CN111158486A - 一种识别唱跳节目动作的方法及识别*** - Google Patents
一种识别唱跳节目动作的方法及识别*** Download PDFInfo
- Publication number
- CN111158486A CN111158486A CN201911406236.4A CN201911406236A CN111158486A CN 111158486 A CN111158486 A CN 111158486A CN 201911406236 A CN201911406236 A CN 201911406236A CN 111158486 A CN111158486 A CN 111158486A
- Authority
- CN
- China
- Prior art keywords
- action
- target
- actions
- key standard
- key
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000009191 jumping Effects 0.000 title abstract description 9
- 230000033001 locomotion Effects 0.000 claims description 28
- 238000010276 construction Methods 0.000 claims description 3
- 241001342895 Chorus Species 0.000 claims 3
- 230000005284 excitation Effects 0.000 abstract 1
- 239000013598 vector Substances 0.000 description 15
- 238000001914 filtration Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000003238 somatosensory effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种识别唱跳节目动作的方法及识别***,其中识别唱跳节目动作的方法,具体包括以下步骤:获取关键标准动作,构建关键标准动作库;获取输入的目标动作;对输入的目标动作进行处理;提取关键标准动作库中的关键动作,将处理后的目标动作与关键标准动作进行比对;输出比对结果。本申请能够识别出与标准动作最为相似的动作,并对该动作进行等级划分,输出相应的反馈语进行评分激励,提升唱跳节目类的吸引力。
Description
技术领域
本申请涉及计算机领域,具体地,涉及一种识别唱跳节目动作的方法及识别***。
背景技术
在越来越普及的体感领域中,出现了许多体感健身游戏、唱跳节目等娱乐活动,在这些活动中通常是根据使用者的动作与标准动作给予拥护者一个分数,使用者会根据此分数知道自己的动作是否正确,但是在使用过程中,对关键标准动作的标准度有一定规范性要求的节目中(例如儿童爱唱跳等节目),一般都是纯视频播放的形式,对电视屏幕前宝宝跟着跳的动作并不能进行是否标准的评价,这种仅播放并没有互动反馈的形式并不能有效吸引、激励儿童跟随节奏进行跳动,起不到应有的效果。
因此,如何根据动作跟跳是否标准对儿童进行反馈激励,提升儿童跟跳兴趣,是本领域人员目前急需解决的问题。
发明内容
本申请的目的在于提供一种识别唱跳节目动作的方法及识别***,识别出与标准动作最为相似的动作,并对该动作进行等级划分,输出相应的反馈语进行评分激励,提升唱跳节目类的吸引力。
为达到上述目的,本申请提供了一种识别唱跳节目动作的方法,具体包括以下步骤:获取关键标准动作,构建关键标准动作库;获取输入的目标动作;对输入的目标动作进行处理;提取关键标准动作库中的关键动作,将处理后的目标动作与关键标准动作进行比对;输出比对结果。
如上的,其中,目标动作的数量为多个,其中获取目标动作还包括,设置每个目标动作的采集时间,当采集倒计时开始计时,进行目标动作的采集,到采集倒计时结束则结束目标动作的采集,到下一采集时间则进行下一目标动作的获取。
如上的,其中,对目标动作进行处理具体包括以下子步骤:进行目标动作的初步处理;对初步处理后的目标动作进行去噪;进行去噪后目标动作的拆解;对拆解后的目标动作进行抠图处理。
