信息提示方法及装置、电子设备和存储介质与流程

1.本公开涉及计算机技术领域，尤其涉及一种信息提示方法及装置、电子设备和存储介质。


背景技术：

2.计算机视觉可以是对生物视觉进行模拟的技术，通过电子设备可代替人眼对目标进行识别、跟踪和测量，使设备具有“视觉”。计算机视觉可以应用在多个应用领域，如制造业、检验、文档分析、医疗诊断等。
3.动作识别可以是计算机视觉的一项技术，可以识别人的动作行为，例如在辅助驾驶领域中，可以对驾驶员的分心动作进行识别，辅助驾驶员安全驾驶。但是，常规的动作识别方式，无法满足特定场景下用户的需求。


技术实现要素：

4.本公开提出了一种信息提示技术方案。
5.根据本公开的一方面，提供了一种信息提示方法，包括：响应于用户操作触发的识别指令，获取拍摄的第一视频，其中，所述用户操作作用于目标增强现实ar应用；对所述第一视频进行动作识别，得到所述第一视频中至少一个动作的识别结果；基于所述识别结果，生成提示信息，其中，所述提示信息用于对所述至少一个动作进行提示。
6.在本公开实施例中，可接收作用于目标ar应用的用户操作触发的识别指令，响应于该识别指令，可以获取拍摄的第一视频，然后可以对第一视频进行动作识别，得到第一视频中至少一个动作的识别结果，再基于得到的识别结果，生成对第一视频中至少一个动作的提示信息，这样，通过目标ar应用可以对拍摄的视频中的动作进行识别以及提示，动态地展示拍摄对象所要表达的意思，用户可以快速读懂拍摄对象所摆出的手势和/或肢体形态，可满足用户在日常场景中对动作识别的需求。
7.在一个或多个可能的实现方式中，所述方法还包括：在所述目标ar应用的应用界面中，通过文字方式展示所述提示信息；和/或，通过语音方式播放所述提示信息。这样，可以通过文字方式或语音方式对提示信息进行提示，用户可以快速地了解拍摄对象所表达的意思，为用户提供便利。
8.在一个或多个可能的实现方式中，所述方法还包括：获取所述第一视频中拍摄对象的人脸属性信息；所述通过语音方式播放所述提示信息，包括：选择与所述拍摄对象的人脸属性信息对应的音色的语音，播放所述提示信息。
9.通过这种方式，在通过语音方式播放提示信息的情况下，可以选择与拍摄对象的人脸属性信息对应的音色的语音，播放提示信息，从而将人脸属性信息与提示信息的播放相结合，通过特定音色的语音播放提示信息，使信息提示具有更多的趣味性。
10.在一个或多个可能的实现方式中，所述方法还包括：对所述第一视频进行表情识别，得到所述第一视频中拍摄对象的表情信息；所述通过语音方式播放所述提示信息，包
括：选择与所述拍摄对象的表情信息所对应的语气的语音，播放所述提示信息。这样，可以将拍摄对象的表情信息与提示信息的播放相结合，通过特定语气的语音播放提示信息，使信息提示更加多样性。
11.在一个或多个可能的实现方式中，所述对所述第一视频进行动作识别，得到所述第一视频中至少一个动作的识别结果，包括：按照所述第一视频中包括的多个视频帧对应的时间顺序，依次对每个所述视频帧进行动作识别，得到每个所述视频帧中动作的识别结果。通过这种方式，可以针对第一视频中的每个视频帧进行动作识别，减少遗漏动作的情况发生，提高第一视频动作识别的准确性。
12.在一个或多个可能的实现方式中，所述对每个所述视频帧进行动作识别，得到每个所述视频帧中动作的识别结果，包括：在目标数据库中查找与所述视频帧匹配的动作图像；在查找到与所述视频帧匹配的动作图像的情况下，将与所述视频帧匹配的所述动作图像的动作标注确定为所述视频帧的识别结果。通过在目标数据库中查找与视频帧匹配的动作图像，可以快速确定视频帧的识别结果，提高动作识别的效率。
13.在一个或多个可能的实现方式中，所述在目标数据库中查找与所述视频帧匹配的动作图像，包括：识别所述视频帧中的手部区域；在所述手部区域中识别手部关键点；在所述目标数据库中查找与所述手部关键点匹配的动作图像。
14.通过先识别视频帧中的手部区域，可以先粗略确定一个大致的图像位置，再进一步细致地识别手部区域的手部关键点，这样可以提高识别手部关键点的效率，从而可以快速地通过手部关键点查找与视频帧匹配的动作图像，实现手部动作的识别。
15.在一个或多个可能的实现方式中，所述基于所述识别结果，生成提示信息，包括：将所述至少一个动作的识别结果转换为目标语言的第一语句；根据所述第一语句生成所述提示信息。通过这种方式，通过目标ar应用可以提示目标语言的第一语句，这样，可以为用户提供多种语言支持的提示信息，提高用户体验。
