姿态分类方法、装置、设备和计算机存储介质制造方法及图纸

本申请属于姿态识别技术领域，具体涉及一种姿态分类方法、装置、设备和计算机存储介质。该方法通过获取待处理视频，并提取出多个关键帧，对多个关键帧再次进行特征提取，得到多个目标特征；通过不同的视频管道对待处理视频进行提取处理，得到多个待处理子视频；对多个目标特征和多个待处理子视频进行处理和特征融合，确定待处理视频的姿态分类结果。该方法可应用于工业物联网各节点人员睡岗识别等实际需要识别的姿态与预训练模型中的姿态差别很大的场景，保证了图像各部分间联系，确保视频时间前后帧间联系的准确识别，提高了姿态识别分类的效率和准确性。分类的效率和准确性。分类的效率和准确性。

【技术实现步骤摘要】
姿态分类方法、装置、设备和计算机存储介质


[0001]本申请属于姿态识别
，具体涉及一种姿态分类方法、装置、设备和计算机存储介质。

技术介绍

[0002]随着计算机视觉技术及其相关硬件设施的高速发展，人体姿态分类技术已经逐步应用于社会的各个领域之中，并且发挥着重要的经济价值和社会价值。人体姿态是人体重要的生物特征之一，人体姿态分类技术有很多的应用场景，如：步态分析、视频监控、增强现实、人机交互、金融、娱乐和游戏、体育科学等。
[0003]其中，当姿态识别技术应用于视频监控中时，可以识别视频中工作人员的不同姿态，确定是否存在睡岗行为，避免影响生产效率。姿态分类算法对于各个行业的中控室、值班室等人员睡岗检测，都可起到举足轻重的作用。
[0004]基于公开数据集的预训练姿态分类模型具有强大的视频分类能力，但在工业领域这种特定场景下，由于实际需要识别的姿态与预训练模型中的动作差别很大，导致识别的效果不好且姿态识别准确率不高。

技术实现思路

[0005]本申请提供了一种姿态分类方法、装置、设备和计算机存储介质，用以解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种姿态分类方法，其特征在于，所述方法包括：获取待处理视频，并根据所述待处理视频，获取所述待处理视频中每一帧对应的图像；根据所述图像，确定所述待处理视频的多个关键帧；分别对所述多个关键帧对应的图像进行特征提取，得到多个目标特征；通过多个视频管道对所述待处理视频进行提取处理，得到多个待处理子视频，其中，不同的视频管道获取的采样视频的帧数和画面大小不同；根据所述多个目标特征和所述多个待处理子视频，确定所述待处理视频的姿态分类结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述图像，确定所述待处理视频的多个关键帧，包括：获取姿态分类的多分类任务；对所述多分类任务进行分类处理，得到多个二分类任务，并获得每个二分类任务下的降维映射矩阵；根据多个降维映射矩阵和所述待处理视频中每一帧对应的图像，对每个帧对应的图像进行显著性判别处理，得到每一帧对应的图像的显著性判别结果；根据所述显著性判别结果，确定所述多个关键帧。3.根据权利要求2所述的方法，其特征在于，所述根据多个降维映射矩阵，对每个帧对应的图像进行显著性判别处理，包括：采用如下公式对每个帧对应的图像进行显著性判别处理：,,其中，为第c个二分类任务中目标姿态分别对应的每一帧的特征表示的集合；为第c个二分类任务中所有其他类视频分别对应的每一帧的特征表示的集合；为第c个二分类任务所对应的c个降维映射矩阵；为第m个视频的第i个帧的打分；为第m个视频的第i个帧的特征。4.根据权利要求1所述的方法，其特征在于，所述目标特征包括：目标检测特征，所述分别对所述多个关键帧对应的图像进行特征提取，得到多个目标特征，包括：根据所述多个关键帧对应的图像，通过目标检测算法确定每个关键帧对应的图像的目标区域；根据每个目标区域，确定每个关键帧对应的候选检测特征，所述检测特征用于指示对应的目标区域的高度、宽度以及存在人的概率的大小；从多个候选检测特征中，筛选出前N个候选检测特征，作为目标检测特征，其中，所述目标检测特征对应的概率大于其他检测特征对应的概率，N为大于等于1的整数。5.根据权利要求4所述的方法，其特征在于，所述目标特征还包括：二维图像特征，所述根据所述多个关键帧对应的图像，通过目标检测算法确定每个关键帧对应的图像的目标区
域之后，所述方法还包括：对多个目标区域进行...

【专利技术属性】
技术研发人员：曹伟，王晓利，段玉涛，孟祥秀，
申请(专利权)人：卡奥斯数字科技北京有限公司，
类型：发明
国别省市：