[发明专利]目标对象状态识别方法、装置、介质和设备有效
申请号: | 201910717089.6 | 申请日: | 2019-08-05 |
公开(公告)号: | CN110532891B | 公开(公告)日: | 2022-04-05 |
发明(设计)人: | 吴庭丞 | 申请(专利权)人: | 北京地平线机器人技术研发有限公司 |
主分类号: | G06V20/40 | 分类号: | G06V20/40;G06V10/44;G06V10/774;G06N3/08 |
代理公司: | 北京思源智汇知识产权代理有限公司 11657 | 代理人: | 毛丽琴 |
地址: | 100080 北京*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 目标 对象 状态 识别 方法 装置 介质 设备 | ||
公开了一种目标对象状态识别方法、装置、介质和设备。其中的目标对象状态识别方法包括:获取从多个视频帧中的每一视频帧中分别识别出的同一目标对象的多个关键点信息;根据所述多个视频帧中的每一视频帧中的所述目标对象的多个关键点信息,生成二维特征谱图;经由所述第一神经网络对所述二维特征谱图进行状态识别处理,获得所述目标对象的状态识别结果。本公开提供的技术方案有利于轻量化第一神经网络,并有利于提高第一神经网络进行状态识别处理的实时性。
技术领域
本公开涉及计算机视觉技术,尤其是一种目标对象状态识别方法、目标对象状态识别装置、存储介质以及电子设备。
背景技术
目前,计算机视觉技术已经广泛应用于多种领域,例如,制造业、商业、互联网、医疗以及军事等领域。计算机视觉技术在实际应用过程中,有时会受到设备的硬件条件等因素的限制。例如,设备的计算能力等,不能很好的满足神经网络的要求。
如何降低神经网络对设备硬件条件的要求,使神经网络轻量化,是一个值得关注的技术问题。
发明内容
为了解决上述技术问题,提出了本公开。本公开的实施例提供了一种目标对象状态识别方法、装置、存储介质和电子设备。
根据本公开实施例的一个方面,提供一种目标对象状态识别方法,该方法包括:获取从多个视频帧中的每一视频帧中分别识别出的同一目标对象的多个关键点信息;根据所述多个视频帧中的每一视频帧中的所述目标对象的多个关键点信息,生成二维特征谱图;经由所述第一神经网络对所述二维特征谱图进行状态识别处理,获得所述目标对象的状态识别结果。
根据本公开实施例的另一个方面,提供一种目标对象状态识别装置,该装置包括:获取关键点模块,用于获取从多个视频帧中的每一视频帧中分别识别出的同一目标对象的多个关键点信息;生成特征谱图模块,用于根据所述获取关键点模块获取的所述多个关键点信息,生成二维特征谱图;状态识别模块,用于经由所述第一神经网络对所述生成特征谱图模块生成的二维特征谱图进行状态识别处理,获得所述目标对象的状态识别结果。
根据本公开实施例的再一方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述目标对象状态识别方法。
根据本公开实施例的又一方面,提供了一种电子设备,该电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述目标对象状态识别方法。
基于本公开上述实施例提供的一种目标对象状态识别方法以及目标对象状态识别装置,通过利用多个视频帧中的同一目标对象的多个关键点信息,生成二维特征谱图,使多个视频帧中的同一目标对象的多个关键点信息可以以一图像的形式表示,有利于减少提供给第一神经网络的数据量,从而有利于降低第一神经网络进行状态识别处理的计算量;本公开通过利用第一神经网络对一个特征谱图进行状态识别处理,可以获得目标对象在多个视频帧中的状态,有利于提高第一神经网络识别目标对象状态的速度。由此可知,本公开提供的技术方案有利于轻量化第一神经网络,并有利于提高第一神经网络进行状态识别处理的实时性。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同描述一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:
图1为本公开所适用的场景示意图;
图2为本公开的目标对象状态识别方法一个实施例的流程示意图;
图3为本公开的设置二维特征谱图中的多个像素的通道的像素值的一个实施例的流程示意图;
图4为本公开的像素矩阵以及像素子矩阵的一个实施例的示意图;
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北京地平线机器人技术研发有限公司,未经北京地平线机器人技术研发有限公司许可,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/201910717089.6/2.html,转载请声明来源钻瓜专利网。