[發明專利]視頻片段提取方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110625335.2
• 申請日: 2021-06-04
• 公開（公告）號: CN113392741A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 趙勇;夏鵬飛
• 申請（專利權）人: 北京格靈深瞳信息技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京新知遠方知識產權代理事務所(普通合伙) 11397
• 代理人: 馬軍芳;張艷

本申請實施例中提供了一種視頻片段提取方法、裝置、電子設備及存儲介質，該方法包括獲取視頻數據；識別所述視頻數據中每幀圖像的人體骨骼關鍵點；基于所述人體骨骼關鍵點，構建與每幀圖像對應的運動姿態向量；通過聚類算法對所述運動姿態向量進行聚類，得到聚類結果，并根據所述聚類結果從所述視頻數據中提取視頻片段。通過人體骨骼關鍵點構建每幀圖像對應的運動姿態向量，再根據對所述運動姿態向量聚類后的聚類結果提取視頻片段，無需使用多個不同的模型，即可以簡單方便的從視頻數據中提取出各個動作對應的視頻片段。

技術領域

本申請涉及計算機視覺技術領域，具體地，涉及一種視頻片段提取方法、裝置、電子設備及存儲介質。

背景技術

有監督訓練又稱監督學習，是指機器可以根據已有的數據集，知道輸入和輸出結果之間的關系。也就是說，在監督學習中的訓練數據既有特征又有標簽，通過訓練，讓機器可以自己找到特征和標簽之間的聯系，在面對只有特征沒有標簽的數據時，可以判斷出標簽。

在通過運動視頻對動作進行分析時，通常是采用有監督訓練的方式訓練模型，使得模型可以識別到運動視頻中各種動作，基于識別結果切割出各個動作，以進行后續分析。

由于動作的類型數量很大，需要針對不同的動作訓練不同的模型才能識別到的視頻數據中的不同動作，而訓練模型需要海量的數據，加大了訓練模型的難度。若要從視頻中提取出各個動作對應的視頻片段，需要使用不同的模型從視頻中識別到不同的動作，才能進一步提取出各個動作對應的視頻片段，操作繁瑣復雜。

發明內容

本申請實施例中提供了一種視頻片段提取方法、裝置、電子設備及存儲介質，可以有效解決難以從視頻中提取出各個動作對應的視頻片段的操作繁瑣復雜的問題。

根據本申請實施例的第一個方面，提供了一種視頻片段提取方法，該方法包括：獲取視頻數據；識別所述視頻數據中每幀圖像的人體骨骼關鍵點；基于所述人體骨骼關鍵點，構建與每幀圖像對應的運動姿態向量；通過聚類算法對所述運動姿態向量進行聚類，得到聚類結果，并根據所述聚類結果從所述視頻數據中提取視頻片段。

根據本申請實施例的第二個方面，提供了一種視頻片段提取裝置，該裝置包括：獲取模塊，用于獲取視頻數據；關鍵點識別模塊，用于識別所述視頻數據中每幀圖像的人體骨骼關鍵點；向量構建模塊，用于基于所述人體骨骼關鍵點，構建與每幀圖像對應的運動姿態向量；提取模塊，用于通過聚類算法對所述運動姿態向量進行聚類，得到聚類結果，并根據所述聚類結果從所述視頻數據中提取視頻片段。

根據本申請實施例的第三個方面，提供了一種電子設備，該電子設備包括一個或多個處理器；存儲器；一個或多個應用程序，其中所述一個或多個應用程序被存儲在所述存儲器中并被配置為由所述一個或多個處理器執行，所述一個或多個程序配置用于執行如上述應用于電子設備的方法。

根據本申請實施例的第四方面，本申請實施列提供一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有程序代碼，其中，在所述程序代碼運行時執行上述的方法。

采用本申請實施例中提供的視頻片段提取方法，獲取視頻數據；識別所述視頻數據中每幀圖像的人體骨骼關鍵點；基于所述人體骨骼關鍵點，構建與每幀圖像對應的運動姿態向量；通過聚類算法對所述運動姿態向量進行聚類，得到聚類結果，并根據所述聚類結果從所述視頻數據中提取視頻片段。通過人體骨骼關鍵點構建每幀圖像對應的運動姿態向量，再根據對所述運動姿態向量聚類后的聚類結果提取視頻片段，無需使用多個不同的模型，即可以簡單方便的從視頻數據中提取出各個動作對應的視頻片段。

附圖說明

此處所說明的附圖用來提供對本申請的進一步理解，構成本申請的一部分，本申請的示意性實施例及其說明用于解釋本申請，并不構成對本申請的不當限定。在附圖中：

圖1為本申請一個實施例提供的視頻片段提取方法的流程圖；

圖2為本申請另一個實施例提供的視頻片段提取方法的流程圖；