信息处理方法及装置、计算机设备和计算机可读存储介质制造方法及图纸

本申请涉及数据处理技术领域，适用于医疗健康领域，提出了一种信息处理方法及装置、计算机设备和计算机可读存储介质，该方法包括：获取第一图像序列；若第一图像序列中具有目标活体，基于第一图像序列中每组相邻第一图像的相似度，在第一图像序列中提取第二图像序列；基于预定的骨骼识别算法，获取第二图像序列内每个第二图像的骨骼特征向量，得到骨骼特征序列；基于骨骼特征序列，确定目标活体的每个骨骼点的运动信息；基于目标活体的每个骨骼点的运动信息，确定目标活体的活动量，活动量用于计算目标活体的运动特征信息。本技术方案可结合用户本身骨骼点位置与姿态变化中骨骼点运动情况灵活计算用户活动量。动情况灵活计算用户活动量。动情况灵活计算用户活动量。

【技术实现步骤摘要】
信息处理方法及装置、计算机设备和计算机可读存储介质


[0001]本申请涉及数据处理
，适用于医疗健康领域，尤其涉及一种信息处理方法及装置、计算机设备和计算机可读存储介质。

技术介绍

[0002]随着科学技术飞速发展，数字医疗渐渐融入人们的生活，衍生出一系列供用户便捷使用的健康服务。其中，手机、可穿戴设备等便携式设备中，往往为用户设置了具有卡路里计算功能的健康服务，同时，其他提供健康服务的设备在处理相关信息时往往也需要用到用户的卡路里这一数据。因此，卡路里的计算准确性格外关键。
[0003]卡路里计算中的一个重要参数，即为用户的活动量。相关技术中，一般通过智能手环、智能腕带等可穿戴设备对用户的整体运动轨迹进行采集，将用户的整体运动轨迹换算为活动量，代入预设的公式得到卡路里的数值。
[0004]然而，这种计算方式过于简略，用户的整体运动轨迹实际上无法全面反映用户的活动量。
[0005]比如，用户通过瑜伽等慢运动方式，原地进行运动，这种情况下，用户虽然并未移动，但活动量很大。因此，简单以用户的整体运动轨迹换算活动量的方式，影响最终卡路里计算的准确性。
[0006]因此，如何准确有效地计算用户的活动量，成为目前亟待解决的技术问题。

