行为识别子模块，用于按照所述图像帧序列中图像的排列顺序，依次将每帧图像中待识别宠物的宠物骨架图输入至第二行为识别模型中进行行为识别处理，得到所述待识别宠物的行为识别结果。
63.可选地，所述目标检测模块，包括：目标检测子模块，用于基于目标检测模型和跟踪模型对所述图像帧序列中的每帧图像进行联合处理，得到每帧图像对应的检测框；其中，所述目标检测模型用于对图像进行目标检测处理，所述跟踪模型用于对所述目标检测模型进行目标检测处理过程中出现的偏差进行矫正。
64.可选地，所述关键点检测子模块，包括：关键点检测单元，用于针对所述图像帧序列中每帧图像，对图像中包含的各个检测框分别进行宠物骨骼关键点检测处理，确定检测出的每个待识别宠物的骨骼关键点数量；
信息确定单元，用于若第一图像中待识别宠物的骨骼关键点数量大于或等于预设点数阈值，则根据所述待识别宠物的各个骨骼关键点在所述第一图像中的位置，确定所述待识别宠物对应的骨骼关键点信息；所述第一图像为所述图像帧序列中的任意一帧图像；图像删除单元，用于若第一图像中待识别宠物对应的骨骼关键点数量小于预设点数阈值，则确定所述第一图像中针对所述待识别宠物的宠物骨骼关键点检测失败，并从所述图像帧序列中删除所述第一图像。
65.可选地，所述关键点检测子模块还包括：识别中止单元，用于若所述图像帧序列中包含的图像帧数小于预设帧数阈值，则确定针对图像帧序列的宠物骨骼关键点检测失败，中止对所述待识别宠物的行为识别处理。
66.可选地，所述待识别宠物的骨骼关键点包括四肢关键点、躯干关键点和头部关键点；所述四肢关键点包括4个爪关键点、4个肘关键点和4个膝盖关键点；所述躯干关键点包括：屁股关键点和脖子关键点；所述头部关键点包括左右眼关键点和鼻子关键点。
67.可选地，所述装置还包括：样本集构建模块，用于针对待识别宠物构建训练样本集，所述训练样本集包括待识别宠物的图像样本和所述图像样本对应的标注信息；迭代训练模块，用于根据所述训练样本集对深度学习模型进行迭代训练，得到所述图像样本对应的处理结果；参数调整模块，用于根据所述处理结果和所述标注信息，计算所述深度学习模型的损失值，并根据所述损失值调整所述深度学习模型的模型参数，直至满足预设终止条件，得到训练完成的深度学习模型；其中，所述深度学习模型包括第一行为识别模型、第二行为识别模型、目标检测模型、跟踪模型中的任意一项。
68.综上，本发明实施例提供的宠物行为识别装置，通过对包含待识别宠物的图像帧序列进行宠物骨骼关键点检测处理，基于检测出来的待识别宠物的骨骼关键点信息进行行为识别处理，可以克服图像帧序列中图像的颜色、曝光度、待识别宠物的体型大小等因素对宠物行为识别结果的影响，提高了宠物行为识别结果的准确度。
69.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
70.本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
71.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
72.本发明实施例还提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置（服务器或者终端）的处理器执行时，使得装置能够执行前文图1所对应实施例中宠物行为识别方法的描述，因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本技术所涉及的计算机程序产品或者计算机程序实施例中未披露的技术细节，请参照本技术方法实施例的描述。
73.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其
它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
74.应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