16.在一个或多个可能的实现方式中，所述方法包括：获取用户输入的第二语句；确定所述第二语句对应的第二视频，所述第二视频包括所述第二语句指示的至少一个动作；在所述目标ar应用的应用界面中，展示所述第二视频。这样，可以将包括第二语句指示的至少一个动作的第二视频向拍摄对象展示，实现用户与拍摄对象在存在语言障碍的情况下的双向沟通。
17.在一个或多个可能的实现方式中，所述确定所述第二语句对应的第二视频，包括：将所述第二语句拆分为至少一个词汇；在目标数据库中搜索所述至少一个词汇对应的动作标注；基于所述至少一个词汇对应的动作标注指示的至少一个动作图像，生成所述第二视频。通过这种方式，可以通过目标数据库将第二语句转换为包括至少一个动作的第二视频，实现将语句翻译为视频，通过视频与拍摄对象进行沟通，为用户提供便利。
18.在一个或多个可能的实现方式中，所述方法还包括：获取具有动作标注的多个动作图像，其中，所述多个动作图像包括不同拍摄条件下拍摄的同一动作的图像，和/或，相同拍摄条件下拍摄的相似动作的图像；将所述多个动作图像录入所述目标数据库中。
19.通过在目标数据库中录入不同拍摄条件下拍摄的同一动作的动作图像，和/或录入相同拍摄条件下拍摄的不同动作的动作图像，可以使目标数据库中的动作图像更加丰富，可提升动作识别的成功率和准确性。
20.根据本公开的一方面，提供了一种信息提示装置，包括：
21.获取模块，用于响应于用户操作触发的识别指令，获取拍摄的第一视频，其中，所述用户操作作用于目标增强现实ar应用；
22.识别模块，用于对所述第一视频进行动作识别，得到所述第一视频中至少一个动作的识别结果；
23.生成模块，用于基于所述识别结果，生成提示信息，其中，所述提示信息用于对所述至少一个动作进行提示。
24.在一个或多个可能的实现方式中，所述装置还包括：提示模块，用于在所述目标ar应用的应用界面中，通过文字方式展示所述提示信息；和/或，通过语音方式播放所述提示信息。
25.在一个或多个可能的实现方式中，所述获取模块，还用于获取所述第一视频中拍摄对象的人脸属性信息；所述提示模块，用于选择与所述拍摄对象的人脸属性信息对应的音色的语音，播放所述提示信息。
26.在一个或多个可能的实现方式中，所述识别模块，还用于对所述第一视频进行表情识别，得到所述第一视频中拍摄对象的表情信息；所述提示模块，用于选择与所述拍摄对象的表情信息所对应的语气的语音，播放所述提示信息。
27.在一个或多个可能的实现方式中，所述识别模块，用于按照所述第一视频中包括的多个视频帧对应的时间顺序，依次对每个所述视频帧进行动作识别，得到每个所述视频帧中动作的识别结果。
28.在一个或多个可能的实现方式中，所述识别模块，用于在目标数据库中查找与所述视频帧匹配的动作图像；在查找到与所述视频帧匹配的动作图像的情况下，将与所述视频帧匹配的所述动作图像的动作标注确定为所述视频帧的识别结果。
29.在一个或多个可能的实现方式中，所述识别模块，用于识别所述视频帧中的手部区域；在所述手部区域中识别手部关键点；在所述目标数据库中查找与所述手部关键点匹配的动作图像。
30.在一个或多个可能的实现方式中，所述生成模块，用于将所述至少一个动作的识别结果转换为目标语言的第一语句；根据所述第一语句生成所述提示信息。
31.在一个或多个可能的实现方式中，所述装置还包括：确定模块，用于获取用户输入的第二语句；确定所述第二语句对应的第二视频，所述第二视频包括所述第二语句指示的至少一个动作；在所述目标ar应用的应用界面中，展示所述第二视频。
32.在一个或多个可能的实现方式中，所述确定模块，用于将所述第二语句拆分为至少一个词汇；在目标数据库中搜索所述至少一个词汇对应的动作标注；基于所述至少一个词汇对应的动作标注指示的至少一个动作图像，生成所述第二视频。
33.在一个或多个可能的实现方式中，所述录入模块，用于获取具有动作标注的多个动作图像，其中，所述多个动作图像包括不同拍摄条件下拍摄的同一动作的图像，和/或，相同拍摄条件下拍摄的相似动作的图像；将所述多个动作图像录入所述目标数据库中。
34.根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
35.根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
