[发明专利]根据举手动作进行跟踪录播的方法、装置及存储装置

权利要求书

1.一种根据举手动作进行跟踪录播的方法，其特征在于，包括步骤：

步骤A、预先对举手动作视频进行深度学习，生成训练好的举手检测网络模型；以及

步骤B、将实时采集的待检测视频采用训练好的举手检测网络模型进行计算，判断待检测视频是否为举手动作视频，当是时，进行相应的跟踪录播控制；

所述步骤B具体包括：

步骤B1、加载训练好的举手检测网络模型，并输入实时采集的待检测视频，然后对待检测视频进行预处理；

步骤B2、将预处理后的待检测视频采用训练好的举手检测网络模型进行计算，判断待检测视频是否为举手动作视频，当是时，进行相应的跟踪录播控制；计算过程包括使用3D模型参数进行特征向量提取，对视频进行分类，然后判断是否是举手动作，当是时，进行相应的跟踪录播控制；其中，所述相应的跟踪录播控制包括拉近镜头以及调整摄像头拍摄角度；

所述步骤A具体包括：

步骤A1、制作举手动作视频模板，并构建包含训练集和测试集的举手视频数据库；

步骤A2、构建用于深度学习的3D神经网络模型；以caffe深度学习框架为基础，构建包括举手动作检测模型和举手动作识别模型的举手检测3D神经网络模型设计，包括手检测和运动历史图检测；

步骤A3、采用3D神经网络模型对举手视频数据库中的举手动作视频模板进行训练学习，生成训练好的举手检测网络模型；

所述步骤A3具体包括：

步骤A31、对3D神经网络模型进行深度学习参数配置；设置学习率为0.001，学习率更新策略动量为0.9，最大迭代次数为10w；

步骤A32、对举手动作视频模板中手的2D静态特征进行学习，同时利用多帧2D静态图形成的手的运动历史图构建3D举手特征进行学习，得到初步训练的举手检测网络模型；

步骤A33、使用测试集的举手动作视频模板对初步训练的举手检测网络模型进行测试，判断测试的准确率是否超过预设的准确率阈值，当是时，生成训练好的举手检测网络模型；

所述步骤A3具体还包括：

步骤A34、当测试的准确率没有超过预设的准确率阈值时，将训练集的测试失败值反馈给训练集进行学习，重复步骤A32；

所述步骤A32具体包括：

步骤A321、对举手动作视频模板中手的2D静态特征进行学习，并利用多帧2D静态图形成的手的运动历史图构建3D举手特征进行学习；

步骤A322、判断学习次数是否大于预设学习次数阈值，当是时，得到初步训练的举手检测网络模型，之后进入步骤A33。

2.一种根据举手动作进行跟踪录播的装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1所述方法的步骤。

3.一种存储装置，其特征在于，所述存储装置存储有计算机程序，所述计算机程序能够被执行以实现如权利要求1所述方法的步骤。