CN110740341A - 一种目标对象的处理方法和系统 - Google Patents

Abstract

本发明实施例提供了一种目标对象的处理方法和系统，其中，所述方法包括：视联网节点服务器接收来自第一视联网终端和/或第二视联网终端的视频流数据，并通过卷积神经网络模型对视频流数据进行目标对象的关键点特征提取操作，得到目标对象的关键点特征向量；视联网节点服务器根据关键点特征向量进行目标对象处理，得到目标对象的处理结果，并发送处理结果至第一视联网客户端和/或第二视联网客户端，第一视联网客户端和/或第二视联网客户端用于展示处理结果。本发明实施例中的视联网节点服务器可以对视频流数据中的目标对象进行处理，并将处理结果发送至视联网客户端进行展示，提高了视频流数据的利用率，丰富了视频流数据的应用场景。

Description

一种目标对象的处理方法和系统

技术领域

本发明涉及视联网技术领域，特别是涉及一种目标对象的处理方法和一种目标对象的处理系统。

背景技术

视联网是一种基于以太网硬件的用于高速传输高清视频及专用协议的专用网络，视联网是互联网的更高级形态，是一个实时网络。

视联网的视频流数据中包含了大量的目标对象，例如，人脸对象和人体对象等等。但是，目前的技术方案中无法对视频流数据中的目标对象进行处理，造成视频流数据的利用率低的问题。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种目标对象的处理方法和相应的一种目标对象的处理系统。

为了解决上述问题，本发明实施例公开了一种目标对象的处理方法，所述方法应用于视联网和以太网中，所述视联网包括：视联网节点服务器、第一视联网客户端和第一视联网终端，所述以太网包括：第二视联网客户端和第二视联网终端；所述视联网节点服务器分别与所述第一视联网客户端和/或第二视联网客户端，以及，所述第一视联网终端和/或第二视联网终端连接，所述方法包括：所述视联网节点服务器接收来自所述第一视联网终端和/或所述第二视联网终端的视频流数据，所述视频流数据包括以下至少之一：已录制的视频文件、来自所述第一视联网终端和/或所述第二视联网终端中的摄像头的原始视频码流、来自所述第一视联网终端和/或所述第二视联网终端中的视频转码设备的H.264视频码流；所述视联网节点服务器通过训练完毕的卷积神经网络模型对所述视频流数据进行目标对象的关键点特征提取操作，得到所述视频流数据中的至少一个目标对象的关键点特征向量；所述视联网节点服务器根据所述关键点特征向量进行目标对象处理，得到目标对象的处理结果，并发送所述处理结果至所述第一视联网客户端和/或第二视联网客户端，所述第一视联网客户端和/或所述第二视联网客户端用于展示所述处理结果。

可选地，所述视联网节点服务器根据所述关键点特征向量进行目标对象处理，得到目标对象的处理结果，包括：所述视联网节点服务器从所述关键点特征向量中统计出第一类关键点特征向量，并根据所述第一类关键点特征向量进行目标对象的跟踪处理，得到目标对象的跟踪结果；和/或，所述视联网节点服务器从所述关键点特征向量中统计出第二类关键点特征向量，并根据所述第二类关键点特征向量进行目标对象的统计处理，得到目标对象的统计结果。

可选地，所述方法还包括：所述视联网节点服务器根据所述统计结果进行预警处理，得到目标对象的预警结果，并发送所述预警结果至所述第一视联网客户端和/或第二视联网客户端，所述第一视联网客户端和/或所述第二视联网客户端还用于展示所述预警结果。

可选地，通过以下方式训练所述卷积神经网络模型：所述视联网节点服务器将含有目标对象标注信息的样本数据集中的每个样本数据依次输入至原始卷积神经网络，得到每个样本数据中目标对象的检测结果信息，所述目标对象标注信息包括：目标对象的关键点位置的标注信息；所述视联网节点服务器根据每个样本数据中目标对象的检测结果信息和所述关键点位置的标注信息，确定每个样本数据中目标对象的误差信息；所述视联网节点服务器根据所述误差信息调整所述原始卷积神经网络的网络参数，得到训练完毕的卷积神经网络模型。