36.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
37.此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
38.图1示出根据本公开实施例的信息提示方法的流程图。
39.图2示出根据本公开实施例的信息提示方法一示例的流程图。
40.图3示出根据本公开实施例的信息提示装置的框图。
41.图4示出根据本公开实施例的一种电子设备的框图。
42.图5示出根据本公开实施例的一种电子设备的框图。
具体实施方式
43.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
44.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
45.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
46.另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
47.本公开实施例提供的信息提示方案，可以应用于ar软件、视频处理、手势或肢体动作识别等场景中。例如，用户通过打开终端中的ar识别应用，对聋哑人进行拍摄，ar识别应用可以将聋哑人比划的手语通过文字或者语音播放的方式展示出来，方便用户与聋哑人沟通，使动作识别与ar技术结合，满足用户多样性的需求。
48.在本公开实施例提供的信息提示方法，可以由终端设备、服务器或其它类型的电子设备执行，其中，终端设备可以为用户设备(user equipment，ue)、移动设备、用户终端、蜂窝电话、无绳电话、个人数字助理(personal digital assistant，pda)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该数据处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可通过服务器执行所述方法。为了便于描述，下文中将信息提示方法的执行主体统一称为终端。
49.图1示出根据本公开实施例的信息提示方法的流程图，如图1所示，所述信息提示
方法包括：
50.步骤s11，响应于用户操作触发的识别指令，获取拍摄的第一视频。
51.在本公开实施例中，终端可以接收触发识别指令的用户操作，生成识别指令。该用户操作可以作用于目标ar应用。例如，该用户操作可以是选中目标ar应用的用户操作，终端可以接收用户选中目标ar软件的用户操作，生成识别指令。再例如，该用户操作可以是选中目标ar应用的应用界面中识别功能按键的用户操作，终端可以在打开目标ar软件的情况下，接收用户选中目标ar软件的识别功能按键的用户操作，生成识别指令。响应于该识别指令，获取拍摄的第一视频。例如，终端上可以设置有摄像装置，在接收到识别指令的情况下，可以启动终端上的摄像装置，通过摄像装置对拍摄对象进行拍摄，终端可以获取摄像装置当前拍摄的第一视频。一些实现方式中，终端也可以从其他电子设备处获取第一视频。
52.一些实现方式中，为了减少动作识别的计算量，还可以减小第一视频的大小，例如，可以在检测到拍摄对象发生动作的情况下，开始对拍摄对象进行拍摄，在检测到拍摄对象处于静止的情况下，停止对拍摄对象进行拍摄，获取拍摄的第一视频，从而可以在尽可能地减小第一视频的大小的同时，减少第一视频中的无效动作。
53.步骤s12中，对所述第一视频进行动作识别，得到所述第一视频中至少一个动作的识别结果。
54.在本公开实施例中，可以利用一些动作识别算法，对第一视频进行动作识别，得到第一视频帧中拍摄对象的手势和/或肢体形态对应的至少一个动作的识别结果。拍摄对象可以是摆出手势和/或肢体形态的人或动物。在一些实现方式中，每个动作可以对应一个识别结果，识别结果可以用于指示每个动作所表示的含义，如识别结果可以是指示动作类别的标识，如文字、标号等，根据至少一个动作的识别结果可以确定动作所表达的含义。一些实现方式中，多个动作可以对应一个识别结果，识别结果可以是多个连续动作所表示的含义的标识，如所表示的含义的文字、标号等。
55.一些实现方式中，在对第一视频进行动作识别的情况下，可以将第一视频作为一个整体输入动作识别算法中，例如，将第一视频输入已训练的神经网络，利用已训练的神经网络对第一视频进行动作识别，得到第一视频中至少一个动作的识别结果。
