CN112288266A - 调车手信号的处理、模型获取方法、装置、设备及介质 - Google Patents
调车手信号的处理、模型获取方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112288266A CN112288266A CN202011169543.8A CN202011169543A CN112288266A CN 112288266 A CN112288266 A CN 112288266A CN 202011169543 A CN202011169543 A CN 202011169543A CN 112288266 A CN112288266 A CN 112288266A
- Authority
- CN
- China
- Prior art keywords
- preset
- image
- signal
- action
- model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012545 processing Methods 0.000 title claims abstract description 51
- 238000003672 processing method Methods 0.000 title description 2
- 230000009471 action Effects 0.000 claims abstract description 179
- 238000001514 detection method Methods 0.000 claims abstract description 66
- 238000012549 training Methods 0.000 claims abstract description 65
- 238000011156 evaluation Methods 0.000 claims abstract description 59
- 238000013210 evaluation model Methods 0.000 claims abstract description 47
- 210000000988 bone and bone Anatomy 0.000 claims description 48
- 230000006399 behavior Effects 0.000 claims description 45
- 230000033001 locomotion Effects 0.000 claims description 40
- 238000013528 artificial neural network Methods 0.000 claims description 35
- 239000003086 colorant Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 70
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种调车手信号的处理、模型获取方法、装置、设备及介质，涉及数据处理技术领域。该方法包括：获取调车手信号的多张待评估图像；通过预设行为模型识别待评估图像中操作人员的动作分类、通过预设检测模型识别待评估图像中信号标识的操作信息，其中，预设行为模型由标准动作样本图像训练获取、预设检测模型由不同信号标识的操作信息对应的样本图像训练获取；根据操作人员的动作分类、信号标识的操作信息以及预设评估模型，获取操作人员的操作评估结果。识别动作分类和信号标识的操作信息，基于动作分类、信号标识的操作信息、预设评估模型便可获取操作人员的操作评估结果，提高了考核评估的效率，使得评估结果更加可靠。
Description
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种调车手信号的处理、模型获取方法、装置、设备及介质。
背景技术
在铁路运输生产过程中，除列车在车站的到达、出发、通过以及在区间内运行外，凡车辆进行一切有目的移动统称为调车。调车手信号是一种铁路移动信号，可以由人直接挥动手持物下达各种命令，通过不同的手信号展示来实现指挥列车、调车等目的。
相关技术中，在对调车人员的培训和考核时，依靠人工授课的方式对调车人员进行培训，在培训完成后，通过考核人员直接观察调车人员的操作对调车人员进行考核评估。
但是，相关技术中，人工对调车人员进行考核评估，容易出现考核评估效率低下、评估结果准确度不高的问题。
发明内容
本发明的目的在于，针对上述现有技术中的不足，提供一种调车手信号的处理、模型获取方法、装置、设备及介质，以便解决相关技术中，人工对调车人员进行考核评估，容易出现考核评估效率低下、评估结果准确度不高的问题。
为实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种调车手信号的识别评估处理方法，包括：
获取调车手信号的待多张评估图像；
通过预设行为模型识别所述待评估图像中操作人员的动作分类、通过预设检测模型识别所述待评估图像中信号标识的操作信息，其中，所述预设行为模型由标准动作样本图像训练获取、所述预设检测模型由不同信号标识的操作信息对应的样本图像训练获取；
根据所述操作人员的动作分类、所述信号标识的操作信息以及预设评估模型，获取所述操作人员的操作评估结果。
可选的，所述通过预设行为模型识别所述待评估图像中操作人员的动作分类，包括：
识别获取所述待评估图像中预设数量帧中的操作人员的骨骼坐标数据；
将连续所述预设数量帧的骨骼坐标数据按帧序列顺序打包后导入所述预设行为模型，获取所述操作人员对应的动作分类。
可选的，所述通过预设检测模型识别所述待评估图像中信号标识的操作信息，包括：
通过预设检测模型识别所述待评估图像中是否包含所述信号标识；
若包含所述信号标识，识别所述待评估图像中信号标识的操作信息。
可选的，所述信号标识的操作信息用于指示所述信号标识的颜色和/或状态、所述操作人员持有所述信号标识的手。
可选的，所述根据所述操作人员的动作分类、所述信号标识的操作信息以及预设评估模型，获取所述操作人员的操作评估结果，包括：
