CN112004159A - 视频数据的处理方法以及设备、系统、存储介质 - Google Patents
视频数据的处理方法以及设备、系统、存储介质 Download PDFInfo
- Publication number
- CN112004159A CN112004159A CN202010892550.4A CN202010892550A CN112004159A CN 112004159 A CN112004159 A CN 112004159A CN 202010892550 A CN202010892550 A CN 202010892550A CN 112004159 A CN112004159 A CN 112004159A
- Authority
- CN
- China
- Prior art keywords
- target
- standard
- human body
- video data
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 210000000746 body region Anatomy 0.000 claims abstract description 112
- 238000012545 processing Methods 0.000 claims abstract description 93
- 230000009471 action Effects 0.000 claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000005477 standard model Effects 0.000 claims abstract description 34
- 230000003238 somatosensory effect Effects 0.000 claims description 146
- 230000033001 locomotion Effects 0.000 claims description 55
- 230000011218 segmentation Effects 0.000 claims description 47
- 238000012937 correction Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 230000001131 transforming effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
- H04N21/4756—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for rating content, e.g. scoring a recommended movie
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,公开了一种视频数据的处理方法以及终端设备、云端设备、系统、计算机可读存储介质。本发明通过终端设备将获取到的多个目标人体区域数据发送至云端设备,云端设备可以将其输入至标准模型库中,得到与多个目标人体区域数据一一对应的标准体感动作,进一步地,云端设备将多个标准体感动作发送至终端设备,这样终端设备便可以根据该标准体感动作对与其对应的目标体感动作进行纠正,实现了对用户体感动作的客观指导,使得用户能够更好地锻炼或练习,给用户带来了诸多便利,提升了用户的人机交互体验感。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种视频数据的处理方法以及终端设备、云端设备、系统、计算机可读存储介质。
背景技术
随着科学技术的发展,更高层次的人机交互理念对交互方式提出了越来越高的要求,例如体感人机交互方式,用户可以很直接地使用肢体动作与对应的装置进行互动,从而可以让用户身历其境地与装置进行互动;其中,体感人机交互更多地应用于用户日常生活的运动锻炼或游戏娱乐中,已俨然成为用户日常生活中必不可少的一部分。
目前常常可见的场景是,通过终端设备如智能电视机可以采集到用户的健身或舞蹈或瑜伽等动作,用户只能在锻炼或练习过程中跟随着视频学习,但是对于用户而言其所做动作是否达标并没有判断的标准,只能凭借用户自己的理解摸索练习各种健身或舞蹈或瑜伽等动作,给用户带来诸多不便,造成用户困扰。
发明内容
本发明的主要目的在于提供视频数据的处理方法以及终端设备、云端设备、系统、计算机可读存储介质,旨在客观指导用户的体感动作以提升用户人机交互体验感。
为实现上述目的,本发明提供一种视频数据的处理方法,应用于终端设备,所述视频数据的处理方法包括:
实时获取目标视频数据;
对所述目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据;
向云端设备发送所述多个目标人体区域数据;
接收所述云端设备发送的多个标准体感动作,根据所述多个标准体感动作分别对所述多个目标人体区域数据一一对应的目标体感动作进行纠正。
可选的,所述根据所述多个标准体感动作分别对所述多个目标人体区域数据一一对应的目标体感动作进行纠正的步骤之前,还包括:
判断所述多个目标人体区域数据一一对应的目标体感动作是否与其对应的标准体感动作的容错度在预设容错阈值内;
若是,则根据目标体感动作与其对应的标准体感动作的容错度,对所述目标体感动作进行评分,并将评分结果显示在所述终端设备的屏幕上;
若否,则执行根据所述多个标准体感动作分别对所述多个目标人体区域数据一一对应的目标体感动作进行纠正的步骤。
可选的,所述根据所述多个标准体感动作分别对所述多个目标人体区域数据一一对应的目标体感动作进行纠正的步骤,包括:
将目标体感动作对应的标准体感动作在所述终端设备的屏幕上进行显示;
根据标准体感动作确定与其对应的目标体感动作的纠正信息,并语音播报所述纠正信息,以使用户根据所述纠正信息纠正目标体感动作。
可选的,所述对所述目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据的步骤,包括:
