[发明专利]用户在线状态的识别方法、装置、服务器及存储介质

权利要求书

1.一种用户在线状态的识别方法，其特征在于，应用于服务器，所述方法包括：

接收第一用户端的摄像装置对第一用户连续地进行图像采集形成的视频流；

从所述视频流中抽取多帧图像帧；

针对任一所述图像帧，从所述图像帧中提取包含所述第一用户的双眼图像的图像框，并根据所述图像框对所述第一用户的在线状态进行分类，得到与所述图像帧对应的在线状态分类结果；

根据多帧所述图像帧对应的多个在线状态分类结果，确定所述第一用户当前的在线状态。

2.根据权利要求1所述的方法，其特征在于，在从所述视频流中抽取多帧图像帧之后，所述方法还包括：

分别对多帧所述图像帧进行超分辨率重建，得到重建后的所述图像帧；其中，重建后的所述图像帧的清晰度大于重建前的所述图像帧的清晰度。

3.根据权利要求2所述的方法，其特征在于，所述针对任一所述图像帧，从所述图像帧中提取包含所述第一用户的双眼图像的图像框，包括：

针对任一重建后的所述图像帧，对所述图像帧进行特征提取，得到所述图像帧的特征图；

在所述特征图中进行双眼目标框预测，得到所述第一用户的双眼坐标；

根据所述双眼坐标从所述图像帧中裁剪出包含所述第一用户的双眼图像的图像框。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述图像框对所述第一用户的在线状态进行分类，得到与所述图像帧对应的在线状态分类结果，包括：

将所述图像框转换为矩阵形式的一维向量；

将所述一维向量输入至预先训练的多分类模型，得到由所述多分类模型输出的与所述图像帧对应的在线状态分类结果；其中，所述多分类模型通过对多帧样本图像帧进行有监督的分类训练得到，多帧所述样本图像帧标注有对应的所述在线分类结果。

5.根据权利要求4所述的方法，其特征在于，所述多分类模型为由多棵决策树组成的梯度提升决策树模型，所述将所述一维向量输入至预先训练的多分类模型，得到由所述多分类模型输出的与所述图像帧对应的在线状态分类结果，包括：

将所述一维向量输入至所述梯度提升决策树模型，得到所述梯度提升决策树模型中每棵决策树针对所述图像帧对应的在线状态分类结果的投票结果；其中，每棵所述决策树对所述图像帧进行投票的过程与每棵所述决策树对多帧所述样本图像帧进行分类训练的过程相同；

将得票率最高的所述投票结果作为所述图像帧对应的在线状态分类结果。

6.根据权利要求4所述的方法，其特征在于，所述根据多帧所述图像帧对应的多个在线状态分类结果，确定所述第一用户当前的在线状态，包括：

统计各个所述在线状态分类结果的个数；

将所述个数的最大值对应的所述在线状态分类结果，确定为所述第一用户当前的在线状态。

7.根据权利要求1-3任一项所述的方法，其特征在于，在根据多帧所述图像帧对应的多个在线状态分类结果，确定所述第一用户当前的在线状态之后，所述方法还包括：

若所述第一用户当前的在线状态为目标状态，则将所述第一用户的所述目标状态的信息推送至第二用户端的终端设备；

在所述终端设备的显示界面中突出显示所述第一用户的所述目标状态；其中，所述目标状态为与当前的在线场景不匹配的在线状态。

8.一种用户在线状态的识别装置，其特征在于，应用于服务器，所述装置包括：

视频流接收模块，用于接收第一用户端的摄像装置对第一用户连续地进行图像采集形成的视频流；

图像帧抽取模块，用于从所述视频流中抽取多帧图像帧；

图像框提取模块，用于针对任一所述图像帧，从所述图像帧中提取包含所述第一用户的双眼图像的图像框；

分类结果识别模块，用于根据所述图像框对所述第一用户的在线状态进行分类，得到与所述图像帧对应的在线状态分类结果；

在线状态确定模块，用于根据多帧所述图像帧对应的多个在线状态分类结果，确定所述第一用户当前的在线状态。