根据所述待评估图像对应的所述动作分类、所述信号标识的操作信息，获取所述操作人员的组合操作信息；
根据所述组合操作信息以及所述预设评估模型，获取所述操作人员的操作评估结果，其中，所述预设评估模型包括：标准操作动作对应的动作分类、所述信号标识的操作信息，与所述标准动作之间偏差不同预设值对应的评估结果。
可选的，所述根据所述组合操作信息以及所述预设评估模型，获取所述操作人员的操作评估结果，包括：
根据所述组合操作信息以及所述预设评估模型，获取所述操作人员操作所述信号标识的动作与所述标准动作之间的偏差；
根据所述偏差与所述预设评估模型，获取所述偏差对应的操作评估结果。
第二方面，本发明实施例还提供了一种调车手信号的识别模型获取方法，包括：
获取调车手信号的标准动作图像，所述标准动作图像包括：多个不同操作人员执行所述标准动作的图像；
从所述标准动作图像中，识别获取有效操作所述标准动作的有效动作图像；
识别标准图像中信号标识的操作信息，并标记所述信号标识的区域位置；
采用所述有效动作图像、预设图像识别神经网络，训练获取预设行为模型，采用所述标记所述信号标识后的所述标准图像、以及预设检测神经网络，训练获取预设检测模型。
可选的，所述采用所述有效动作图像、预设图像识别神经网络，训练获取预设行为模型，包括：
按所述有效动作图像的帧序列顺序，获取每帧对应的骨骼坐标数据；
通过所述每帧对应的骨骼坐标数据训练所述预设图像识别神经网络，获取所述预设行为模型，其中，所述预设图像识别神经网络可识别两帧之间的骨骼坐标数据的差值和所述每帧对应的骨骼坐标数据。
可选的，所述信号标识包括：不同颜色的信号标识、不同状态的信号标识；
所述识别标准图像中信号标识的操作信息，并标记所述信号标识的区域位置，包括：
识别所述标准图像中信号标识以及信号标识的操作信息；
按照颜色和/或状态，将不同所述信号标识对应的所述标准图像进行分类，获取分类后的所述标准动作图像；
对分类后的所述标准图像中的所述信号标识的区域进行标记、并标记对应的所述信号标识的类型，获取标记后的信号标识。
第三方面，本发明实施例提供了一种调车手信号的识别评估处理装置，包括：
第一获取模块，用于获取调车手信号的多张待评估图像；
识别模块，用于通过预设行为模型识别所述待评估图像中操作人员的动作分类、通过预设检测模型识别所述待评估图像中信号标识的操作信息，其中，所述预设行为模型由标准动作样本图像训练获取、所述预设检测模型由不同信号标识的操作信息对应的样本图像训练获取；
第二获取模块，用于根据所述操作人员的动作分类、所述信号标识的操作信息以及预设评估模型，获取所述操作人员的操作评估结果。
可选的，所述识别模块，还用于识别获取所述待评估图像中预设数量帧中的操作人员的骨骼坐标数据；将连续所述预设数量帧的骨骼坐标数据按帧序列顺序打包后导入所述预设行为模型，获取所述操作人员对应的动作分类。
可选的，所述识别模块，还用于通过预设检测模型识别所述待评估图像中是否包含所述信号标识；若包含所述信号标识，识别所述待评估图像中信号标识的操作信息。
可选的，所述信号标识的操作信息用于指示所述信号标识的颜色和/或状态、所述操作人员持有所述信号标识的手。
可选的，所述第二获取模块，还用于根据所述待评估图像对应的所述动作分类、所述信号标识的操作信息，获取所述操作人员的组合操作信息；根据所述组合操作信息以及所述预设评估模型，获取所述操作人员的操作评估结果，其中，所述预设评估模型包括：标准操作动作对应的动作分类、所述信号标识的操作信息，与所述标准动作之间偏差不同预设值对应的评估结果。
可选的，所述第二获取模块，还用于根据所述组合操作信息以及所述预设评估模型，获取所述操作人员操作所述信号标识的动作与所述标准动作之间的偏差；根据所述偏差与所述预设评估模型，获取所述偏差对应的操作评估结果。
第四方面，本发明实施例还提供了一种调车手信号的识别模型获取装置，包括：
获取模块，用于获取调车手信号的标准动作图像，所述标准动作图像包括：多个不同操作人员执行所述标准动作的图像；从所述标准动作图像中，识别获取有效操作所述标准动作的有效动作图像；
识别模块，用于识别标准图像中信号标识的操作信息，并标记所述信号标识的区域位置；
训练模块，用于采用所述有效动作图像、预设图像识别神经网络，训练获取预设行为模型，采用所述标记所述信号标识后的所述标准图像、以及预设检测神经网络，训练获取预设检测模型。
可选的，所述训练模块，还用于按所述有效动作图像的帧序列顺序，获取每帧对应的骨骼坐标数据；通过所述每帧对应的骨骼坐标数据训练所述预设图像识别神经网络，获取所述预设行为模型，其中，所述预设图像识别神经网络可识别两帧之间的骨骼坐标数据的差值和所述每帧对应的骨骼坐标数据。
可选的，所述信号标识包括：不同颜色的信号标识、不同状态的信号标识；
所述识别模块，还用于识别所述标准图像中信号标识以及信号识别的操作信息；按照颜色和/或状态，将不同所述信号标识对应的所述标准图像进行分类，获取分类后的所述标准动作图像；对分类后的所述标准图像中的所述信号标识的区域进行标记、并标记对应的所述信号标识的类型，获取标记后的信号标识。
第五方面，本发明实施例还提供了一种处理设备，包括：存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面、第二方面任一项所述的方法。
第六方面，本发明实施例还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被读取并执行时，实现上述第一方面、第二方面任一项所述的方法。
本发明的有益效果是：本发明实施例提供一种调车手信号的识别评估处理方法，包括：获取调车手信号的多张待评估图像；通过预设行为模型识别待评估图像中操作人员的动作分类、通过预设检测模型识别待评估图像中信号标识的操作信息，其中，预设行为模型由标准动作样本图像训练获取、预设检测模型由不同信号标识的操作信息对应的样本图像训练获取；根据操作人员的动作分类、信号标识的操作信息以及预设评估模型，获取操作人员的操作评估结果。通过预设行为模型识别操作人员的动作分类，通过预设检测模型识别信号标识的操作信息，基于操作人员的动作分类、信号标识的操作信息以及预设评估模型便可以获取操作人员的操作评估结果，提高了考核评估的效率，使得评估结果更加可靠，减少了人力资源的浪费。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种调车手信号的识别评估处理系统的结构示意图；