技术实现思路

[0007]本申请实施例提供了一种信息处理方法及装置、计算机设备和计算机可读存储介质，旨在解决相关技术中以用户的整体运动轨迹换算活动量的方式无法满足卡路里计算的准确性需求的技术问题。
[0008]第一方面，本申请实施例提供了一种信息处理方法，包括：获取第一图像序列，所述第一图像序列包括目标视频内连续的帧图像；若所述第一图像序列中具有目标活体，基于所述第一图像序列中每组相邻第一图像的相似度，在所述第一图像序列中提取第二图像序列；基于预定的骨骼识别算法，获取所述第二图像序列内每个第二图像的骨骼特征向量，得到骨骼特征序列；基于所述骨骼特征序列，确定所述目标活体的每个骨骼点的运动信息，其中，所述运动信息包括：骨骼点在每个所述骨骼特征向量中的当前位置，以及所述当前位置的置信度，所述置信度由OKS算法计算得到，用于反映骨骼点的当前位置与预设位置的相似度；基于所述目标活体的每个骨骼点的运动信息，确定所述目标活体的活动量，所述活动量用于计算所述目标活体的运动特征信息。
[0009]第二方面，本申请实施例提供了一种信息处理装置，包括：第一图像序列获取单元，用于获取第一图像序列，所述第一图像序列包括目标视频内连续的帧图像；第二图像序列获取单元，用于若所述第一图像序列中具有目标活体，基于所述第一图像序列中每组相邻第一图像的相似度，在所述第一图像序列中提取第二图像序列；骨骼特征序列获取单元，
用于基于预定的骨骼识别算法，获取所述第二图像序列内每个第二图像的骨骼特征向量，得到骨骼特征序列；骨骼点运动信息确定单元，用于基于所述骨骼特征序列，确定所述目标活体的每个骨骼点的运动信息，其中，所述运动信息包括：骨骼点在每个所述骨骼特征向量中的当前位置，以及所述当前位置的置信度，所述置信度由OKS算法计算得到，用于反映骨骼点的当前位置与预设位置的相似度；活动量确定单元，用于基于所述目标活体的每个骨骼点的运动信息，确定所述目标活体的活动量，所述活动量用于计算所述目标活体的运动特征信息。
[0010]第三方面，本申请实施例提供了一种计算机设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述第一方面所述的方法。
[0011]第四方面，本申请实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行上述第一方面所述的方法。
[0012]以上技术方案，针对相关技术中以用户的整体运动轨迹换算活动量的方式无法满足卡路里计算的准确性需求的技术问题，首先，获取第一图像序列，所述第一图像序列包括目标视频内连续的帧图像。第一图像序列为视频的视频帧，具体地，可通过手机、可穿戴设备、监控装置等任何能够进行视频采集的计算机设备采集视频，以该视频内的视频帧组成的第一图像序列作为活动量计算的依据。
[0013]接着，若所述第一图像序列中具有目标活体，基于所述第一图像序列中每组相邻第一图像的相似度，在所述第一图像序列中提取第二图像序列。其中，目标活体指的是预定的需要进行活动量计算的对象，比如，可穿戴设备的用户。相邻第一图像的相似度反映了目标活体的活动情况，故可基于所述第一图像序列中每组相邻第一图像的相似度，在所述第一图像序列中提取目标活体的体态发生变化的第二图像，组成第二图像序列。也就是说，第二图像序列为目标活体的体态发生变化时的图像，反映了目标活体的活动情况。
[0014]然后，基于预定的骨骼识别算法，获取所述第二图像序列内每个第二图像的骨骼特征向量，得到骨骼特征序列。骨骼特征序列中各第二图像的骨骼特征向量的变化反映了目标活体达到活动量统计标准的姿态变化。进而，基于所述骨骼特征序列，确定所述目标活体的每个骨骼点的运动信息，其中，所述运动信息包括：骨骼点在每个所述骨骼特征向量中的当前位置，以及所述当前位置的置信度，所述置信度由OKS算法计算得到，用于反映骨骼点的当前位置与预设位置的相似度。
[0015]由于在前述步骤中确定了目标人脸信息所属的用户，此时，可获取该用户对应的骨骼点预设位置，用以计算骨骼点当前位置的置信度。由此，在计算用户活动量时，将用户的个体差异考虑在内，可有效提升活动量计算的准确性。
[0016]最终，基于所述目标活体的每个骨骼点的运动信息，确定所述目标活体的活动量，所述活动量用于计算所述目标活体的运动特征信息。骨骼点的运动信息反映了骨骼点随目标活体的姿态变化在骨骼特征序列中各第二图像中的位置变化，每个骨骼点的位置变化均反映了目标活体在一定程度上的活动量。因此，可将骨骼点作为活动量计算单位，基于目标活体的每个骨骼点的运动信息，计算目标活体的姿态变化总量，即活动量。另外，所述运动特征信息包括但不限于卡路里、运动强度、心肺负荷强度等信息。
[0017]以上技术方案，可结合用户本身的骨骼点位置与用户姿态变化中的骨骼点运动情
况，灵活地计算用户的活动量，有效考虑到用户的个体差异，提升了活动量计算的准确性和可靠性。
【附图说明】
[0018]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0019]图1示出了根据本申请的一个实施例的信息处理方法的流程图；
[0020]图2示出了根据本申请的另一个实施例的信息处理方法的流程图；
[0021]图3示出了根据本申请的再一个实施例的信息处理方法的流程图；
[0022]图4示出了根据本申请的又一个实施例的信息处理方法的流本文档来自技高网...

