【技术实现步骤摘要】
视频处理方法及相关装置，图像处理方法及相关装置
本专利技术涉及步态识别
，具体涉及视频处理方法、视频处理装置、视频处理设备及存储介质，图像处理方法、图像处理装置、图像处理设备及存储介质。
技术介绍
步态识别在很多场景下有应用需求。例如，公共场所的户外摄像头很多，但摄像头一般与人距离较远，所拍摄的图像或视频无法通过人脸来进行行人识别。而步态识别技术可根据人的步态特征向量进行行人识别，并不必须基于人脸进行识别，也不需要高清的画质，因此，步态识别技术己成为一个重要的研究方向。
技术实现思路
本专利技术实施例提供视频处理方法、视频处理装置、视频处理设备及存储介质，以实现步态识别；进一步的，本专利技术实施例提供图像处理方法、图像处理装置、图像处理设备及存储介质，以实现姿态识别。为实现上述目的，本专利技术实施例提供如下技术方案：一种视频处理方法，包括：获取待处理视频，所述待处理视频中的视频帧包括身份待识别的对象；根据所述待处理视频生成第一步态能量图；获取身份已知的对象的视频的第二步态能量图；所述第一步态能量图和第二步态能量图分别对应唯一的标识；将所述第一步态能量图和第二步态...
【技术保护点】
1.一种视频处理方法，其特征在于，包括：获取待处理视频，所述待处理视频中的视频帧包括身份待识别的对象；根据所述待处理视频生成第一步态能量图；获取身份已知的对象的视频的第二步态能量图；所述第一步态能量图和第二步态能量图分别对应唯一的标识；将所述第一步态能量图和第二步态能量图输入深度神经网络，进行第一步态识别；其中，所述第一步态识别包括：提取所述第一、第二步态能量图对应的身份信息，以及，所述第一步态能量图和第二步态能量图的融合步态特征向量；至少根据提取的融合步态特征向量计算所述第一、第二步态能量图的相似度；所述第一步态能量图的身份信息包括所述第一步态能量图的标识和所述第一步态能...
【技术特征摘要】
1.一种视频处理方法，其特征在于，包括：获取待处理视频，所述待处理视频中的视频帧包括身份待识别的对象；根据所述待处理视频生成第一步态能量图；获取身份已知的对象的视频的第二步态能量图；所述第一步态能量图和第二步态能量图分别对应唯一的标识；将所述第一步态能量图和第二步态能量图输入深度神经网络，进行第一步态识别；其中，所述第一步态识别包括：提取所述第一、第二步态能量图对应的身份信息，以及，所述第一步态能量图和第二步态能量图的融合步态特征向量；至少根据提取的融合步态特征向量计算所述第一、第二步态能量图的相似度；所述第一步态能量图的身份信息包括所述第一步态能量图的标识和所述第一步态能量图的步态特征向量，所述第二步态能量图的身份信息包括所述第二步态能量图的标识和所述第二步态能量图的步态特征向量；所述融合步态特征向量由所述第一步态能量图和第二步态能量图的步态特征向量决定。2.如权利要求1所述的方法，其特征在于，所述深度神经网络在训练过程中根据身份信息和融合步态特征向量进行了滤波器参数调整；所述训练过程的训练目标包括：从同一对象的不同步态能量图中提取的步态特征向量相似，从不同对象的步态能量图中提取的步态特征向量相远离。3.如权利要求2所述的方法，其特征在于，所述训练过程中使用的每一训练样本包括n个训练子样本，任一所述训练子样本包括两幅身份已知的对象的步态能量图，所述n为正整数；所述训练过程包括：使用所述深度神经网络对所述训练样本中的每一训练子样本执行第二步态识别；其中，所述第二步态识别包括：提取所述训练子样本中两幅步态能量图各自的身份信息以及所述两幅步态能量图的融合步态特征向量，并至少根据提取的融合步态特征向量计算所述两幅步态能量图的相似度；根据在所述第二步态识别中提取的身份信息，使用身份信息损失函数计算所述训练样本的身份损失值；所述身份损失值越小，表征从同一对象不同步态能量图中提取的步态特征向量越相似，而从不同对象的步态能量图中提取的步态特征向量越远离；使用融合步态特征向量损失函数计算所述训练样本的融合损失值；对所述融合损失值和身份损失值求加权和，得到所述训练样本的最终损失值；根据至少一个训练样本的最终损失值调整所述深度神经网络的滤波器参数。4.如权利要求3所述的方法，其特征在于，所述n＝3，所述训练样本包括第一至第三训练子样本，所述第一至第三训练子样本的组合方式包括：第一组合方式：所述第一训练子样本中的两幅步态能量图对应同一对象；所述第二训练子样本中的两幅步态能量图对应不同的对象；所述第三训练子样本中的两幅步态能量图对应不同的对象；或者，第二组合方式：所述第一训练子样本中的两幅步态能量图对应同一对象；所述第二训练子样本的两幅步态能量图对应所述同一对象；所述第三训练子样本中的两幅步态能量图对应不同的对象。5.如权利要求4所述的方法，其特征在于，当所述第一至第三训练子样本为所述第一种组合方式时，所述身份损失函数包括：其中，Lu表示身份损失值，η表示系数，表示欧氏距离；p、g、p′、g′、p″和g″表示步态能量图的标识，Xp和Xg表示第一训练子样本中的一对步态能量图，Xp′和Xg′表示第二训练子样本中的一对步态能量图，Xp″和Xg″表示第三训练子样本的一对步态能量图，并且，Xp与Xp′对应同一对象，Xp与Xp″对应不同对象；U(Xp)至U(Xg″)表示各步态能量图的步态特征向量。6.如权利要求4所述的方法，其特征在于，当所述第一至第三训练子样本为所述第二种组合方式时，所述身份损失函数包括：其中，Lu表示身份损失值，η表示系数，表示欧氏距离；p、g、p′、g′、p″和g″表示步态能量图的标识，Xp和Xg表示第一训练子样本中的一对步态能量图，Xp′和Xg′表示第二训练子样本中的一对步态能量图，Xp″和Xg″表示第三训练子样本的一对步态能量图，并且，Xp与Xp′对应同一对象，Xp与Xp″对应不同对象；U(Xp)至U(Xg″)表示各步态能量图的步态特征向量。7.如权利要求5或6所述的方法，其特征在于，所述训练目标还包括：若第一计算样本中两对步态能量图对的真实标签分布相同，而第二计算样本中两对步态能量图对的真实标签分布不相同，令所述第一计算样本对应的第一概率与第二计算样本对应的第二概率相远离，否则，令所述第一概率与所述第二概率相接近；其中，所述第一计算样本和第二计算样本分别包括两对步态能量图对；所述第一概率为所述第一计算样本中两对步态能量图对之间标签分布相同的预测概率，所述第二概率为所述第二计算样本中两对步态能量图对之间标签分布相同的预测概率。8.如权利要求7所述的方法，其特征在于，当所述第一至第三训练子样本为所述第一种组合方式时，所述融合损...
【专利技术属性】
技术研发人员：张凯皓，罗文寒，马林，刘威，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。