如上的,其中,对于目标动作进行初步处理为,选定起始帧和结束帧,在结束帧之后的目标动作帧的数据进行删除,将目标动作保存为图像格式。
如上的,其中,使用观察窗口进行连续目标动作图像的分解化查看,并将每个目标动作拆解为多个目标子动作。
如上的,其中,在每个目标动作中,选取与采集时间最后一刻出现的目标子动作间隔指定时刻的一个或多个目标子动作作为目标动作的招牌动作。
如上的,其中,将处理后的目标动作与关键标准动作进行比对包括以下子步骤:获取目标动作中的多个节点;根据目标动作的多个节点与关键标准动作进行距离计算;若距离在指定距离阈值内,进行目标动作与关键标准动作的对比。
如上的,其中,目标动作中还包括多个节点,多个节点中的每个节点对应用户身体的一个部位,将身体部位坐标与关键标准动作中对应的身体部位坐标进行距离计算,若大于指定数量的节点与关键标准动作对应的身体部位距离均在指定距离阈值内,则进行目标动作中招牌动作与关键标准动作的对比。
一种识别唱跳节目动作的***,具体包括:识别处理器以及输出单元;识别处理器用于执行上述任一项的方法;输出单元,用于输出比对结果。
如上的,其中,识别处理器具体包括以下子模块:构建模块、获取模块、处理模块以及比对模块;构建模块,用于获取关键标准动作,构建关键标准动作库;获取模块,用于获取输入的目标动作;处理模块,用于对目标动作进行处理;比对模块,用于提取关键标准动作库中的关键动作,将处理后的目标动作与关键标准动作进行比对。
本申请的有益效果是:能够识别出与标准动作最为相似的动作,并对该动作进行等级划分,输出相应的反馈语进行评分激励,提升唱跳节目类的吸引力。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是根据本申请实施例提供的识别唱跳节目动作的方法流程图;
图2是根据本申请实施例提供的识别唱跳节目动作的***的内部结构图;
图3是根据本申请实施例提供的确识别唱跳节目动作的***的又一内部结构图。
具体实施方式
下面结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有做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。
本申请涉及一种识别唱跳节目动作的方法及识别***。根据本申请,能够识别出与标准动作最为相似的动作,并对该动作进行等级划分,输出相应的反馈语进行评分激励,提升唱跳节目类的吸引力。
本申请提供了识别唱跳节目动作的方法,请参考图1,具体包括如下步骤:
步骤S110:获取关键标准动作,构建关键标准动作库。
具体地,其中关键标准动作为***预先输入若干个标准动作中的指定一个或多个动作,该一个或多个动作将在唱跳屏幕上出现,将其定义为关键标准动作。
进一步地,利用现有技术中的图像数据模型,将关键标准动作输入图像数据模型中进行训练,输出的关键标准动作的集合作为关键标准动作库。其中该训练方法可参考现有技术中的训练方法。
步骤S120:获取输入的目标动作。
具体地,对于目标动作的获取为进行目标动作的整体获取,不包括获取部分目标动作的情况,且需要保证采集的目标动作清楚且流畅。其中目标动作的数量为多个,多个目标动作构成用户输入的完整的一套动作。
进一步地,其中每个目标动作也是视频流形式,因此获取目标动作还包括,设置每个目标动作的采集时间,当采集倒计时开始计时,进行目标动作的采集,到采集倒计时结束则结束目标动作的采集,到下一采集时间则进行下一目标动作的获取。
优选地,多个目标动作的采集时间是非连续性的,并且是根据唱跳节目的时间进行划分的。在相应的采集时刻,唱跳节点中也会出现相应的关键标准动作。因此记录获取的目标动作与关键标准动作为对应关系,从而方便后续关键标准动作的提取。例如若在唱跳节目中的1分钟内为一个采集时刻,则在唱跳屏幕上出现的动作为对应的关键标准动作。对应时刻出现的关键标准动作有且只有一个。
其中,对目标动作的采集为采集动作持续时间长度内的人体动作视频流,并将其保存。
步骤S130:对输入的目标动作进行处理。
其中对目标动作进行处理具体包括以下子步骤:
步骤D1:进行目标动作的初步处理。
其中对于目标动作进行处理包括初步处理,即选定起始帧和结束帧,在结束帧之后的目标动作帧的数据进行删除。该方式能够在采集时刻发生错误后,保证多个目标动作的顺利获取。
步骤D2:对初步处理后的目标动作进行去噪。