【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：获取第一图像序列，所述第一图像序列包括目标视频内连续的帧图像；若所述第一图像序列中具有目标活体，基于所述第一图像序列中每组相邻第一图像的相似度，在所述第一图像序列中提取第二图像序列；基于预定的骨骼识别算法，获取所述第二图像序列内每个第二图像的骨骼特征向量，得到骨骼特征序列；基于所述骨骼特征序列，确定所述目标活体的每个骨骼点的运动信息，其中，所述运动信息包括：骨骼点在每个所述骨骼特征向量中的当前位置，以及所述当前位置的置信度，所述置信度由OKS算法计算得到，用于反映骨骼点的当前位置与预设位置的相似度；基于所述目标活体的每个骨骼点的运动信息，确定所述目标活体的活动量，所述活动量用于计算所述目标活体的运动特征信息。2.根据权利要求1所述的信息处理方法，其特征在于，在所述第一图像序列中提取第二图像序列之前，还包括：基于预定的活体检测方式，检测所述第一图像序列中是否具有活体；若所述第一图像序列中具有活体，通过MTCNN算法识别所述第一图像序列的每个第一图像内是否具有人脸；若所述第一图像序列的每个第一图像内均具有人脸，在多个预设人脸信息中选择与所述人脸相匹配的目标人脸信息，将所述目标活体确定为所述目标人脸信息所属的用户。3.根据权利要求1所述的信息处理方法，其特征在于，在所述第一图像序列中提取第二图像序列之前，还包括：通过ViBe算法识别所述第一图像序列中每组相邻第一图像的前景目标；基于所述前景目标的尺度不变特征变换特征，确定所述每组相邻第一图像的前景目标的共同特征点；基于所述共同特征点在所述每组相邻第一图像中的位置变化信息，确定所述每组相邻第一图像的相似度。4.根据权利要求1或2所述的信息处理方法，其特征在于，所述基于所述第一图像序列中每组相邻第一图像的相似度，在所述第一图像序列中提取第二图像序列，包括：基于所述第一图像序列中每组相邻第一图像的相似度，生成相似度分布曲线；将所述相似度位于所述相似度分布曲线的波谷的相邻第一图像提取至所述第二图像序列；或将所述相似度在所述相似度分布曲线上的斜率绝对值大于或等于预定斜率阈值的相邻第一图像提取至所述第二图像序列；或将所述相似度小于预定相似度阈值的相邻第一图像提取至所述第二图像序列。5.根据权利要求1所述的信息处理方法，其特征在于，所述基于预定的骨骼识别算法，获取所述第二图像序列内每个第二图像的骨骼特征向量，得到骨骼特征序列，包括：对于每个所述第二图像，基于预定的姿态估计算法，确定所述第二图像中所述目标活体的多个骨骼点；基于所述多个骨骼点，生成所述目标活体的骨骼特征向量，其中，所述第二图像序列内全部所述第二图像的骨骼特征向量组成所述骨骼特征序
列。6.根据权利要求5所述的信息处理方法，其特征在于，所述基于所述目标活体的每个骨骼点的运动信息，确定所述目标活体的活动量，包括：基于所述每个骨骼点的运动信息，确定所述目标活体的每个骨骼点的运动轨迹，并将所述每个骨骼点的运动轨迹的长度作为所述每个骨骼点的移动距离；基于所述每个骨骼点的移动距离，确定所述目标活体的活动量。7.根据权利要求5所述的信息处理方法，其特征在于，所述基于所述目标活体的每个骨骼点的运动信息，确定所述目标活体的活动量，包括：基于所述目标活体的每个骨骼点的运动信息，确定所述目标活体的每个肢体部的运动信息，其中，所述目标活体的每个肢体部由多个骨骼点组...

【专利技术属性】
技术研发人员：阮亮，
申请(专利权)人：康键信息技术深圳有限公司，
类型：发明
国别省市：