[发明专利]视频片段提取方法、装置、电子设备及存储介质

说明书

本申请实施例中提供了一种视频片段提取方法、装置、电子设备及存储介质，该方法包括获取视频数据；识别所述视频数据中每帧图像的人体骨骼关键点；基于所述人体骨骼关键点，构建与每帧图像对应的运动姿态向量；通过聚类算法对所述运动姿态向量进行聚类，得到聚类结果，并根据所述聚类结果从所述视频数据中提取视频片段。通过人体骨骼关键点构建每帧图像对应的运动姿态向量，再根据对所述运动姿态向量聚类后的聚类结果提取视频片段，无需使用多个不同的模型，即可以简单方便的从视频数据中提取出各个动作对应的视频片段。

技术领域

本申请涉及计算机视觉技术领域，具体地，涉及一种视频片段提取方法、装置、电子设备及存储介质。

背景技术

有监督训练又称监督学习，是指机器可以根据已有的数据集，知道输入和输出结果之间的关系。也就是说，在监督学习中的训练数据既有特征又有标签，通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。

在通过运动视频对动作进行分析时，通常是采用有监督训练的方式训练模型，使得模型可以识别到运动视频中各种动作，基于识别结果切割出各个动作，以进行后续分析。

由于动作的类型数量很大，需要针对不同的动作训练不同的模型才能识别到的视频数据中的不同动作，而训练模型需要海量的数据，加大了训练模型的难度。若要从视频中提取出各个动作对应的视频片段，需要使用不同的模型从视频中识别到不同的动作，才能进一步提取出各个动作对应的视频片段，操作繁琐复杂。

发明内容

本申请实施例中提供了一种视频片段提取方法、装置、电子设备及存储介质，可以有效解决难以从视频中提取出各个动作对应的视频片段的操作繁琐复杂的问题。

根据本申请实施例的第一个方面，提供了一种视频片段提取方法，该方法包括：获取视频数据；识别所述视频数据中每帧图像的人体骨骼关键点；基于所述人体骨骼关键点，构建与每帧图像对应的运动姿态向量；通过聚类算法对所述运动姿态向量进行聚类，得到聚类结果，并根据所述聚类结果从所述视频数据中提取视频片段。

根据本申请实施例的第二个方面，提供了一种视频片段提取装置，该装置包括：获取模块，用于获取视频数据；关键点识别模块，用于识别所述视频数据中每帧图像的人体骨骼关键点；向量构建模块，用于基于所述人体骨骼关键点，构建与每帧图像对应的运动姿态向量；提取模块，用于通过聚类算法对所述运动姿态向量进行聚类，得到聚类结果，并根据所述聚类结果从所述视频数据中提取视频片段。

根据本申请实施例的第三个方面，提供了一种电子设备，该电子设备包括一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行如上述应用于电子设备的方法。

根据本申请实施例的第四方面，本申请实施列提供一种计算机可读存储介质，所述计算机可读存储介质中存储有程序代码，其中，在所述程序代码运行时执行上述的方法。

采用本申请实施例中提供的视频片段提取方法，获取视频数据；识别所述视频数据中每帧图像的人体骨骼关键点；基于所述人体骨骼关键点，构建与每帧图像对应的运动姿态向量；通过聚类算法对所述运动姿态向量进行聚类，得到聚类结果，并根据所述聚类结果从所述视频数据中提取视频片段。通过人体骨骼关键点构建每帧图像对应的运动姿态向量，再根据对所述运动姿态向量聚类后的聚类结果提取视频片段，无需使用多个不同的模型，即可以简单方便的从视频数据中提取出各个动作对应的视频片段。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请一个实施例提供的视频片段提取方法的流程图；

图2为本申请另一个实施例提供的视频片段提取方法的流程图；