[发明专利]视频数据的处理方法、装置及计算设备

说明书

技术领域

本发明涉及图像处理技术领域，具体涉及一种视频数据的处理方法、装置及计算设备。

背景技术

随着科学技术的发展，更高层次的人机交互理念对交互方式提出了越来越高的要求，例如，体感人机交互方式，人们可以很直接地使用肢体动作，与周边的装置或者环境进行互动，无需使用任何复杂的控制设备，便可让人们身历其境地与装置或者环境做互动。

但是，发明人在实现本发明的过程中发现：现有技术中的体感人机交互方式往往需要高精度地捕捉用户的体感动作，例如需要定位人体的关节点以确定用户的体感动作；其次，现有技术中的体感人机交互方式往往依赖高精度、高深度的摄像头以对用户的体感动作进行预测，然而高精度、高深度的摄像头成本高，并且只能在无强烈的红外干扰的情况下使用，基于该方式的人机交互方式在移动终端上难以推广；另外，基于RGB图像的体感动作捕捉往往需要很大的计算量；此外，现有技术中往往单独以体感动作为驱动进行人机交互，该方式不能保证处理的准确性，存在一定的误判率。由此可见，现有技术中缺少一种能够很好地解决上述问题的方法。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的视频数据的处理方法、装置及计算设备。

根据本发明的一个方面，提供了一种视频数据的处理方法，包括：针对所述视频数据中的多个图像帧进行人体分割处理，得到与所述多个图像帧相对应的多个人体区域数据；将所述多个人体区域数据分别与预设的组合动作数据集中包含的多个体感动作数据进行比较；当确定比较结果符合预设匹配规则时，根据与所述多个图像帧相对应的音频数据确定音频指令，判断与所述多个人体区域数据相匹配的组合动作数据集与所述音频指令是否匹配；若是，获取与所述多个人体区域数据相匹配的组合动作数据集所对应的组合动作处理规则，按照所述组合动作处理规则对所述视频数据进行处理，显示处理后的视频数据。

可选地，所述根据与所述多个图像帧相对应的音频数据确定音频指令的步骤具体包括：

针对与所述多个图像帧相对应的音频数据进行语音识别，得到语音识别结果；

根据预设的音频指令库确定与该语音识别结果相对应的音频指令；其中，所述音频指令库用于存储各个音频指令。

可选地，所述音频指令库进一步用于存储各个音频指令及其对应的组合动作数据集之间的映射关系；

则所述判断与所述多个人体区域数据相匹配的组合动作数据集与所述音频指令是否匹配的步骤具体包括：

根据所述音频指令库确定与所述多个人体区域数据相匹配的组合动作数据集与所述音频指令是否匹配。

可选地，所述预设的组合动作数据集包括：多个存储在预设的体感动作库中的组合动作数据集，且每个组合动作数据集中包含至少两个体感动作数据；

则所述将所述多个人体区域数据分别与预设的组合动作数据集中包含的多个体感动作数据进行比较的步骤具体包括：

将所述多个人体区域数据分别与所述体感动作库中存储的各个组合动作数据集中包含的多个体感动作数据进行比较。

可选地，所述预设匹配规则包括：

当所述多个人体区域数据中包含的M个人体区域数据分别与待比较的组合动作数据集中包含的M个体感动作数据匹配时，确定所述多个人体区域数据与所述待比较的组合动作数据集符合所述匹配规则；

其中，所述多个人体区域数据的总数量大于或等于M，所述待比较的组合动作数据集中包含的多个体感动作数据的总数量大于或等于M；其中，M为大于1的自然数。

可选地，所述待比较的组合动作数据集中包含的每个体感动作数据具有时间序号标识，则所述多个人体区域数据中包含的M个人体区域数据分别与待比较的组合动作数据集中包含的M个体感动作数据匹配的步骤具体包括：

判断所述多个人体区域数据中包含的M个人体区域数据在所述视频数据中的出现次序是否与待比较的组合动作数据集中包含的M个体感动作数据的时间序号标识匹配；

若是，则确定所述多个人体区域数据中包含的M个人体区域数据分别与待比较的组合动作数据集中包含的M个体感动作数据匹配。

可选地，所述针对所述视频数据中的多个图像帧进行人体分割处理，得到与所述多个图像帧相对应的多个人体区域数据的步骤具体包括：

按照各个图像帧在所述视频数据中的出现次序，实时获取所述视频数据中包含的当前待处理的图像帧，对所述当前待处理的图像帧进行人体分割处理，得到与所述当前待处理的图像帧相对应的人体区域数据。