[发明专利]动作检测方法、装置、存储介质有效
申请号: | 201910741225.5 | 申请日: | 2019-08-12 |
公开(公告)号: | CN110543830B | 公开(公告)日: | 2022-05-13 |
发明(设计)人: | 高宗;谭泽汉;陈彦宇;马雅奇;周慧子;谭龙田;钟国崇;赵尹发 | 申请(专利权)人: | 珠海格力电器股份有限公司;珠海联云科技有限公司 |
主分类号: | G06V40/20 | 分类号: | G06V40/20;G06V40/10 |
代理公司: | 北京华夏泰和知识产权代理有限公司 11662 | 代理人: | 姜波 |
地址: | 519070*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 动作 检测 方法 装置 存储 介质 | ||
1.一种动作检测方法,其特征在于,所述方法包括:
获取当前时刻之前的第一预设时长的视频作为当前视频,所述当前视频为表征当前待进行动作识别的视频;
对所述当前视频进行检测,获取当前视频对应的当前动作类别;
获取当前时刻的上一时刻对应的上一视频对应的上一动作类别,所述当前时刻与所述上一时刻间隔第二预设时长,所述第二预设时长小于所述第一预设时长;
判断所述当前动作类别与所述上一动作类别是否为相同的动作类别,得到判定结果;
根据所述判定结果获取所述当前动作类别对应的动作的当前动作状态,所述当前动作状态用于表征当前动作类别对应的第一预设时长内的动作为开始状态、进行状态和/或结束状态;
根据所述当前动作状态,获取当前动作类别对应的动作的起止时刻。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将与所述当前时刻间隔第二预设时长的下一时刻作为当前时刻,执行所述获取当前时刻之前的第一预设时长的视频作为当前视频,所述当前视频为表征当前待进行动作识别的视频。
3.根据权利要求2所述的方法,其特征在于,所述对所述当前视
频进行检测,获取当前视频对应的当前动作类别,包括:
将所述当前视频输入到已训练的动作识别模型进行检测,获得所
述当前视频对应的当前动作类别。
4.根据权利要求3所述的方法,其特征在于,所述将所述当前视
频输入到已训练的动作识别模型进行检测,获得所述当前视频对应的当前动作类别,包括:
将所述当前视频输入到已训练的动作识别模型,分别获取所述当前视频多个可能对应的动作类别对应的置信度,所述置信度表征当前视频对应的当前动作类别为某个动作类别的概率;
比较多个所述置信度得到最高置信度;
将所述最高置信度对应的动作类别作为所述当前视频对应的当前动作类别。
5.根据权利要求4所述的方法,其特征在于,在所述判断所述当
前动作类别与所述上一动作类别是否为相同的动作类别,得到判定结果之后,还包括:
若所述判定结果为所述当前动作类别与上一动作类别为不同的动
作类别,则比较所述最高置信度与预设阈值;
若所述最高置信度小于所述预设阈值,则将上一动作类别作为当
前动作类别,
若所述最高置信度大于等于所述预设阈值,则当前动作类别不变。
6.根据权利要求4或5所述的方法,其特征在于,所述根据所述
判定结果获取所述当前动作类别对应的动作的当前动作状态,包括:
若所述判定结果为所述当前动作类别与上一动作类别为不同的动作类别,则判定当前动作类别对应的第一预设时长内的动作为开始状态,或判定当前动作类别对应的第一预设时长内的动作包括开始状态、进行状态、结束状态;
若所述判定结果为所述当前动作类别与上一动作类别相同,则判定当前动作类别对应的动作为进行状态或结束状态。
7.根据权利要求6所述的方法,其特征在于,所述根据所述当前
动作状态,获取当前动作类别对应的动作的起止时刻,包括:
若当前动作类别对应第一预设时长内的动作包括开始状态、进行状态、结束状态,则将所述上一时刻作为当前动作类别对应的动作的开始时刻和上一动作类别对应的动作的结束时刻,将当前时刻作为当前动作类别对应的动作的结束时刻;
若当前动作类别对应的动作为开始状态,则将所述上一时刻作为当前动作类别对应的动作的开始时刻和上一动作类别对应的动作的结束时刻;
若当前动作类别对应的动作为进行状态,则将所述当前时刻作为当前动作类别对应的动作的进行时刻;
若当前动作类别对应的动作为结束状态,则将所述当前时刻作为当前动作类别对应的动作的结束时刻。
8.根据权利要求3-5、7任意一项所述的方法,其特征在于,所述
第一预设时长为所述已训练的动作识别模型中所有动作类别中连续时间最短的动作类别。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于珠海格力电器股份有限公司;珠海联云科技有限公司,未经珠海格力电器股份有限公司;珠海联云科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910741225.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:对象识别系统
- 下一篇:一种基于卷积神经网络的脑纹识别方法