视频处理、数据处理方法及设备技术

本申请实施例提供一种视频处理、数据处理方法及设备，该视频处理方法包括：获取待处理视频中的多个图像帧；将多个图像帧输入特征提取模型，计算获得多个图像特征；将所述多个图像特征进行降维融合处理，获得所述待处理视频的目标特征。本申请实施例提高了目标行为的检测效率。测效率。测效率。

【技术实现步骤摘要】
视频处理、数据处理方法及设备


[0001]本申请涉及视频处理
，尤其涉及一种视频处理、数据处理方法及设备。

技术介绍

[0002]随着摄像技术的普及，各种场所的视频均可以采集获得。摄像头等摄像设备可以采集监控区域中的视频。视频可以指以连续的图像变化每秒超过24帧画面以上时，人眼无法辨别单幅的静态画面，看上去形成的平滑连续的画面。
[0003]现有技术中，摄像头采集的视频通常被存储并用于事后回放，以确认视频采集地发生的特殊行为。视频采集地发生的特殊行为例如可以包括：人员跌倒、吸烟、盗窃或者车祸等多种类型的行为。
[0004]但是，视频采集之后仅能通过回放，人工识别视频中的特殊行为，效率较低。

技术实现思路

[0005]有鉴于此，本申请实施例提供一种视频处理、数据处理方法及设备，用以解决现有技术中人工识别视频中的特殊行为效率较低的技术问题。
[0006]第一方面，本申请实施例提供一种视频处理方法，包括：
[0007]获取待处理视频中的多个图像帧；
[0008]将所述多个图像帧输入特征提取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频处理方法，其特征在于，包括：获取待处理视频中的多个图像帧；将所述多个图像帧输入特征提取模型，计算获得多个图像特征；将所述多个图像特征进行降维融合处理，获得所述待处理视频的目标特征。2.根据权利要求1所述的方法，其特征在于，所述将所述多个图像帧输入特征提取模型，计算获得多个图像特征包括：将所述多个图像帧输入训练获得的特征提取模型，计算获得所述多个图像特征。3.根据权利要求2所述的方法，其特征在于，所述将所述多个图像帧输入训练获得的特征提取模型，计算获得多个图像特征包括：将所述多个图像帧输入训练获得的时空特征提取模型，计算获得所述多个图像特征。4.根据权利要求3所述的方法，其特征在于，所述时空特征提取模型包括三维神经网络模型，所述将所述多个图像帧输入训练获得的时空特征提取模型，计算获得所述多个图像特征包括：确定训练获得的所述三维神经网络模型的三维卷积核；将所述多个图像帧输入所述三维卷积核对应三维神经网络模型，计算获得所述多个图像特征。5.根据权利要求1所述的方法，其特征在于，所述将所述多个图像特征进行降维融合处理，获得所述待处理视频的目标特征包括：将所述多个图像特征按照时间维度进行降维融合处理，获得所述待处理视频的目标特征。6.根据权利要求5所述的方法，其特征在于，所述将所述多个图像特征按照时间维度进行降维融合处理，获得所述待处理视频的目标特征包括：基于所述多个图像特征分别对应图像帧的时间戳，确定所述多个图像特征分别对应的时间维度；将多个时间维度上分别对应的图像特征降维至同一个时间维度上，获得所述待处理视频的目标特征。7.根据权利要求6所述的方法，其特征在于，所述将多个时间维度上分别对应的图像特征降维至同一个时间维度上，获得所述待处理视频的目标特征包括：基于降维算法，将所述多个时间维度上分别对应的图像特征降维至同一个时间维度上，获得所述待处理视频的目标特征。8.根据权利要求7所述的方法，其特征在于，所述降维算法包括全局池化算法，所述基于降维算法，将所述多个时间维度上分别对应的图像特征降维至同一个时间维度上，获得所述待处理视频的目标特征包括：将多个图像特征中分别属于同一像素位置的像素特征值划分至同一池化集合，获得多个像素位置分别对应的池化集合；其中，所述像素位置为图像帧中多个像素点各自所在的位置点；针对任一池化集合，将所述池化集合中多个像素特征值按照分别对应图像特征的时间维度进行排序；将所述池化集合中排序后的多个像素特征值进行全局池化计算，获得所述池化集合对
应的目标特征值，以获得所述多个池化集合分别对应的目标特征值；基于所述多个像素位置以及所述多个像素位置分别对应的池化集合的目标特征值，确定所述待处理视频的目标特征。9.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述目标特征输入训练获得的行为检测模型，获得目标行为。10.根据权利要求9所述的方法，其特征在于，所述将所述目标特征输入训练获得的行为检测模型，获得目标行为包括：将所述目标特征输入训练获得的行为检测模型，获得所述目标行为以及所述目标行为对应的目标区域。11.根据权利要求10所述的方法，其特征在于，所述将所述目标特征输入训练获得的行为检测模型，获得所述目标行为以及所述目标行为对应的目标区域之后，所述方法还包括：基于所述目标区域，结合采集所述待处理视频的摄像设备的设备位置，确定所述目标行为发生时的行为发生位置。12.根据权利要求11所述的方法，其特征在于，所述方法还包括：基于所述目标行为以及所述行为发生位置，生成第一提示信息；输出所述第一提示信息，以提示在所述行为发生位置处发生所述目标行为。13.根据权利要求10所述的方法，其特征在于，所述将所述目标特征输入训练获得的行为检测模型，获得所述目标行为以及所述目标行为对应的目标区域包括：将所述目标特征输入所述行为检测模型的行为检测模块，获得所述目标行为；将所述目标特征输入所述行为检测模型的第一区域检测模块，获得所述目标行为对应的目标区域。14.根据权利要求10所述的方法，其特征在于，所述将所述目标特征输入训练获得的行为检测模型，获得所述目标行为以及所述目标行为对应的目标区域包括：将所述目标特征输入所述行为检测模型的行为检测模块，获得所述目标行为；将所述目标行为输入所述行为检测模型的第二区域检测模块，获得所述目标行为对应的目标区域。15.根据权利要求9所述的方法，其特征在于，所述方法还包括：基于所述目标行为，生成所述待处理视频的第二提示信息；输出所述第二提示信息。16.根据权利要求15所述的方法，其特征在于，所述输出所述第二提示信息包括：发送所述第二提示信息至用户端，以供所述用户端展示所述第二提示信息。17.根据权利要求1所述的方法，其特征在于，所述获取待处理视频中的多个图像帧之前，所述方法还包括：获取摄像设备采集的所述待处理视频。18.一种数据处理方法，其特征在于，包括：确定多个训练视频；其中，所述多个训练视频分别对应有标签行为；构建特征提取模型以及行为检测模型；基于所述特征提取模型，提取所述多个训练视频分别对应的目标特征；以所述行为检测模型对多个目标特征的行为预测结果与所述多个训练视频分别对应
的标签行为相同的训练目标，训练获得所述行为检测模型以及所述特征提取模型的目标模型参数。19.根据权利要求18所述的...

【专利技术属性】
技术研发人员：李超，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：