分别对多个目标图像帧中作为前景的人体区域图像和作为背景的环境区域图像进行分割;
对所述人体区域图像进行二值化处理,得到多个目标人体区域数据。
可选的,所述对所述目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据的步骤之前,还包括:
根据预设操作分别对所述目标视频数据中的多个目标图像帧进行处理;
所述对所述目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据的步骤,包括:
对所述目标视频数据中进行处理后,清晰度大于预设清晰阈值的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据。
可选的,所述实时获取视频数据的步骤之前,还包括:
向所述云端设备发送标准视频数据,其中所述标准视频数据中包括多个标准人体区域数据,以使所述云端设备根据所述标准视频数据训练得到标准模型库。
为实现上述目的,本发明提供一种视频数据的处理方法,应用于云端设备,所述视频数据的处理方法包括:
接收终端设备发送的多个目标人体区域数据;
将所述多个目标人体区域数据输入至标准模型库中,得到与所述多个目标人体区域数据一一对应的标准体感动作;
向所述终端设备发送多个标准体感动作。
可选的,所述接收终端设备发送的多个目标人体区域数据之前,还包括:
接收所述终端设备发送的标准视频数据;
对所述目标标准视频数据中的多个标准图像帧分别进行人体分割处理,得到多个标准人体区域数据;
对所述多个标准人体区域数据一一对应的标准体感动作进行训练,生成标准模型库。
为实现上述目的,本发明提供一种视频数据的处理方法,所述视频数据的处理方法包括:
终端设备实时获取目标视频数据;对所述目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据;向云端设备发送所述多个目标人体区域数据;
所述云端设备接收所述终端设备发送的多个目标人体区域数据;将所述多个目标人体区域数据输入至标准模型库中,得到与所述多个目标人体区域数据一一对应的标准体感动作;向所述终端设备发送多个标准体感动作。
所述终端设备接收所述云端设备发送的多个标准体感动作,根据所述多个标准体感动作分别对所述多个目标人体区域数据一一对应的目标体感动作进行纠正。
此外,为实现上述目的,本发明还提出一种终端设备,包括:
第一获取模块,用于实时获取目标视频数据;
处理模块,用于对所述目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据;
第一发送模块,用于向云端设备发送所述多个目标人体区域数据;
第一接收模块,用于接收所述云端设备发送的多个标准体感动作;
纠正模块,用于根据所述多个标准体感动作分别对所述多个目标人体区域数据一一对应的目标体感动作进行纠正。
此外,为实现上述目的,本发明还提出一种云端设备,包括:
第二接收模块,用于接收终端设备发送的多个目标人体区域数据;
第二获取模块,用于将所述多个目标人体区域数据输入至标准模型库中,得到与所述多个目标人体区域数据一一对应的标准体感动作;
第二发送模块,用于向所述终端设备发送多个标准体感动作。
此外,为实现上述目的,本发明还提出一种系统,包括:
终端设备,用于实时获取目标视频数据;对所述目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据;向云端设备发送所述多个目标人体区域数据;
所述云端设备,用于接收所述终端设备发送的多个目标人体区域数据;将所述多个目标人体区域数据输入至标准模型库中,得到与所述多个目标人体区域数据一一对应的标准体感动作;向所述终端设备发送多个标准体感动作。
所述终端设备,还用于接收所述云端设备发送的多个标准体感动作,根据所述多个标准体感动作分别对所述多个目标人体区域数据一一对应的目标体感动作进行纠正。
此外,为实现上述目的,本发明还提出一种终端设备,终端设备包括:存储器、处理器及存储在存储器上并在处理器上运行视频数据的处理程序,视频数据的处理程序被处理器执行时实现如上文的视频数据的处理方法的步骤。
此外,为实现上述目的,本发明还提出一种云端设备,云端设备包括:存储器、处理器及存储在存储器上并在处理器上运行视频数据的处理程序,视频数据的处理程序被处理器执行时实现如上文的视频数据的处理方法的步骤。
此外,为实现上述目的,本发明还提出一种计算机可读存储介质,计算机可读存储介质上存储有视频数据的处理程序,视频数据的处理程序被处理器执行时实现如上文的视频数据的处理方法的步骤。
本发明提供的技术方案,终端设备实时获取目标视频数据,并对视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据,进而向云端设备发送多个目标人体区域数据;云端设备接收终端设备发送的多个目标人体区域数据,并将多个目标人体区域数据输入至标准模型库中,得到与多个目标人体区域数据一一对应的标准体感动作,进而向终端设备发送多个标准体感动作;进一步地,终端设备接收云端设备发送的多个标准体感动作,根据多个标准体感动作分别对多个目标人体区域数据一一对应的目标体感动作进行纠正。
也即本发明提供的技术方案,终端设备将获取到的多个目标人体区域数据发送至云端设备,云端设备可以将其输入至标准模型库中,得到与多个目标人体区域数据一一对应的标准体感动作,进一步地,云端设备将多个标准体感动作发送至终端设备,这样终端设备便可以根据该标准体感动作对与其对应的目标体感动作进行纠正,实现了对用户体感动作的客观指导,使得用户能够更好地锻炼或练习,给用户带来了诸多便利,提升了用户的人机交互体验感。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端设备结构示意图;
图2是本发明实施例方案涉及的硬件运行环境的云端设备结构示意图;
图3为本发明视频数据的处理方法第一实施例的流程示意图;
图4为本发明视频数据的处理方法第一实施例中设置预设容错阈值的界面示意图;
图5为本发明视频数据的处理方法第二实施例的流程示意图;
图6为本发明视频数据的处理方法第三实施例的流程示意图;
图7为本发明终端设备第一实施例的结构框图;
