[发明专利]视频关键点处理方法、装置、计算设备及计算机存储介质

权利要求书

1.一种视频关键点处理方法，其包括：

获取视频数据；

获取所述视频数据中第t帧图像，其中t大于1；

将所述第t帧图像输入至神经网络中得到第t帧图像的关键点的坐标信息；

根据关键点的移动速度，选取静态模型或动态模型对第t帧图像的关键点的坐标信息进行修正处理，其中，所述静态模型依据第t-n+1帧图像至第t-1帧图像的关键点的坐标信息对第t帧图像的关键点的坐标信息进行修正处理，n为预设值，所述动态模型依据关键点的移动速度对第t帧图像的关键点的坐标信息进行修正处理；

利用修正处理后的第t帧图像的关键点的坐标信息，对第t帧图像进行处理，得到处理后的第t帧图像；

将处理后的第t帧图像覆盖第t帧图像得到处理后的视频数据；

其中，所述选取静态模型对第t帧图像的关键点的坐标信息进行修正处理进一步包括：

获取第t-n+1帧图像至第t-1帧图像的关键点的坐标信息，n为预设值；

针对第t-n+1帧图像至第t帧图像中的任一帧图像，根据该帧图像与第t帧图像之间的帧距以及该帧图像的关键点与第t帧图像的关键点之间的距离确定该帧图像的权重；

根据第t-n+1帧图像至第t帧图像的权重，将第t-n+1帧图像至第t帧图像的关键点的坐标信息进行加权平均，得到修正处理后的第t帧图像的关键点的坐标信息，其中，所述静态模型包括依据第t-n+1帧图像至第t-1帧图像的关键点的坐标信息对第t帧图像的关键点的坐标信息进行修正处理，所述动态模型包括依据关键点的移动速度对第t帧图像的关键点的坐标信息进行修正处理。

2.根据权利要求1所述的方法，其中，所述获取视频数据进一步包括：

获取本地视频数据和/或网络视频数据。

3.根据权利要求1或2所述的方法，其中，所述获取视频数据进一步包括：

获取由多个本地图片和/或多个网络图片合成的视频数据。

4.根据权利要求3所述的方法，其中，所述根据关键点的移动速度，选取静态模型或动态模型对第t帧图像的关键点的坐标信息进行修正处理进一步包括：

判断关键点的移动速度是否大于预设阈值，若是，则选取动态模型对第t帧图像的关键点的坐标信息进行修正处理；否则，选取静态模型对第t帧图像的关键点的坐标信息进行修正处理。

5.根据权利要求4所述的方法，其中，所述选取动态模型对第t帧图像的关键点的坐标信息进行修正处理进一步包括：

根据第t-1帧图像的关键点相对于第t-2帧图像的关键点的移动速度以及第t-1帧图像的关键点的坐标信息，预测得到第t帧图像的关键点的坐标信息；

计算利用神经网络得到的第t帧图像的关键点的坐标信息与预测得到的第t帧图像的关键点的坐标信息之间的距离；

根据所述距离，对利用神经网络得到的第t帧图像的关键点的坐标信息与预测得到的第t帧图像的关键点的坐标信息进行融合计算处理，得到修正处理后的第t帧图像的关键点的坐标信息。

6.根据权利要求5所述的方法，其中，针对第t-n+1帧图像至第t帧图像中的任一帧图像，该帧图像的权重与该帧图像与第t帧图像之间的帧距以及该帧图像的关键点与第t帧图像的关键点之间的距离成反比关系。

7.根据权利要求5所述的方法，其中，根据所述 距离，对利用神经网络得到的第t帧图像的关键点的坐标信息与预测得到的第t帧图像的关键点的坐标信息进行融合计算处理，得到修正处理后的第t帧图像的关键点的坐标信息进一步包括：

依据所述距离确定融合计算处理时利用神经网络得到的第t帧图像的关键点的坐标信息对应的第一权重，以及确定预测得到的第t帧图像的关键点的坐标信息对应的第二权重，其中，所述第一权重与第二权重之和等于1，所述第一权重与所述距离成正比关系，所述第二权重与所述距离成反比关系；

根据所述第一权重、第二权重对利用神经网络得到的第t帧图像的关键点的坐标信息与预测得到的第t帧图像的关键点的坐标信息进行融合计算处理，得到修正处理后的第t帧图像的关键点的坐标信息。