视频数据处理方法及装置、计算机装置及可读存储介质制造方法及图纸

一种视频数据处理方法，包括：提取多段动作视频中的行为特征；统计每段动作视频中提取出的行为特征数目，并计算该行为特征数目的分布律；将该特征数目的分布律标准化得到标准正态分布；对该标准正态分布应用3σ准则并选取预设置信区间，再将该标准正态分布进行逆标准化，得到优化后的行为特征数目；及判断该每段动作视频中提取出的行为特征数目是否大于该优化后的行为特征数目，若大于，则由该提取出的行为特征中筛选出该优化后的行为特征数目的特征；若小于，则将该取出的行为特征作为该动作视频的最终特征。本发明专利技术还提供一种视频数据处理装置、计算机装置及存储介质。本发明专利技术优化了动作视频数据，滤除冗余特征，提高了动作特征识别正确率。

【技术实现步骤摘要】
视频数据处理方法及装置、计算机装置及可读存储介质
本专利技术涉及机器视觉
，具体涉及一种视频数据处理方法及装置、计算机装置及计算机可读存储介质。
技术介绍
随着摄像技术和设备的普及，视频数据的应用越来越广泛。基于机器视觉的人体行为识别成为机器人研究的热点技术，在诸如智能视频监控、视频数据分类、人机交互、人体行为分析等领域都有广泛的应用前景。现有的行为识别过程可以利用光流提取的算法提取人体行为过程的原始光流轨迹，再利用密集轨迹算法、时空兴趣点算法或卷积神经网络来从光流轨迹中提取动作行为特征；或者利用角点检测的算法提取人体行为过程中变化剧烈的角点，再利用密集轨迹算法、时空兴趣点算法或卷积神经网络来从变化剧烈的角点中提取行为特征。然而通过上述方法提取的用来描述行为特征的特征点或特征轨迹数目庞大且存在大量冗余，使得视频数据处理量巨大，影响动作识别的效率及正确率。
技术实现思路
鉴于以上内容，有必要提出一种视频数据处理方法及装置、计算机装置及计算机可读存储介质，能够将由视频片段中提取出的行为特征数据中的冗余特征滤除，使得数据处理量降低，提高动作识别的效率及正确率。本申请的第一方面提供一种视频数据处理方法，所述方法包括：提取多段动作视频中的行为特征；执行分布律计算操作，统计每段动作视频中提取出的行为特征数目，并对所述多段动作视频的行为特征数目进行概率统计得到所述行为特征数目的分布律；执行分布律标准化操作，将所述特征数目的分布律进行标准化得到标准正态分布；执行逆标准化操作，对所述标准正态分布应用3σ准则并选取预设置信区间，再将所述标准正态分布进行逆标准化，得到优化后的行为特征数目；及判断所述每段动作视频中提取出的行为特征数目是否大于所述优化后的行为特征数目，若大于，则根据预设规则由所述动作视频提取出的行为特征中筛选出所述优化后的行为特征数目的特征作为所述动作视频的最终特征；若小于，则将由所述动作视频提取出的行为特征作为所述动作视频的最终特征。进一步地，所述多段动作视频为具有相同或相似场景的相关联的动作视频。进一步地，将所述特征数目的分布律进行标准化得到标准正态分布包括：a.将每段动作视频中提取出的的特征数目取对数，由此得到随机变量lgN服从数学期望为μ，方差为σ2的正态分布，记为：lgN～N(μ,σ2)其中，变量N的取值为每段动作视频中提取出的特征数目；数学期望μ是变量N每个取值的概率乘以所述取值结果的总和；方差σ2用来度量变量N和其数学期望μ之间的偏离程度，所述方差为：其中，ni为每段动作视频中的行为特征数目，μ为数学期望，m为动作视频片段的总数；b.对lgN～N(μ,σ2)执行标准化操作得到标准正态分布X：进一步地，所述“执行逆标准化操作，对所述标准正态分布应用3σ准则并选取预设置信区间，再将所述标准正态分布进行逆标准化，得到优化后的行为特征数目”包括：1)对所述标准正态分布X应用3σ准则，得到结果为：X取值在(-1,1)区间的概率为68.3％，X取值在(-2,2)区间的概率为95.4％，X取值在(-3,3)区间的概率为99.7％，用公式表达如下，其中P代表概率：2)选取预设置信区间，根据所述选取的置信区间确定X的取值；3)对所述标准正态分布X进行逆标准化计算，得到优化后的特征数目N’，其中，所述逆标准化即对所述标准正态分布进行指数求幂运算，得到优化后的特征数目N’：N'＝10σx+μ。