图8为本发明云端设备第一实施例的结构框图;
图9为本发明系统第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的终端设备结构示意图。
如图1所示,该终端设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display),可选用户接口1003还可以包括标准的有线接口以及无线接口,而用户接口1003的有线接口在本发明中可为通用串行总线(Universal Serial Bus,USB)接口。网络接口1004可选的可以包括标准的有线接口以及无线接口(如WI-FI接口)。存储器1005可以是高速随机存取存储器(Random Access Memory,RAM);也可以是稳定的存储器,比如,非易失存储器(Non-volatile Memory),具体可为,磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及视频数据的处理程序。
在图1所示的终端设备中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接外设;终端设备通过处理器1001调用存储器1005中存储的视频数据的处理程序,并执行本发明实施例提供的视频数据的处理方法。
参照图2,图2为本发明实施例方案涉及的硬件运行环境的云端设备结构示意图。
云端设备包括中央处理单元(CPU)2001、包括随机存取存储器(RAM)2002和只读存储器(ROM)2003的系统存储器2004,以及连接系统存储器2004和中央处理单元2001的系统总线2005。云端设备2000还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)2006,和用于存储操作系统2103、应用程序2104和其他程序模块2105的大容量存储设备2007。
基本输入/输出系统2006包括有用于显示信息的显示器2008和用于用户输入信息的诸如鼠标、键盘之类的输入设备2009。其中显示器2008和输入设备2009都通过连接到系统总线2005的输入输出控制器2100连接到中央处理单元2001。基本输入/输出系统2006还可以包括输入输出控制器2100以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器2100还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备2007通过连接到系统总线2005的大容量存储控制器(未示出)连接到中央处理单元2001。大容量存储设备2007及其相关联的计算机可读存储介质为云端设备2000提供非易失性存储。也就是说,大容量存储设备2007可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读存储介质(未示出)。
不失一般性,计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器2004和大容量存储设备2007可以统称为存储器。根据本申请的各种实施例,云端设备2000还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即云端设备2000可以通过连接在系统总线2005上的网络接口单元2101连接到网络2102,或者说,也可以使用网络接口单元2101来连接到其他类型的网络或远程计算机系统(未示出)。
本领域技术人员可以理解,图2中示出的结构并不构成对云端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
基于上述硬件结构,提出本发明的各实施例。
视频数据的处理方法实施例:
第一实施例:
参照图3,图3为本发明视频数据的处理方法第一实施例的流程示意图。
本实施例中视频数据的处理方法包括以下步骤:
步骤S30:终端设备实时获取目标视频数据;对视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据;向云端设备发送多个目标人体区域数据。
可以理解的是,本实施例中的目标视频数据可以是摄像头拍摄的实时视频数据,或者也可以是本地预先通过摄像头录制的视频数据,还可以是由多个图像拼接剪辑组合成的视频数据。其中,本实施例中的多个目标图像帧可以是连续的多个目标图像帧,也可以是目标视频数据中间隔预设时间间隔的多个目标图像帧。
可以理解的是,本实施例中的多个指代的是两个及其两个以上,其中目标视频数据中包括多个目标图像帧,进一步地,终端设备对多个目标图像帧进行分割处理,能够得到与多个目标图像帧一一对应的目标人体区域数据,即得到多个目标人体区域数据,其中与多个目标人体区域数据一一对应的为目标体感动作;进一步地,云端设备将多个目标人体区域数据输入至标准模型库中,能够得到与多个目标人体区域数据一一对应的标准体感动作,即得到多个标准体感动作。
在本实施例中,终端设备对目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据的步骤之前,还可以包括至少以下步骤:
根据预设操作分别对目标视频数据中的多个目标图像帧进行处理;
进一步地,终端设备对目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据的步骤,包括至少以下步骤:
对目标视频数据中进行处理后,清晰度大于预设清晰阈值的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据。
可以理解的是,目标图像帧的清晰度越高,更易于进行人体分割处理;因此,本实施例中可以根据预设操作分别对目标视频数据中的多个目标图像帧进行处理,从而得到清晰度高的多个目标图像帧,进一步地,筛选出清晰度高于预设清晰阈值的多个目标图像,对筛选出的清晰度高于预设清晰阈值的多个目标图像进行人体分割处理,从而得到清晰度高于预设清晰度阈值的多个目标人体区域数据。这样,在极大程度上降低了进行人体分割处理的难度以及进行人体分割处理的数据量,提升了人体分割处理效率;并且,能够获取得到更加清晰的目标人体动作,以便于后续根据标准体感动作对目标体感动作进行纠正,提升了纠正准确率。
