本申请公开了一种单点运动学习方法，包括：获取目标单点在视频中的位置集合，所述位置集合用于构成目标单点的运动轨迹样本；根据所述位置集合，获取与所述运动轨迹样本中多个轨迹段一一对应的多组轨迹属性特征样本；确定所述目标轨迹属性特征样本可用于单点运动学习，所述目标轨迹属性特征样本为所述多组轨迹属性特征样本中的任意一组；及响应于所述目标轨迹属性特征样本可用于单点运动学习，根据所述目标轨迹属性特征样本进行单点运动学习，以更新得到所述目标单点的最新运动轨迹；所述最新运动轨迹的轨迹属性特征集合作为样本用于下一次单点运动学习。本申请提供的技术方案计算小，所需的学习数据少。所需的学习数据少。所需的学习数据少。
【技术实现步骤摘要】
单点运动学习方法及装置
[0001]本申请涉及人工智能领域，尤其涉及一种单点运动学习方法、装置、计算机设备和计算机可读存储介质。
技术介绍
[0002]机器人的技能模仿和迁徙可以通过机器学习、固定轨迹等实现。机器学习可以一般有三类：运动模型、策略学习模型和语义推理模型，基于上述模型实现运动规划。
[0003]然而，当前通过机器学习实现技能模仿和迁徙，需要大量的学习数据和模型求解过程，计算量大。
技术实现思路
[0004]本申请实施例的目的是提供一种单点运动学习方法、装置、计算机设备以及计算机可读存储介质，可以用于解决上文所述的问题。
[0005]本申请实施例的一个方面提供了一种单点运动学习方法，包括：
[0006]获取目标单点在视频中的位置集合，所述位置集合用于构成目标单点的运动轨迹样本；
[0007]根据所述位置集合，获取与所述运动轨迹样本中多个轨迹段一一对应的多组轨迹属性特征样本；
[0008]确定所述目标轨迹属性特征样本可用于单点运动学习，所述目标轨迹属性特征样本为所述多组轨迹属性特征样本中的任意一组；及
[0009]响应于所述目标轨迹属性特征样本可用于单点运动学习，根据所述目标轨迹属性特征样本进行单点运动学习，以更新得到所述目标单点的最新运动轨迹；其中，所述最新运动轨迹的轨迹属性特征集合作为样本用于下一次单点运动学习。
[0010]可选的，所述根据所述位置集合，获取与所述运动轨迹样本中多个轨迹段一一对应的多组轨迹属性特征样本，包括：/>[0011]根据所述位置集合，获取所述运动轨迹样本的轨迹属性特征样本集合；
[0012]按照时间顺序排列，将所述轨迹属性特征样本集合切分为所述多组轨迹属性特征样本。
[0013]可选的，轨迹属性特征包括相邻位置的斜率；
[0014]所述按照时间顺序排列，将所述轨迹属性特征样本集合切分为所述多组轨迹属性特征样本，包括：
[0015]对所述轨迹属性特征样本集合进行切片，以得到M组轨迹属性特征样本，M为大于1的自然数；
[0016]每组轨迹属性特征样本包括一个或多个斜率；
[0017]其中，当斜率的数值为零时，该数值为零的斜率被切分为一组单独的轨迹属性特征样本。
[0018]可选的，所述目标轨迹属性特征样本包括一个或多个轨迹属性特征；所述确定所述目标轨迹属性特征样本可用于单点运动学习，包括：
[0019]获取历史学习库中所述目标单点的高斯分布；
[0020]响应于所述目标轨迹属性特征样本中的各轨迹属性特征均落入到所述高斯分布的预设范围内，确定所述目标轨迹属性特征样本可用于所述单点运动学习；
[0021]响应于所述目标轨迹属性特征样本中的至少一个轨迹属性特征未落入到所述高斯分布的预设范围内，确定所述目标轨迹属性特征样本不可用于所述单点运动学习。
[0022]可选的，所述根据所述目标轨迹属性特征样本进行单点运动学习，以更新得到所述目标单点的最新运动轨迹，包括：
[0023]确定所述目标单点的历史轨迹属性特征；及
[0024]根据所述历史轨迹属性特征以及所述目标轨迹属性特征样本中的轨迹属性特征，更新得到所述目标单点的最新运动轨迹；所述最新运动轨迹的轨迹属性特征集合包括本次学习到的轨迹属性特征，并作为样本用于下一次单点运动学习。
[0025]可选的，还包括：
[0026]将每次更新得到的最新运动轨迹的轨迹属性特征集合用于单点运动学习，直至最后一次更新得到的最新运动轨迹的轨迹属性特征集合不可用于单点运动学习。
[0027]可选的，还包括：
[0028]将每次更新得到的最新运动轨迹的轨迹属性特征集合用于单点运动学习，直至更新次数超过预设次数。
[0029]可选的，还包括：
[0030]将每次更新得到的最新运动轨迹的轨迹属性特征集合用于单点运动学习，直至学习效果低于预设阈值。
[0031]本申请实施例的一个方面又提供了一种单点运动学习装置，包括：
[0032]第一获取模块，用于获取目标单点在视频中的位置集合，所述位置集合用于构成目标单点的运动轨迹样本；
[0033]第二获取模块，用于根据所述位置集合，获取与所述运动轨迹样本中多个轨迹段一一对应的多组轨迹属性特征样本；
[0034]确定模块，用于确定所述目标轨迹属性特征样本可用于单点运动学习，所述目标轨迹属性特征样本为所述多组轨迹属性特征样本中的任意一组；及
