[发明专利]运动视频数据处理方法、装置、计算机设备和存储介质在审

专利信息
申请号: 202010224320.0 申请日: 2020-03-26
公开(公告)号: CN111429554A 公开(公告)日: 2020-07-17
发明(设计)人: 陈粉玉 申请(专利权)人: 深圳壹账通智能科技有限公司
主分类号: G06T13/60 分类号: G06T13/60;G06K9/00
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 王宁
地址: 518052 广东省深圳市前海深港合作区前*** 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: 运动 视频 数据处理 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种运动视频数据处理方法,所述方法包括:

从待分享的运动视频文件中分别获取人物姿态幅度信息、人物人脸特征信息以及人物表情信息;

根据所述人物姿态幅度信息、所述人物人脸特征信息以及人物表情信息对所述运动视频文件中的人物进行形象映射,得到携带目标辅助形象的目标主体形象,根据所述目标辅助形象得到人物辅助形象;

从所述运动视频文件中获取各视频帧中人物各身体部位的位置信息,并根据所述目标辅助形象和所述目标主体形象确定待渲染位置信息;

根据所述人物辅助形象、所述位置信息以及所述待渲染位置信息,对所述运动视频文件中各视频帧中的人物进行渲染,得到待分享运动视频数据。

2.根据权利要求1所述的方法,其特征在于,所述从待分享的运动视频文件中分别获取人物姿态幅度信息、人物人脸特征信息以及人物表情信息包括:

对所述运动视频文件进行姿态关键点检测,得到姿态关键特征数据;

对所述姿态关键特征数据进行预处理,根据预处理后的所述姿态关键特征数据得到人物姿态幅度信息。

3.根据权利要求2所述的方法,其特征在于,所述根据预处理后的所述姿态关键特征数据得到人物姿态幅度信息包括:

获取样本人物姿态关键特征数据,所述样本人物姿态关键特征数据包括关键特征点的位置信息和特征点对应关系;

根据所述位置信息和所述特征点对应关系,得到各所述关键特征点之间的距离;

获取人物姿态幅度信息的对应关系表,根据各所述关键特征点之间的距离和所述对应关系表进行有监督学习训练,得到姿态幅度模型;

将预处理后的所述姿态关键特征数据输入所述姿态幅度模型,得到人物姿态幅度信息。

4.根据权利要求1所述的方法,其特征在于,所述从待分享的运动视频文件中分别获取人物姿态幅度信息、人物人脸特征信息以及人物表情信息包括:

根据所述运动视频文件进行人脸检测,得到人脸图像数据;

对所述人脸图像数据进行图片降维,得到人脸特征向量;

根据所述人脸特征向量,得到人物人脸特征信息。

5.根据权利要求4所述的方法,其特征在于,所述对所述人脸图像数据进行图片降维,得到人脸特征向量包括:

获取样本人脸图像数据;

将所述样本人脸图像数据输入预设的初始自编码器,得到编码输出数据;

获取所述样本人脸图像数据和所述编码输出数据的误差函数;

根据所述误差函数进行误差反向传播调整所述初始自编码器,得到自编码器;

通过所述自编码器对所述人脸图像数据进行图片降维,得到人脸特征向量。

6.根据权利要求4所述的方法,其特征在于,所述根据所述人脸特征向量,得到人物人脸特征信息包括:

获取样本人脸特征数据,所述样本人脸特征数据包括样本人脸特征向量和样本人脸特征标记信息;

将所述样本人脸特征向量输入预设的初始人脸识别模型,得到实际输出信息;

获取所述样本人脸特征标记信息与所述实际输出信息的偏差值;

根据所述偏差值调整所述初始人脸识别模型,得到人脸识别模型;

将所述人脸特征向量输入所述人脸识别模型,得到人物人脸特征信息。

7.根据权利要求1所述的方法,其特征在于,所述根据所述人物姿态幅度信息、所述人物人脸特征信息以及人物表情信息对所述运动视频文件中的人物进行形象映射,得到携带目标辅助形象的目标主体形象,根据所述目标辅助形象得到人物辅助形象包括:

获取携带样本辅助形象的样本主体形象数据,所述样本主体形象数据包括姿态信息、人脸特征信息以及表情信息;

根据所述姿态信息、所述人脸特征信息、所述表情信息以及所述样本辅助形象进行有监督学习训练,得到形象映射模型;

将所述人物姿态幅度信息、所述人物人脸特征信息以及所述人物表情信息输入所述形象映射模型,得到携带目标辅助形象的目标主体形象,将所述目标辅助形象作为人物辅助形象。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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深圳壹账通智能科技有限公司,未经深圳壹账通智能科技有限公司许可,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/202010224320.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top