可以理解的是,本实施例中的预设操作包括但不限于滤波、去噪、变换、平滑等,在实际应用中,可以由开发人员进行灵活设定,只要能使得目标图像帧的清晰度更高的预设操作均在本发明的保护范畴内,本发明对此不做具体限定;同时,本实施例中的预设清晰阈值,在实际应用中,由开发人员进行灵活设定。
在本实施例中,终端设备对视频数据中目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据的步骤,可以包括至少以下步骤:
首先,分别对多个目标图像帧中作为前景的人体区域图像和作为背景的环境区域图像进行分割;
然后,对人体区域图像进行二值化处理,得到多个目标人体区域数据。
可以理解的是,本实施例中是将目标图像帧中作为前景的人体区域图像和作为背景的环境区域图像进行分割,这样便能够得到人体区域图像,进一步地,可以对人体区域图像进行二值化处理,其中,二值化处理可以通过微分算子、索贝尔(Sobel)算子或Prcwitt算子等实现,从而得到仅包含用户身体四肢边缘且无背景的图像,即得到多个目标人体区域数据。
步骤S31:云端设备接收终端设备发送的多个目标人体区域数据;将多个目标人体区域数据输入至标准模型库中,得到与多个目标人体区域数据一一对应的标准体感动作;向终端设备发送多个标准体感动作。
可以理解的是,本实施例中云端设备接收到终端设备发送的多个目标人体区域数据时,将其对应输入至标准模型库中,从而可以得到与多个目标人体区域数据一一对应的标准体感动作,进一步地,再向终端设备发送多个标准体感动作。
步骤S32:终端设备接收云端设备发送的多个标准体感动作,根据多个标准体感动作分别对多个目标人体区域数据一一对应的目标体感动作进行纠正。
可以理解的是,本实施例中终端设备接收到云端设备发送的多个标准体感动作,便可以根据多个标准体感动作分别对多个目标人体区域数据一一对应的目标体感动作进行纠正。
在本实施例中,终端设备根据多个标准体感动作分别对多个目标人体区域数据一一对应的目标体感动作进行纠正之前,还可以包括至少以下步骤:
判断多个目标人体区域数据一一对应的目标体感动作是否与其对应的标准体感动作的容错度在预设容错阈值内;
若是,则根据目标体感动作与其对应的标准体感动作的容错度,对目标体感动作进行评分,并将评分结果显示在终端设备的屏幕上;
若否,则执行根据多个标准体感动作分别对多个目标人体区域数据一一对应的目标体感动作进行纠正的步骤。
可以理解的是,本实施例中还可以先判断目标人体区域数据对应的目标体感动作是否与标准体感动作的容错度在预设容错阈值内;如果目标体感动作与标准体感动作的容错度在预设容错阈值内,则可以根据目标体感动作与标准体感动作的容错度,对目标体感动作进行评分,并将评分结果显示在终端设备的屏幕上,以供用户进行查看;如果目标体感动作与标准体感动作的容错度不在预设容错阈值内,则根据标准体感动作对目标体感动作进行纠正。这样,终端设备根据目标体感动作与标准体感动作的容错度来确定何时根据标准体感动作对目标体感动作进行纠正,更加符合应用场景,能够避免对于初学者锻炼或练习的目标体感动作虽然与标准体感动作未完全一致但相差不大的情况下,终端设备反复根据标准体感动作对目标体感动作进行纠正,造成降低初学者锻炼或练习热情的现象发生。可以理解的是,本实施例中的预设容错阈值,在实际应用中,可以由开发人员进行灵活设定;也可以由用户进行自定义设置,例如用户可以将预设容错阈值设置为0%,即用户追求完美,希望目标体感动作完全与标准体感动作一致,只要两者不一致,均根据标准体感动作对目标体感动作纠正,当然预设容错阈值还可以设置为2%、5%等,请参照图4所示,为一种示例的用户对预设容错阈值进行设置的界面示意图。
其中,本实施例中的预设容错阈值可以根据不同人群的特点进行对应设置;例如,对于初学者而言,预设容错阈值可以相对设置得更大一点,对于熟练者而言,预设容错阈值可以相对设置得更小一点,这样能够更加符合不同人群的需求,用户的人机交互体验感更好。
在本实施例中,终端设备根据多个标准体感动作分别对多个目标人体区域数据一一对应的目标体感动作进行纠正的步骤,可以包括至少以下步骤:
首先,将目标体感动作对应的标准体感动作在终端设备的屏幕上进行显示;
然后,根据标准体感动作确定与其对应的目标体感动作的纠正信息,并语音播报纠正信息,以使用户根据纠正信息纠正目标体感动作。
可以理解的是,本实施例中在根据标准体感动作对目标体感动作进行纠正时,具体可以将目标体感动作对应的标准体感动作在终端设备的屏幕上进行显示,以便用户可以直观明了地查看到标准体感动作;与此同时,终端设备还可以根据标准体感动作确定与其对应的目标体感动作的纠正信息,并语音播报纠正信息,以使得用户可以在不用查看终端设备屏幕上显示的标准体感动作的情况下,能够直接根据纠正信息纠正目标体感动作;当然用户可以通过查看到的标准体感动作和语音播报的纠正信息一并纠正目标体感动作。
其中,本实施例中的纠正信息是指使得目标体感动作达到与标准体感动作一致的信息。为了更好地理解,这里以一个具体示例进行说明;例如,设标准体感动作为“弯腰动作”,其在脚底设置有正确标记,当目标体感动作的手掌未触碰到脚底正确标记时,纠正信息可以是“请将手掌触碰到脚底正确标记”,从而用户根据该纠正信息执行手掌触碰到脚底正确标记的操作以实现对目标体感动作的纠正。
在本实施例中,终端设备实时获取视频数据的步骤之前,还可以包括至少以下步骤:
终端设备向云端设备发送标准视频数据,其中标准视频数据中包括多个标准人体区域数据,以使云端设备根据标准视频数据训练得到标准模型库。
相应地,在本实施例中,云端设备接收终端设备发送的多个人体区域数据之前,还可以包括至少以下步骤:
首先,接收终端设备发送的标准视频数据;
然后,对标准视频数据中的多个标准图像帧分别进行人体分割处理,得到多个标准人体区域数据;
再,对多个标准人体区域数据一一对应的标准体感动作进行训练,生成标准模型库。
可以理解的是,本实施例中的标准视频数据是指包括多个标准图像帧的视频数据,其可以是摄像头拍摄的实时视频数据,或者也可以是终端设备本地预先通过摄像头录制的视频数据,还可以是由多个图像拼接剪辑组合成的视频数据。其中,本实施例中的多个标准图像帧可以是连续的多个标准图像帧,也可以是标准视频数据中间隔预设时间间隔的多个标准图像帧。
