(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210501819.0 (22)申请日 2022.05.09 (71)申请人 四川省人工智能研究院 （宜宾） 地址 644000 四川省宜宾市宜宾临港经济 技术开发区长江北路西段附二段430 号 (72)发明人 何鸿才　赵磊　蒋春林　商烁　 邵杰　 (74)专利代理 机构 北京正华智诚专利代理事务 所(普通合伙) 11870 专利代理师 何凡 (51)Int.Cl. G06V 40/20(2022.01) G06V 40/10(2022.01) G06V 20/40(2022.01)G06V 10/40(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06K 9/62(2022.01) G06V 10/764(2022.01) (54)发明名称 一种基于视频分析的打喷嚏发生检测方法 (57)摘要 本发明公开了一种基于视频分析的打喷嚏 发生检测方法， 所述基于视频分析的打喷嚏发生 检测方法包括： S1： 构建打喷嚏发生特征库， 其 中， 所述打喷嚏发生特征库是基于视频文件构建 的， 以用于作为输入视频的比对数据； S2： 根据所 述打喷嚏发生特征库， 利用特征提取器， 对输入 视频进行分析处理， 得到所述输入视频的打喷嚏 发生检测结果。 本发明所提供的基于视频分析的 打喷嚏发生检测方法， 能够检测打喷嚏动作的类 别的同时确保一定的检测精度。 权利要求书3页 说明书7页 附图1页 CN 114821798 A 2022.07.29 CN 114821798 A 1.一种基于视频分析的打喷嚏发生检测方法， 其特征在于， 所述基于视频分析的打喷 嚏发生检测方法包括： S1： 构建打喷嚏发生特征库， 其中， 所述打喷嚏发生特征库是基于视频文件构建的， 以 用于作为输入视频的比对数据； S2： 根据所述打喷嚏发生特征库， 利用特征提取器， 对输入视频进行分析处理， 得到所 述输入视频的打喷嚏发生检测结果。 2.根据权利要求1所述的基于视频分析的打 喷嚏发生检测方法， 其特征在于， 所述步骤 S1包括： S11： 获取打喷嚏动作数据集， 其中， 所述打喷嚏动作数据集包括多个打喷嚏动作视频 片段； S12： 对各 所述打喷嚏动作视频片段进行矩阵化处 理， 得到第一组合矩阵； S13： 根据所述第一组合矩阵， 利用特征提取器， 得到各所述打喷嚏动作视频片段所对 应的特征向量； S14： 根据 所有所述打喷嚏动作视频片段所对应的特征向量， 得到所述打喷嚏发生特征 库。 3.根据权利要求1所述的基于视频分析的打 喷嚏发生检测方法， 其特征在于， 所述步骤 S12包括： S121： 将各 所述打喷嚏动作视频片段切分成帧对应的第一图像； S122： 转变当前打喷嚏动作视频片段中各所述第一图像为矩阵形式， 得到多个第一子 矩阵； S123： 将多个所述第一子矩阵组合 为第一组合矩阵。 4.根据权利要求3所述的基于视频分析的打 喷嚏发生检测方法， 其特征在于， 所述步骤 S13包括： S131： 根据所述第一组合矩阵， 利用特 征提取器， 得到第一五 维特征向量； S132： 对所述第一五 维特征向量进行降维处 理， 得到第一 二维特征向量； S133： 对所述第一二维特征向量进行压缩处理， 得到所述当前打喷嚏动作视频片段所 对应的特 征向量。 5.根据权利要求1所述的基于视频分析的打 喷嚏发生检测方法， 其特征在于， 所述步骤 S2包括： S21： 获取输入视频片段； S22： 对所述输入视频片段进行矩阵化处 理， 得到第二组合矩阵； S23： 根据所述第二组合矩阵， 利用所述特征提取器， 得到所述输入视频片段对应的特 征向量； S24： 利用余弦相似度， 对比所述输入视频片段对应的特征向量和所述打喷嚏发生特征 库中所有的特 征向量， 得到对比结果； S25： 根据 所述对比结果、 所述输入视频片段所对应的特征向量和所述打喷嚏发生特征 库， 利用阈值判断法， 得到所述输入视频的打喷嚏发生检测结果。 