[0035]学习模块，用于响应于所述目标轨迹属性特征样本可用于单点运动学习，根据所述目标轨迹属性特征样本进行单点运动学习，以更新得到所述目标单点的最新运动轨迹；其中，所述最新运动轨迹的轨迹属性特征集合作为样本用于下一次单点运动学习。
[0036]本申请实施例的一个方面又提供了一种计算机设备，所述计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时用于实现如上述单点运动学习方法的步骤。
[0037]本申请实施例的一个方面又提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序可被至少一个处理器所执行，以使所述至少一个处理器执行如上述单点运动学习方法的步骤。
[0038]本申请实施例提供的单点运动学习方法、装置、计算机设备以及计算机可读存储
介质，包括如下优点：
[0039](1)相对于通过机器学习实现运动轨迹学习模仿所需要的大量学习数据和模型的求解过程，在本申请中：基于单点的位置集合不断修改单点的运动轨迹(轨迹属性特征)实现单点运动学习，有效降低学习数据和避免模型求解过程以节省计算量。
[0040](2)将视频的运动轨迹切分为多个轨迹段，每个轨迹段对应一组轨迹属性特征样本，因此是按轨迹段进行单点运行学习。需分别判断各个轨迹段的轨迹属性特征样本是否可以用于单点运动学习。不同于一次性判断整个运动轨迹的轨迹描述集合是否可以用于单点运动学习，按轨迹段逐段判断可以避免“对整个运动轨迹做整体判断时，一旦某个轨迹属性特征存在异常，则整个视频的轨迹都被丢弃”的问题。
[0041]本申请采用轨迹段拆分策略，有用轨迹段的轨迹属性特征样本可以用于单点运动学习，含有异常轨迹属性特征的轨迹段则被丢弃，充分利用视频的有用数据作为样本。
[0042](3)学习和更新后的轨迹属性特征可以再次作为单点运动学习的样本，这种循环学习策略进行单点运动学习得到更精确的结果，间接减少学习对数据量的依赖性。
[0043]综上所述，本申请有效降低学习数据和避免模型求解过程以节省计算量，采用轨迹段拆分策略充分利用数据，并且循环学习策略减少学习对数据量的依赖性。
附图说明
[0044]图1示意性示出了根据本申请实施例的单点运动学习方法的应用环境图；
[0045]图2示意性示出了根据本申请实施例一的单点运动学习方法的流程图；
[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种单点运动学习方法，其特征在于，包括：获取目标单点在视频中的位置集合，所述位置集合用于构成目标单点的运动轨迹样本；根据所述位置集合，获取与所述运动轨迹样本中多个轨迹段一一对应的多组轨迹属性特征样本；确定所述目标轨迹属性特征样本可用于单点运动学习，所述目标轨迹属性特征样本为所述多组轨迹属性特征样本中的任意一组；及响应于所述目标轨迹属性特征样本可用于单点运动学习，根据所述目标轨迹属性特征样本进行单点运动学习，以更新得到所述目标单点的最新运动轨迹；其中，所述最新运动轨迹的轨迹属性特征集合作为样本用于下一次单点运动学习。2.根据权利要求1所述的方法，其特征在于，所述根据所述位置集合，获取与所述运动轨迹样本中多个轨迹段一一对应的多组轨迹属性特征样本，包括：根据所述位置集合，获取所述运动轨迹样本的轨迹属性特征样本集合；按照时间顺序排列，将所述轨迹属性特征样本集合切分为所述多组轨迹属性特征样本。3.根据权利要求2所述的方法，其特征在于，轨迹属性特征包括相邻位置的斜率；所述按照时间顺序排列，将所述轨迹属性特征样本集合切分为所述多组轨迹属性特征样本，包括：对所述轨迹属性特征样本集合进行切片，以得到M组轨迹属性特征样本，M为大于1的自然数；每组轨迹属性特征样本包括一个或多个斜率；其中，当斜率的数值为零时，该数值为零的斜率被切分为一组单独的轨迹属性特征样本。4.根据权利要求1所述的方法，其特征在于，所述目标轨迹属性特征样本包括一个或多个轨迹属性特征；所述确定所述目标轨迹属性特征样本可用于单点运动学习，包括：获取历史学习库中所述目标单点的高斯分布；响应于所述目标轨迹属性特征样本中的各轨迹属性特征均落入到所述高斯分布的预设范围内，确定所述目标轨迹属性特征样本可用于所述单点运动学习；响应于所述目标轨迹属性特征样本中的至少一个轨迹属性特征未落入到所述高斯分布的预设范围内，确定所述目标轨迹属性特征样本不可用于所述单点运动学习。5.根据权利要求1所述的方法，其特征在于，所述根据所述目标轨迹属性特征样本进行单点运动学习，以更新得到所述目标单点的最新运动轨迹，包括：确...
【专利技术属性】
技术研发人员：王斌，鄢彪，李双全，丁文杰，华达，杨家栋，
申请(专利权)人：上海幻电信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。