可以理解的是,本实施例中云端设备接收到终端设备发送的标准视频数据后,可以对标准视频数据中的多个标准图像帧分别进行人体分割处理,从而得到多个标准人体区域数据,进一步地,再对多个标准人体区域数据一一对应的标准体感动作进行训练,生成标准模型库。其中,本实施例中云端设备的标准模型库可以每隔一段时间进行更新,其更新频率可与标准视频数据的接收频率相匹配。
在本实施例中,云端设备对标准视频数据中的多个标准图像帧分别进行人体分割处理,得到多个标准人体区域数据的步骤之前,还可以包括至少以下步骤:
根据预设操作分别对标准视频数据中的多个标准图像帧进行处理;
进一步地,云端设备对标准视频数据中的多个标准图像帧分别进行人体分割处理,得到多个标准人体区域数据的步骤,包括至少以下步骤:
对标准视频数据中进行处理后,清晰度大于预设清晰阈值的多个标准图像帧分别进行人体分割处理,得到多个标准人体区域数据。
可以理解的是,标准图像帧的清晰度越高,更易于进行人体分割处理;因此,本实施例中可以根据预设操作分别对标准视频数据中的多个标准图像帧进行处理,从而得到清晰度高的多个标准图像帧,进一步地,筛选出清晰度高于预设清晰阈值的多个标准图像,对筛选出的清晰度高于预设清晰阈值的多个标准图像进行人体分割处理,从而得到清晰度高于预设清晰度阈值的多个标准人体区域数据。这样,在极大程度上降低了进行人体分割处理的难度以及进行人体分割处理的数据量,提升了人体分割处理效率;并且,能够获取得到更加清晰的标准人体区域数据,从而使得根据该标准人体区域数据对应的标准体感动作训练生成的标准模型库也更为准确。
可以理解的是,本实施例中的预设操作包括但不限于滤波、去噪、变换、平滑等,在实际应用中,可以由开发人员进行灵活设定,只要能使得标准图像帧的清晰度更高的预设操作均在本发明的保护范畴内,本发明对此不做具体限定;同时,本实施例中的预设清晰阈值,在实际应用中,由开发人员进行灵活设定。
在本实施例中,云端设备对视频数据中标准视频数据中的多个标准图像帧分别进行人体分割处理,得到多个标准人体区域数据的步骤,可以包括至少以下步骤:
首先,分别对多个标准图像帧中作为前景的人体区域图像和作为背景的环境区域图像进行分割;
然后,对人体区域图像进行二值化处理,得到多个标准人体区域数据。
可以理解的是,本实施例中是将标准图像帧中作为前景的人体区域图像和作为背景的环境区域图像进行分割,这样便能够得到人体区域图像,进一步地,可以对人体区域图像进行二值化处理,其中,二值化处理可以通过微分算子、索贝尔(Sobel)算子或Prcwitt算子等实现,从而得到仅包含用户身体四肢边缘且无背景的图像,即得到多个标准人体区域数据。
本实施例中,终端设备将获取到的多个目标人体区域数据发送至云端设备,云端设备可以将其输入至标准模型库中,得到与多个目标人体区域数据一一对应的标准体感动作,进一步地,云端设备将多个标准体感动作发送至终端设备,这样终端设备便可以根据该标准体感动作对与其对应的目标体感动作进行纠正,实现了对用户体感动作的客观指导,使得用户能够更好地锻炼或练习,给用户带来了诸多便利,提升了用户的人机交互体验感。
第二实施例:
本发明实施例是在第一实施例的基础上,以一种具体的视频数据的处理方法为例对本发明作进一步的示例说明,请参照图5:
步骤S50:终端设备实时获取目标视频数据。
其中,本实施例中可以是终端设备接收到用户操作指令时,开机并载入AI健身场景,自动检测是否正常连接摄像头,若未正常连接摄像头,则提示摄像头连接异常,若正常连接摄像头,则启动摄像头获取目标视频数据。
步骤S51:终端设备根据预设操作分别对目标视频数据中的多个目标图像帧进行处理。
其中,本实施例中可以是终端设备对目标视频数据中的多个目标图像帧进行滤波、去噪、变换、平滑等预设操作处理,从而得到清晰度高的多个目标图像帧。
步骤S52:终端设备对目标视频数据中进行处理后,清晰度大于预设清晰阈值的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据。
其中,本实施例中可以是分别对清晰度大于预设清晰阈值的多个目标图像帧中作为前景的人体区域图像和作为背景的环境区域图像进行分割,对人体区域图像进行二值化处理,得到多个目标人体区域数据。
步骤S53:终端设备向云端设备发送多个目标人体区域数据。
步骤S54:云端设备将多个目标人体区域数据输入至标准模型库中,得到与多个目标人体区域数据一一对应的标准体感动作。
步骤S55:云端设备向终端设备发送多个标准体感动作。
步骤S56:终端设备判断多个目标人体区域数据一一对应的目标体感动作是否与其对应的标准体感动作的容错度在预设容错阈值内。
若是,执行步骤S57,若否,执行步骤S58。
步骤S57:终端设备根据目标体感动作与其对应的标准体感动作的容错度,对目标体感动作进行评分,并将评分结果显示在终端设备的屏幕上。
步骤S58:终端设备将目标体感动作对应的标准体感动作在终端设备的屏幕上进行显示。
步骤S59:终端设备根据标准体感动作确定与其对应的目标体感动作的纠正信息,并语音播报纠正信息,以使用户根据纠正信息纠正目标体感动作。
本实施例中,终端设备根据目标体感动作与标准体感动作的容错度来确定何时根据标准体感动作对目标体感动作进行纠正,更加符合应用场景,能够避免对于初学者锻炼或练习的目标体感动作虽然与标准体感动作未完全一致但相差不大的情况下,终端设备反复根据标准体感动作对目标体感动作进行纠正,造成降低初学者锻炼或练习热情的现象发生;并且,在根据标准体感动作对目标体感动作进行纠正时,用户不但可以查看到的标准体感动作还能收听到语音播报的纠正信息,用户人机交互体验感更好。
第三实施例:
本发明实施例是上述各实施例的基础上,以一种具体的视频数据的处理方法为例对本发明作进一步的示例说明,请参照图6:
步骤S60:终端设备向云端设备发送标准视频数据。
其中,本实施例中可以是终端设备对标准视频数据中的多个标准图像帧进行滤波、去噪、变换、平滑等预设操作处理,从而得到清晰度高的多个标准图像帧。
步骤S61:云端设备对标准视频数据中的多个标准图像帧分别进行人体分割处理,得到多个标准人体区域数据。
