本申请涉及计算机,具体涉及计算机视觉领域,尤其涉及一种异常关键点检测方法、装置、电子设备和存储介质。
背景技术:
1、在基于视频的人体姿态识别和提取任务中,神经网络并不能保证永远准确,在某些复杂场合下可能会有几帧画面给出随机的错误结果,表现为检测出来的关节飞快无规律乱动,需要有算法判断出当前神经网络给出的数据是否是异常数据,否则即便用滤波算法整理后得到的数据依然不够平滑,破坏了数据的真实性连贯性。因此,如何检测出神经网络输出的异常数据非常重要。
技术实现思路
1、本公开的实施例提供了一种异常关键点检测方法、装置、电子设备和存储介质。
2、第一方面,本公开的实施例提供了一种异常关键点检测方法,包括:获取目标视频帧以及目标视频帧的关键点集合;对于关键点集合中的每个关键点,根据目标视频帧以及与目标视频帧同属同一视频片段的至少一个参考视频帧,确定该关键点关联的、与预设的目标权重集合对应的目标参数值集合;根据目标权重集合以及目标参数值集合,确定目标值;根据目标值以及预设阈值,确定关键点集合中的异常关键点。
3、第二方面,本公开的实施例提供了一种异常关键点检测装置,包括:关键点获取单元,被配置成获取目标视频帧以及目标视频帧的关键点集合;参数值确定单元,被配置成对于关键点集合中的每个关键点,根据目标视频帧以及与目标视频帧同属同一视频片段的至少一个参考视频帧,确定该关键点关联的、与预设的目标权重集合对应的目标参数值集合;目标值确定单元,被配置成根据目标权重集合以及目标参数值集合,确定目标值;异常点检测单元,被配置成根据目标值以及预设阈值,确定关键点集合中的异常关键点。
4、第三方面,本公开的实施例提供了一种电子设备,包括存储器、处理器、总线及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所描述的异常关键点检测方法。
5、第四方面,本公开的实施例提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所描述的异常关键点检测方法。
6、应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
1.一种异常关键点检测方法,包括:
2.根据权利要求1所述的方法,其中,所述对于所述关键点集合中的每个关键点,根据所述目标视频帧以及与所述目标视频帧同属同一视频片段的至少一个参考视频帧,确定该关键点关联的、与预设的目标权重集合对应的目标参数值集合,包括:
3.根据权利要求2所述的方法,其中,所述根据该关键点在所述目标视频帧中的位置以及在所述至少一个参考视频帧中的位置,确定所述目标参数值集合,包括:
4.根据权利要求1所述的方法,其中,所述根据所述目标值集合以及预设阈值,确定所述关键点集合中的异常关键点,包括:
5.根据权利要求1所述的方法,其中,所述方法还包括以下确定所述目标权重集合的步骤:
6.根据权利要求5所述的方法,其中,所述对所述第一权重集合进行优化,得到所述目标权重集合,包括:
7.根据权利要求6所述的方法,其中,所述从所述第一权重集合中选取部分权重,包括:
8.根据权利要求5所述的方法,其中,所述根据所确定的均值、方差、速度以及加速,确定第一参数值集合以及与所述第一参数值集合对应的第一权重集合,包括:
9.根据权利要求1所述的方法,其中,所述至少一个参考视频帧包括分别来自所述视频片段的前部、中部和后部的视频帧。
10.一种异常关键点检测装置,包括:
11.一种电子设备,包括存储器、处理器、总线及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述的异常关键点检测方法。
12.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至9任一项所述的异常关键点检测方法。