56.一些实现方式中，还可以按照第一视频中包括的多个视频帧对应的时间顺序，依次对每个视频帧进行动作识别，得到每个视频帧中动作的识别结果，例如，可以按照时间顺序，将第一视频中包括的多个视频帧依次输入动作识别算法中，如将第一视频的多个视频帧依次输入已训练的神经网络，利用已训练的神经网络分别对各个视频帧进行动作识别，得到各个视频帧对应的识别结果，从而可以针对第一视频中的每个视频帧进行动作识别，减少遗漏动作的情况发生，提高第一视频动作识别的准确性。
57.步骤s13，基于所述识别结果，生成提示信息，其中，所述提示信息用于对所述至少一个动作进行提示。
58.在本公开实施例中，在识别结果表示第一视频中至少一个动作的含义的情况下，可以根据识别结果对应的文字生成提示信息。在识别结果表示每个动作的含义的情况下，可以将至少一个动作的识别结果组合成第一语句，然后根据第一语句对应的文字生成提示信息。通过目标ar应用的提示信息，可以对第一视频中的至少一个动作进行提示，用户可以快速地了解拍摄对象所表达的意思，为用户提供便利。
59.举例来说，拍摄对象可以是聋哑人，通过目标ar应用对聋哑人的手语进行动作识别，可以实现对聋哑人的手语进行翻译，用户可以在看不懂手语的情况下，通过目标ar应用展示的提示信息快速且准确地读懂手语，为用户提供便利。
60.再例如，拍摄对象可以是猫咪，通过对猫咪的肢体形态进行动作识别，可以实现对猫咪的肢体形态进行翻译，如猫咪蹲伏在地的动作可以表示猫咪处于焦虑状态，此时目标ar应用可以通过语音提示用户猫咪处于焦虑状态，从而通过目标ar应用，用户可以了解一些动物的动作所表达的含义，为用户提供便利和趣味性。
61.一些实现方式中，终端在生成提示信息之后，可以在目标ar应用的应用界面中，通过文字方式展示提示信息，例如，可以在应用界面展示的拍摄对象画面中，在拍摄对象的周围或者底部，显示至少一个动作的识别结果所对应的文字的动画，从而可以提示用户拍摄对象通过手势或肢体形态所表达的含义。
62.一些实现方式中，终端还可以将至少一个动作的识别结果转换为目标语言的第一语句，从而目标ar应用可以通过提示信息提示目标语言的第一语句。例如，用户可以根据实际需求设置提示信息的目标语言，目标语言可以为简体中文、繁体中文、英语、日语等多种语言中的一种，在得到第一视频中至少一个动作的识别结果之后，终端可以将至少一个动作的识别结果转换为目标语言的第一语句，如目标语言是简体中文的情况下，可以将至少一个动作的识别结果转换为简体中文的第一语句，然后在目标ar应用的应用界面上显示简体中文的第一语句，和/或，通过语音方式朗读简体中文的第一语句。这样，可以为用户提供多种语言支持的提示信息，提高用户体验。
63.一些实现方式中，可以通过语音方式播放提示信息，例如，可以自动朗读至少一个动作的识别结果所对应的文字，从而可以通过语音方式提示用户拍摄对象通过手势或肢体形态所表达的含义。
64.一些实现方式中，还可以在应用界面中展示提示信息的文字的同时，通过语音方式播放提示信息，用户可以根据实际需求对提示信息的展示方式进行设置，例如，可以在目标ar应用的应用界面中对提示信息的展示方式进行设置，本公开不对具体的提示信息的展示方式进行限制。
65.一些实现方式中，还可以获取第一视频中拍摄对象的人脸属性信息，在通过语音方式播放提示信息的情况下，可以选择与拍摄对象的人脸属性信息对应的音色的语音，播放提示信息，从而将人脸属性信息与提示信息的播放相结合，通过特定音色的语音播放提示信息，使信息提示具有更多的趣味性。这里，人脸属性信息可以包括性别、年龄、颜值等信息。
66.举例来说，终端可以利用一些人脸属性识别算对第一视频进行人脸属性识别，得到第一视频中拍摄对象的人脸属性信息。或者，终端可以将第一视频发送至其他电子设备，其他电子设备可以对接收的第一视频进行人脸属性识别，得到第一视频中拍摄对象的人脸属性信息，终端可以获取其他电子设备得到的人脸属性信息。然后，终端可以选择与拍摄对象的人脸属性信息匹配的音色的语音，如在拍摄对象是年轻女性的情况下，可以选择年轻女性的声音播放提示信息，在拍摄对象是老年男性的情况下，可以选择老年男性的声音播放提示信息。
67.在一些实现方式中，还可以获取拍摄对象的表情信息，在通过语音方式播放提示
信息的情况下，可以选择与拍摄对象的表情信息所对应的语气的语音，播放提示信息，从而将拍摄对象的表情信息与提示信息的播放相结合，通过特定语气的语音播放提示信息，使信息提示更加多样性。这里，表情信息可以包括高兴、悲伤、哭泣、愤怒、急切、正常中的一种或多种。