其中,本实施例中可以是分别对清晰度大于预设清晰阈值的多个标准图像帧中作为前景的人体区域图像和作为背景的环境区域图像进行分割,对人体区域图像进行二值化处理,得到多个标准人体区域数据。
步骤S62:云端设备对多个标准人体区域数据一一对应的标准体感动作进行训练,生成标准模型库。
其中,本实施例中云端设备的标准模型库可以每隔一段时间进行更新,其更新频率可与标准视频数据的接收频率相匹配。
步骤S63:终端设备实时获取目标视频数据。
步骤S64:终端设备对目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据。
步骤S65:终端设备向云端设备发送多个目标人体区域数据。
步骤S66:云端设备将多个目标人体区域数据输入至标准模型库中,得到与多个目标人体区域数据一一对应的标准体感动作;
步骤S67:云端设备向终端设备发送多个标准体感动作。
步骤S68:终端设备根据多个标准体感动作分别对多个目标人体区域数据一一对应的目标体感动作进行纠正。
本实施例中,云端设备根据接收到的终端设备发送的标准视频数据,对标准视频数据中的多个标准图像帧分别进行人体分割处理,从而得到多个标准人体区域数据,进一步地,再对多个标准人体区域数据一一对应的标准体感动作进行训练,生成标准模型库,后续便可以根据该标准模型库输出与目标体感动作相对应的标准体感动作,从而使得终端设备可以根据该标准体感动作对目标体感动作进行纠正,实现对用户体感动作的客观指导。
终端设备、云端设备以及系统实施例:
第一实施例:
参照图7,图7为本发明终端设备的结构框图,其中终端设备包括:
第一获取模块70,用于实时获取目标视频数据;
处理模块71,用于对目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据;
第一发送模块72,用于向云端设备发送多个目标人体区域数据;
第一接收模块73,用于接收云端设备发送的多个标准体感动作;
纠正模块74,用于根据多个标准体感动作分别对多个目标人体区域数据一一对应的目标体感动作进行纠正。
本发明的终端设备采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
参照图8,图8为本发明云端设备的结构框图,其中云端设备包括:
第二接收模块80,用于接收终端设备发送的多个目标人体区域数据;
第二获取模块81,用于将多个目标人体区域数据输入至标准模型库中,得到与多个目标人体区域数据一一对应的标准体感动作;
第二发送模块82,用于向终端设备发送多个标准体感动作。
本发明的云端设备采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
参照图9,图9为本发明系统的结构框图,其中系统包括:
终端设备90,用于实时获取目标视频数据;对目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据;向云端设备发送多个目标人体区域数据;
云端设备91,用于接收终端设备发送的多个目标人体区域数据;将多个目标人体区域数据输入至标准模型库中,得到与多个目标人体区域数据一一对应的标准体感动作;向终端设备发送多个标准体感动作。
终端设备90,还用于接收云端设备发送的多个标准体感动作,根据多个标准体感动作分别对多个目标人体区域数据一一对应的目标体感动作进行纠正。
本发明的系统采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
此外,本发明实施例还提出一种计算机可读存储介质,计算机可读存储介质上存储有视频数据的处理程序,视频数据的处理程序被处理器执行时实现如上文所述的终端设备侧的视频数据的处理方法的步骤或实现如上文所述的云端设备侧的视频数据的处理方法的步骤。
该计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于RAM(Random Access Memory,随机存取存储器),ROM(Read-Only Memory,只读存储器),EEPROM(Electrically EraableProgrammable read only memory,带电可擦可编程只读存储器)、闪存或其他存储器技术、CD-ROM(Compact Disc Read-Only Memory,光盘只读存储器),数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。
可见,本领域的技术人员应该明白,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件(可以用计算装置可执行的计算机程序代码来实现)、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (15)
1.一种视频数据的处理方法,其特征在于,应用于终端设备,所述视频数据的处理方法包括:
实时获取目标视频数据;
对所述目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据;
向云端设备发送所述多个目标人体区域数据;
接收所述云端设备发送的多个标准体感动作,根据所述多个标准体感动作分别对所述多个目标人体区域数据一一对应的目标体感动作进行纠正。
2.如权利要求1所述的视频数据的处理方法,其特征在于,所述根据所述多个标准体感动作分别对所述多个目标人体区域数据一一对应的目标体感动作进行纠正的步骤之前,还包括:
判断所述多个目标人体区域数据一一对应的目标体感动作是否与其对应的标准体感动作的容错度在预设容错阈值内;
若是,则根据目标体感动作与其对应的标准体感动作的容错度,对所述目标体感动作进行评分,并将评分结果显示在所述终端设备的屏幕上;
若否,则执行根据所述多个标准体感动作分别对所述多个目标人体区域数据一一对应的目标体感动作进行纠正的步骤。
3.如权利要求2所述的视频数据的处理方法,其特征在于,所述根据所述多个标准体感动作分别对所述多个目标人体区域数据一一对应的目标体感动作进行纠正的步骤,包括:
将目标体感动作对应的标准体感动作在所述终端设备的屏幕上进行显示;