75.以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
76.以上对本发明所提供的一种宠物行为识别方法、装置和可读存储介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种宠物行为识别方法，其特征在于，所述方法包括：获取待检测的图像帧序列，所述图像帧序列中包含待识别宠物的多帧图像；对所述图像帧序列进行宠物骨骼关键点检测处理，得到每帧图像对应的骨骼关键点信息，所述骨骼关键点信息包括图像中待识别宠物的骨骼关键点的位置信息；根据所述图像帧序列中每帧图像对应的骨骼关键点信息进行行为识别处理，得到所述待识别宠物的行为识别结果。2.根据权利要求1所述的方法，其特征在于，所述骨骼关键点信息还包括待识别宠物的骨骼关键点的时间序列标识，所述时间序列标识用于标记骨骼关键点所属的图像帧在所述图像帧序列中的排列顺序；所述根据所述图像帧序列中每帧图像对应的骨骼关键点信息进行行为识别处理，得到所述待识别宠物的行为识别结果，包括：针对所述图像帧序列中每帧图像，按照图像中待识别宠物的骨骼关键点的位置信息，确定属于同一个待识别宠物的各个骨骼关键点之间的连接关系；根据每帧图像中属于同一个待识别宠物的各个骨骼关键点之间的连接关系，以及每帧图像中各个骨骼关键点的时间序列标识进行行为识别处理，得到所述待识别宠物的行为识别结果。3.根据权利要求2所述的方法，其特征在于，所述根据每帧图像中属于同一个待识别宠物的各个骨骼关键点之间的连接关系，以及每帧图像中各个骨骼关键点的时间序列标识进行行为识别处理，得到所述待识别宠物的行为识别结果，包括：按照所述图像帧序列中图像的排列顺序，依次将每帧图像中属于同一个待识别宠物的各个骨骼关键点之间的连接关系，以及每帧图像中各个骨骼关键点的时间序列标识，输入至第一行为识别模型的骨骼建模层中进行动态骨骼建模处理，得到待识别宠物的动态骨骼模型，所述动态骨骼模型用于反映所述图像帧序列中待识别宠物的各个骨骼关键点之间的连接关系，以及不同图像中同一个骨骼关键点的跨连续时间联系；将所述动态骨骼模型输入至所述第一行为识别模型的卷积层中进行时空卷积处理，得到所述待识别宠物的行为识别结果。4.根据权利要求1所述的方法，其特征在于，所述对所述图像帧序列进行宠物骨骼关键点检测处理，得到每帧图像对应的骨骼关键点信息之前，所述方法还包括：对所述图像帧序列中的每帧图像进行目标检测处理，得到每帧图像对应的检测框，所述检测框用于框选出待识别宠物在图像中的区域，一个检测框包含一个待识别宠物；所述对所述图像帧序列进行宠物骨骼关键点检测处理，得到每帧图像对应的骨骼关键点信息，包括：针对所述图像帧序列中每帧图像，对图像中包含的各个检测框分别进行宠物骨骼关键点检测处理，得到图像中包含的每个待识别宠物对应的骨骼关键点信息。5.根据权利要求4所述的方法，其特征在于，所述根据所述图像帧序列中每帧图像对应的骨骼关键点信息进行行为识别处理，得到所述待识别宠物的行为识别结果，包括：针对所述图像帧序列中每帧图像，根据图像中包含的每个待识别宠物的骨骼关键点的位置信息，构建每个待识别宠物的宠物骨架图，所述宠物骨架图包括待识别宠物的各个骨骼关键点，且相邻的两个骨骼关键点通过直线连接；按照所述图像帧序列中图像的排列顺序，依次将每帧图像中待识别宠物的宠物骨架图
输入至第二行为识别模型中进行行为识别处理，得到所述待识别宠物的行为识别结果。6.根据权利要求4所述的方法，其特征在于，所述对所述图像帧序列中的每帧图像进行目标检测处理，得到每帧图像对应的检测框，包括：基于目标检测模型和跟踪模型对所述图像帧序列中的每帧图像进行联合处理，得到每帧图像对应的检测框；其中，所述目标检测模型用于对图像进行目标检测处理，所述跟踪模型用于对所述目标检测模型进行目标检测处理过程中出现的偏差进行矫正。7.