68.举例来说，终端可以利用一些表情识别算对第一视频进行表情识别，得到第一视频中拍摄对象的表情信息。或者，终端可以将第一视频发送至其他电子设备，如发送至服务器，服务器可以对接收的第一视频进行表情识别，得到第一视频中拍摄对象的表情信息，终端可以获取服务器得到的表情信息。然后，终端可以选择与拍摄对象的表情信息匹配的语气的语音，如在拍摄对象的表情是愉快的情况下，可以选择欢快的声音播放提示信息，在拍摄对象的表情是愤怒的情况下，可以选择生硬的声音播放提示信息。
69.在上述步骤s12中，可以对第一视频进行动作识别，得到第一视频中至少一个动作的识别结果，下面提供一种确定第一视频中至少一个动作的识别结果的可能的实现方式。
70.在一种可能的实现方式中，针对第一视频中的每个视频帧，可以在目标数据库中查找与视频帧匹配的动作图像，目标数据库中可以存储有具有动作标注的动作图像，从而可以将每个视频帧与目标数据库中的各个动作图像进行匹配，查找与每个视频帧匹配的动作图像。在查找到与该视频帧匹配的动作图像的情况下，可以将与视频帧匹配的动作图像的动作标注确定为视频帧的识别结果。动作标注可以用于指示动作图像中动作所表达的含义，例如，在手语识别的场景中，可以通过采集整套手语方案的动作图像或动作视频，如对真实用户的手语动作进行采集，构建目标数据库，目标数据库中的动作图像或动作视频具有用于指示动作图像或动作视频中动作的动作标注。通过在目标数据库中查找与视频帧匹配的动作图像，可以快速确定视频帧的识别结果，提高动作识别的效率。
71.在一些示例中，在查找与视频帧匹配的动作图像的情况下，可以获取视频帧和动作图像的图像特征，例如，可以利用卷积神经网络提取视频帧和动作图像的图像特征，得到该视频帧的图像特征的特征值以及动作图像的图像特征的特征值，然后根据视频帧对应的特征值以及动作图对应的特征值，确定该视频帧与各个动作图像的相似度，如计算视频帧的特征值与每个动作图像的特征值之间的距离，得到该视频帧与该动作图像的相似度。如果该相似度大于预设阈值，则可以认为该视频帧与该动作图像匹配。一些示例中，还可以预先确定目标数据库中每个动作图像对应的特征值，从而可以仅对视频帧进行特征提取，得到视频帧对应的特征值，再根据视频帧对应的特征值以及各个动作图对应的特征值，确定该视频帧与各个动作图像的相似度，从而减少查找与视频帧匹配的动作图像的计算量。
72.在一些示例中，在目标数据库中查找与视频帧匹配的动作图像的情况下，可以先识别视频帧中的手部区域，例如，可以利用一些识别算法先识别视频帧中的手部区域，确定视频帧中手部所在的大致图像位置。再进一步在手部区域中识别手部关键点，例如可以在视频帧的手部区域中提取手部的腕关节、指关节等对应的多个手部关键点。然后可以在目标数据库中查找与手部关键点匹配的动作图像。这里，多个手部关键点按照预设顺序进行连接，可以形成手部动作，从而多个手部关键点可以用于描述手部动作。在目标数据库中包括各个手部动作的动作图像的情况下，可以将获取的视频帧对应的手部关键点与目标数据库中各个动作图像对应的手部关键点进行匹配，查找与视频帧的手部关键点相匹配的动作图像。通过先识别视频帧中的手部区域，可以先粗略确定一个大致的图像位置，再进一步细
致地识别手部区域的手部关键点，这样可以提高识别手部关键点的效率，从而可以快速地通过手部关键点查找与视频帧匹配的动作图像，实现手部动作的识别。
73.在一些示例中，在构建目标数据库的情况下，可以获取具有动作标注的多个动作图像，多个动作图像中可以包括不同拍摄条件下拍摄的同一动作的图像，和/或，相同拍摄条件下拍摄的相似动作的图像，将获取的多个动作图像录入目标数据库中。
74.这里，拍摄条件可以理解为图像或视频在采集时所在场景的环境、光线等。不同拍摄条件下拍摄的同一动作的图像，可以是在不同环境和/或光线下拍摄的同一动作的图像，例如，在光线较强的环境中拍摄“家”对应的手语动作的图像，以及，在光线较弱的环境中拍摄“家”对应的手语动作的图像。相同拍摄条件下拍摄的不同动作的图像，可以是在相同环境和/或光线下拍摄的相似动作的图像，相似动作可以是相似度在预设阈值区域间内的不同动作，即，相似动作间的相似度大于第一预设阈值且小于第二预设阈值，例如，手语中“谢谢”的手语动作和“真棒”的手语动作可以是一对相似动作。这里，第一预设阈值和第二预设阈值可以是预设阈值区域间的边界值，可以根据实际应用场景或需求进行设置。