图2为本发明实施例提供的一种调车手信号的识别评估处理方法的流程示意图；
图3为本发明实施例提供的一种调车手信号的识别评估处理方法的流程示意图；
图4为本发明实施例提供的一种调车手信号的识别评估处理方法的流程示意图；
图5为本发明实施例提供的一种调车手信号的识别评估处理方法的流程示意图；
图6为本发明实施例提供的一种调车手信号的识别评估处理方法的流程示意图；
图7为本发明实施例提供的一种调车手信号的识别模型获取方法的流程示意图；
图8为本发明实施例提供的一种调车手信号的识别模型获取方法的流程示意图；
图9为本发明实施例提供的一种调车手信号的识别模型获取方法的流程示意图；
图10为本发明实施例提供的一种调车手信号的识别评估处理装置的结构示意图；
图11为本发明实施例提供的一种调车手信号的识别模型获取装置的结构示意图；
图12为本发明实施例提供的一种处理设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请的描述中，需要说明的是，若出现术语“上”、“下”、等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。
图1为本发明实施例提供的一种调车手信号的识别评估处理系统的结构示意图，如图1所示，该调车手信号的识别评估处理系统可以包括：采集设备102和处理设备101，采集设备102和处理设备101通信连接。
在一种可能的实施方式中，采集设备102可以采集调车手信号的待评估图像，并向处理设备101发送待评估图像；处理设备101可以接收该待评估图像，并通过预设行为模型识别待评估图像中操作人员的动作分类、通过预设检测模型识别待评估图像中信号标识的操作信息；处理设备101根据操作人员的动作分类、信号标识的操作信息以及预设评估模型，获取操作人员的操作评估结果。
当然，处理设备101可以为具备图像采集功能的设备，则无需通过采集设备102，处理设备101可以直接采集调车手信号的待评估图像，本申请实施例对此不进行具体限制。
需要说明的是，采集设备102可以为体感图像采集设备，采集设备102还可以具备对图像的处理功能，例如，采集设备102可以为kinect。另外，处理设备101可以为服务器，也可以为终端，还可以其他具备数据处理功能的设备，本申请实施例对此不进行具体限制。
另外，在处理设备101为终端时，终端可以为笔记本电脑、台式电脑、平板电脑等等，以下以服务器为例，对本申请实施例提供的一种调车手信号的识别评估处理方法进行说明。
图2为本发明实施例提供的一种调车手信号的识别评估处理方法的流程示意图，如图2所示，该方法包括：
S101、获取调车手信号的多张待评估图像。
其中，调车手信号的待评估图像的数量可以为多张，多张具有先后顺序的待评估图像可以形成一个视频，换而言之，可以称为调车手信号的待评估视频。
在一些实施方式中，操作人员可以手持手持物做出调车手信号，服务器可以直接采集待评估图像，继而获取待评估图像。当然，也可以是采集设备采集待评估图像，继而向服务器发送待评估图像，服务器可以接收该待评估图像。
在实际应用中，调车手信号的待评估图像可以为用于联系的手信号的待评估图像、地铁手信号，也可以为列车运行过程中的手信号的待评估图像，还可以为其他类型持有手持物的手信号的待评估图像，本申请实施例对此不进行具体限制。
S102、通过预设行为模型识别待评估图像中操作人员的动作分类、通过预设检测模型识别待评估图像中信号标识的操作信息。
其中，预设行为模型由标准动作样本图像训练获取、预设检测模型由不同信号标识的操作信息对应的样本图像训练获取。信号标识的操作信息可以表征操作人员对手持物进行操作后手持物的信息。
在一种可能的实施方式中，服务器可以对待评估图像进行处理得到处理后的待评估图像；继而将处理后的待评估图像输入预设行为模型中，预设行为模型可以输入对应的动作分类。服务器也可以将处理后的待评估图像，输入预设检测模型中，预设检测模型可以输出信号标识的操作信息。
当然，也可以直接将待评估图像分别输入预设行为模型和预设检测模型中，本申请实施例对此不进行具体限制。
需要说明的是，预设行为模型和预设检测模型可以对待评估图像同时进行识别；也可以是先通过预设行为模型识别待评估图像，再通过预设检测模型识别待评估图像；还可以是先通过预设检测模型识别待评估图像，再通过预设行为模型识别待评估图像，本申请实施例对此不进行具体限制。
另外，服务器还可以采用图像分割、图像颜色等方式识别信号标识的操作信息，本申请实施例对此不进行具体限制。
S103、根据操作人员的动作分类、信号标识的操作信息以及预设评估模型，获取操作人员的操作评估结果。
其中，操作评估结果用于表示操作人员手持手持物所执行的动作是否标准、标准程度。
在一些实施方式中，服务器可以采用预设评估模型确定操作人员的动作分类、信号标识的操作信息所表征的调车手信号是否有效，在确定为有效时，采用预设的评分规则对操作人员的动作进行评估，得到操作人员的操作评估结果。
需要说明的是，上述预设评估模型还可以为预设评估算法，也可以为预设评估规则，本申请实施例对此不进行具体限制。
综上所述，本发明实施例提供一种调车手信号的识别评估处理方法，包括：获取调车手信号的多张待评估图像；通过预设行为模型识别待评估图像中操作人员的动作分类、通过预设检测模型识别待评估图像中信号标识的操作信息，其中，预设行为模型由标准动作样本图像训练获取、预设检测模型由不同信号标识的操作信息对应的样本图像训练获取；根据操作人员的动作分类、信号标识的操作信息以及预设评估模型，获取操作人员的操作评估结果。通过预设行为模型识别操作人员的动作分类，通过预设检测模型识别信号标识的操作信息，基于操作人员的动作分类、信号标识的操作信息以及预设评估模型便可以获取操作人员的操作评估结果，提高了考核评估的效率，使得评估结果更加可靠，减少了人力资源的浪费。
可选的，图3为本发明实施例提供的一种调车手信号的识别评估处理方法的流程示意图，如图3所示，上述S102中通过预设行为模型识别待评估图像中操作人员的动作分类的过程，可以包括：