进一步地，所述预设规则是由所述动作视频提取出的行为特征中随机选取所述优化后的行为特征数目的行为特征。本申请的第二方面提供一种视频数据处理装置，所述系统包括：行为特征提取模块，用于提取多段动作视频中的行为特征；分布律计算模块，用于统计每段动作视频中提取出的行为特征数目，并对所述多段动作视频的行为特征数目进行概率统计得到所述行为特征数目的分布律；标准化模块，用于将所述特征数目的分布律进行标准化得到标准正态分布；确定模块，用于对所述标准正态分布应用3σ准则并选取预设置信区间，再将所述标准正态分布进行逆标准化，得到优化后的行为特征数目；及优化模块，用于判断所述每段动作视频中提取出的行为特征数目是否大于所述优化后的行为特征数目，若动作视频中提取出的行为特征数目大于所述优化后的行为特征数目，则根据预设规则由所述动作视频提取出的行为特征中筛选出所述优化后的行为特征数目的特征作为所述动作视频的最终特征；若动作视频中提取出的行为特征数目小于所述优化后的行为特征数目，则将由所述动作视频提取出的行为特征作为所述动作视频的最终特征。本申请的第三方面提供一种计算机装置，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述视频数据处理方法。本申请的第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述视频数据处理方法。本专利技术通过提取多段动作视频中的行为特征，对所述提取出的行为特征进行概率统计得到分布律，再对分布律进行标准化，然后根据3σ准则对标准化的分布律逆标准化，确定优化后的行为特征数目，实现了对动作视频中特征模型的优化,滤除了冗余特征，提高了后续动作特征学习和识别正确率。附图说明图1是本专利技术实施例一提供的视频数据处理方法的流程图。图2是本专利技术实施例二提供的视频数据处理装置的结构图。图3是本专利技术实施例三提供的计算机装置的示意图。具体实施方式为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施例对本专利技术进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。优选地，本专利技术的视频数据处理方法应用在一个或者多个计算机装置中。所述计算机装置是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于处理器、外部存储介质、内存等。所述计算机装置可以是，但不限于，台式计算机、笔记本电脑、云端服务器、智能手机等设备。所述计算机装置可以与用户通过键盘、鼠标、遥控器、触摸板、手势识别设备、声控设备等方式进行人机交互。实施例一图1是本专利技术实施例一提供的视频数据处理的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。为了便于说明，仅示出了与本专利技术实施例相关的部分。如图1所示，所述视频数据处理方法具体包括以下步骤：步骤S1：提取多段动作视频中的行为特征。所述多段动作视频中均包括目标物体的运动行为过程。所述目标物体可以是但不限于人或动物等。所述多段动作视频可以是储存在视频数据库中的动作视频，也可以是录像设备或视频监控设备输出的动作视频。本专利技术实施例中，所述多段动作视频为具有相同或相似场景的相关联的动作视频。在一种实现方式中，所述多段相关联的动作视频可以是在同一背景下拍摄的多段动作视频，例如本文档来自技高网...

