本發(fā)明涉及圖像數(shù)據(jù)處理，具體涉及基于視頻流的人體關(guān)鍵點分析識別方法、系統(tǒng)。

背景技術(shù)：

1、隨著社會的發(fā)展和計算機硬件性能的提升，基于視頻流的人體關(guān)鍵點分析識別方法將朝著更高的精度、更快的速度和更強的魯棒性方向發(fā)展；

2、在對比專利cn113780253a一種人體關(guān)節(jié)運動關(guān)鍵點識別方法及系統(tǒng)中記載有：采集被測者活動的視頻數(shù)據(jù)；對視頻數(shù)據(jù)進行目標檢測，獲取包含目標為被測者的子區(qū)域的各個圖像幀作為關(guān)鍵幀集合；標記出關(guān)鍵幀集合中各個圖像幀中目標為被測者的子區(qū)域中的活動部件，由每個圖像幀中的活動部件構(gòu)成一個與當前圖像幀對應的活動部件集合，并從活動部件集合中提取運動關(guān)鍵點；根據(jù)提取的運動關(guān)鍵點確定為人體關(guān)鍵點坐標，提高了人體關(guān)節(jié)運動關(guān)鍵點的識別精度，實現(xiàn)人體關(guān)節(jié)運動關(guān)鍵點的智能化檢測，檢測更為簡單快捷，極大的減少了計算的開銷和復雜度，提高了關(guān)鍵點識別的魯棒性；

3、然而目前對視頻中人體關(guān)鍵點的分析和識別過程中，難以在復雜的背景環(huán)境下對整個視頻中的人體輪廓進行全面的提取，進而無法保證整個視頻中人體關(guān)鍵點的分析和識別。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供基于視頻流的人體關(guān)鍵點分析識別方法、系統(tǒng)，以解決背景技術(shù)中不足。

2、為了實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：基于視頻流的人體關(guān)鍵點分析識別方法，包括以下步驟：

3、基于視頻流獲取目標視頻，對應目標視頻進行分層得到多個視頻層；

4、在多個視頻層中提取出人體輪廓，將涉及人體輪廓的多個視頻層進行整合得到人體視頻；

5、對人體視頻中的人體進行識別并構(gòu)建人體運動模型，基于人體運動模型標記人體關(guān)鍵點得到關(guān)鍵點運動模型；

6、將關(guān)鍵點運動模型與人體輪廓重合得到人體關(guān)鍵點運動視頻。

7、在一個優(yōu)選的實施方式中，所述基于視頻流獲取目標視頻，對應目標視頻進行分層得到多個視頻層的步驟，包括：

8、通過視頻流獲取目標視頻；

9、構(gòu)建多個空白架構(gòu)視頻，基于移動特征對目標視頻進行畫面分層得到多個分層畫面；

10、將多個分層畫面一對一對應空白架構(gòu)視頻進行同步儲存得到多個視頻層。

11、在一個優(yōu)選的實施方式中，所述構(gòu)建多個空白架構(gòu)視頻，基于移動特征對目標視頻進行畫面分層得到多個分層畫面的步驟，包括：

12、確定多個儲存空間，基于多個儲存空間設置視頻播放架構(gòu)作為空白架構(gòu)視頻；

13、對目標視頻中的物體輪廓進行提取并描繪得到多個物體輪廓，在多個物體輪廓上鋪設多個移動跟蹤點；

14、獲取目標視頻中多個物體之間的空間關(guān)系，基于空間關(guān)系對移動跟蹤點進行空間排布，將相鄰的移動跟蹤點之間進行連接得到跟蹤網(wǎng)；

15、獲取目標視頻中跟蹤網(wǎng)中移動跟蹤點的移動特征，其中，移動特征包括移動跟蹤點的移動方向與移動距離；

16、將具有相同移動方向連續(xù)的移動跟蹤點對應的物體輪廓進行提取劃分得到多個分層畫面。

17、在一個優(yōu)選的實施方式中，所述在多個視頻層中提取出人體輪廓，將涉及人體輪廓的多個視頻層進行整合得到人體視頻的步驟，包括：

18、基于人體特征確定多個視頻層中人體輪廓的完整指數(shù)，其中，完整指數(shù)的計算公式為：

19、，其中，為完整指數(shù)，為符合人體特征的人體輪廓上移動跟蹤點的數(shù)量，為符合人體特征的人體輪廓上重合的移動跟蹤點數(shù)量，為符合人體特征的權(quán)重系數(shù)，與為大于零的常數(shù)；

20、基于完整指數(shù)確定存在人體輪廓的多個視頻層作為待整合視頻層，將待整合視頻層按照定點切面進行整合得到人體視頻。

21、在一個優(yōu)選的實施方式中，將基于完整指數(shù)確定存在人體輪廓的多個視頻層作為待整合視頻層，將待整合視頻層按照定點切面進行整合得到人體視頻的步驟，包括：

22、設置空白集合視頻；

23、將多個視頻層按照播放時間進行定位，在多個視頻層之間設置定點切面，將定點切面與空白集合視頻進行數(shù)據(jù)連接；

24、獲取多個視頻層中完整指數(shù)最高的人體輪廓進行視頻線的推選，得到待整合視頻層；

25、將待整合視頻層中的人體輪廓通過定點切面貼至空白集合視頻中得到人體視頻。

26、在一個優(yōu)選的實施方式中，所述對人體視頻中的人體進行識別并構(gòu)建人體運動模型，基于人體運動模型標記人體關(guān)鍵點得到關(guān)鍵點運動模型的步驟，包括：