根据标准体感动作确定与其对应的目标体感动作的纠正信息,并语音播报所述纠正信息,以使用户根据所述纠正信息纠正目标体感动作。
4.如权利要求1-3中任一项所述的视频数据的处理方法,其特征在于,所述对所述目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据的步骤,包括:
分别对多个目标图像帧中作为前景的人体区域图像和作为背景的环境区域图像进行分割;
对所述人体区域图像进行二值化处理,得到多个目标人体区域数据。
5.如权利要求1-3中任一项所述的视频数据的处理方法,其特征在于,所述对所述目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据的步骤之前,还包括:
根据预设操作分别对所述目标视频数据中的多个目标图像帧进行处理;
所述对所述目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据的步骤,包括:
对所述目标视频数据中进行处理后,清晰度大于预设清晰阈值的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据。
6.如权利要求1-3中任一项所述的视频数据的处理方法,其特征在于,所述实时获取视频数据的步骤之前,还包括:
向所述云端设备发送标准视频数据,其中所述标准视频数据中包括多个标准人体区域数据,以使所述云端设备根据所述标准视频数据训练得到标准模型库。
7.一种视频数据的处理方法,其特征在于,应用于云端设备,所述视频数据的处理方法包括:
接收终端设备发送的多个目标人体区域数据;
将所述多个目标人体区域数据输入至标准模型库中,得到与所述多个目标人体区域数据一一对应的标准体感动作;
向所述终端设备发送多个标准体感动作。
8.如权利要求7所述的视频数据的处理方法,其特征在于,所述接收终端设备发送的多个目标人体区域数据之前,还包括:
接收所述终端设备发送的标准视频数据;
对所述标准视频数据中的多个标准图像帧分别进行人体分割处理,得到多个标准人体区域数据;
对所述多个标准人体区域数据一一对应的标准体感动作进行训练,生成标准模型库。
9.一种视频数据的处理方法,其特征在于,所述视频数据的处理方法包括:
终端设备实时获取目标视频数据;对所述目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据;向云端设备发送所述多个目标人体区域数据;
所述云端设备接收所述终端设备发送的多个目标人体区域数据;将所述多个目标人体区域数据输入至标准模型库中,得到与所述多个目标人体区域数据一一对应的标准体感动作;向所述终端设备发送多个标准体感动作。
所述终端设备接收所述云端设备发送的多个标准体感动作,根据所述多个标准体感动作分别对所述多个目标人体区域数据一一对应的目标体感动作进行纠正。
10.一种终端设备,其特征在于,所述终端设备包括:
第一获取模块,用于实时获取目标视频数据;
处理模块,用于对所述目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据;
第一发送模块,用于向云端设备发送所述多个目标人体区域数据;
第一接收模块,用于接收所述云端设备发送的多个标准体感动作;
纠正模块,用于根据所述多个标准体感动作分别对所述多个目标人体区域数据一一对应的目标体感动作进行纠正。
11.一种云端设备,其特征在于,所述云端设备包括:
第二接收模块,用于接收终端设备发送的多个目标人体区域数据;
第二获取模块,用于将所述多个目标人体区域数据输入至标准模型库中,得到与所述多个目标人体区域数据一一对应的标准体感动作;
第二发送模块,用于向所述终端设备发送多个标准体感动作。
12.一种系统,其特征在于,所述系统包括:
终端设备,用于实时获取目标视频数据;对所述目标视频数据中的多个目标图像帧分别进行人体分割处理,得到多个目标人体区域数据;向云端设备发送所述多个目标人体区域数据;
所述云端设备,用于接收所述终端设备发送的多个目标人体区域数据;将所述多个目标人体区域数据输入至标准模型库中,得到与所述多个目标人体区域数据一一对应的标准体感动作;向所述终端设备发送多个标准体感动作。
所述终端设备,还用于接收所述云端设备发送的多个标准体感动作,根据所述多个标准体感动作分别对所述多个目标人体区域数据一一对应的目标体感动作进行纠正。
13.一种终端设备,其特征在于,所述终端设备包括:存储器、处理器及存储在所述存储器上并在所述处理器上运行视频数据的处理程序,所述视频数据的处理程序被所述处理器执行时实现如权利要求1至6中任一项所述的视频数据的处理方法的步骤。
14.一种云端设备,其特征在于,所述云端设备包括:存储器、处理器及存储在所述存储器上并在所述处理器上运行视频数据的处理程序,所述视频数据的处理程序被所述处理器执行时实现如权利要求7至8中任一项所述的视频数据的处理方法的步骤。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有视频数据的处理程序,所述视频数据的处理程序被处理器执行时实现如权利要求1至6或权利要求7至8中任一项所述的视频数据的处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010892550.4A CN112004159A (zh) | 2020-08-28 | 2020-08-28 | 视频数据的处理方法以及设备、系统、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010892550.4A CN112004159A (zh) | 2020-08-28 | 2020-08-28 | 视频数据的处理方法以及设备、系统、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112004159A true CN112004159A (zh) | 2020-11-27 |
Family