进一步地,在进行多余目标动作帧的删除后,还包括,将目标动作保存为图像格式,移除目标动作帧中存在的噪声。
具体地,其中噪声一般为点扩散函数的作用,可设置滤波器,有效地加以消除,如同期性噪声,常用频率域滤波方法,对图像作傅立叶变换,没计适当滤波器提取主要噪声成分,反变换后得到噪声图像,从原图像中减去加权的噪声图像,即得去噪声图像。
其中权函数的选择原则是使校正后图像在一定大小的区域内方差达到最小。图像的随机噪声常表现为高频特征,采用图像平滑或低通滤波的方法加以消除,如平滑滤波、中值滤波、条件滤波和各种自适应滤波方法等。
通过上述现有方式能够实现图像中的去噪,能够提高目标动作的判定精度,同时也能减小网络流量。
步骤D3:进行去噪后目标动作的拆解。
具体地,使用观察窗口进行每个目标动作图像的分解化查看,由于目标动作的初始状态为视频流的形态,因此即使保存为图像格式,目标动作也包括若干目标子动作。例如在1分钟内目标动作可根据若干秒钟分解为若干目标子动作,并将其定义为目标子动作1、目标子动作2…目标子动作n。
进一步地,由于多个目标子动作在接近的时刻内的动作可能是极为相似的,因此选取一个或多个目标子动作作为目标动作的招牌动作,从而完成后续与关键标准动作的对比。
优选地,招牌动作选取的标准为与采集时间最后一刻出现的目标子动作间隔指定时刻的一个或多个目标子动作。
示例性地,目标子动作n为在某一时刻内出现的最后一个目标子动作,则***可自动判断与目标子动作n最为相似和最不相似的动作作为目标动作的招牌动作。
步骤D4:对拆解后的目标动作进行抠图处理。
优选地,在本步骤中是对目标动作的招牌动作进行抠图,其中对目标动作的抠图可以参考现有技术中的抠图处理。
步骤S140:将处理后的目标动作与关键标准动作进行比对。
具体地,其中将目标动作与关键标准动作进行比对的过程中,实际是将目标动作的招牌动作与关键标准动作进行对比。
由于目标动作为多个,因此本实施例采用先采集先对比的原则,由于采集时间是非连续性地,因此可将采集完成的一个目标动作与相应的关键标准动作先进行对比。
其中将处理后的目标动作与关键标准动作进行比对包括以下子步骤:
步骤Q1:获取目标动作中的多个节点。
具体地,其中目标动作中还包括多个节点,多个节点中的每个节点对应用户身体的一个部位,其中目标动作的每个节点包括着一个像素坐标,其中像素坐标即为目标动作图像中的像素值。
优选地,像素坐标可通过摄像坐标进行转化或根据图像的属性进行确认,具体方法可参考现有技术。
步骤Q2:根据多个目标动作的节点与关键标准动作进行距离计算。
其中,提取关键标准动作库中与该目标动作对应的关键标准动作,并且预先进行关键标准动作中身体部位的划分,并确定关键标准动作中身体部位的坐标。并以身体部位中任意一个部位进行距离计算的标准部位。
示例性地,若目标动作中某一节点对应头部坐标,头部的像素坐标为(x1、y1、z1),关键标准动作中头部的像素坐标为(x2、y2、z2),则可具体计算像素坐标之间的距离,其中像素距离d(x、y、z)具体表示为:
其中(xi、yi、zi)表示像素坐标,i表示自然数,i=1、2。
根据公式一,将像素坐标的距离转化为实际数值,若二者距离在指定距离范围内,则进行下一节点与对应关键标准动作中相应身体部位的距离计算,若大于指定数量的节点与关键标准动作的距离均在指定距离范围内,则执行步骤Q3,否则流程退出。
步骤Q3:进行目标动作与关键标准动作的对比。
具体地,提取该目标动作的招牌动作,将招牌动作与关键标准动作完成对比。
其中将关键标准动作与招牌动作放入同一空间中,具体计算招牌动作与关键标准动作的纹理特征向量。
纹理特征向量表示目标物体的特征数据。纹理特征向量可以能量特征、信息熵、对比度、相关性等表示形式。上述表现形式均可代表纹理特征向量,其中可计算招牌动作与关键标准动作中的一种或多种纹理特征向量。
示例性地,可将招牌动作与关键标准动作的一种纹理特征向量数据进行差值比对,进一步地,由于招牌动为两个目标子动作,因此对招牌动作的两个纹理特征向量求和取均值,作为目标动作的纹理特征向量与关键标准动作的纹理特征向量进行差值对比。执行步骤S150。
步骤S150:输出比对结果。
具体地,其中比对结果包括优、良、差三个等级,具体等级根据纹理特征向量的差值结果进行确定。