27、在人體視頻構(gòu)建人體虛擬模型；

28、將人體虛擬模型對應人體視頻進行跟隨，并根據(jù)人體虛擬模型的運動彎折處標記關(guān)鍵點得到關(guān)鍵點運動模型。

29、在一個優(yōu)選的實施方式中，所述將關(guān)鍵點運動模型與人體輪廓重合得到人體關(guān)鍵點運動視頻的步驟，包括：

30、將關(guān)鍵點運動模型與人體輪廓重合；

31、重合之后的關(guān)鍵點運動模型的人體虛擬模型進行隱藏得到人體關(guān)鍵點運動視頻。

32、本發(fā)明還提供基于視頻流的人體關(guān)鍵點分析識別系統(tǒng)，包括：

33、分層模塊，用于基于視頻流獲取目標視頻，對應目標視頻進行分層得到多個視頻層；

34、提取模塊，與分層模塊連接，用于在多個視頻層中提取出人體輪廓，將涉及人體輪廓的多個視頻層進行整合得到人體視頻；

35、構(gòu)建模塊，與提取模塊連接，用于對人體視頻中的人體進行識別并構(gòu)建人體運動模型，基于人體運動模型標記人體關(guān)鍵點得到關(guān)鍵點運動模型；

36、重合模塊，與構(gòu)建模塊連接，用于將關(guān)鍵點運動模型與人體輪廓重合得到人體關(guān)鍵點運動視頻。

37、在上述技術(shù)方案中，本發(fā)明提供的技術(shù)效果和優(yōu)點：

38、本發(fā)明將待整合視頻層中的人體輪廓通過定點切面貼至空白集合視頻中得到人體視頻，這里的人體視頻為目標視頻中所有時間線的整體的人體輪廓，進而能夠得到人體輪廓對應的人體視頻，能夠提高視頻中獲取人體視頻的完整性，具有較好的人體關(guān)鍵點分析作用，能夠結(jié)合所有的視頻信息對人體輪廓進行獲取，同時在視頻時間線上進行人體輪廓的追溯和推選，可以在復雜背景下對人體輪廓進行提取。

技術(shù)特征：

1.基于視頻流的人體關(guān)鍵點分析識別方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于視頻流的人體關(guān)鍵點分析識別方法，其特征在于：所述基于視頻流獲取目標視頻，對應目標視頻進行分層得到多個視頻層的步驟，包括：

3.根據(jù)權(quán)利要求2所述的基于視頻流的人體關(guān)鍵點分析識別方法，其特征在于：所述構(gòu)建多個空白架構(gòu)視頻，基于移動特征對目標視頻進行畫面分層得到多個分層畫面的步驟，包括：

4.根據(jù)權(quán)利要求1所述的基于視頻流的人體關(guān)鍵點分析識別方法，其特征在于：所述在多個視頻層中提取出人體輪廓，將涉及人體輪廓的多個視頻層進行整合得到人體視頻的步驟，包括：

5.根據(jù)權(quán)利要求4所述的基于視頻流的人體關(guān)鍵點分析識別方法，其特征在于：將基于完整指數(shù)確定存在人體輪廓的多個視頻層作為待整合視頻層，將待整合視頻層按照定點切面進行整合得到人體視頻的步驟，包括：

6.根據(jù)權(quán)利要求1所述的基于視頻流的人體關(guān)鍵點分析識別方法，其特征在于：所述對人體視頻中的人體進行識別并構(gòu)建人體運動模型，基于人體運動模型標記人體關(guān)鍵點得到關(guān)鍵點運動模型的步驟，包括：

7.根據(jù)權(quán)利要求1所述的基于視頻流的人體關(guān)鍵點分析識別方法，其特征在于：所述將關(guān)鍵點運動模型與人體輪廓重合得到人體關(guān)鍵點運動視頻的步驟，包括：

8.基于視頻流的人體關(guān)鍵點分析識別系統(tǒng)，用于實現(xiàn)權(quán)利要求1-7任一項所述的基于視頻流的人體關(guān)鍵點分析識別方法，其特征在于：包括：

技術(shù)總結(jié)
本發(fā)明公開了基于視頻流的人體關(guān)鍵點分析識別方法、系統(tǒng)，涉及圖像數(shù)據(jù)處理技術(shù)領(lǐng)域，基于視頻流獲取目標視頻，對應目標視頻進行分層得到多個視頻層；在多個視頻層中提取出人體輪廓，將涉及人體輪廓的多個視頻層進行整合得到人體視頻；對人體視頻中的人體進行識別并構(gòu)建人體運動模型，基于人體運動模型標記人體關(guān)鍵點得到關(guān)鍵點運動模型；將關(guān)鍵點運動模型與人體輪廓重合得到人體關(guān)鍵點運動視頻。本發(fā)明能夠提高視頻中獲取人體視頻的完整性，具有較好的人體關(guān)鍵點分析作用，能夠結(jié)合所有的視頻信息對人體輪廓進行獲取，同時在視頻時間線上進行人體輪廓的追溯和推選，可以在復雜背景下對人體輪廓進行提取。

技術(shù)研發(fā)人員：彭大為,梁昌城,樂永芬,張教春,王顯標,王訊,邱浩,喬長偉,湯中南,趙雪琳
受保護的技術(shù)使用者：安徽建工生態(tài)科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19