S201、识别获取待评估图像中预设数量帧中的操作人员的骨骼坐标数据。
其中，预设数量帧可以表征预设时间段内操作人员进行的一个动作；骨骼坐标数据可以为一组序列数据，一组序列数据可以表征一个动作。每帧的骨骼坐标数据可以表示操作人员关键部位的坐标，例如，手腕、胳膊、手等部位关键点的坐标数据。
在一种可能的实施方式中，采集设备在获取待评估图像后，可以对待评估图像进行处理得到骨骼坐标数据，继而服务器可以通过调用采集设备的SDK(SoftwareDevelopment Kit，软件开发工具包)接口识别获取待评估图像中预设数量帧中的操作人员的骨骼坐标数据。
在另一种可能的实施方式中，服务器在获取采集设备发送的待评估图像后，可以自行对待评估图像进行处理，可以通过开源库进行图像分析获取操作人员的骨骼坐标数据。
S202、将连续预设数量帧的骨骼坐标数据按帧序列顺序打包后导入预设行为模型，获取操作人员对应的动作分类。
其中，操作人员对应的动作分类可以表示操作人员的一个有效动作。例如，右手臂伸平，并下压或者双臂伸平。
可选的，预设行为模型可以计算两帧的骨骼坐标数据的差值，继而根据两帧的骨骼坐标数据的差值、每帧对应的骨骼坐标数据、预设对应关系，确定有效的操作人员的动作分类，并输出操作人员的动作分类；若不存在有效的操作人员的动作分类，则不进行输出。
其中，预设对应关系表示预设骨骼坐标数据和预设有效动作分类之间的对应关系。上述两帧的骨骼坐标数据的差值中的两帧可以为相邻两帧，也可以为间隔预设数量帧的两帧，本申请实施例对此不进行具体限制，一般通过前后有时间差的两帧即可算出动作差数据。
在一些实施方式中，采集设备可以对待评估图像进行识别获取预设时间段内的序列帧数据，服务器可以缓存从采集设备获取的预设时间段内的序列帧数据，继而服务器可以每间隔预设数量的帧数据，从缓存的序列帧数据中采集预设数量帧的骨骼坐标数据序列，继而对预设数量帧的骨骼坐标数据序列进行打包，将打包后的数据输入预设行为模型。
在本申请实施例中，预设行为模型可以输出识别结果，服务器可以判断识别结果中所指示的动作分类是否为有效动作分类，若否，则可以控制采集设备重新对待评估图像进行识别，以重新获取预设时间段内的序列帧数据，继而基于该重新获取的数据重新确定连续预设数量帧的骨骼坐标数据。
可选的，图4为本发明实施例提供的一种调车手信号的识别评估处理方法的流程示意图，如图4所示，上述S102中通过预设检测模型识别待评估图像中信号标识的操作信息的过程，可以包括：
S301、通过预设检测模型识别待评估图像中是否包含信号标识。
其中，服务器可以直接对待评估图像进行检测得到检测结果，也可以通过预设检测模型对待评估图像进行检测得到检测结果，本申请实施例对此不进行具体限制。
另外，在待评估图像中包含信号标识时，上述检测结果可以指示待评估图像中手持物所在的局部区域。
S302、若包含信号标识，识别待评估图像中信号标识的操作信息。
在一种可能的实施方式中，在待评估图像中包含信号标识时，可以将信号标识所在的局部区域图像输入预设检测模型中，预设检测模型可以对该局部区域图像进行识别输出识别结果，识别结果可以指示待评估图像中信号标识的操作信息。
在本申请实施例中，服务器可以判断识别结果中所指示的信号标识的操作信息是否为有效物体分类，若否，则可以采用预设检测模型重新执行上述S301至S302。
可选的，信号标识的操作信息用于指示信号标识的颜色和/或状态、操作人员持有信号标识的手。
其中，信号标识的操作信息用于表征对信号标识操作后产生的信息，信号标识可以为手持物，信号标识的操作信息可以表示手持物的颜色和/或状态，以及手持物在左手或者右手。
在实际应用中，手持物可以为信号旗或者信号灯；当手持物为信号旗时，操作信息可以指示信号旗为展开状态或者折叠状态，还可以指示信号旗的颜色为红色、绿色、黄色等颜色中的一种；当手持物为信号灯时，操作信息可以指示信号灯的状态为灭灯、红灯、绿灯、黄灯等状态中的一种。
在本申请实施例中，在S101之前服务器还可以获取预设配置信息，预设配置信息可以包括：第一预设配置信息和第二预设配置信息。其中，第一预设配置信息可以用于表征预设动作分类和预设信号标识的操作信息之间的对应关系；第二预设配置信息可以用于计算动作对应的参数信息。
可选的，图5为本发明实施例提供的一种调车手信号的识别评估处理方法的流程示意图，如图5所示，上述S103中根据操作人员的动作分类、信号标识的操作信息以及预设评估模型，获取操作人员的操作评估结果的过程，可以包括：
S401、根据待评估图像对应的动作分类、信号标识的操作信息，获取操作人员的组合操作信息。
其中，采用预设行为模型基于多张待评估图像可以确定动作分类，即上述待评估图像对应的动作分类可以为多张待评估图像对应的动作分类。采用预设检测模型可以确定每个待评估图像对应的信号标识的操作信息，得到多个信号标识的操作信息；继而对多个信号标识的操作信息去进行重处理，得到上述信号标识的操作信息。
在一些实施方式中，服务器可以对动作分类和信号标识的操作信息进行组合，得到操作人员的组合操作信息；服务器可以基于第一预设配置信息判断该组合操作信息是否为有效组合，若第一预设配置信息中包括该组合操作信息，则说明该组合操作信息为有效组合。
例如，动作分类可以为伸平右手臂，右手臂从水平方向下压预设次数，信号标识的操作信息为信号旗颜色为绿色，位于右手，状态为展开状态。当下压次数为3次时，表示当前列车距离目标停留列车为十车距离的信号；当下压次数为2次时，表示当前列车距离目标停留列车为五车距离的信号；当下压次数为1次时，表示当前列车距离目标停留列车为三车距离的信号。
例如，动作分类可以为两臂伸平状态；信号标识的操作信息可以为折叠的红色信号旗位于左手，折叠的黄色信号旗位于右手；该动作分类和信号标识的操作信息可以表征股道开通一道信号的标识。
S402、根据组合操作信息以及预设评估模型，获取操作人员的操作评估结果。
其中，预设评估模型包括：标准操作动作对应的动作分类、信号标识的操作信息，与标准动作之间偏差不同预设值对应的评估结果。
需要说明的是，在组合操作信息为有效组合时，服务器可以执行S402。
可选的，服务器可以根据组合信息中动作分类对应的连续预设数量帧的骨骼坐标数据、以及预设评估模型，获取操作人员的操作评估结果。