若目标动作的纹理特征向量与关键标准动作的纹理特征向量的差值小于第一指定阈值,则该目标动作为“优目标动作”,若目标动作的纹理特征向量与关键标准动作的纹理特征向量的差值大于第一指定阈值小于第二指定阈值,则该目标动作为“良目标动作”,若目标动作的纹理特征向量与关键标准动作的纹理特征向量的差值大于第二指定阈值小于第三指定阈值,则该目标动作为“差目标动作”。
值得注意的是,第一指定阈值的表示数值小于第二指定阈值的表示数值,第二指定阈值的表示数值小于第三指定阈值的表示数值。具体数值在此不进行限定。
进一步地,根据比对结果播放相应的反馈于,若为“优目标动作”则输出“哇,跳的真棒”反馈语。若为“良目标动作”则输出“不错啊,继续加油哦”反馈语。若为“差目标动作”,则输出“需要继续努力哦”反馈语。
本申请提供了识别唱跳节目动作的***,如图2所示,具体包括:识别处理器201以及输出单元202。
其中识别处理器201用于对输入的目标动作进行处理,完成目标动作与关键标准动作的比对。
具体地,如图3所示,其中识别处理器201具体包括以下子模块:构建模块301、获取模块302、处理模块303、比对模块304。
其中构建模块301用于获取关键标准动作,构建关键标准动作库。
获取模块302用于获取输入的目标动作。
处理模块303与获取模块302连接,用于对目标动作进行处理。
比对模块304分别与处理模块303和构建莫模块301连接,用于提取关键标准动作库中的关键动作,将处理后的目标动作与关键标准动作进行比对。
输出单元202与识别处理器连接,用于输出比对结果。
本申请的有益效果是:能够识别出与标准动作最为相似的动作,并对该动作进行等级划分,输出相应的反馈语进行评分激励,提升唱跳节目类的吸引力。
虽然当前申请参考的示例被描述,其只是为了解释的目的而不是对本申请的限制,对实施方式的改变,增加和/或删除可以被做出而不脱离本申请的范围。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种识别唱跳节目动作的方法,其特征在于,具体包括以下步骤:
获取关键标准动作,构建关键标准动作库;
获取输入的目标动作;
对输入的目标动作进行处理;
提取关键标准动作库中的关键动作,将处理后的目标动作与关键标准动作进行比对;
输出比对结果。
2.如权利要求1所述的识别唱跳节目动作的方法,其特征在于,目标动作的数量为多个,其中获取目标动作还包括,设置每个目标动作的采集时间,当采集倒计时开始计时,进行目标动作的采集,到采集倒计时结束则结束目标动作的采集,到下一采集时间则进行下一目标动作的获取。
3.如权利要求1所述的识别唱跳节目动作的方法,其特征在于,对目标动作进行处理具体包括以下子步骤:
进行目标动作的初步处理;
对初步处理后的目标动作进行去噪;
进行去噪后目标动作的拆解;
对拆解后的目标动作进行抠图处理。
4.如权利要求3所述的识别唱跳节目动作的方法,其特征在于,对于目标动作进行初步处理为,选定起始帧和结束帧,在结束帧之后的目标动作帧的数据进行删除,将目标动作保存为图像格式。
5.如权利要求3所述的识别唱跳节目动作的方法,其特征在于,使用观察窗口进行连续目标动作图像的分解化查看,并将每个目标动作拆解为多个目标子动作。
6.如权利要求5所述的识别唱跳节目动作的方法,其特征在于,在每个目标动作中,选取与采集时间最后一刻出现的目标子动作间隔指定时刻的一个或多个目标子动作作为目标动作的招牌动作。
7.如权利要求1所述的识别唱跳节目动作的方法,其特征在于,将处理后的目标动作与关键标准动作进行比对包括以下子步骤:
获取目标动作中的多个节点;
根据目标动作的多个节点与关键标准动作进行距离计算;
若距离在指定距离阈值内,进行目标动作与关键标准动作的对比。
8.如权利要求7所述的识别唱跳节目动作的方法,其特征在于,目标动作中还包括多个节点,多个节点中的每个节点对应用户身体的一个部位,将身体部位坐标与关键标准动作中对应的身体部位坐标进行距离计算,若大于指定数量的节点与关键标准动作对应的身体部位距离均在指定距离阈值内,则进行目标动作中招牌动作与关键标准动作的对比。
9.一种识别唱跳节目动作的***,其特征在于,具体包括:识别处理器以及输出单元;识别处理器用于执行上述权利要求1-8任一项所述的方法;输出单元,用于输出比对结果。
10.如权利要求9所述的识别唱跳节目动作的***,其特征在于,识别处理器具体包括以下子模块:构建模块、获取模块、处理模块以及比对模块;
构建模块,用于获取关键标准动作,构建关键标准动作库;
获取模块,用于获取输入的目标动作;
处理模块,用于对目标动作进行处理;