可选地，所述目标对象包括以下至少之一：眼睛、眉毛、鼻子、嘴巴、耳朵、头发、脸部外轮廓、头部轮廓、胳膊、手、腿、脚、上身。

本发明实施例还公开了一种目标对象的处理系统，所述系统应用于视联网和以太网中，所述视联网包括：视联网节点服务器、第一视联网客户端和第一视联网终端，所述以太网包括：第二视联网客户端和第二视联网终端；所述视联网节点服务器分别与所述第一视联网客户端和/或第二视联网客户端，以及，所述第一视联网终端和/或第二视联网终端连接，所述视联网节点服务器包括：接收模块，用于接收来自所述第一视联网终端和/或所述第二视联网终端的视频流数据，所述视频流数据包括以下至少之一：已录制的视频文件、来自所述第一视联网终端和/或所述第二视联网终端中的摄像头的原始视频码流、来自所述第一视联网终端和/或所述第二视联网终端中的视频转码设备的H.264视频码流；提取模块，用于通过训练完毕的卷积神经网络模型对所述视频流数据进行目标对象的关键点特征提取操作，得到所述视频流数据中的至少一个目标对象的关键点特征向量；处理模块，用于根据所述关键点特征向量进行目标对象处理，得到目标对象的处理结果，并发送所述处理结果至所述第一视联网客户端和/或第二视联网客户端，所述第一视联网客户端和/或所述第二视联网客户端用于展示所述处理结果。

可选地，所述处理模块，用于从所述关键点特征向量中统计出第一类关键点特征向量，并根据所述第一类关键点特征向量进行目标对象的跟踪处理，得到目标对象的跟踪结果；和/或，从所述关键点特征向量中统计出第二类关键点特征向量，并根据所述第二类关键点特征向量进行目标对象的统计处理，得到目标对象的统计结果。

可选地，所述视联网节点服务器还包括：预警模块，用于根据所述统计结果进行预警处理，得到目标对象的预警结果，并发送所述预警结果至所述第一视联网客户端和/或第二视联网客户端，所述第一视联网客户端和/或所述第二视联网客户端还用于展示所述预警结果。

可选地，所述视联网节点服务器还包括：训练模块，用于将含有目标对象标注信息的样本数据集中的每个样本数据依次输入至原始卷积神经网络，得到每个样本数据中目标对象的检测结果信息，所述目标对象标注信息包括：目标对象的关键点位置的标注信息；根据每个样本数据中目标对象的检测结果信息和所述关键点位置的标注信息，确定每个样本数据中目标对象的误差信息；根据所述误差信息调整所述原始卷积神经网络的网络参数，得到训练完毕的卷积神经网络模型。

可选地，所述目标对象包括以下至少之一：眼睛、眉毛、鼻子、嘴巴、耳朵、头发、脸部外轮廓、头部轮廓、胳膊、手、腿、脚、上身。

本发明实施例包括以下优点：

本发明实施例应用于视联网和以太网中，其中，视联网包括：视联网节点服务器、第一视联网客户端和第一视联网终端。以太网包括：第二视联网客户端和第二视联网终端。视联网节点服务器分别与第一视联网客户端和/或第二视联网客户端，以及，第一视联网终端和/或第二视联网终端连接。

本发明实施例中，第一视联网终端和/或第二视联网终端可以采集或转换视频流数据，视联网节点服务器接收来自第一视联网终端和/或第二视联网终端的视频流数据。视联网节点服务器通过训练完毕的卷积神经网络模型对视频流数据进行目标对象的关键点特征提取操作，得到视频流数据中的至少一个目标对象的关键点特征向量。视联网节点服务器再根据关键点特征向量进行目标对象处理，得到目标对象的处理结果，并发送处理结果至第一视联网客户端和/或第二视联网客户端，第一视联网客户端和/或第二视联网客户端用于展示处理结果。

本发明实施例应用视联网的特性，视联网节点服务器可以对视频流数据中的目标对象进行处理，并将处理结果发送至视联网客户端进行展示，提高了视频流数据的利用率，丰富了视频流数据的应用场景。

附图说明

图1是本发明的一种视联网的组网示意图；

图2是本发明的一种节点服务器的硬件结构示意图；

图3是本发明的一种接入交换机的硬件结构示意图；

图4是本发明的一种以太网协转网关的硬件结构示意图；

图5是本发明的一种目标对象的处理方法实施例的步骤流程图；

图6是本发明的一种基于视联网的人体检测方法的方案框图；

图7是本发明的一种目标对象的处理系统实施例的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

视联网是网络发展的重要里程碑，是一个实时网络，能够实现高清视频实时传输，将众多互联网应用推向高清视频化，高清面对面。

视联网采用实时高清视频交换技术，可以在一个网络平台上将所需的服务，如高清视频会议、视频监控、智能化监控分析、应急指挥、数字广播电视、延时电视、网络教学、现场直播、VOD点播、电视邮件、个性录制(PVR)、内网(自办)频道、智能化视频播控、信息发布等数十种视频、语音、图片、文字、通讯、数据等服务全部整合在一个系统平台，通过电视或电脑实现高清品质视频播放。

为使本领域技术人员更好地理解本发明实施例，以下对视联网进行介绍：

视联网所应用的部分技术如下所述：

网络技术(Network Technology)