可选的，图6为本发明实施例提供的一种调车手信号的识别评估处理方法的流程示意图，如图6所示，上述S402中根据组合操作信息以及预设评估模型，获取操作人员的操作评估结果的过程，可以包括：
S501、根据组合操作信息以及预设评估模型，获取操作人员操作信号标识的动作与标准动作之间的偏差。
其中，预设评估模型中配置有第二预设配置信息。
在一些实施方式中，服务器可以根据组合信息中动作分类对应的连续预设数量帧的骨骼坐标数据，以及第二预设配置信息，计算操作人员操作信号标识的动作；确定动作分类对应的标准动作，继而计算操作人员操作信号标识的动作与标准动作之间的偏差。
例如，服务器可以根据骨骼坐标数据和第二预设配置信息计算肢体角度为A，动作分类对应的标准动作的肢体角度为B，操作人员操作信号标识的动作与标准动作之间的偏差可以为A-B或者B-A。
S502、根据偏差与预设评估模型，获取偏差对应的操作评估结果。
其中，服务器可以根据组合操作信息和偏差，采用预设评估模型获取偏差对应的操作评估结果。其中，预设评估模型可以称为考评系统。
在一些实施方式中，服务器可以将偏差，输入预设评估模型中，预设评估模型可以采用预设评分规则根据偏差进行评估，得到偏差对应的操作评估结果。其中，预设评分规则可以表征多个预设偏差范围与对应的等级或者分值，服务器可以确定偏差所在的预设偏差范围，继而可以确定对应的等级或者分值，将该等级或者分值作为操作评估结果。
例如，预设偏差范围中包括：偏差范围为0至5度时，对应等级为标准；偏差范围为大于5度时，对应的等级为不标准；当偏差为3度时，偏差所在的预设偏差范围为0至5度，则操作评估结果为标准。
可选的，图7为本发明实施例提供的一种调车手信号的识别模型获取方法的流程示意图，如图7所示，该方法可以包括：
S701、采集获取调车手信号的标准动作图像。
其中，标准动作图像包括：多个不同操作人员执行标准动作的图像。服务器可以对标准动作进行整理分类，并去除动作相同、手持物不同的标准动作。标准动作图像中，操作人员可以手持手持物执行标准动作，也可以不手持手持物执行标准动作，本申请实施例对此不进行具体限制。
另外，一种调车手信号对应的标准动作图像的数量可以为多张，该多张标准动作图像可以为一个视频，每种调车手信号可以对应预设数量的视频。
需要说明的是，调车手信号的标准动作图像可以为服务器自行采集的，也可以为采集设备采集并发送给服务器的，本申请实施例对此不进行具体限制。其中，采集设备可以为kinect。
S702、从标准动作图像中，识别获取有效操作标准动作的有效动作图像。
在一种可能的实施方式中，服务器可以回放标准动作图像，标记标准动作图像中有效动作的时间段，将有效动作的时间段对应的图像作为有效动作图像，服务器可以对有效动作图像进行标记存储。
另外，服务器可以将有效动作图像分为模型训练数据和测试数据。
S703、识别标准图像中信号标识的操作信息，并标记信号标识的区域位置。
其中，标准图像可以表示对信号标识进行操作后，不同角度下的信号标识。
在本申请实施例中，服务器可以采集信号标识在不同角度下标准图像，继而服务器可以识别标准图像中信号标识的操作信息，确定信号标识的区域位置，标记信号标识的区域位置。
另外，服务器将采用标记信号标识后的标准图像分为模型训练数据和测试数据。
S704、采用有效动作图像、预设图像识别神经网络，训练获取预设行为模型，采用标记信号标识后的标准图像、以及预设检测神经网络，训练获取预设检测模型。
其中，服务器可以根据有效动作图像中的模型训练数据和测试数据，对预设图像识别神经网络进行训练，获取预设行为模型。
在一些实施方式中，服务器可以将标记信号标识后的标准图像中的模型训练数据，输入预设检测神经网络中进行训练，并基于输出结果计算对应的第一识别率，在第一识别率满足预设条件时，将标记信号标识后的标准图像中的测试数据输入预设检测神经网络中，基于输出结果计算对应的第二识别率；在第一识别率与第二识别率的差值小于预设阈值时，则说明训练完成得到预设行为模型；在第一识别率与第二识别率的差值大于或者等于预设阈值时，存在过拟合，需要继续对预设检测神经网络进行训练，直至不存在过拟合时完成训练。
在本申请实施例中，可以同时进行训练，分别获取预设行为模型和预设检测模型；也可以先训练获取预设行为模型，再训练获取预设检测模型；还可以训练获取预设检测模型，再训练获取预设行为模型，本申请实施例对此不进行具体限制。
综上所述，采集获取调车手信号的标准动作图像，标准动作图像包括：多个不同操作人员执行标准动作的图像；从标准动作图像中，识别获取有效操作标准动作的有效动作图像；识别标准图像中信号标识的操作信息，并标记信号标识的区域位置；采用有效动作图像、预设图像识别神经网络，训练获取预设行为模型，采用标记信号标识后的标准图像、以及预设检测神经网络，训练获取预设检测模型。基于训练获取的预设行为模型和预设检测模型可以对确定操作人员的动作分类、信号标识的操作信息，便于对操作人员的调车手信号进行评估，提高了考核评估的效率，使得评估结果更加可靠，减少了人力资源的浪费。
可选的，图8为本发明实施例提供的一种调车手信号的识别模型获取方法的流程示意图，如图8所示，上述S704中采用有效动作图像、预设图像识别神经网络，训练获取预设行为模型的过程，可以包括：
S801、按有效动作图像的帧序列顺序，获取每帧对应的骨骼坐标数据。
其中，每一帧有效动作图像均可以对应有一组骨骼坐标数据；有效动作图像可以为按帧序列顺序排列的多帧图像，则服务器可以获取具有排列顺序的多组骨骼坐标数据。
可选的，服务器可以调用采集设备的SDK接口，获取每帧对应的坐标数据。例如，采集设备的SDK接口可以为Kinect SDK。
S802、通过每帧对应的骨骼坐标数据训练预设图像识别神经网络，获取预设行为模型。
可选的，预设图像识别神经网络可识别两帧之间的骨骼坐标数据的差值。服务器可以根据两帧之间的该骨骼坐标数据的差值、每帧的骨骼坐标数据，确定有效动作图像对应的动作分类，并对预设图像识别申请网络的网络参数进行更新，训练得到预设行为模型。
其中，预设行为模型中具有预设对应关系，骨骼坐标数据可以分为模型训练数据和测试数据。上述两帧的骨骼坐标数据的差值中的两帧可以为相邻两帧，也可以为间隔预设数量帧的两帧，本申请实施例对此不进行具体限制。