比对模块,用于提取关键标准动作库中的关键动作,将处理后的目标动作与关键标准动作进行比对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911406236.4A CN111158486B (zh) | 2019-12-31 | 2019-12-31 | 一种识别唱跳节目动作的方法及识别*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911406236.4A CN111158486B (zh) | 2019-12-31 | 2019-12-31 | 一种识别唱跳节目动作的方法及识别*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111158486A true CN111158486A (zh) | 2020-05-15 |
CN111158486B CN111158486B (zh) | 2023-12-05 |
Family
ID=70559698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911406236.4A Active CN111158486B (zh) | 2019-12-31 | 2019-12-31 | 一种识别唱跳节目动作的方法及识别*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111158486B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000222576A (ja) * | 1999-01-29 | 2000-08-11 | Nec Corp | 人物識別方法及び装置と人物識別プログラムを記録した記録媒体ならびにロボット装置 |
US20120143358A1 (en) * | 2009-10-27 | 2012-06-07 | Harmonix Music Systems, Inc. | Movement based recognition and evaluation |
CN107943291A (zh) * | 2017-11-23 | 2018-04-20 | 乐蜜有限公司 | 人体动作的识别方法、装置和电子设备 |
CN109710071A (zh) * | 2018-12-26 | 2019-05-03 | 青岛小鸟看看科技有限公司 | 一种屏幕控制方法和装置 |
CN110059661A (zh) * | 2019-04-26 | 2019-07-26 | 腾讯科技(深圳)有限公司 | 动作识别方法、人机交互方法、装置及存储介质 |
CN110147717A (zh) * | 2019-04-03 | 2019-08-20 | 平安科技(深圳)有限公司 | 一种人体动作的识别方法及设备 |
CN110471529A (zh) * | 2019-08-07 | 2019-11-19 | 北京卡路里信息技术有限公司 | 动作评分方法及装置 |
-
2019
- 2019-12-31 CN CN201911406236.4A patent/CN111158486B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000222576A (ja) * | 1999-01-29 | 2000-08-11 | Nec Corp | 人物識別方法及び装置と人物識別プログラムを記録した記録媒体ならびにロボット装置 |
US20120143358A1 (en) * | 2009-10-27 | 2012-06-07 | Harmonix Music Systems, Inc. | Movement based recognition and evaluation |
CN107943291A (zh) * | 2017-11-23 | 2018-04-20 | 乐蜜有限公司 | 人体动作的识别方法、装置和电子设备 |
CN109710071A (zh) * | 2018-12-26 | 2019-05-03 | 青岛小鸟看看科技有限公司 | 一种屏幕控制方法和装置 |
CN110147717A (zh) * | 2019-04-03 | 2019-08-20 | 平安科技(深圳)有限公司 | 一种人体动作的识别方法及设备 |
