一种自适应的基于熵的快速工人动作图像传输方法及系统技术方案

本发明专利技术属于图像处理、信息论技术领域，公开了一种自适应的基于熵的快速工人动作图像传输方法及系统，所述自适应的基于熵的快速工人动作图像传输方法包括：分解图像，对工人动作进行识别分类；根据动作特性计算连续帧中的基于动作特性的信息熵大小；根据信息熵值的特性，识别出关键动作关键帧；根据基于自注意力机制的机器学习模型完成关键帧出现规律特性的提取；传输关键动作帧类型信息。本发明专利技术提供的自适应的基于熵的快速工人动作图像传输方法，通过有效利用动作时空信息的连续性特点，使用信息熵为工具压缩了工人动作图像传输数据，为进一步快速工人动作识别提供了有效手段。段。段。

【技术实现步骤摘要】
一种自适应的基于熵的快速工人动作图像传输方法及系统


[0001]本专利技术属于图像处理、信息论
，尤其涉及一种自适应的基于熵的快速工人动作图像传输方法及系统。

技术介绍

[0002]目前，计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
[0003]在工业生产中，即时的快速运动图像分析应用中，图像传输并逐帧处理效率较低，出现效率低的原因有很多，其中一个最主要的原因是传输了大量冗余的信息，其次是没有足够利用连续帧的特性，所以对图像传输的减负成为了急需解决的问题。
[0004]通过上述分析，现有技术存在的问题及缺陷为：传统图像传输方法在工业应用时需求对硬件需求极高，并且硬件足够好也并不容易即时相应。该方法可以选取更有即时意义的祯并进行处理分析及传输，加快整体运行速度，使检测程序可以的在即时性工业场景应用并响应事件。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术提供了一种自适应的基于熵的快速工人动作图像传输方法及系统，尤其涉及一种自适应的基于香农信息熵的快速工人动作图像数据传输方法及系统。
[0006]本专利技术是这样实现的，一种自适应的基于熵的快速工人动作图像传输方法，所述自适应的基于熵的快速工人动作图像传输方法包括以下步骤：
[0007]步骤一，分解图像，对工人动作进行识别分类；
[0008]步骤二，根据动作特性计算连续帧中的基于动作特性的信息熵大小；
[0009]步骤三，根据信息熵值的特性，识别出关键动作关键帧；
[0010]步骤四，根据基于自注意力机制的机器学习模型完成关键帧出现规律特性的提取；
[0011]步骤五，传输关键动作帧类型信息。
[0012]进一步，所述步骤三中的识别出关键动作关键帧包括：
[0013](1)计算每一个视频帧图像的信息熵，记为I
i
；
[0014](2)利用滑动窗口的思想，给定滑动窗口C的长度L，计算每个窗口C
i
的平均信息熵大小和窗口信息熵最大在帧
[0015](3)信息熵关键帧的判别；比较视频图像的第一帧I0与第一个窗口平均信息熵的相似度S，若相似度S不小于给定的阈值τ，则将第C
i
个滑动窗口中信息熵最大的帧图像作为当前窗口的关键帧，并将所述关键帧的作为新的关键帧，直至处理完所有的视频帧；
反之，进入步骤(4)；
[0016](4)相似度小于阈值的情况，若S＜τ，则选取第C
i
个滑动窗口中信息熵最大的帧图像作为下一个滑动窗口的起始位置后，转步骤(3)。
[0017]进一步，所述步骤(2)中的计算公式如下所示：
[0018][0019][0020]其中，表示第i滑动窗口的第j帧图像的信息熵。
[0021]进一步，所述步骤(3)中的相似度S的计算公式如下所示：
[0022][0023]进一步，所述步骤四中的关键帧出现规律特性的提取包括：
[0024](1)选取关键帧流；
[0025](2)利用自注意力机制判断关键帧的注意力最集中的位置；
[0026](3)判断关键帧图片关键位置上的信息；
[0027](4)根据步骤(3)的信息总结特殊规律。
[0028]进一步，所述步骤五中的自传输关键动作帧类型信息压缩包括：
[0029](1)根据传输图片的信息变化率确定一个自适应的阈值；
[0030](2)信息之间信息熵差大于阈值的就加高信息传输的频率；
[0031](3)信息熵差距比自适应阈值小的就压缩跳跃图片处理。
[0032]本专利技术的另一目的在于提供一种应用所述的自适应的基于熵的快速工人动作图像传输方法的自适应的基于熵的快速工人动作图像传输系统，所述自适应的基于熵的快速工人动作图像传输系统包括：
[0033]识别分类模块，用于分解图像，对工人动作进行识别分类；
[0034]信息熵计算模块，用于根据动作特性计算连续帧中的基于动作特性的信息熵大小；
[0035]关键帧识别模块，用于根据信息熵值的特性，识别出关键动作关键帧；
