本发明专利技术公开了一种信息处理方法和装置。其中，该方法包括：获取待分析的目标视频，其中，目标视频中包括多帧图像帧，至少一帧图像帧上包括人体对象的信息；识别至少一帧图像帧中人体对象的人体关键点的像素坐标；根据人体关键点的像素坐标，确定有向图序列；将有向图序列输入U型条件有向图卷积网络进行处理，输出至少一帧图像帧中人体对象的姿态信息。本发明专利技术解决了相关技术中的人体姿态识别方法识别出的人体姿态信息的准确性较低的技术问题。人体姿态信息的准确性较低的技术问题。人体姿态信息的准确性较低的技术问题。
【技术实现步骤摘要】
信息处理方法和装置
[0001]本专利技术涉及信息处理
，具体而言，涉及一种信息处理方法和装置。
技术介绍
[0002]在虚拟形象驱动等计算机动画的任务中，需要捕捉真实的人体姿态来将真实感的动作序列迁移到虚拟人物形象上。但是由于深度歧义性的存在，根据关键点在2D图像中的像素坐标来估算关键点在三维物理空间中的坐标是一个病态问题。因此，常常需要借助人体骨骼的一些先验信息来辅助该任务，其中，较为常见的方法是将人体的骨架结构表达成无向图并应用图卷积网络。然而该方法并不能准确的表达人体骨架结构的层级特性，因此识别出的人体姿态的准确性较低。
[0003]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0004]本专利技术实施例提供了一种信息处理方法和装置，以至少解决相关技术中的人体姿态识别方法识别出的人体姿态的准确性较低的技术问题。
[0005]根据本专利技术实施例的一个方面，提供了一种信息处理方法，包括：获取待分析的目标视频，其中，目标视频中包括多帧图像帧，至少一帧图像帧上包括人体对象的信息；识别至少一帧图像帧中人体对象的人体关键点的像素坐标；根据人体关键点的像素坐标，确定有向图序列；将有向图序列输入U型条件有向图卷积网络进行处理，输出至少一帧图像帧中人体对象的姿态信息。
[0006]进一步地，根据人体关键点的像素坐标，确定有向图序列包括：根据据至少一帧图像帧中的人体关键点的像素坐标，确定人体对象的骨架图拓扑结构；根据至少一帧图像帧中的人体对象的骨架图拓扑结构，构建出有向图结构；将每一帧的有向图结构相连接，形成有向图序列。
[0007]进一步地，有向图序列中包括：多个节点的二维坐标，多条边和邻接矩阵，其中，边为节点与节点之间的有向连接关系组成的向量，将有向图序列输入U型条件有向图卷积网络进行处理，输出至少一帧图像帧中人体对象的姿态信息包括：采用空间时间有向图卷积模块对有向图序列中的多个节点和多条边进行卷积处理，得到卷积处理后的节点和边；将卷积处理后的节点和边，通过空间时间条件有向图卷积模块进行卷积处理，输出各个节点的三维坐标；将各个节点的三维坐标确定至少一帧图像帧中人体对象的三维人体姿态信息。
[0008]进一步地，在采用空间时间有向图卷积模块对有向图序列中的多个节点和多条边进行卷积处理，得到卷积处理后的节点和边之后，该方法还包括：采用预设降采样倍数对卷积处理后的节点和边进行下采样，得到下采样结果一；采用预设降采样倍数对下采样结果一进行下采样，得到下采样结果二；采用预设降采样倍数对下采样结果二进行下采样，得到下采样结果三。