CN110059661A (zh) * | 2019-04-26 | 2019-07-26 | 腾讯科技(深圳)有限公司 | 动作识别方法、人机交互方法、装置及存储介质 |
CN110471529A (zh) * | 2019-08-07 | 2019-11-19 | 北京卡路里信息技术有限公司 | 动作评分方法及装置 |
Non-Patent Citations (2)
Title |
---|
CHUANKUN LI: "Joint_Distance_Maps_Based_Action_Recognition_With_Convolutional_Neural_Networks", 《IEEE SIGNAL PROCESSING LETTERS》, pages 624 - 628 * |
王刘涛;廖梦怡;王建玺;马飞;: "基于关键帧轮廓特征提取的人体动作识别方法", 重庆邮电大学学报(自然科学版), no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN111158486B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5483899B2 (ja) | 情報処理装置および情報処理方法 | |
KR102106135B1 (ko) | 행동 인식 기반의 응용 서비스 제공 장치 및 그 방법 | |
CN109766759A (zh) | 情绪识别方法及相关产品 | |
JP6557592B2 (ja) | 映像シーン分割装置及び映像シーン分割プログラム | |
CN110309784A (zh) | 动作识别处理方法、装置、设备和存储介质 | |
CN109640112B (zh) | 视频处理方法、装置、设备及存储介质 | |
EP4086786A1 (en) | Video processing method, video searching method, terminal device, and computer-readable storage medium | |
CN107133567B (zh) | 一种创可贴广告点位选取方法及装置 | |
CN111401100A (zh) | 视频质量评估方法、装置、设备及存储介质 | |
CN109117753A (zh) | 部位识别方法、装置、终端及存储介质 | |
Huang et al. | Deepfake mnist+: a deepfake facial animation dataset | |
CN113886641A (zh) | 数字人生成方法、装置、设备及介质 | |
CN114093021A (zh) | 舞蹈视频的动作提取方法、装置、计算机设备及存储介质 | |
JP4728795B2 (ja) | 人物オブジェクト判定装置及び人物オブジェクト判定プログラム | |
CN110598718A (zh) | 基于注意力机制及卷积神经网络的图像特征提取方法 | |
CN114513694A (zh) | 评分确定方法、装置、电子设备和存储介质 | |
CN106604057A (zh) | 视频处理方法及装置 | |
CN113785304A (zh) | 人脸识别方法和装置 | |
US11948400B2 (en) | Action detection method based on human skeleton feature and storage medium | |
CN111158486A (zh) | 一种识别唱跳节目动作的方法及识别*** | |
CN112560872A (zh) | 一种基于人工智能的多模感知麻将辅助方法 | |
CN112733796A (zh) | 一种体育运动质量的评估方法、装置、设备,存储介质 | |
WO2023000972A1 (zh) | 结构化信息抽取方法、装置、设备以及存储介质 | |
CN109165551B (zh) | 一种自适应加权融合显著性结构张量和lbp特征的表情识别方法 | |
CN116403285A (zh) | 动作识别方法、装置、电子设备以及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |