基于内容查询和位置查询的人物交互检测方法

本申请适用于人物交互检测技术领域，提供了一种基于内容查询和位置查询的人物交互检测方法，包括：首先通过主干网络提取图像特征，并用目标检测器DETR检测人和物体实例，然后配对人物与物体实例，提取外观、空间和物体类别语义特征并计算交互性分数，选出交互提议，接着将多模态特征深度融合，生成内容和位置嵌入，传入Transformer解码器进行交叉注意力计算，得到交互特征，最后将交互特征输入分类器，结合置信度分数，输出人物交互三元组的分数。该方法通过深度融合多模态特征和交叉注意力机制，有效提高人物与物体交互的检测精度，能够准确识别复杂场景中的人物交互关系。