专利交易市场

一种屏幕内容视频运动类型的判断方法，由确定视频图像的帧差、划分视频、确定视频片段的标准差、确定视频片段帧差的方差、确定每个视频片段的运动类型步骤组成。通过视频内容特征分析，得到表征不同运动类型特征模型，将输入的视频划分成视频片段，采用视频片段的标准差和视频片段的帧差的方差建立估计视频片段所包含运动类型的数学模型，得到每个视频片段的运动类型特征值，判断出运动类型，解决了屏幕内容视频中包含的复杂运动类型划分的问题。经仿真模拟实验结果表明，本发明具有计算方法简单、准确性高、使用效果好、使用范围广等优点，可用于视频压缩编码、视频分类以及视频检索等领域。

本发明公开了一种设备使用教学系统，包括：多个摄像头、图像采集分类模块、视频整合模块、视频分类存储模块、视频播放模块和播放锁定模块。本发明中，分别利用正面拍摄图像、细节图像和后台工作图像制作正面展示视频、细节展示视频和后台展示视频，便于直接展示向学员演示机械设备的工作过程，为设备操作教学奠定了基础。此外，正面展示视频、细节展示视频和后台展示视频分别通过主显示屏和多个副显示屏进行相互独立的播放，从而，在教学过程中，可参考各细节展示视频和后台展示视频对正面展示视频进行补充讲解，从而更加全面详细的演示机械设备工作过程，提高教学质量。

本发明公开了面向智能电梯乘客意图分析的视频分类方法及系统，属于计算机视觉领域。所述方法首先利用自监督模型生成像素级的对象的mask作为以对象为中心的表示，并通过对每个对象的mask进行位置编码获得对象的位置信息；将实例的外观信息和位置信息聚合后的特征在时间维度进行推理，理解不同对象之间的交互和关系，与采用视频编码器提取的RGB视频帧的语义特征进行融合，增强了基于对象的特征和整体视频语义之间的互补性和有效性，可以显著提高模型在行为识别任务中的准确性和鲁棒性，能够更好地适应电梯场景乘客意图识别，更加准确地识别和分析乘客是否有乘坐电梯的需求，提供更智能化的电梯系统。

本发明涉及计算机领域，尤其涉及一种视频语义特征和可扩展粒度感知时序动作检测方法及装置，包括以下步骤：视频特征提取；序列到序列的视频语义特征提取；与可扩展粒度感知特征融合，特征融合包括将来自语义流Video2sequence模块的输出和来自视频流可扩展粒度感知特征金字塔的输出进行拼接；将来自语义流视讯序列Video2sequence模块的输出和来自视频流可扩展粒度感知融合后的特征送入基于Trident‑Head的分类处理。充分利用了视频分类和视频字幕video2caption任务在特征提取层的相似性，并直接利用预先提取的低级特征。

本申请实施例提供一种模型确定方法及相关装置，其中，所述方法包括：根据第一模型对所述输入视频进行分类处理，得到第一特征数据，以及根据第二模型对所述输入视频进行分类处理，得到第二特征数据；根据所述第一特征数据、所述第二特征数据，确定第一损失函数；根据所述第一模型和所述第二模型的网络参数，确定第二损失函数；根据所述第一损失函数和所述第二损失函数中至少一个，确定目标损失函数；根据所述目标损失函数对所述第一模型进行调整，以得到第三模型，能够提升调整后得到的模型处理视频分类任务时的准确性。

本发明公开了一种基于双流卷积神经网络和双向GRU的动作识别方法，包括以下步骤：对视频等间距采样M帧图像，缩放；将第一帧图像输入空间流CNN，得到空间流特征图；计算堆叠，将其输入时间流CNN，得到时间流特征图；级联，使用三层卷积神经网络融合，得到融合后的特征图；将特征图送入两层全连接层，然后送入softmax函数得到单帧分类结果；继续以上的步骤，计算剩余帧的分类结果；将识别结果送入双向门控单元，得到各视频抽样帧的分类结果ht；基于高斯加权的融合方式，将M组ht进行融合，得到最终的视频分类结果，本方法在保持模型准确性的情况下，减少了模型参数，简化了模型结构，提高了模型运算速度；采用高斯加权融合的方式，提高了分类结果的可靠性。

本发明公开了一种基于长短期记忆网络的换脸视频检测方法，该检测方法包括视频帧提取、图像特征提取、长短期记忆网络训练测试。其中，视频帧提取负责提取视频片段中的关键帧及其之后的连续多帧图像，然后对图像中人脸区域进行裁剪，并使用高通滤波对人脸图像进行处理，提取人脸图像中的细节信息；利用在ImageNet图像分类数据集中训练好的Xception卷积神经网络对图像进行特征提取，将卷积神经网络的输出作为图像的特征，然后将各帧图像提取到的特征拼接为特征序列，输入到长短期记忆网络进行训练，最终得到一个高精度的换脸视频分类器。本发明充分利用了伪造视频中存在的帧间不一致性，大大提高了伪造视频的检测精度，取得了很好的分类效果。

本发明公开了一种基于融合特征的人体动作分类方法，包括输入多个带标签的人体动作视频，将各动作视频转换成帧序列；使用预训练的沙漏人体姿势估计模型预测各帧的人体关节点3D坐标，得到关节点3D坐标数据集；将人体关节点坐标投影至三维平面；使用LSTM、GRU两种模型分别对投影后的数据进行特征提取，将提取的两组特征向量进行融合；基于融合后的特征训练人体动作视频分类模型，将视频数据输入训练好的人体动作视频分类模型，得到人体动作视频分类结果。本发明方法通过特征融合可挖掘人体动作的整体特征，增强模型对特征的辨别力，对于类间差别较小的动作分类更加准确。