[发明专利]视频处理方法及相关装置，图像处理方法及相关装置

摘要

本发明实施例提供视频处理方法及相关装置，图像处理方法及相关装置。涉及人工智能中的计算机视觉技术以及机器学习技术，获取待处理视频生成第一步态能量图，待处理视频中视频帧包括身份待识别的对象；获取身份已知的对象的视频的第二步态能量图；将第一、第二步态能量图输入深度神经网络进行第一步态识别包括提取第一、第二步态能量图各自的身份信息，第一和第二步态能量图的融合步态特征向量；至少根据提取的融合步态特征向量计算相似度；第一步态能量图的身份信息包括第一步态能量图的标识和步态特征向量，第二步态能量图的身份信息包括第二步态能量图的标识和步态特征向量；融合步态特征向量由第一、第二步态能量图的步态特征向量决定。

主权项

1.一种视频处理方法，其特征在于，包括：/n获取待处理视频，所述待处理视频中的视频帧包括身份待识别的对象；/n根据所述待处理视频生成第一步态能量图；/n获取身份已知的对象的视频的第二步态能量图；所述第一步态能量图和第二步态能量图分别对应唯一的标识；/n将所述第一步态能量图和第二步态能量图输入深度神经网络，进行第一步态识别；/n其中，所述第一步态识别包括：/n提取所述第一、第二步态能量图对应的身份信息，以及，所述第一步态能量图和第二步态能量图的融合步态特征向量；至少根据提取的融合步态特征向量计算所述第一、第二步态能量图的相似度；/n所述第一步态能量图的身份信息包括所述第一步态能量图的标识和所述第一步态能量图的步态特征向量，所述第二步态能量图的身份信息包括所述第二步态能量图的标识和所述第二步态能量图的步态特征向量；所述融合步态特征向量由所述第一步态能量图和第二步态能量图的步态特征向量决定；/n所述深度神经网络在训练过程中根据身份信息和融合步态特征向量进行了滤波器参数调整；所述训练过程的训练目标包括：从同一对象的不同步态能量图中提取的步态特征向量相似，从不同对象的步态能量图中提取的步态特征向量相远离；所述训练过程中使用的每一训练样本包括n个训练子样本，任一所述训练子样本包括两幅身份已知的对象的步态能量图，所述n为正整数；/n所述深度神经网络的训练过程包括：/n使用所述深度神经网络对所述训练样本中的每一训练子样本执行第二步态识别；其中，所述第二步态识别包括：提取所述训练子样本中两幅步态能量图各自的身份信息以及所述两幅步态能量图的融合步态特征向量，并至少根据提取的融合步态特征向量计算所述两幅步态能量图的相似度；/n根据在所述第二步态识别中提取的身份信息，使用身份信息损失函数计算所述训练样本的身份损失值；所述身份损失值越小，表征从同一对象不同步态能量图中提取的步态特征向量越相似，而从不同对象的步态能量图中提取的步态特征向量越远离；/n使用融合步态特征向量损失函数计算所述训练样本的融合损失值；/n对所述融合损失值和身份损失值求加权和，得到所述训练样本的最终损失值；/n根据至少一个训练样本的最终损失值调整所述深度神经网络的滤波器参数。/n