75.通过在目标数据库中录入不同拍摄条件下拍摄的同一动作的动作图像，和/或录入相同拍摄条件下拍摄的不同动作的动作图像，可以使目标数据库中的动作图像更加丰富，可提升动作识别的成功率和准确性。
76.一些示例中，也可以在目标数据库中录入不同拍摄条件下拍摄的同一动作的动作视频，和/或，相同拍摄条件下拍摄的相似动作的动作视频，使目标数据库中的动作视频更加丰富。
77.一些示例中，在存在新增动作的情况下，例如，手语标准中新增了一个手语动作，可以在目标数据库中录入该新增动作的动作图像或动作视频，实现目标数据库的更新训练，通过不断丰富目标数据库中多种动作类型的动作图像，可以提高通过目标数据库进行动作识别的准确性，并且更新方式简单易行。
78.在一些实现方式中，目标ar应用除了可以将第一视频中的动作转换为第一语句之外，还可以将输入的第二语句转换为第二视频，即可以实现视频与语句之间的可逆变换。相应地，终端可以获取用户输入的第二语句，然后可以确定第二语句对应的第二视频，第二视频包括第二语句指示的至少一个动作。例如，可以将第二语句输入上述神经网络中，利用上述神经网络得到第二语句对应的第二视频，即上述神经网络可以是可逆神经网络。再例如，可以利用上述目标数据库，在目标数据库中搜索与第一语句匹配的动作标注，然后将动作标注对应的动作视频作为第二视频。然后可以在目标ar应用的应用界面中，展示该第二视频，从而可以将包括第二语句指示的至少一个动作的第二视频向拍摄对象展示，实现用户与拍摄对象在存在语言障碍的情况下的双向沟通。
79.这里，用户输入的第二语句可以是任意语言，在一些实现方式中，在第二语句不属于预设语言的语句情况下，可以先将第二语句转换为预设语言，然后再确定预设语言的第二语句所对应的第二视频。
80.在一些示例中，在确定第二语句对应的第二视频的情况下，可以将第二语句拆分为至少一个词汇，例如，可以根据第二语句的句子成分以及语法结构，将第二语句拆分为至少一个词汇。然后在目标数据库中搜索至少一个词汇对应的动作标注，即可以在目标数据库中进行检索，检索与至少一个词汇匹配的动作标注。然后可以获取各个词汇对应的动作
标注指示的动作图像，进一步基于至少一个词汇对应的动作标注指示的至少一个动作图像，生成第二视频，例如，在目标数据库是手语数据库的情况下，可以按照手语的表达习惯，将至少一个动作图像进行排列后转换为第二视频。通过这种方式，可以通过目标数据库将第二语句转换为包括至少一个动作的第二视频，实现将语句翻译为视频，通过视频与拍摄对象进行沟通，为用户提供便利。
81.在一些示例中，在获取各个词汇对应的动作标注指示的动作图像时，还可根据用户的人脸属性信息或者用户设置的人脸属性信息获取动作标注指示的动作图像。例如，可以采集用户的人脸图像，根据采集的人脸图像确定用户的人脸属性信息，或者，可以获取用户预先设置的人脸属性信息，或在目标ar应用的应用界面中弹出人脸属性信息设置的窗口供用户选择，获取用户选择的人脸属性信息。在人脸属性信息对应年轻女性的情况下，可以获取动作标注指示的年轻女性的动作图像。这样，基于获取的至少一个动作图像生成的第二视频，可以为年轻女性的动作视频，实现第二视频中执行动作的主体可以根据用户喜欢进行设置的效果，进一步提高用户体验。
82.下面通过一个示例对本公开实施例提供的信息提示方法进行示例性说明。图2示出根据本公开实施例的信息提示方法一示例的流程图，示例中，目标ar应用可以是ar识别相机，拍摄对象是聋哑人，第一视频中的至少一个动作可以是聋哑人通过手势和/或肢体传达的手语。该方法包括以下步骤：
83.步骤s201，终端接收用户点击ar识别相机的用户操作所触发的识别指令；
84.步骤s202，响应于识别指令，启动ar识别相机，通过ar识别相机进行拍摄；
85.步骤s203，获取通过ar识别相机针对比划手语的盲哑人拍摄的第一视频；
86.步骤s204，对第一视频进行手语识别，得到第一视频中手语的识别结果；
87.步骤s205，根据手语的识别结果，生成提示信息；
88.步骤s206，在ar识别相机的应用界面中展示提示信息，和/或，通过语音方式播放提示信息。
89.这里，在未关闭ar识别相机的情况下，可以返回步骤s203，从而可以对盲哑人的手语进行实时翻译。ar识别相机可以通过用户操作触发的关闭指令，停止获取第一视频。
