[发明专利]一种视频处理方法及装置

权利要求书

1.一种视频处理方法，其特征在于，包括：

获取待识别行人视频，所述待识别行人视频包括多帧图像；

将所述多帧图像输入OpenPose网络，得到多张待识别矢量特征图，所述多张待识别矢量特征图为人体关节点的矢量特征图；

将所述多张待识别矢量特征图输入长短期记忆LSTM网络，得到第一步态周期特征；

计算所述第一步态周期特征与第二步态周期特征的匹配度，所述第二步态周期特征为根据存储的行人视频包括的图像得到的步态周期特征；

当所述匹配度大于阈值时，确定所述多帧图像中的行人与所述存储的行人视频包括的图像中的行人为同一行人。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取训练行人视频；

将所述训练行人视频包括的图像输入所述OpenPose网络，得到多张训练矢量特征图，所述多张训练矢量特征图为人体关节点的矢量特征图；

将所述多张训练矢量特征图中的M张连续训练矢量特征图输入初始LSTM网络，得到所述训练行人视频包括的图像中的行人属于训练行人中每个行人的概率，所述M为大于1的整数；

根据所述概率计算第一损失；

根据所述第一损失优化所述初始LSTM网络的参数，得到所述LSTM网络。

3.根据权利要求2所述的方法，其特征在于，所述将所述多张待识别矢量特征图输入LSTM网络，得到第一步态周期特征包括：

将所述多张待识别矢量特征图中的M张连续待识别矢量特征图输入LSTM网络，得到第一步态周期特征；

所述确定所述多帧图像中的行人与所述存储的行人视频包括的图像中的行人为同一行人包括：

确定所述多帧图像包括的所述M张连续待识别矢量特征图对应的图像中的行人与所述存储的行人视频包括的图像中的行人为同一行人。

4.根据权利要求3所述的方法，其特征在于，所述计算所述第一步态周期特征与第二步态周期特征的匹配度包括：

使用所述第一步态周期特征的向量点乘第二步态周期特征的向量，得到所述第一步态周期特征与所述第二步态周期特征的匹配度。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述OpenPose网络包括MobileNet网络和第一分支；

所述将所述多帧图像输入OpenPose网络，得到多张待识别矢量特征图包括：

将所述多帧图像输入所述MobileNet网络，得到多个待识别人体关节点特征，所述多个待识别人体关节点特征中每个待识别人体关节点特征对应一帧图像；

将所述多个待识别人体关节点特征输入所述第一分支，得到多张待识别矢量特征图。

6.根据权利要求5所述的方法，其特征在于，所述OpenPose网络还包括第二分支，所述方法还包括：

获取训练图像；

将第一图像输入初始OpenPose网络中的MobileNet网络，得到训练人体关节点特征，所述第一图像为所述训练图像中的任一图像；

将所述训练人体关节点特征输入所述初始OpenPose网络中的第一分支，得到人体关节点的热度图；

将所述训练人体关节点特征输入所述初始OpenPose网络中的第二分支，得到第一人体关节点的矢量特征图；

根据所述人体关节点的热度图和所述第一人体关节点的矢量特征图计算第二损失；

根据所述第二损失优化所述初始OpenPose网络中的MobileNet网络、第一分支和第二分支的参数，得到所述OpenPose网络。