【技术保护点】
1.一种视频数据处理方法，其特征在于，所述方法包括：提取多段动作视频中的行为特征；执行分布律计算操作，统计每段动作视频中提取出的行为特征数目，并对所述多段动作视频的行为特征数目进行概率统计得到所述行为特征数目的分布律；执行分布律标准化操作，将所述特征数目的分布律进行标准化得到标准正态分布；执行逆标准化操作，对所述标准正态分布应用3σ准则并选取预设置信区间，再将所述标准正态分布进行逆标准化，得到优化后的行为特征数目；及判断所述每段动作视频中提取出的行为特征数目是否大于所述优化后的行为特征数目，若动作视频中提取出的行为特征数目大于所述优化后的行为特征数目，则根据预设规则由所述动作视频提取出的行为特征中筛选出所述优化后的行为特征数目的特征作为所述动作视频的最终特征；若动作视频中提取出的行为特征数目小于所述优化后的行为特征数目，则将由所述动作视频提取出的行为特征作为所述动作视频的最终特征。

【技术特征摘要】
1.一种视频数据处理方法，其特征在于，所述方法包括：提取多段动作视频中的行为特征；执行分布律计算操作，统计每段动作视频中提取出的行为特征数目，并对所述多段动作视频的行为特征数目进行概率统计得到所述行为特征数目的分布律；执行分布律标准化操作，将所述特征数目的分布律进行标准化得到标准正态分布；执行逆标准化操作，对所述标准正态分布应用3σ准则并选取预设置信区间，再将所述标准正态分布进行逆标准化，得到优化后的行为特征数目；及判断所述每段动作视频中提取出的行为特征数目是否大于所述优化后的行为特征数目，若动作视频中提取出的行为特征数目大于所述优化后的行为特征数目，则根据预设规则由所述动作视频提取出的行为特征中筛选出所述优化后的行为特征数目的特征作为所述动作视频的最终特征；若动作视频中提取出的行为特征数目小于所述优化后的行为特征数目，则将由所述动作视频提取出的行为特征作为所述动作视频的最终特征。2.如权利要求1所述的视频数据处理方法，其特征在于，所述多段动作视频为具有相同或相似场景的相关联的动作视频。3.如权利要求1所述的视频数据处理方法，其特征在于，将所述特征数目的分布律进行标准化得到标准正态分布包括：a.将每段动作视频中提取出的的特征数目取对数，由此得到随机变量lgN服从数学期望为μ，方差为σ2的正态分布，记为：lgN～N(μ,σ2)其中，变量N的取值为每段动作视频中提取出的特征数目；数学期望μ是变量N每个取值的概率乘以所述取值结果的总和；方差σ2用来度量变量N和其数学期望μ之间的偏离程度，所述方差为：其中，ni为每段动作视频中的行为特征数目，μ为数学期望，m为动作视频片段的总数；b.对lgN～N(μ,σ2)执行标准化操作得到标准正态分布X：4.如权利要求3所述的视频数据处理方法，其特征在于，所述“执行逆标准化操作，对所述标准正态分布应用3σ准则并选取预设置信区间，再将所述标准正态分布进行逆标准化，得到优化后的行为特征数目”包括：1)对所述标准正态分布X应用3σ准则，得到结果为：X取值在(-1,1)区间的概率为68.3％，X取值在(-2,2)区间的概率为95.4％，X取值在(-3,3)区间的概率为99.7％，用公式表达如下，其中P代表概率：2)选取预设置信区间，根据所述选取的置信区间确定X的取值；3)对所述标准正态分布X进行逆标准化计算，得到优化后的特征数目N’，其中，所述逆标准化即对所述标准正态分布进行指数求幂运算，得到优化后的特征数目N’：N'＝10σx+μ。5.如权利要求1所述的视频数据处理方法，其特征在于，所述预设规则是由所述动作视频提取出的行为特征中随机选取所述优化后的行...

【专利技术属性】
技术研发人员：孙睿，陈晓春，
申请(专利权)人：深圳清华大学研究院，
类型：发明
国别省市：广东,44