在一些实施方式中，服务器可以将骨骼坐标数据中的模型训练数据，输入预设图像识别神经网络中进行训练，并基于输出结果计算对应的第三识别率，在第三识别率满足预设条件时，将骨骼坐标数据中的测试数据输入预设图像识别神经网络中，基于输出结果计算对应的第四识别率；在第三识别率与第四识别率的差值小于预设阈值时，则说明训练完成得到预设行为模型；在第三识别率与第四识别率的差值大于或者等于预设阈值时，存在过拟合，需要继续对预设图像识别神经网络进行训练，直至不存在过拟合时完成训练。
可选的，信号标识包括：不同颜色的信号标识、不同状态的信号标识；
图9为本发明实施例提供的一种调车手信号的识别模型获取方法的流程示意图，如图9所示，上述S703中识别标准图像中信号标识的操作信息，并标记信号标识的区域位置的过程，可以包括：
S901、识别标准图像中信号标识以及信号标识的操作信息。
其中，服务器可以识别标准图像中手持物的颜色和状态。
S902、按照颜色和/或状态，将不同信号标识对应的标准图像进行分类，获取分类后的标准动作图像。
在一些实施方式中，在手持物为信号旗时，可以根据信号旗的颜色和状态对标准图像进行分类。信号旗的颜色相同，状态不同时可以分为不同的类别；信号旗的状态相同，颜色不同时也可以分为不同的类别。例如，信号旗的颜色可以包括：红色、黄色、绿色；信号旗的颜色可以包括展开状态、折叠状态；则标准图像可以被划分为6类。
可选的，在手持物为信号灯时，可以根据信号灯的颜色、状态对标准图像进行分类。例如，信号灯的颜色包括：红色、绿色、黄色，信号灯的状态可以为灭灯状态；则标准图像可以被划分为4类。
在本申请实施例中，在信号旗对应的分类为6类，信号灯对应的分类为4类时，标准图像可以被划分为10类。
S903、对分类后的标准图像中的信号标识的区域进行标记、并标记对应的信号标识的类型，获取标记后的信号标识。
其中，信号标识的类型也可以成为信号标识的名称。例如，信号标识的类型可以为：信号灯灭灯。
另外，标记后的信号标识可以表示信号标识的区域和信号标识的名称。服务器可以基于信号标识的区域和信号标识的名称，对预设检测神经网络进行训练。
本申请实施例提供的调车手信号的识别评估处理方法，可以自动完成对调车手信号的考核，节省了人力资源；根据可自动评估操作人员的动作是否标准，避免了人为主观判断的差异性，使得评估结果更加可靠，还提高了考核评估的效率。在考核的基础上，还可以增加培训模式，可通过视频教学的方式指导操作完成各个手信号的学习，节省了培训的时间和人力，提高培训效率。将调车手信号拆解为动作类别和信号标识的操作信息，可通过组合配置的方式增加调车手信号的类别，而且不限于调车手信号，可通过配置扩展增加对运行手信号、联系用手信号的识别，适用范围较广。
而且，预设行为模型不仅可以识别静态类手信号，也可以识别复杂的动态类手信号；预设检测模型不仅仅可以识别占用画面区域较大的展开信号旗，也可以识别出占用画面区域非常小的折叠状态的信号旗以及信号灯，提高了可识别的范围和准确度。另外，本申请实施例中，还可以通过视频教学培训以及自动随机出题的方式进行考核，并对手信号标准进行评估，校正操作人员的动作标准。
图10为本发明实施例提供的一种调车手信号的识别评估处理装置的结构示意图，如图10所示，该装置包括：
第一获取模块1001，用于获取调车手信号的多张待评估图像；
识别模块1002，用于通过预设行为模型识别待评估图像中操作人员的动作分类、通过预设检测模型识别待评估图像中信号标识的操作信息，其中，预设行为模型由标准动作样本图像训练获取、预设检测模型由不同信号标识的操作信息对应的样本图像训练获取；
第二获取模块1003，用于根据操作人员的动作分类、信号标识的操作信息以及预设评估模型，获取操作人员的操作评估结果。
可选的，识别模块1002，还用于识别获取待评估图像中预设数量帧中的操作人员的骨骼坐标数据；将连续预设数量帧的骨骼坐标数据按帧序列顺序打包后导入预设行为模型，获取操作人员对应的动作分类。
可选的，识别模块1002，还用于通过预设检测模型识别待评估图像中是否包含信号标识；若包含信号标识，识别待评估图像中信号标识的操作信息。
可选的，信号标识的操作信息用于指示信号标识的颜色和/或状态、操作人员持有信号标识的手。
可选的，第二获取模块1003，还用于根据待评估图像对应的动作分类、信号标识的操作信息，获取操作人员的组合操作信息；根据组合操作信息以及预设评估模型，获取操作人员的操作评估结果，其中，预设评估模型包括：标准操作动作对应的动作分类、信号标识的操作信息，与标准动作之间偏差不同预设值对应的评估结果。
可选的，第二获取模块1003，还用于根据组合操作信息以及预设评估模型，获取操作人员操作信号标识的动作与标准动作之间的偏差；根据偏差与预设评估模型，获取偏差对应的操作评估结果。
图11为本发明实施例提供的一种调车手信号的识别模型获取装置的结构示意图，如图11所示，该装置可以包括：
获取模块1101，用于获取调车手信号的标准动作图像，标准动作图像包括：多个不同操作人员执行标准动作的图像；从标准动作图像中，识别获取有效操作标准动作的有效动作图像；
识别模块1102，用于识别标准图像中信号标识的操作信息，并标记信号标识的区域位置；
训练模块1103，用于采用有效动作图像、预设图像识别神经网络，训练获取预设行为模型，采用标记信号标识后的标准图像、以及预设检测神经网络，训练获取预设检测模型。
可选的，训练模块1103，还用于按有效动作图像的帧序列顺序，获取每帧对应的骨骼坐标数据；通过每帧对应的骨骼坐标数据训练预设图像识别神经网络，获取预设行为模型，其中，预设图像识别神经网络可识别两帧之间的骨骼坐标数据的差值和每帧对应的骨骼坐标数据。
可选的，信号标识包括：不同颜色的信号标识、不同状态的信号标识；
识别模块1102，还用于识别标准图像中信号标识以及信号标识的操作信息；按照颜色和/或状态，将不同信号标识对应的标准图像进行分类，获取分类后的标准动作图像；对分类后的标准图像中的信号标识的区域进行标记、并标记对应的信号标识的类型，获取标记后的信号标识。
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital singnal processor，简称DSP)，或，一个或者多个现场可编程门阵列(Field Programmable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(CentralProcessing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