ID=73465748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010892550.4A Pending CN112004159A (zh) | 2020-08-28 | 2020-08-28 | 视频数据的处理方法以及设备、系统、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112004159A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112887759A (zh) * | 2021-01-22 | 2021-06-01 | Oppo广东移动通信有限公司 | 智能电视的信号处理方法、装置、智能电视以及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107754225A (zh) * | 2017-11-01 | 2018-03-06 | 河海大学常州校区 | 一种智能健身教练系统 |
CN107909060A (zh) * | 2017-12-05 | 2018-04-13 | 前海健匠智能科技(深圳)有限公司 | 基于深度学习的健身房健身动作识别方法及装置 |
US20190251341A1 (en) * | 2017-12-08 | 2019-08-15 | Huawei Technologies Co., Ltd. | Skeleton Posture Determining Method and Apparatus, and Computer Readable Storage Medium |
-
2020
- 2020-08-28 CN CN202010892550.4A patent/CN112004159A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107754225A (zh) * | 2017-11-01 | 2018-03-06 | 河海大学常州校区 | 一种智能健身教练系统 |
CN107909060A (zh) * | 2017-12-05 | 2018-04-13 | 前海健匠智能科技(深圳)有限公司 | 基于深度学习的健身房健身动作识别方法及装置 |
US20190251341A1 (en) * | 2017-12-08 | 2019-08-15 | Huawei Technologies Co., Ltd. | Skeleton Posture Determining Method and Apparatus, and Computer Readable Storage Medium |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112887759A (zh) * | 2021-01-22 | 2021-06-01 | Oppo广东移动通信有限公司 | 智能电视的信号处理方法、装置、智能电视以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110139115B (zh) | 基于关键点的虚拟形象姿态控制方法、装置及电子设备 | |
US9278288B2 (en) | Automatic generation of a game replay video | |
CN107952238B (zh) | 视频生成方法、装置和电子设备 | |
CN110121098B (zh) | 视频播放方法、装置、存储介质和电子装置 | |
WO2019100754A1 (zh) | 人体动作的识别方法、装置和电子设备 | |
WO2021098616A1 (zh) | 运动姿态识别方法、运动姿态识别装置、终端设备及介质 | |
CN109889730B (zh) | 调整拍摄角度的提示方法、装置及电子设备 | |
CN109299326B (zh) | 视频推荐方法及装置、系统、电子设备以及存储介质 | |
EP4072147A1 (en) | Video stream processing method, apparatus and device, and medium | |
CN111861572A (zh) | 广告投放方法、装置、电子设备及计算机可读存储介质 | |
CN110298220B (zh) | 动作视频直播方法、系统、电子设备、存储介质 | |
CN111444748B (zh) | 一种坐姿检测方法、装置、设备及存储介质 | |
WO2023116653A1 (zh) | 元素展示方法、装置、电子设备及存储介质 | |
KR102365431B1 (ko) | 경기 영상 내의 타겟 영상을 제공하기 위한 전자 장치 및 그의 동작 방법 | |
CN111225287A (zh) | 一种弹幕处理的方法及装置、电子设备、存储介质 | |
CN110213605B (zh) | 图像纠正方法、装置及设备 | |
CN112004159A (zh) | 视频数据的处理方法以及设备、系统、存储介质 | |
CN113743237B (zh) | 跟随动作的准确度判定方法、装置、电子设备及存储介质 | |
CN113515187B (zh) | 一种虚拟现实场景的生成方法和网络侧设备 | |
CN110446117B (zh) | 视频播放方法、装置及系统 | |
CN113840177B (zh) | 直播互动方法、装置、存储介质与电子设备 | |
EP4336843A1 (en) | Touch animation display method and apparatus, device, and medium | |
JP2001051579A (ja) | 映像表示方法、映像表示装置及び映像表示プログラムを記録した記録媒体 | |
CN117857916B (zh) | 基于人工智能的mini led显示方法及装置 | |
CN111343391A (zh) | 影片撷取方法与使用此方法的电子装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201127 |
|
RJ01 | Rejection of invention patent application after publication |