[发明专利]异常动作确定方法、装置、电子设备及存储介质

权利要求书

1.一种异常动作确定方法，其特征在于，所述方法包括：

获取与目标动作对应的目标视频片段；

获取所述目标视频片段中每帧图像对应的人体骨骼关键点，并基于每帧图像对应的所述人体骨骼关键点，获取与所述目标视频片段对应的运动姿态特征，所述运动姿态特征表示在所述目标视频片段中人体姿势的变化模式；

将所述运动姿态特征输入异常识别模型中，得到与所述运动姿态特征对应的似然值，所述异常识别模型为预先训练好的变分自编码器以及卷积神经网络；

根据所述似然值，确定所述视频片段中的目标动作是否为异常动作。

2.根据权利要求1所述的方法，其特征在于，所述获取与所述目标动作对应的目标视频片段，包括：

获取包括所述目标动作的待识别视频；

识别所述待识别视频中每帧图像的人体骨骼关键点；

基于所述人体骨骼关键点，从所述待识别视频中，提取出与所述目标动作对应的目标视频片段。

3.根据权利要求1所述的方法，其特征在于，获取所述目标视频片段中每帧图像对应的人体骨骼关键点，并基于每帧图像对应的所述人体骨骼关键点，构建与所述目标视频片段对应的运动姿态特征，包括：

识别所述目标视频片段中每帧图像对应的人体骨骼关键点；

基于每帧图像对应的所述人体骨骼关键点，构建与每帧图像对应的姿态向量，所述姿态向量包括多个维度的参数；

提取每个姿态向量中的同一维度的参数，并根据构建所述姿态向量所使用的图像在所述目标视频片段中的帧数，得到每个维度对应的时序向量；

将每个维度对应的时序向量所构成的矩阵，作为所述运动姿态特征。

4.根据权利要求1所述的方法，其特征在于，所述异常识别模型通过以下步骤得到：

获取样本片段，所述样本片段为标准的目标动作对应的视频片段；

获取与所述样本片段对应的样本运动姿态特征；

基于所述样本运动姿态特征对所述变分自编码器以及卷积神经网络进行训练，得到所述异常识别模型。

5.根据权利要求4所述的方法，其特征在于，所述异常识别模型从输入到输出，依次包括，第一卷积神经网络、变分自编码器、第二卷积神经网络，所述变分自编码器包括编码网络和解码网络，所述基于所述样本运动姿态特征对所述变分自编码器进行训练，得到所述异常识别模型，包括：

将所述样本运动姿态特征输入第一卷积神经网络，由所述第一卷积神经网络处理后输入编码网络，得到隐变量；

将所述隐变量输入所述解码网络，由所述解码网络处理后输入第二卷积神经网络，得到重构运动姿态特征以及似然值，所述似然值表示所述重构运动姿态特征与输入的所述样本运动姿态特征的差异；

调整所述第一卷积神经网络、编码网络、解码网络、第二卷积神经网络的参数，直到所述似然值满足预设条件时，得到所述异常识别模型。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述根据所述似然值，确定所述视频片段中的目标动作是否为异常动作，包括：

确定所述似然值与预设似然值的大小关系；

若所述似然值小于所述预设似然值，确定所述视频片段中的目标动作为异常动作；

若所述似然值大于或等于所述预设似然值，确定所述视频片段中的目标动作为标准动作。

7.一种异常动作确定装置，其特征在于，所述装置包括：

获取模块，用于获取与目标动作对应的目标视频片段；

构建模块，用于获取所述目标视频片段中每帧图像对应的人体骨骼关键点，并基于每帧图像对应的所述人体骨骼关键点，获取与所述目标视频片段对应的运动姿态特征，所述运动姿态特征表示在所述目标视频片段中人体姿势的变化模式；

识别模块，用于将所述运动姿态特征输入异常识别模型中，得到与所述运动姿态特征对应的似然值，所述异常识别模型为预先训练好的变分自编码器以及卷积神经网络；

确定模块，用于根据所述似然值，确定所述视频片段中的目标动作是否为异常动作。