根据权利要求4所述的方法，其特征在于，所述针对所述图像帧序列中每帧图像，对图像中包含的各个检测框分别进行宠物骨骼关键点检测处理，得到图像中包含的每个待识别宠物对应的骨骼关键点信息，包括：针对所述图像帧序列中每帧图像，对图像中包含的各个检测框分别进行宠物骨骼关键点检测处理，确定检测出的每个待识别宠物的骨骼关键点数量；若第一图像中待识别宠物的骨骼关键点数量大于或等于预设点数阈值，则根据所述待识别宠物的各个骨骼关键点在所述第一图像中的位置，确定所述待识别宠物对应的骨骼关键点信息；所述第一图像为所述图像帧序列中的任意一帧图像；若第一图像中待识别宠物对应的骨骼关键点数量小于预设点数阈值，则确定所述第一图像中针对所述待识别宠物的宠物骨骼关键点检测失败，并从所述图像帧序列中删除所述第一图像。8.根据权利要求7所述的方法，其特征在于，所述方法还包括：若所述图像帧序列中包含的图像帧数小于预设帧数阈值，则确定针对图像帧序列的宠物骨骼关键点检测失败，中止对所述待识别宠物的行为识别处理。9.根据权利要求1至8任一项所述的方法，其特征在于，所述待识别宠物的骨骼关键点包括四肢关键点、躯干关键点和头部关键点；所述四肢关键点包括4个爪关键点、4个肘关键点和4个膝盖关键点；所述躯干关键点包括：屁股关键点和脖子关键点；所述头部关键点包括左右眼关键点和鼻子关键点。10.根据权利要求1所述的方法，其特征在于，所述方法还包括：针对待识别宠物构建训练样本集，所述训练样本集包括待识别宠物的图像样本和所述图像样本对应的标注信息；根据所述训练样本集对深度学习模型进行迭代训练，得到所述图像样本对应的处理结果；根据所述处理结果和所述标注信息，计算所述深度学习模型的损失值，并根据所述损失值调整所述深度学习模型的模型参数，直至满足预设终止条件，得到训练完成的深度学习模型；其中，所述深度学习模型包括第一行为识别模型、第二行为识别模型、目标检测模型、跟踪模型中的任意一项。11.一种宠物行为识别装置，其特征在于，所述装置包括：图像获取模块，用于获取待检测的图像帧序列，所述图像帧序列中包含待识别宠物的多帧图像；关键点检测模块，用于对所述图像帧序列进行宠物骨骼关键点检测处理，得到每帧图像对应的骨骼关键点信息，所述骨骼关键点信息包括图像中待识别宠物的骨骼关键点的位
置信息；行为识别模块，用于根据所述图像帧序列中每帧图像对应的骨骼关键点信息进行行为识别处理，得到所述待识别宠物的行为识别结果。12.根据权利要求11所述的装置，其特征在于，所述骨骼关键点信息还包括待识别宠物的骨骼关键点的时间序列标识，所述时间序列标识用于标记骨骼关键点所属的图像帧在所述图像帧序列中的排列顺序；所述行为识别模块，包括：连接关系确定子模块，用于针对所述图像帧序列中每帧图像，按照图像中待识别宠物的骨骼关键点的位置信息，确定属于同一个待识别宠物的各个骨骼关键点之间的连接关系；第一行为识别子模块，用于根据每帧图像中属于同一个待识别宠物的各个骨骼关键点之间的连接关系，以及每帧图像中各个骨骼关键点的时间序列标识进行行为识别处理，得到所述待识别宠物的行为识别结果。13.根据权利要求12所述的装置，其特征在于，所述第一行为识别子模块，包括：骨骼建模单元，用于按照所述图像帧序列中图像的排列顺序，依次将每帧图像中属于同一个待识别宠物的各个骨骼关键点之间的连接关系，以及每帧图像中各个骨骼关键点的时间序列标识，输入至第一行为识别模型的骨骼建模层中进行动态骨骼建模处理，得到待识别宠物的动态骨骼模型，所述动态骨骼模型用于反映所述图像帧序列中待识别宠物的各个骨骼关键点之间的连接关系，以及不同图像中同一个骨骼关键点的跨连续时间联系；行为识别单元，用于将所述动态骨骼模型输入至所述第一行为识别模型的卷积层中进行时空卷积处理，得到所述待识别宠物的行为识别结果。14.根据权利要求11所述的装置，其特征在于，所述装置还包括：目标检测模块，用于对所述图像帧序列中的每帧图像进行目标检测处理，得到每帧图像对应的检测框，所述检测框用于框选出待识别宠物在图像中的区域，一个检测框包含一个待识别宠物；所述关键点检测模块，包括：关键点检测子模块，用于针对所述图像帧序列中每帧图像，对图像中包含的各个检测框分别进行宠物骨骼关键点检测处理，得到图像中包含的每个待识别宠物对应的骨骼关键点信息。15.根据权利要求14所述的装置，其特征在于，所述行为识别模块，包括：宠物骨架图构建子模块，用于针对所述图像帧序列中每帧图像，根据图像中包含的每个待识别宠物的骨骼关键点的位置信息，构建每个待识别宠物的宠物骨架图，所述宠物骨架图包括待识别宠物的各个骨骼关键点，且相邻的两个骨骼关键点通过直线连接；第二行为识别子模块，用于按照所述图像帧序列中图像的排列顺序，依次将每帧图像中待识别宠物的宠物骨架图输入至第二行为识别模型中进行行为识别处理，得到所述待识别宠物的行为识别结果。16.根据权利要求14所述的装置，其特征在于，所述目标检测模块，包括：目标检测子模块，用于基于目标检测模型和跟踪模型对所述图像帧序列中的每帧图像进行联合处理，得到每帧图像对应的检测框；其中，所述目标检测模型用于对图像进行目标检测处理，所述跟踪模型用于对所述目标检测模型进行目标检测处理过程中出现的偏差进
行矫正。17.根据权利要求14所述的装置，其特征在于，所述关键点检测子模块，包括：关键点检测单元，用于针对所述图像帧序列中每帧图像，对图像中包含的各个检测框分别进行宠物骨骼关键点检测处理，确定检测出的每个待识别宠物的骨骼关键点数量；信息确定单元，用于若第一图像中待识别宠物的骨骼关键点数量大于或等于预设点数阈值，则根据所述待识别宠物的各个骨骼关键点在所述第一图像中的位置，确定所述待识别宠物对应的骨骼关键点信息；所述第一图像为所述图像帧序列中的任意一帧图像；图像删除单元，用于若第一图像中待识别宠物对应的骨骼关键点数量小于预设点数阈值，则确定所述第一图像中针对所述待识别宠物的宠物骨骼关键点检测失败，并从所述图像帧序列中删除所述第一图像。18.根据权利要求17所述的装置，其特征在于，所述关键点检测子模块还包括：识别中止单元，用于若所述图像帧序列中包含的图像帧数小于预设帧数阈值，则确定针对图像帧序列的宠物骨骼关键点检测失败，中止对所述待识别宠物的行为识别处理。19.根据权利要求11至18任一项所述的装置，其特征在于，所述待识别宠物的骨骼关键点包括四肢关键点、躯干关键点和头部关键点；所述四肢关键点包括4个爪关键点、4个肘关键点和4个膝盖关键点；所述躯干关键点包括：屁股关键点和脖子关键点；所述头部关键点包括左右眼关键点和鼻子关键点。20.根据权利要求11所述的装置，其特征在于，所述装置还包括：样本集构建模块，用于针对待识别宠物构建训练样本集，所述训练样本集包括待识别宠物的图像样本和所述图像样本对应的标注信息；迭代训练模块，用于根据所述训练样本集对深度学习模型进行迭代训练，得到所述图像样本对应的处理结果；参数调整模块，用于根据所述处理结果和所述标注信息，计算所述深度学习模型的损失值，并根据所述损失值调整所述深度学习模型的模型参数，直至满足预设终止条件，得到训练完成的深度学习模型；其中，所述深度学习模型包括第一行为识别模型、第二行为识别模型、目标检测模型、跟踪模型中的任意一项。21.一种机器可读存储介质，其上存储有指令，当所述指令由装置的一个或多个处理器执行时，使得装置执行如权利要求1至10中任一所述的宠物行为识别方法。

技术总结
本发明实施例提供了一种宠物行为识别方法、装置和可读存储介质。其中的方法包括：获取待检测的图像帧序列，所述图像帧序列中包含待识别宠物的多帧图像；对所述图像帧序列进行宠物骨骼关键点检测处理，得到每帧图像对应的骨骼关键点信息，所述骨骼关键点信息包括图像中待识别宠物的骨骼关键点的位置信息；根据所述图像帧序列中每帧图像对应的骨骼关键点信息进行行为识别处理，得到所述待识别宠物的行为识别结果。本发明实施例可以克服图像帧序列中图像的颜色、曝光度、待识别宠物的体型大小等因素对宠物行为识别结果的影响，提高了宠物行为识别结果的准确度。为识别结果的准确度。为识别结果的准确度。

技术研发人员：吕钦凌明杨作兴艾国
受保护的技术使用者：深圳比特微电子科技有限公司
技术研发日：2022.08.22
技术公布日：2022/9/20