[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

说明书

本发明公开了根据举手动作进行跟踪录播的方法、装置及存储装置，所述方法包括步骤：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。本发明先通过深度学习建立举手检测网络模型，然后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，从而能够实时的根据被录像人的举手动作调整摄像机镜头进行跟踪录播，不仅降低了跟踪录播成本，而且大大提高了跟踪录播的准确率。

技术领域

本发明涉及跟踪录播技术领域，尤其涉及一种根据举手动作进行跟踪录播的方法、装置及存储装置。

背景技术

录播系统是把现场摄录的视频、音频、电子设备的图像信号进行整合同步录制，生成标准化的流媒体文件，用来对外直播、存储、后期编辑、点播。录播系统进行跟踪录播时，如何根据被录着的行为调整录播策略至关重要，现有的跟踪录播大多是通过增加辅助摄像头对高度进行检测，判断是否被录像人(例如学生)有站立动作，从而相应的调整摄像头，这样不仅成本较高，而且仅能根据高度判断，容易出错，不够智能，不能根据被录像人的举手动作调整摄像机镜头。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种根据举手动作进行跟踪录播的方法、装置及存储装置，从而克服现有的跟踪录播方法成本较高，容易出错，不够智能，不能根据被录像人的举手动作调整摄像机镜头的问题。

本发明的技术方案如下：

本发明提供一种根据举手动作进行跟踪录播的方法，包括：

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。

所述的根据举手动作进行跟踪录播的方法，其中，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；

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。

所述的根据举手动作进行跟踪录播的方法，其中，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；

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。

所述的根据举手动作进行跟踪录播的方法，其中，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。

所述的根据举手动作进行跟踪录播的方法，其中，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；