基于全局局部对比学习的自监督群体行为识别方法和系统

本发明提出了一种基于全局局部对比学习的自监督群体行为识别方法和系统，包括：通过局部分支提取个体特征，并采用多头自注意力掩码模块生成软掩码，利用掩码池化分离显著/非显著个体特征构建对比样本，结合余弦相似度与局部对比损失优化特征对齐；同时利用全局分支的空间全局Transformer捕捉行为者空间交互关系，通过多尺度时序编码融合短期动作与长期行为模式，聚合时空特征后采用全局对比损失优化一致性，最终通过全局‑局部对比损失整合两分支特征对比，自动调整损失权重以简化调参。训练完成后，提取的时空特征经分类器输出群体行为识别结果，有效提升了模型对复杂群体行为的判别力和鲁棒性。