[0009]进一步地，在将卷积处理后的节点和边通过空间时间条件有向图卷积模块进行卷积处理，输出各个节点的三维坐标之前，该方法还包括：将下采样结果三经过空间时间有向图卷积模块进行处理，得到处理后的下采样结果三；将处理后的下采样结果三与经过空间时间有向图卷积模块处理后的下采样结果三进行融合，得到融合结果一；将融合结果一进行上采样，得到上采样后的融合结果一；将上采样后的融合结果一与经过空间时间有向图卷积模块处理后的下采样结果二进行融合，得到融合结果二；将融合结果二进行上采样，得到上采样后的融合结果二；将上采样后的融合结果二与经过空间时间有向图卷积模块处理后的下采样结果一进行融合，得到融合结果三；将融合结果三与卷积处理后的节点和边进行融合，得到融合结果四；将融合结果四作为空间时间条件有向图卷积模块的输入。
[0010]进一步地，在将卷积处理后的节点和边通过空间时间条件有向图卷积模块进行卷积处理，输出各个节点的三维坐标之前，该方法还包括：通过路由函数确定预设数量的权重值；基于有向图序列中节点的有向连接关系，确定邻接矩阵基函数，其中，邻接矩阵基函数中的数据个数为预设数量；将预设数量的权重值作用在邻接矩阵基函数上进行线性组合，得到条件邻接矩阵。
[0011]进一步地，将卷积处理后的节点和边通过空间时间条件有向图卷积模块进行卷积处理，输出各个节点的三维坐标之前，该方法还包括：采用邻接矩阵基函数对有向图序列中各个节点的二维坐标进行更新；使用条件邻接矩阵，对更新后的节点再次进行坐标更新，得到节点的目标坐标；采用邻接矩阵基函数对有向图序列中的边进行更新，得到各个图像帧中人体的拓扑结构，其中，拓扑结构作为空间时间条件有向图卷积模块的输入。
[0012]根据本专利技术实施例的另一个方面，还提供了一种信息处理方法，包括：云服务器接收来自于客户端的待分析的目标视频，其中，目标视频中包括多帧图像帧，至少一帧图像帧上包括人体对象的信息；在云服务器中识别至少一帧图像帧中人体对象的人体关键点的像素坐标，根据人体关键点的像素坐标，确定有向图序列，将有向图序列输入U型条件有向图卷积网络进行处理，得到至少一帧图像帧中人体对象的姿态信息；将至少一帧图像帧中人体对象的姿态信息输出至客户端。
[0013]根据本专利技术实施例的另一个方面，还提供了一种信息处理方法，包括：接收用于识别任务的图像处理指令，其中，图像处理指令包括目标视频，目标视频中包括多帧图像帧，至少一帧图像帧上包括人体对象的信息；响应图像处理指令，对目标视频中的至少一帧图像帧进行处理得到的识别结果，其中，识别至少一帧图像帧中人体对象的人体关键点的像素坐标，根据人体关键点的像素坐标，确定有向图序列，将有向图序列输入U型条件有向图卷积网络进行处理，得到至少一帧图像帧中人体对象的姿态信息，将至少一帧图像帧中人体对象的姿态信息作为识别结果；基于识别结果，确定对人体对象执行疾病检测任务的策略。
[0014]根据本专利技术实施例的另一方面，还提供了一种信息处理装置，包括：第一获取单元，用于获取待分析的目标视频，其中，目标视频中包括多帧图像帧，至少一帧图像帧上包括人体对象的信息；第一识别单元，用于识别至少一帧图像帧中人体对象的人体关键点的像素坐标；第一确定单元，用于根据人体关键点的像素坐标，确定有向图序列；第一处理单元，用于将有向图序列输入U型条件有向图卷积网络进行处理，输出至少一帧图像帧中人体对象的姿态信息。
[0015]进一步地，第一确定单元包括：第一确定模块，用于根据据至少一帧图像帧中的人体关键点的像素坐标，确定人体对象的骨架图拓扑结构；第一构建模块，用于根据至少一帧图像帧中的人体对象的骨架图拓扑结构，构建出有向图结构；第一获取模块，用于将每一帧的有向图结构相连接，形成有向图序列。