图12为本发明实施例提供的一种处理设备的结构示意图，该处理设备可以包括：处理器1201、存储器1202。
存储器1202用于存储程序，处理器1201调用存储器1202存储的程序，以执行上述方法实施例。具体实现方式和技术效果类似，这里不再赘述。
可选地，本发明还提供一种程序产品，例如计算机可读存储介质，包括程序，该程序在被处理器执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (13)
1.一种调车手信号的识别评估处理方法，其特征在于，包括：
获取调车手信号的多张待评估图像；
通过预设行为模型识别所述待评估图像中操作人员的动作分类、通过预设检测模型识别所述待评估图像中信号标识的操作信息，其中，所述预设行为模型由标准动作样本图像训练获取、所述预设检测模型由不同信号标识的操作信息对应的样本图像训练获取；
根据所述操作人员的动作分类、所述信号标识的操作信息以及预设评估模型，获取所述操作人员的操作评估结果。
2.根据权利要求1所述的方法，其特征在于，所述通过预设行为模型识别所述待评估图像中操作人员的动作分类，包括：
识别获取所述待评估图像中预设数量帧中的操作人员的骨骼坐标数据；
将连续所述预设数量帧的骨骼坐标数据按帧序列顺序打包后导入所述预设行为模型，获取所述操作人员对应的动作分类。
3.根据权利要求2所述的方法，其特征在于，所述通过预设检测模型识别所述待评估图像中信号标识的操作信息，包括：
通过预设检测模型识别所述待评估图像中是否包含所述信号标识；
若包含所述信号标识，识别所述待评估图像中信号标识的操作信息。
4.根据权利要求3所述的方法，其特征在于，所述信号标识的操作信息用于指示所述信号标识的颜色和/或状态、所述操作人员持有所述信号标识的手。
5.根据权利要求3或4所述的方法，其特征在于，所述根据所述操作人员的动作分类、所述信号标识的操作信息以及预设评估模型，获取所述操作人员的操作评估结果，包括：
根据所述待评估图像对应的所述动作分类、所述信号标识的操作信息，获取所述操作人员的组合操作信息；
根据所述组合操作信息以及所述预设评估模型，获取所述操作人员的操作评估结果，其中，所述预设评估模型包括：标准操作动作对应的动作分类、所述信号标识的操作信息，与所述标准动作之间偏差不同预设值对应的评估结果。
6.根据权利要求5所述的方法，其特征在于，所述根据所述组合操作信息以及所述预设评估模型，获取所述操作人员的操作评估结果，包括：
根据所述组合操作信息以及所述预设评估模型，获取所述操作人员操作所述信号标识的动作与所述标准动作之间的偏差；
根据所述偏差与所述预设评估模型，获取所述偏差对应的操作评估结果。
7.一种调车手信号的识别模型获取方法，其特征在于，包括：
获取调车手信号的标准动作图像，所述标准动作图像包括：多个不同操作人员执行所述标准动作的图像；
从所述标准动作图像中，识别获取有效操作所述标准动作的有效动作图像；
识别标准图像中信号标识的操作信息，并标记所述信号标识的区域位置；
采用所述有效动作图像、预设图像识别神经网络，训练获取预设行为模型，采用所述标记所述信号标识后的所述标准图像、以及预设检测神经网络，训练获取预设检测模型。
8.根据权利要求7所述的方法，其特征在于，所述采用所述有效动作图像、预设图像识别神经网络，训练获取预设行为模型，包括：
按所述有效动作图像的帧序列顺序，获取每帧对应的骨骼坐标数据；
通过所述每帧对应的骨骼坐标数据训练所述预设图像识别神经网络，获取所述预设行为模型，其中，所述预设图像识别神经网络可识别两帧之间的骨骼坐标数据的差值和所述每帧对应的骨骼坐标数据。
9.根据权利要求7所述的方法，其特征在于，所述信号标识包括：不同颜色的信号标识、不同状态的信号标识；
所述识别标准图像中信号标识的操作信息，并标记所述信号标识的区域位置，包括：
识别所述标准图像中信号标识以及信号标识的操作信息；
按照颜色和/或状态，将不同所述信号标识对应的所述标准图像进行分类，获取分类后的所述标准动作图像；
对分类后的所述标准图像中的所述信号标识的区域进行标记、并标记对应的所述信号标识的类型，获取标记后的信号标识。
10.一种调车手信号的识别评估处理装置，其特征在于，包括：
第一获取模块，用于获取调车手信号的多张待评估图像；
识别模块，用于通过预设行为模型识别所述待评估图像中操作人员的动作分类、通过预设检测模型识别所述待评估图像中信号标识的操作信息，其中，所述预设行为模型由标准动作样本图像训练获取、所述预设检测模型由不同信号标识的操作信息对应的样本图像训练获取；
第二获取模块，用于根据所述操作人员的动作分类、所述信号标识的操作信息以及预设评估模型，获取所述操作人员的操作评估结果。
11.一种调车手信号的识别模型获取装置，其特征在于，包括：
获取模块，用于获取调车手信号的标准动作图像，所述标准动作图像包括：多个不同操作人员执行所述标准动作的图像；从所述标准动作图像中，识别获取有效操作所述标准动作的有效动作图像；
识别模块，用于识别标准图像中信号标识的操作信息，并标记所述信号标识的区域位置；
训练模块，用于采用所述有效动作图像、预设图像识别神经网络，训练获取预设行为模型，采用所述标记所述信号标识后的所述标准图像、以及预设检测神经网络，训练获取预设检测模型。
12.一种处理设备，其特征在于，包括：存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述权利要求1-9任一项所述的方法。
13.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被读取并执行时，实现上述权利要求1-9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011169543.8A CN112288266A (zh) | 2020-10-27 | 2020-10-27 | 调车手信号的处理、模型获取方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011169543.8A CN112288266A (zh) | 2020-10-27 | 2020-10-27 | 调车手信号的处理、模型获取方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112288266A true CN112288266A (zh) | 2021-01-29 |