90.示例中通过ar识别相机，可以将盲哑人的手语通过提示信息进行实时展示或播放，用户可以在不懂手语的情况下快速读懂聋哑人的手语，可提升不同用户群体之间的沟通便捷性和趣味性，降低不同用户群体之间的沟通障碍。
91.可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
92.此外，本公开还提供了信息提示装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种信息提示方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
93.图3示出根据本公开实施例的信息提示装置的框图，如图3所示，所述装置包括：
94.获取模块31，用于响应于用户操作触发的识别指令，获取拍摄的第一视频，其中，所述用户操作作用于目标增强现实ar应用；
95.识别模块32，用于对所述第一视频进行动作识别，得到所述第一视频中至少一个动作的识别结果；
96.生成模块33，用于基于所述识别结果，生成提示信息，其中，所述提示信息用于对所述至少一个动作进行提示。
97.在一个或多个可能的实现方式中，所述装置还包括：提示模块，用于在所述目标ar应用的应用界面中，通过文字方式展示所述提示信息；和/或，通过语音方式播放所述提示信息。
98.在一个或多个可能的实现方式中，所述获取模块31，还用于获取所述第一视频中拍摄对象的人脸属性信息；所述提示模块，用于选择与所述拍摄对象的人脸属性信息对应的音色的语音，播放所述提示信息。
99.在一个或多个可能的实现方式中，所述识别模块32，还用于对所述第一视频进行表情识别，得到所述第一视频中拍摄对象的表情信息；所述提示模块，用于选择与所述拍摄对象的表情信息所对应的语气的语音，播放所述提示信息。
100.在一个或多个可能的实现方式中，所述识别模块32，用于按照所述第一视频中包括的多个视频帧对应的时间顺序，依次对每个所述视频帧进行动作识别，得到每个所述视频帧中动作的识别结果。
101.在一个或多个可能的实现方式中，所述识别模块32，用于在目标数据库中查找与所述视频帧匹配的动作图像；在查找到与所述视频帧匹配的动作图像的情况下，将与所述视频帧匹配的所述动作图像的动作标注确定为所述视频帧的识别结果。
102.在一个或多个可能的实现方式中，所述识别模块32，用于识别所述视频帧中的手部区域；在所述手部区域中识别手部关键点；在所述目标数据库中查找与所述手部关键点匹配的动作图像。
103.在一个或多个可能的实现方式中，所述生成模块33，用于将所述至少一个动作的识别结果转换为目标语言的第一语句；根据所述第一语句生成所述提示信息。
104.在一个或多个可能的实现方式中，所述装置还包括：确定模块，用于获取用户输入的第二语句；确定所述第二语句对应的第二视频，所述第二视频包括所述第二语句指示的至少一个动作；在所述目标ar应用的应用界面中，展示所述第二视频。
105.在一个或多个可能的实现方式中，所述确定模块，用于将所述第二语句拆分为至少一个词汇；在目标数据库中搜索所述至少一个词汇对应的动作标注；基于所述至少一个词汇对应的动作标注指示的至少一个动作图像，生成所述第二视频。
106.在一个或多个可能的实现方式中，所述录入模块，用于获取具有动作标注的多个动作图像，其中，所述多个动作图像包括不同拍摄条件下拍摄的同一动作的图像，和/或，相同拍摄条件下拍摄的相似动作的图像；将所述多个动作图像录入所述目标数据库中。
107.在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
108.本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
109.本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
110.本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的信息提示方法的指令。
111.本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的信息提示方法的操作。
112.电子设备可以被提供为终端、服务器或其它形态的设备。
113.图4示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
114.参照图4，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
115.处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
116.存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
117.电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
118.多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
119.音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
120.i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
121.传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如互补金属氧化物半导体(cmos)或电荷耦合装置(ccd)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
122.通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(wifi)，第二代移动通信技术(2g)或第三代移动通信技术(3g)，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
123.在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
124.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
125.图5示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图5，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
126.电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(windows server
tm
)，苹果公司推出的基于图形用户界面操作系统(mac os x
tm
)，多用户多进程的计算机操作系统(unix
tm
),自由和开放原代码的类unix操作系统(linux
tm
)，开放原代码的类unix操作系统(freebsd
tm
)或类似。
127.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
128.本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
129.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd
‑
rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
130.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
131.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
132.这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
133.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中
规定的功能/动作的各个方面的指令。
134.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
135.附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
136.该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。
137.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。