[发明专利]基于视频中人体步态的状态识别方法、装置及存储介质

说明书

本发明涉及生物识别技术领域，提出一种基于视频中人体步态的状态识别方法、装置及存储介质，其中的方法包括：获取待处理视频中的帧图像，并在各帧图像中框选出包含对应待检测人体的最小矩形框；基于最小矩形框绘制周期曲线，并获取待检测人体的关键点坐标信息；将关键点坐标信息及与待检测人体对应的微表情情绪作为训练数据，训练步态情绪识别模型；根据步态情绪识别模型获取与待检测人体对应的情绪特征；通过贝叶斯网络模型对情绪特征进行兴奋度和愉悦度的分数评估，基于评估分数获取待检测人体的状态信息。本发明能够通过步态情绪识别模型获取视频帧中的目标人物的情绪特征，进而获取其状态信息，能够适用于各场景的人物状态信息采集。

技术领域

本发明涉及生物识别技术领域，尤其涉及一种基于视频中人体步态的状态识别方法、装置及计算机可读存储介质。

背景技术

情绪识别，是一种判断人的情绪变化的技术，主要是通过收集人的外在表情和行为变化，对人的心理状态进行推断。在现代社会，情绪识别技术以及被广泛应用于智能设备开发、销售导购机器人、健康管理、广告营销等方面。情绪是一种综合了人的感觉、思想和行为的状态，它包括人对外界或自身刺激的心理反应，也包括伴随这种心理反应的生理反应。在各种人-机交互系统(比如机器人，审讯系统等)里，如果系统能识别出人的情绪状态，人与机器的交互就会变得更加友好和自然。因此，对情绪进行分析和识别是神经科学、心理学、认知科学、计算机科学和人工智能等领域的一项重要的交叉学科研究课题。

目前，随着机器学习、人工智能以及人类行为学研究的发展，人们对人类情绪表达的研究越发重视。传统技术进行人物情绪识别主要包括两种方式，一是通过训练卷积神经网络模型，并使用训练好的模型实现对图像中的人脸情绪的识别，但搭建模型的运算量大，计算周期长，成本高，从而导致识别效率不高，且仅能进行图像的人物情绪识别；二是通过将视频数据或音频数据直接翻译成文字数据，并对文字数据进行特征提取，通过分析特征实现情绪识别，而翻译的过程中易出现误差，易造成特征提取不准，从而导致人物情绪识别准确度降低。

因此，如何确定一种方式，能够对目标人物的情绪进行更加鲁棒的识别，也是当前情绪识别领域亟待解决的问题。

发明内容

本发明提供一种基于视频中人体步态的状态识别方法、电子装置及计算机可读存储介质，其主要目的在于基于步态情绪识别模型获取视频帧中的目标人物的情绪状态，并对其情绪状态进行分类及评分，能够实现基于视频的人体姿势的状态识别，可实时了解目标人物的情绪状态。

为实现上述目的，本发明提供一种基于视频中人体步态的状态识别方法，应用于电子装置，所述方法包括：

获取待处理视频中的帧图像，并在各帧图像中框选出包含对应待检测人体的最小矩形框；

基于最小矩形框绘制周期曲线，并根据周期曲线获取待检测人体的关键点坐标信息；

将关键点坐标信息及与待检测人体对应的微表情情绪作为训练数据，训练步态情绪识别模型；

根据步态情绪识别模型和关键点坐标信息获取与待检测人体对应的情绪特征；

通过贝叶斯网络模型对情绪特征进行兴奋度和愉悦度的分数评估，基于评估分数获取待检测人体的状态信息。

作为具体实施例，获取待处理视频中的帧图像，并在各帧图像中框选出包含对应待检测人体的最小矩形框的步骤包括：

获取待处理视频中的一系列帧图像，并基于帧图像获取对应的背景图像和差分图像；

对差分图像进行二值化处理，以获取对应的二值化图像；

基于二值化图像获取人体目标图像；

根据人体目标图像获取包含待检测人体的最小矩形框。

作为具体实施例，基于二值化图像获取人体目标图像的步骤包括：