Family
ID=74372682
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011169543.8A Pending CN112288266A (zh) | 2020-10-27 | 2020-10-27 | 调车手信号的处理、模型获取方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112288266A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114283647A (zh) * | 2021-12-27 | 2022-04-05 | 郑州捷安高科股份有限公司 | 基于多场景切换的考核处理方法、系统、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109840478A (zh) * | 2019-01-04 | 2019-06-04 | 广东智媒云图科技股份有限公司 | 一种动作评估方法、装置、移动终端和可读存储介质 |
| CN110941990A (zh) * | 2019-10-22 | 2020-03-31 | 泰康保险集团股份有限公司 | 基于骨骼关键点进行人体动作评估的方法和装置 |
| CN111222487A (zh) * | 2020-01-15 | 2020-06-02 | 浙江大学 | 视频目标行为识别方法及电子设备 |
-
2020
- 2020-10-27 CN CN202011169543.8A patent/CN112288266A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109840478A (zh) * | 2019-01-04 | 2019-06-04 | 广东智媒云图科技股份有限公司 | 一种动作评估方法、装置、移动终端和可读存储介质 |
| CN110941990A (zh) * | 2019-10-22 | 2020-03-31 | 泰康保险集团股份有限公司 | 基于骨骼关键点进行人体动作评估的方法和装置 |
| CN111222487A (zh) * | 2020-01-15 | 2020-06-02 | 浙江大学 | 视频目标行为识别方法及电子设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114283647A (zh) * | 2021-12-27 | 2022-04-05 | 郑州捷安高科股份有限公司 | 基于多场景切换的考核处理方法、系统、设备及介质 |
| CN114283647B (zh) * | 2021-12-27 | 2024-05-03 | 郑州捷安高科股份有限公司 | 基于多场景切换的考核处理方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110826538B (zh) | 一种用于电力营业厅的异常离岗识别系统 | |
| CN107358223B (zh) | 一种基于yolo的人脸检测与人脸对齐方法 | |
| CN109740446A (zh) | 课堂学生行为分析方法及装置 | |
| CN110796018B (zh) | 一种基于深度图像和彩色图像的手部运动识别方法 | |
| CN111242899B (zh) | 基于图像的瑕疵检测方法及计算机可读存储介质 | |
| CN113378831B (zh) | 一种小鼠胚胎器官识别与评分方法与系统 | |
| CN104077568A (zh) | 一种高精度的驾驶员行为识别与监控方法及系统 | |
| CN111144749A (zh) | 电网图像智能标注众包平台及工作方法 | |
| CN114565976A (zh) | 一种训练智能测试方法以及装置 | |
| CN107784649A (zh) | 基于图像识别的芯棒测试远程报警系统及方法 | |
| CN107578015B (zh) | 一种基于深度学习的第一印象识别与回馈系统及方法 | |
| CN112288266A (zh) | 调车手信号的处理、模型获取方法、装置、设备及介质 | |
| CN105631410B (zh) | 一种基于智能视频处理技术的课堂检测方法 | |
| CN113657337A (zh) | 一种乘务员表情检测方法、装置、设备及介质 | |
| CN109492573A (zh) | 一种指针读取方法及装置 | |
| CN114463779A (zh) | 吸烟识别方法、装置、设备及存储介质 | |
| CN114596243A (zh) | 缺陷检测方法、装置、设备及计算机可读存储介质 | |
| CN113538411A (zh) | 一种绝缘子缺陷检测方法及装置 | |
| CN111694980A (zh) | 一种鲁棒的家庭儿童学习状态视觉监督方法及装置 | |
| CN103123689B (zh) | 一种基于人腿检测的奔跑检测方法和装置 | |
| CN111079752A (zh) | 识别红外图像中的断路器的方法、装置及可读存储介质 | |
| CN117333949A (zh) | 一种基于视频动态分析识别肢体动作的方法 | |
| CN115240277A (zh) | 安检行为的监控方法、装置、电子设备及存储介质 | |
| CN110738151B (zh) | 一种采用运动编码的考场视频人体主姿态确定方法 | |
| CN111899137B (zh) | 一种基于手写时序数据的考试系统和方法 |
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 |