视联网的网络技术创新改良了传统以太网(Ethernet)，以面对网络上潜在的巨大视频流量。不同于单纯的网络分组交换(Packet Switching)或网络电路交换(CircuitSwitching)，视联网技术采用网络分组交换满足Streaming(译为成流、流、连续播送，是一种数据传送技术，把收到的数据变成一个稳定连续的流，源源不断地送出，使用户听到的声音或看到的图像十分平稳，而且用户在整个数据传送完之前就可以开始在屏幕上进行浏览)需求。视联网技术具备分组交换的灵活、简单和低价，同时具备电路交换的品质和安全保证，实现了全网交换式虚拟电路，以及数据格式的无缝连接。

交换技术(Switching Technology)

视联网采用以太网的异步和包交换两个优点，在全兼容的前提下消除了以太网缺陷，具备全网端到端无缝连接，直通用户终端，直接承载IP数据包。用户数据在全网范围内不需任何格式转换。视联网是以太网的更高级形态，是一个实时交换平台，能够实现目前互联网无法实现的全网大规模高清视频实时传输，将众多网络视频应用推向高清化、统一化。

服务器技术(Server Technology)

视联网和统一视频平台上的服务器技术不同于传统意义上的服务器，它的流媒体传输是建立在面向连接的基础上，其数据处理能力与流量、通讯时间无关，单个网络层就能够包含信令及数据传输。对于语音和视频业务来说，视联网和统一视频平台流媒体处理的复杂度比数据处理简单许多，效率比传统服务器大大提高了百倍以上。

储存器技术(Storage Technology)

统一视频平台的超高速储存器技术为了适应超大容量和超大流量的媒体内容而采用了最先进的实时操作系统，将服务器指令中的节目信息映射到具体的硬盘空间，媒体内容不再经过服务器，瞬间直接送达到用户终端，用户等待一般时间小于0.2秒。最优化的扇区分布大大减少了硬盘磁头寻道的机械运动，资源消耗仅占同等级IP互联网的20％，但产生大于传统硬盘阵列3倍的并发流量，综合效率提升10倍以上。

网络安全技术(Network Security Technology)

视联网的结构性设计通过每次服务单独许可制、设备与用户数据完全隔离等方式从结构上彻底根除了困扰互联网的网络安全问题，一般不需要杀毒程序、防火墙，杜绝了黑客与病毒的攻击，为用户提供结构性的无忧安全网络。

服务创新技术(Service Innovation Technology)

统一视频平台将业务与传输融合在一起，不论是单个用户、私网用户还是一个网络的总合，都不过是一次自动连接。用户终端、机顶盒或PC直接连到统一视频平台，获得丰富多彩的各种形态的多媒体视频服务。统一视频平台采用“菜谱式”配表模式来替代传统的复杂应用编程，可以使用非常少的代码即可实现复杂的应用，实现“无限量”的新业务创新。

视联网的组网如下所述：

视联网是一种集中控制的网络结构，该网络可以是树型网、星型网、环状网等等类型，但在此基础上网络中需要有集中控制节点来控制整个网络。

如图1所示，视联网分为接入网和城域网两部分。

接入网部分的设备主要可以分为3类：节点服务器，接入交换机，终端(包括各种机顶盒、编码板、存储器等)。节点服务器与接入交换机相连，接入交换机可以与多个终端相连，并可以连接以太网。

其中，节点服务器是接入网中起集中控制功能的节点，可控制接入交换机和终端。节点服务器可直接与接入交换机相连，也可以直接与终端相连。

类似的，城域网部分的设备也可以分为3类：城域服务器，节点交换机，节点服务器。城域服务器与节点交换机相连，节点交换机可以与多个节点服务器相连。

其中，节点服务器即为接入网部分的节点服务器，即节点服务器既属于接入网部分，又属于城域网部分。

城域服务器是城域网中起集中控制功能的节点，可控制节点交换机和节点服务器。城域服务器可直接连接节点交换机，也可直接连接节点服务器。

由此可见，整个视联网络是一种分层集中控制的网络结构，而节点服务器和城域服务器下控制的网络可以是树型、星型、环状等各种结构。

形象地称，接入网部分可以组成统一视频平台(圈中部分)，多个统一视频平台可以组成视联网；每个统一视频平台可以通过城域以及广域视联网互联互通。

视联网设备分类

1.1本发明实施例的视联网中的设备主要可以分为3类：服务器，交换机(包括以太网网关)，终端(包括各种机顶盒，编码板，存储器等)。视联网整体上可以分为城域网(或者国家网、全球网等)和接入网。