[0036]规律特性提取模块，用于根据基于自注意力机制的机器学习模型完成关键帧出现规律特性的提取；
[0037]信息传输模块，用于传输关键动作帧类型信息。
[0038]本专利技术的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
[0039]分解图像，对工人动作进行识别分类；根据动作特性计算连续帧中的基于动作特性的信息熵大小；根据信息熵值的特性，识别出关键动作关键帧；
[0040]根据基于自注意力机制的机器学习模型完成关键帧出现规律特性的提取；传输关键动作帧类型信息。
[0041]本专利技术的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
[0042]分解图像，对工人动作进行识别分类；根据动作特性计算连续帧中的基于动作特性的信息熵大小；根据信息熵值的特性，识别出关键动作关键帧；
[0043]根据基于自注意力机制的机器学习模型完成关键帧出现规律特性的提取；传输关键动作帧类型信息。
[0044]本专利技术的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的自适应的基于熵的快速工人动作图像传输系统。
[0045]结合上述的技术方案和解决的技术问题，请从以下几方面分析本专利技术所要保护的技术方案所具备的优点及积极效果为：
[0046]第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本专利技术的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本专利技术技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
[0047]本专利技术提供的自适应的基于熵的快速工人动作图像传输方法，通过有效利用动作时空信息的连续性特点，使用信息熵为工具压缩了工人动作图像传输数据，为进一步快速工人动作识别提供了有效手段。
[0048]第二，把技术方案看做一个整体或者从产品的角度，本专利技术所要保护的技术方案具备的技术效果和优点，具体描述如下：在实时性高速运动场景图片分析传输中提供了精准且高效的技术手段，在低硬件配置情况下可以更好的取代跳帧等模糊化处理。信息熵和图片上下文环境更好的利用了图片的信息特点，完成了高效且精简的图片输送。
[0049]第三，作为本专利技术的权利要求的创造性辅助证据，还体现在以下几个重要方面：本专利技术的技术方案转化后的预期收益和商业价值为：在实时性高速运动分析中提供了更为高效和精准的图像处理和传输技术。
附图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应的基于熵的快速工人动作图像传输方法，其特征在于，所述自适应的基于熵的快速工人动作图像传输方法包括以下步骤：步骤一，分解图像，对工人动作进行识别分类；步骤二，根据动作特性计算连续帧中的基于动作特性的信息熵大小；步骤三，根据信息熵值的特性，识别出关键动作关键帧；步骤四，根据基于自注意力机制的机器学习模型完成关键帧出现规律特性的提取；步骤五，传输关键动作帧类型信息。2.如权利要求1所述的自适应的基于熵的快速工人动作图像传输方法，其特征在于，所述步骤三中的识别出关键动作关键帧包括：(1)计算每一个视频帧图像的信息熵，记为I
i
；(2)利用滑动窗口的思想，给定滑动窗口C的长度L，计算每个窗口C
i
的平均信息熵大小和窗口信息熵最大在帧(3)信息熵关键帧的判别；比较视频图像的第一帧I0与第一个窗口平均信息熵的相似度S，若相似度S不小于给定的阈值τ，则将第C
i
个滑动窗口中信息熵最大的帧图像作为当前窗口的关键帧，并将所述关键帧的作为新的关键帧，直至处理完所有的视频帧；反之，进入步骤(4)；(4)相似度小于阈值的情况，若S＜τ，则选取第C
i
个滑动窗口中信息熵最大的帧图像作为下一个滑动窗口的起始位置后，转步骤(3)。3.如权利要求2所述的自适应的基于熵的快速工人动作图像传输方法，其特征在于，所述步骤(2)中的计算公式如下所示：步骤(2)中的计算公式如下所示：其中，表示第i滑动窗口的第j帧图像的信息熵。4.如权利要求2所述的自适应的基于熵的快速工人动作图像传输方法，其特征在于，所述步骤(3)中的相似度S的计算公式如下所示：5.如权利要求1所述的自适应的基于熵的快速工人动作图像传输方法，其特征在于，所述步骤四中的关键帧出现规律特性的提取包括：(1)选取关键帧流；(2)利用自注意力机制判断关键帧的注意力最集中的位置；(3)判断关键帧图片关键位置上的信息...

【专利技术属性】
技术研发人员：向华，欧健，何黎霞，
申请(专利权)人：长江大学，
类型：发明
国别省市：