[0016]进一步地，有向图序列中包括：多个节点的二维坐标，多条边和邻接矩阵，其中，边为节点与节点之间的有向连接关系组成的向量，第一处理单元包括：第一处理模块，用于采用空间时间有向图卷积模块对有向图序列中的多个节点和多条边进行卷积处理，得到卷积处理后的节点和边；第二处理模块，用于将卷积处理后的节点和边，通过空间时间条件有向图卷积模块进行卷积处理，输出各个节点的三维坐标；第二确定模块，用于将各个节点的三维坐标确定至少一帧图像帧中人体对象的三维人体姿态信息。
[0017]进一步地，该装置还包括：第二处理单元，用于在采用空间时间有向图卷积本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种信息处理方法，其特征在于，包括：获取待分析的目标视频，其中，所述目标视频中包括多帧图像帧，至少一帧图像帧上包括人体对象的信息；识别至少一帧图像帧中人体对象的人体关键点的像素坐标；根据所述人体关键点的像素坐标，确定有向图序列；将所述有向图序列输入U型条件有向图卷积网络进行处理，输出至少一帧图像帧中人体对象的姿态信息。2.根据权利要求1所述的方法，其特征在于，根据所述人体关键点的像素坐标，确定有向图序列包括：根据据至少一帧图像帧中的所述人体关键点的像素坐标，确定所述人体对象的骨架图拓扑结构；根据至少一帧图像帧中的所述人体对象的骨架图拓扑结构，构建出有向图结构；将每一帧的有向图结构相连接，形成所述有向图序列。3.根据权利要求1所述的方法，其特征在于，其中，所述有向图序列中包括：多个节点的二维坐标，多条边和邻接矩阵，其中，所述边为节点与节点之间的有向连接关系组成的向量，将所述有向图序列输入U型条件有向图卷积网络进行处理，输出至少一帧图像帧中人体对象的姿态信息包括：采用空间时间有向图卷积模块对所述有向图序列中的多个节点和多条边进行卷积处理，得到卷积处理后的节点和边；将所述卷积处理后的节点和边，通过空间时间条件有向图卷积模块进行卷积处理，输出各个节点的三维坐标；将所述各个节点的三维坐标确定至少一帧图像帧中人体对象的三维人体姿态信息。4.根据权利要求3所述的方法，其特征在于，其中，在采用空间时间有向图卷积模块对所述有向图序列中的多个节点和多条边进行卷积处理，得到卷积处理后的节点和边之后，所述方法还包括：采用预设降采样倍数对卷积处理后的节点和边进行下采样，得到下采样结果一；采用所述预设降采样倍数对所述下采样结果一进行下采样，得到下采样结果二；采用所述预设降采样倍数对所述下采样结果二进行下采样，得到下采样结果三。5.根据权利要求4所述的方法，其特征在于，其中，在将所述卷积处理后的节点和边通过空间时间条件有向图卷积模块进行卷积处理，输出各个节点的三维坐标之前，所述方法还包括：将所述下采样结果三经过所述空间时间有向图卷积模块进行处理，得到处理后的下采样结果三；将所述处理后的下采样结果三与经过所述空间时间有向图卷积模块处理后的下采样结果三进行融合，得到融合结果一；将所述融合结果一进行上采样，得到上采样后的融合结果一；将所述上采样后的融合结果一与经过所述空间时间有向图卷积模块处理后的下采样结果二进行融合，得到融合结果二；将所述融合结果二进行上采样，得到上采样后的融合结果二；
将所述上采样后的融合结果二与经过所述空间时间有向图卷积模块处理后的下采样结果一进行融合，得到融合结果三；将所述融合结果三与卷积处理后的节点和边进行融合，得到融合结果四；将所述融合结...
【专利技术属性】
技术研发人员：胡文博，张长弓，马菲莹，谢宣松，张磊，
申请(专利权)人：阿里巴巴新加坡控股有限公司，
类型：发明
国别省市：
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。