6.根据权利要求5所述的基于视频分析的打 喷嚏发生检测方法， 其特征在于， 所述步骤 S22包括：权　利　要　求　书 1/3 页 2 CN 114821798 A 2S221： 将所述输入视频片段切分为帧对应的第二图像； S222： 将所述输入视频片段中各 所述第二图像转变为矩阵形式， 得到多个第二子矩阵； S223： 将多个所述第二子矩阵组合 为第二组合矩阵。 7.根据权利要求5所述的基于视频分析的打 喷嚏发生检测方法， 其特征在于， 所述步骤 S23包括： S231： 根据所述第一组合矩阵， 利用特 征提取器， 得到第二五 维特征向量； S232： 对所述第二五 维特征向量进行降维处 理， 得到第二 二维特征向量； S233： 对所述第二二维特征向量进行压缩处理， 得到所述输入视频片段对应的特征向 量。 8.根据权利要求5所述的基于视频分析的打 喷嚏发生检测方法， 其特征在于， 所述步骤 S25包括： S251： 若所述输入视频片段对应的特征向量和当前打喷嚏动作视频片段对应的特征向 量的对比结果达 到第一预设阈值， 则， 在计数器上进行 数量累计； S252： 判断所述当前打喷嚏动作视频片段是否为所述打喷嚏动作数据集的最后一个视 频片段， 若是， 进入步骤S25 3； 否则， 返回步骤S251； S253： 输出所述计数器上的数量累计总数； S254： 若所述数量累计总数占所述打喷嚏动作数据集的比例达到第二预设阈值， 则输 出所述输入视频片段为与当前打喷嚏动作视频片段相匹配的打喷嚏动作； S255： 将所述打喷嚏动作 作为所述输入视频的打喷嚏发生检测结果输出。 9.根据权利要求1 ‑8中任意一项所述的基于视频分析的打喷嚏发生检测方法， 其特征 在于， 所述特 征提取器包括： 残差网络模块、 第一 瓶颈层、 第二 瓶颈层、 第三 瓶颈层、 第四瓶颈层和全连接层； 所述残差网络模块用于提取 特征向量； 所述第一瓶颈层包括依次连接的第 一层第一瓶颈模块、 第 一层第二瓶颈模块和第 一层 第三瓶颈模块， 所述第一层第一瓶颈模块用于接收所述特征向量并对所述特征向量进 行数 据处理后依次传输至所述第一层第二瓶颈模块和所述第一层第三瓶颈模块， 所述第一层第 三瓶颈模块用于汇总所述第一层第一瓶颈模块、 所述第一层第二瓶颈模块和所述第一层第 三瓶颈模块的第一数据处 理结果， 并将所述第一数据处 理结果传输 至所述第二 瓶颈层； 所述第二瓶颈层包括依次连接的第二层第一瓶颈模块、 第二层第二瓶颈模块、 第二层 第三瓶颈模块、 第二层第四瓶颈模块和第二层第 五瓶颈模块， 所述第二层第一瓶颈模块用 于接收所述第一数据处理结果并对所述第一数据处理结果进行数据处理后依 次传输至所 述第二层第二瓶颈模块、 第二层第三瓶颈模块、 第二层第四瓶颈模块和第二层第 五瓶颈模 块， 所述第二层第五瓶颈模块用于汇总所述第二层第一瓶颈模块、 第二层第二瓶颈模块、 第 二层第三瓶颈模块、 第二层第四瓶颈模块和第二层第 五瓶颈模块的第二数据 处理结果， 并 将所述第二数据处 理结果传输 至所述第三 瓶颈层； 所述第三瓶颈层包括第 三层第一瓶颈模块至第 三层第十瓶颈模块， 所述第 三层第一瓶 颈模块用于接收所述第二数据处理结果， 并对 所述第二数据处理结果进 行数据处理后依次 传输至所述第三层第二瓶颈模块～第三层第十瓶颈模块， 所述第三层第十瓶颈模块用于汇 总所述第三层第一瓶颈模块至第三层第十瓶颈模块的第三数据处理结果， 并将所述第三数权　利　要　求　书 2/3 页 3 CN 114821798 A 3