1.2其中接入网部分的设备主要可以分为3类：节点服务器，接入交换机(包括以太网网关)，终端(包括各种机顶盒，编码板，存储器等)。

各接入网设备的具体硬件结构为：

节点服务器：

如图2所示，主要包括网络接口模块201、交换引擎模块202、CPU模块203、磁盘阵列模块204。

其中，网络接口模块201，CPU模块203、磁盘阵列模块204进来的包均进入交换引擎模块202；交换引擎模块202对进来的包进行查地址表205的操作，从而获得包的导向信息；并根据包的导向信息把该包存入对应的包缓存器206的队列；如果包缓存器206的队列接近满，则丢弃；交换引擎模202轮询所有包缓存器队列，如果满足以下条件进行转发：1)该端口发送缓存未满；2)该队列包计数器大于零。磁盘阵列模块204主要实现对硬盘的控制，包括对硬盘的初始化、读写等操作；CPU模块203主要负责与接入交换机、终端(图中未示出)之间的协议处理，对地址表205(包括下行协议包地址表、上行协议包地址表、数据包地址表)的配置，以及，对磁盘阵列模块204的配置。

接入交换机：

如图3所示，主要包括网络接口模块(下行网络接口模块301、上行网络接口模块302)、交换引擎模块303和CPU模块304。

其中，下行网络接口模块301进来的包(上行数据)进入包检测模块305；包检测模块305检测包的目的地址(DA)、源地址(SA)、数据包类型及包长度是否符合要求，如果符合，则分配相应的流标识符(stream-id)，并进入交换引擎模块303，否则丢弃；上行网络接口模块302进来的包(下行数据)进入交换引擎模块303；CPU模块204进来的数据包进入交换引擎模块303；交换引擎模块303对进来的包进行查地址表306的操作，从而获得包的导向信息；如果进入交换引擎模块303的包是下行网络接口往上行网络接口去的，则结合流标识符(stream-id)把该包存入对应的包缓存器307的队列；如果该包缓存器307的队列接近满，则丢弃；如果进入交换引擎模块303的包不是下行网络接口往上行网络接口去的，则根据包的导向信息，把该数据包存入对应的包缓存器307的队列；如果该包缓存器307的队列接近满，则丢弃。

交换引擎模块303轮询所有包缓存器队列，在本发明实施例中分两种情形：

如果该队列是下行网络接口往上行网络接口去的，则满足以下条件进行转发：1)该端口发送缓存未满；2)该队列包计数器大于零；3)获得码率控制模块产生的令牌。

如果该队列不是下行网络接口往上行网络接口去的，则满足以下条件进行转发：1)该端口发送缓存未满；2)该队列包计数器大于零。

码率控制模块208是由CPU模块204来配置的，在可编程的间隔内对所有下行网络接口往上行网络接口去的包缓存器队列产生令牌，用以控制上行转发的码率。

CPU模块304主要负责与节点服务器之间的协议处理，对地址表306的配置，以及，对码率控制模块308的配置。

以太网协转网关：

如图4所示，主要包括网络接口模块(下行网络接口模块401、上行网络接口模块402)、交换引擎模块403、CPU模块404、包检测模块405、码率控制模块408、地址表406、包缓存器407和MAC添加模块409、MAC删除模块410。

其中，下行网络接口模块401进来的数据包进入包检测模块405；包检测模块405检测数据包的以太网MAC DA、以太网MAC SA、以太网length or frame type、视联网目的地址DA、视联网源地址SA、视联网数据包类型及包长度是否符合要求，如果符合则分配相应的流标识符(stream-id)；然后，由MAC删除模块410减去MAC DA、MAC SA、length or frame type(2byte)，并进入相应的接收缓存，否则丢弃；

下行网络接口模块401检测该端口的发送缓存，如果有包则根据包的视联网目的地址DA获知对应的终端的以太网MAC DA，添加终端的以太网MAC DA、以太网协转网关的MACSA、以太网length or frame type，并发送。

以太网协转网关中其他模块的功能与接入交换机类似。

终端：

主要包括网络接口模块、业务处理模块和CPU模块；例如，机顶盒主要包括网络接口模块、视音频编解码引擎模块、CPU模块；编码板主要包括网络接口模块、视音频编码引擎模块、CPU模块；存储器主要包括网络接口模块、CPU模块和磁盘阵列模块。

1.3城域网部分的设备主要可以分为3类：节点服务器，节点交换机，城域服务器。其中，节点交换机主要包括网络接口模块、交换引擎模块和CPU模块；城域服务器主要包括网络接口模块、交换引擎模块和CPU模块构成。

2、视联网数据包定义

2.1接入网数据包定义

接入网的数据包主要包括以下几部分：目的地址(DA)、源地址(SA)、保留字节、payload(PDU)、CRC。

如下表所示，接入网的数据包主要包括以下几部分：

DA

SA

Reserved

Payload

CRC

目的地址(DA)由8个字节(byte)组成，第一个字节表示数据包的类型(例如各种协议包、组播数据包、单播数据包等)，最多有256种可能，第二字节到第六字节为城域网地址，第七、第八字节为接入网地址。

源地址(SA)也是由8个字节(byte)组成，定义与目的地址(DA)相同。

保留字节由2个字节组成。

payload部分根据不同的数据报的类型有不同的长度，如果数据报的类型是各种协议包，则payload部分的长度是64个字节，如果数据报的类型是单组播数据包，则payload部分的长度是32+1024＝1056个字节，当然并不仅仅限于以上2种。

CRC有4个字节组成，其计算方法遵循标准的以太网CRC算法。

2.2城域网数据包定义

城域网的拓扑是图型，两个设备之间可能有2种、甚至2种以上的连接，即节点交换机和节点服务器、节点交换机和节点交换机、节点交换机和节点服务器之间都可能超过2种连接。但是，城域网设备的城域网地址却是唯一的，为了精确描述城域网设备之间的连接关系，在本发明实施例中引入参数：标签，来唯一描述一个城域网设备。

本说明书中标签的定义和多协议标签交换(Multi-Protocol Label Switch，MPLS)的标签的定义类似，假设设备A和设备B之间有两个连接，那么数据包从设备A到设备B就有2个标签，数据包从设备B到设备A也有2个标签。标签分入标签、出标签，假设数据包进入设备A的标签(入标签)是0x0000，这个数据包离开设备A时的标签(出标签)可能就变成了0x0001。城域网的入网流程是集中控制下的入网过程，也就意味着城域网的地址分配、标签分配都是由城域服务器主导的，节点交换机、节点服务器都是被动的执行而已，这一点与MPLS的标签分配是不同的，MPLS的标签分配是交换机、服务器互相协商的结果。

如下表所示，城域网的数据包主要包括以下几部分：

DA

SA

Reserved

标签

Payload

CRC

即目的地址(DA)、源地址(SA)、保留字节(Reserved)、标签、payload(PDU)、CRC。其中，标签的格式可以参考如下定义：标签是32bit，其中高16bit保留，只用低16bit，它的位置是在数据包的保留字节和payload之间。

基于视联网的上述特性，提出了本发明实施例的核心构思之一，遵循视联网的协议，视联网节点服务器对视频流数据中的目标对象进行处理，并发送处理结果至视联网客户端进行展示。

参照图5，示出了本发明的一种目标对象的处理方法实施例的步骤流程图，该方法可以应用于视联网和以太网中，视联网包括：视联网节点服务器、第一视联网客户端和第一视联网终端，以太网包括：第二视联网客户端和第二视联网终端；视联网节点服务器分别与第一视联网客户端和/或第二视联网客户端，以及，第一视联网终端和/或第二视联网终端连接，该方法具体可以包括如下步骤：

步骤501，视联网节点服务器接收来自第一视联网终端和/或第二视联网终端的视频流数据。

本发明实施例中的视联网终端可以为摄像头或者转码服务器，而且，视联网终端可以位于视联网中，即第一视联网终端；视联网终端还可以位于以太网中，即第二视联网终端。无论视联网终端位于视联网中还是位于以太网中，视联网节点服务器均可以与视联网终端进行通信。

本发明实施例中的视联网终端可以直接采集得到视频流数据，也可以对视频流数据进行转换操作，还可以保存已经录制完毕的视频流数据。因此，在本发明的一种优选实施例中，视频流数据包括以下至少之一：已录制的视频文件、来自第一视联网终端和/或第二视联网终端中的摄像头的原始视频码流、来自第一视联网终端和/或第二视联网终端中的视频转码设备的H.264视频码流。

本发明实施例中，若视频流数据来源于第一视联网终端，则视联网节点服务器可以通过视联网接收到视频流数据；若视频流数据来源于第二视联网终端，则视联网节点服务器可以通过IP网络接收到视频流数据。本发明实施例对视频流数据从视联网终端传输至视联网节点服务器所采用的网络线路不作具体限制。

步骤502，视联网节点服务器通过训练完毕的卷积神经网络模型对视频流数据进行目标对象的关键点特征提取操作，得到视频流数据中的至少一个目标对象的关键点特征向量。

本发明实施例中，视联网节点服务器中可以预先设置已训练完毕的卷积神经网络模型，该卷积神经网络模型可以用于对视频流数据中的目标对象进行识别、统计、跟踪等处理。

本发明实施例中的卷积神经网络模型的训练过程如下：视联网节点服务器将含有目标对象标注信息的样本数据集中的每个样本数据依次输入至原始卷积神经网络，得到每个样本数据中目标对象的检测结果信息，目标对象标注信息包括：目标对象的关键点位置的标注信息。视联网节点服务器根据每个样本数据中目标对象的检测结果信息和关键点位置的标注信息，确定每个样本数据中目标对象的误差信息。视联网节点服务器根据误差信息调整原始卷积神经网络的网络参数，得到训练完毕的卷积神经网络模型。

在本发明的一种优选实施例中，卷积神经网络模型可以为基于Darknet(较为轻型的开源深度学习框架)和yolo(基于单个神经网络的目标检测系统)。该卷积神经网络模型可以使用连续的3×3和1×1卷积层，共有53个卷积层，每个卷积层都使用相同的设置进行训练，并以256×256的单精度测试进行测试。该卷积神经网络模型的浮点运算更少，速度更快。也可以实现每秒最高的测量浮点运算，意味着该卷积神经网络模型可以更好地利用GPU，从而使其效率更高，速度更快。

步骤503，视联网节点服务器根据关键点特征向量进行目标对象处理，得到目标对象的处理结果，并发送处理结果至第一视联网客户端和/或第二视联网客户端。

本发明实施例中，视联网节点服务器对目标对象的处理操作可以包括数量统计和目标跟踪等。

在本发明的一种优选实施例中，视联网节点服务器根据关键点特征向量进行目标对象处理，得到目标对象的处理结果时，可以从关键点特征向量中统计出第一类关键点特征向量，并根据第一类关键点特征向量进行目标对象的跟踪处理，得到目标对象的跟踪结果。

本发明实施例中的目标对象可以包括以下至少之一：眼睛、眉毛、鼻子、嘴巴、耳朵、头发、脸部外轮廓、头部轮廓、胳膊、手、腿、脚、上身。不同的目标对象的关键点特征向量所对应的目标对象处理的作用是不同的，因此，可以将卷积神经网络模型提取得到的关键点特征向量进行分类得到第一类关键点特征向量和第二类关键点特征向量。其中，第一类关键点特征向量用于进行目标对象的跟踪处理，第二类关键点特征向量用于进行目标对象的统计处理。例如，针对人脸的目标对象的关键点特征向量可以作为第一类关键点特征向量，包括眼睛、眉毛、鼻子、嘴巴、耳朵、头发、脸部外轮廓、头部轮廓等目标对象的关键点特征向量。而且，在进行目标对象的跟踪处理时，可以从第一类关键点特征向量中选择一种或者几种的组合进行跟踪处理。选择的目的在于根据选择出的一种或几种第一类关键点特征向量可以唯一确定一个人。

在本发明的一种优选实施例中，视联网节点服务器根据关键点特征向量进行目标对象处理，得到目标对象的处理结果时，可以从关键点特征向量中统计出第二类关键点特征向量，并根据第二类关键点特征向量进行目标对象的统计处理，得到目标对象的统计结果。

又例如，针对人体的目标对象的关键点特征向量可以作为第二类关键点特征向量，包括胳膊、手、腿、脚、上身等目标对象的关键点特征向量。而且，在进行目标对象的统计处理时，可以从第二类关键点特征向量中选择一种进行统计处理。选择的目的在于根据选择出的一种第二类关键点特征向量可以确定一个人。

本发明实施例中的处理结果可以包括统计结果和跟踪结果等，视联网节点服务器将处理结果发送至视联网客户端。若处理结果为统计结果，即视联网节点服务器可以统计出视频流数据中当前画面中包含的人数，则视联网客户端可以展示具体的人数；若处理结果为跟踪结果，即视联网节点服务器可以对视频流数据中当前画面中某个或某些人进行跟踪，则视联网客户端可以展示跟踪的人体的框图。本发明实施例中的视联网客户端可以为Web客户端、微信公众号等，本发明实施例对视联网客户端不作具体限制。

本发明实施例中的视联网客户端可以位于视联网中，即第一视联网客户端，还可以位于以太网中，即第二视联网客户端。第一视联网客户端和/或第二视联网客户端均用于对处理结果进行展示。

在视联网节点服务器得到统计结果之后，视联网节点服务器可以进一步利用统计结果进行预警处理，例如，视联网节点服务器对某一区域在某一时间段内的视频流数据中的目标对象进行统计处理之后，得到该区域在该时间段内的统计结果，若统计结果大于统计数量阈值，则可以生成该区域在该时间段内的预警结果，并将预警结果发送至第一视联网客户端和/或第二视联网客户端。第一视联网客户端和/或第二视联网客户端还用于展示预警结果。

基于上述目标对象的处理方法实施例的相关说明，下面介绍一种基于视联网的人体检测方法，如图6所示，目标对象检测服务器可以从监控终端获取视频流数据，该视频流数据可以包括录制的视频文件、与监控服务器直连的监控摄像头的视频码流和网络摄像头的视频码流。目标对象检测服务器可以通过分析视频流数据中的图像，根据相关的算法进行人体识别，并统计出当前视频流数据中的人数及人体位置，可用于跟踪和预警等。目标对象检测服务器可将相关信息传输给监控客户端，具体的相关信息可以包括当前视频流数据中的人数和人体框图。监控客户端可以对相关信息进行展示。

本发明实施例应用于视联网和以太网中，其中，视联网包括：视联网节点服务器、第一视联网客户端和第一视联网终端。以太网包括：第二视联网客户端和第二视联网终端。视联网节点服务器分别与第一视联网客户端和/或第二视联网客户端，以及，第一视联网终端和/或第二视联网终端连接。

本发明实施例中，第一视联网终端和/或第二视联网终端可以采集或转换视频流数据，视联网节点服务器接收来自第一视联网终端和/或第二视联网终端的视频流数据。视联网节点服务器通过训练完毕的卷积神经网络模型对视频流数据进行目标对象的关键点特征提取操作，得到视频流数据中的至少一个目标对象的关键点特征向量。视联网节点服务器再根据关键点特征向量进行目标对象处理，得到目标对象的处理结果，并发送处理结果至第一视联网客户端和/或第二视联网客户端，第一视联网客户端和/或第二视联网客户端用于展示处理结果。

本发明实施例应用视联网的特性，视联网节点服务器可以对视频流数据中的目标对象进行处理，并将处理结果发送至视联网客户端进行展示，提高了视频流数据的利用率，丰富了视频流数据的应用场景。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图7，示出了本发明的一种目标对象的处理系统实施例的结构框图，该系统可以应用于视联网和以太网中，视联网包括：视联网节点服务器、第一视联网客户端和第一视联网终端，以太网包括：第二视联网客户端和第二视联网终端；视联网节点服务器分别与第一视联网客户端和/或第二视联网客户端，以及，第一视联网终端和/或第二视联网终端连接，该系统中的视联网节点服务器具体可以包括如下模块：

接收模块701，用于接收来自第一视联网终端和/或第二视联网终端的视频流数据，视频流数据包括以下至少之一：已录制的视频文件、来自第一视联网终端和/或第二视联网终端中的摄像头的原始视频码流、来自第一视联网终端和/或第二视联网终端中的视频转码设备的H.264视频码流。

提取模块702，用于通过训练完毕的卷积神经网络模型对视频流数据进行目标对象的关键点特征提取操作，得到视频流数据中的至少一个目标对象的关键点特征向量。

处理模块703，用于根据关键点特征向量进行目标对象处理，得到目标对象的处理结果，并发送处理结果至第一视联网客户端和/或第二视联网客户端，第一视联网客户端和/或第二视联网客户端用于展示处理结果。

在本发明的一种优选实施例中，处理模块703，用于从关键点特征向量中统计出第一类关键点特征向量，并根据第一类关键点特征向量进行目标对象的跟踪处理，得到目标对象的跟踪结果；和/或，从关键点特征向量中统计出第二类关键点特征向量，并根据第二类关键点特征向量进行目标对象的统计处理，得到目标对象的统计结果。

在本发明的一种优选实施例中，视联网节点服务器还包括：预警模块704，用于根据统计结果进行预警处理，得到目标对象的预警结果，并发送预警结果至第一视联网客户端和/或第二视联网客户端，第一视联网客户端和/或第二视联网客户端还用于展示预警结果。

在本发明的一种优选实施例中，视联网节点服务器还包括：训练模块705，用于将含有目标对象标注信息的样本数据集中的每个样本数据依次输入至原始卷积神经网络，得到每个样本数据中目标对象的检测结果信息，目标对象标注信息包括：目标对象的关键点位置的标注信息；根据每个样本数据中目标对象的检测结果信息和关键点位置的标注信息，确定每个样本数据中目标对象的误差信息；根据误差信息调整原始卷积神经网络的网络参数，得到训练完毕的卷积神经网络模型。

在本发明的一种优选实施例中，目标对象包括以下至少之一：眼睛、眉毛、鼻子、嘴巴、耳朵、头发、脸部外轮廓、头部轮廓、胳膊、手、腿、脚、上身。

对于系统实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种目标对象的处理方法和一种目标对象的处理系统，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种目标对象的处理方法，其特征在于，所述方法应用于视联网和以太网中，所述视联网包括：视联网节点服务器、第一视联网客户端和第一视联网终端，所述以太网包括：第二视联网客户端和第二视联网终端；所述视联网节点服务器分别与所述第一视联网客户端和/或第二视联网客户端，以及，所述第一视联网终端和/或第二视联网终端连接，所述方法包括：

所述视联网节点服务器接收来自所述第一视联网终端和/或所述第二视联网终端的视频流数据，所述视频流数据包括以下至少之一：已录制的视频文件、来自所述第一视联网终端和/或所述第二视联网终端中的摄像头的原始视频码流、来自所述第一视联网终端和/或所述第二视联网终端中的视频转码设备的H.264视频码流；

所述视联网节点服务器通过训练完毕的卷积神经网络模型对所述视频流数据进行目标对象的关键点特征提取操作，得到所述视频流数据中的至少一个目标对象的关键点特征向量；

所述视联网节点服务器根据所述关键点特征向量进行目标对象处理，得到目标对象的处理结果，并发送所述处理结果至所述第一视联网客户端和/或第二视联网客户端，所述第一视联网客户端和/或所述第二视联网客户端用于展示所述处理结果。

2.根据权利要求1所述的目标对象的处理方法，其特征在于，所述视联网节点服务器根据所述关键点特征向量进行目标对象处理，得到目标对象的处理结果，包括：

所述视联网节点服务器从所述关键点特征向量中统计出第一类关键点特征向量，并根据所述第一类关键点特征向量进行目标对象的跟踪处理，得到目标对象的跟踪结果；

和/或，所述视联网节点服务器从所述关键点特征向量中统计出第二类关键点特征向量，并根据所述第二类关键点特征向量进行目标对象的统计处理，得到目标对象的统计结果。

3.根据权利要求2所述的目标对象的处理方法，其特征在于，所述方法还包括：

所述视联网节点服务器根据所述统计结果进行预警处理，得到目标对象的预警结果，并发送所述预警结果至所述第一视联网客户端和/或第二视联网客户端，所述第一视联网客户端和/或所述第二视联网客户端还用于展示所述预警结果。

4.根据权利要求1所述的目标对象的处理方法，其特征在于，通过以下方式训练所述卷积神经网络模型：

所述视联网节点服务器将含有目标对象标注信息的样本数据集中的每个样本数据依次输入至原始卷积神经网络，得到每个样本数据中目标对象的检测结果信息，所述目标对象标注信息包括：目标对象的关键点位置的标注信息；

所述视联网节点服务器根据每个样本数据中目标对象的检测结果信息和所述关键点位置的标注信息，确定每个样本数据中目标对象的误差信息；

所述视联网节点服务器根据所述误差信息调整所述原始卷积神经网络的网络参数，得到训练完毕的卷积神经网络模型。

5.根据权利要求1至4中任一项所述的目标对象的处理方法，其特征在于，所述目标对象包括以下至少之一：

眼睛、眉毛、鼻子、嘴巴、耳朵、头发、脸部外轮廓、头部轮廓、胳膊、手、腿、脚、上身。

6.一种目标对象的处理系统，其特征在于，所述系统应用于视联网和以太网中，所述视联网包括：视联网节点服务器、第一视联网客户端和第一视联网终端，所述以太网包括：第二视联网客户端和第二视联网终端；所述视联网节点服务器分别与所述第一视联网客户端和/或第二视联网客户端，以及，所述第一视联网终端和/或第二视联网终端连接，所述视联网节点服务器包括：

接收模块，用于接收来自所述第一视联网终端和/或所述第二视联网终端的视频流数据，所述视频流数据包括以下至少之一：已录制的视频文件、来自所述第一视联网终端和/或所述第二视联网终端中的摄像头的原始视频码流、来自所述第一视联网终端和/或所述第二视联网终端中的视频转码设备的H.264视频码流；

提取模块，用于通过训练完毕的卷积神经网络模型对所述视频流数据进行目标对象的关键点特征提取操作，得到所述视频流数据中的至少一个目标对象的关键点特征向量；

处理模块，用于根据所述关键点特征向量进行目标对象处理，得到目标对象的处理结果，并发送所述处理结果至所述第一视联网客户端和/或第二视联网客户端，所述第一视联网客户端和/或所述第二视联网客户端用于展示所述处理结果。

7.根据权利要求6所述的目标对象的处理系统，其特征在于，所述处理模块，用于从所述关键点特征向量中统计出第一类关键点特征向量，并根据所述第一类关键点特征向量进行目标对象的跟踪处理，得到目标对象的跟踪结果；和/或，从所述关键点特征向量中统计出第二类关键点特征向量，并根据所述第二类关键点特征向量进行目标对象的统计处理，得到目标对象的统计结果。

8.根据权利要求7所述的目标对象的处理系统，其特征在于，所述视联网节点服务器还包括：

预警模块，用于根据所述统计结果进行预警处理，得到目标对象的预警结果，并发送所述预警结果至所述第一视联网客户端和/或第二视联网客户端，所述第一视联网客户端和/或所述第二视联网客户端还用于展示所述预警结果。

9.根据权利要求6所述的目标对象的处理系统，其特征在于，所述视联网节点服务器还包括：训练模块，用于将含有目标对象标注信息的样本数据集中的每个样本数据依次输入至原始卷积神经网络，得到每个样本数据中目标对象的检测结果信息，所述目标对象标注信息包括：目标对象的关键点位置的标注信息；根据每个样本数据中目标对象的检测结果信息和所述关键点位置的标注信息，确定每个样本数据中目标对象的误差信息；根据所述误差信息调整所述原始卷积神经网络的网络参数，得到训练完毕的卷积神经网络模型。

10.根据权利要求6至9中任一项所述的目标对象的处理系统，其特征在于，所述目标对象包括以下至少之一：

眼睛、眉毛、鼻子、嘴巴、耳朵、头发、脸部外轮廓、头部轮廓、胳膊、手、腿、脚、上身。

Images