[发明专利]一种信息处理方法、装置、电子设备及存储介质

权利要求书

1.一种信息处理方法，其特征在于，包括：

获取多组检测数据，所述检测数据包括动作类型对应的置信度，以及动作持续时间；

对所述动作类型对应的置信度以及动作持续时间进行分析确定异常数据；

根据所述异常数据更新所述检测数据；

根据更新后的检测数据计算所述动作类型对应的目标动作持续时间。

2.根据权利要求1所述的方法，其特征在于，所述获取多组检测数据，包括：

获取待检测视频，所述待检测视频中包括处于工作状态的对象；

对所述待检测视频进行检测得到检测结果，所述检测结果包括确定所述对象的动作类型以及所述动作类型的置信度；

根据所述检测结果确定所述动作类型对应的动作持续时间；

将所述动作类型，以及所述动作类型对应的动作持续时间和置信度作为所述检测数据。

3.根据权利要求2所述的方法，其特征在于，所述对所述待检测视频进行检测得到检测结果，所述检测结果包括确定所述对象的动作类型以及所述动作类型的置信度，包括：

按照预设时间间隔对所述待检测视频数据进行划分得到至少一个时间区间，并从所述时间区间中随机获取预设帧数的待检测图像；

将所述待检测图像输入预先训练好的检测模型，由所述检测模型从所述待检测图像中提取所述对象的动作特征，根据所述动作特征确定所述对象在所述时间区间内的动作类型，以及在所述时间区间内所述动作类型对应的置信度。

4.根据权利要求3所述的方法，其特征在于，所述根据所述检测结果确定所述动作类型对应的动作持续时间包括：

从所述待检测视频获取所述动作类型对应的至少两个相邻的时间区间；

根据所述至少两个相邻的时间区间确定所述动作类型的动作持续时间。

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取样本视频片段，所述样本视频片段中包括处于工作状态的对象；

获取所述样本视频片段的标注信息，所述标注信息包括：所述对象的动作特征，以及所述动作特征对应的动作类型；

采用所述样本视频片段和所述标注信息对预设卷积神经网络模型进行训练，由所述预设卷积神经网络模型学习所述动作特征与所述动作类型的对应关系，得到所述检测模型。

6.根据权利要求1所述的方法，其特征在于，所述对所述动作类型对应的置信度以及动作持续时间进行分析确定异常数据，包括：

对所述动作类型的置信度以工作时长进行归一化得到二维数据；

对所述二维数据进行聚类分析得到所述检测数据中的异常数据。

7.根据权利要求1所述的方法，其特征在于，所述根据更新后的检测数据计算所述动作类型对应的目标动作持续时间，包括：

获取所述更新后的检测数据中动作类型的数量，以及动作类型对应的动作持续时间；

根据所述数量以及更新后的动作持续时间计算得到平均值，将所述平均值作为所述目标动作持续时间。

8.一种信息处理装置，其特征在于，包括：

获取模块，用于获取多组检测数据，所述检测数据包括动作类型对应的置信度，以及动作持续时间；

分析模块，用于对所述动作类型对应的置信度以及动作持续时间进行分析确定异常数据；

更新模块，用于根据所述异常数据更新所述检测数据；

处理模块，用于根据更新后的检测数据计算所述动作类型对应的目标动作持续时间。

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7中任一项所述的方法步骤。

10.一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；其中：

存储器，用于存放计算机程序；

处理器，用于通过运行存储器上所存放的程序来执行权利要求1-7中任一项所述的方法步骤。