用于输出信息的方法和装置与流程

1.本技术实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。


背景技术：

2.目前，在物流操作系统中，每个月都存在大量的赔付损失，其中因为商品破损所带来的赔付占了很大一部分比例，大多是由于暴力操作所造成的。目前物流分拣过程中的暴力操作通常由人工识别，这种识别方式占用大量的人力资源，且难以实时全面的监控。利用人工智能视频处理技术能够很好地解决这一问题。


技术实现要素：

3.本技术实施例提出了用于输出信息的方法和装置。
4.第一方面，本技术实施例提供了一种用于输出信息的方法，包括：获取呈现有快递分拣过程的原始视频片段；对原始视频片段进行预设处理，生成至少一个候选视频片段；针对至少一个候选视频片段中的每个候选视频片段，基于该候选视频片段和预先训练的目标分拣动作识别模型，确定该候选视频片段对应的目标分拣动作分值，其中，目标分拣动作识别模型包括三维卷积神经网络，目标分拣动作分值用于表征该候选视频片段呈现有目标分拣动作的概率；基于至少一个候选视频片段对应的目标分拣动作分值，从至少一个候选视频片段中选取目标视频片段，输出目标视频片段的视频信息。
5.在一些实施例中，对原始视频片段进行预设处理，生成至少一个候选视频片段，包括：对原始视频片段中的图像帧进行检测，删除原始视频片段中存在预设异常情况的图像帧；将删除图像帧后的视频片段中的图像帧裁剪成预设尺寸；按照预设时长对裁剪后的视频片段进行划分，得到至少一个候选视频片段。
6.在一些实施例中，基于该候选视频片段和预先训练的目标分拣动作识别模型，确定该候选视频片段对应的目标分拣动作分值，包括：将该候选视频片段划分成至少一个候选视频子片段，其中，候选视频子片段包含连续的预设第一数目个图像帧；针对至少一个候选视频子片段中的每个候选视频子片段，将该候选视频子片段输入预先训练的目标分拣动作识别模型中，得到该候选视频子片段对应的目标分拣动作分值；确定至少一个候选视频子片段对应的至少一个目标分拣动作分值的平均值，将平均值确定为该候选视频片段对应的目标分拣动作分值。
7.在一些实施例中，基于至少一个候选视频片段对应的目标分拣动作分值，从至少一个候选视频片段中选取目标视频片段，包括：生成用于表征目标分拣动作分值随着对应的至少一个候选视频片段的时间变化的时域波形，对时域波形进行曲线平滑处理；基于曲线平滑处理后的至少一个目标分拣动作分值，从至少一个候选视频片段中选取目标视频片段。
8.在一些实施例中，基于曲线平滑处理后的至少一个目标分拣动作分值，从至少一个候选视频片段中选取目标视频片段，包括：从至少一个候选视频片段中选取对应的曲线
平滑处理后的目标分拣动作分值大于预设分值阈值的候选视频片段；按照对应的曲线平滑处理后的目标分拣动作分值由大到小的顺序从大于分值阈值的候选视频片段中选取预设第二数目个视频片段作为目标视频片段。
9.在一些实施例中，视频信息包括视频对应的时间段。
10.第二方面，本技术实施例提供了一种用于输出信息的装置，包括：获取单元，被配置成获取呈现有快递分拣过程的原始视频片段；生成单元，被配置成对原始视频片段进行预设处理，生成至少一个候选视频片段；确定单元，被配置成针对至少一个候选视频片段中的每个候选视频片段，基于该候选视频片段和预先训练的目标分拣动作识别模型，确定该候选视频片段对应的目标分拣动作分值，其中，目标分拣动作识别模型包括三维卷积神经网络，目标分拣动作分值用于表征该候选视频片段呈现有目标分拣动作的概率；输出单元，被配置成基于至少一个候选视频片段对应的目标分拣动作分值，从至少一个候选视频片段中选取目标视频片段，输出目标视频片段的视频信息。
11.在一些实施例中，生成单元进一步被配置成通过如下方式对原始视频片段进行预设处理，生成至少一个候选视频片段：对原始视频片段中的图像帧进行检测，删除原始视频片段中存在预设异常情况的图像帧；将删除图像帧后的视频片段中的图像帧裁剪成预设尺寸；按照预设时长对裁剪后的视频片段进行划分，得到至少一个候选视频片段。
12.在一些实施例中，确定单元进一步被配置成通过如下方式基于该候选视频片段和预先训练的目标分拣动作识别模型，确定该候选视频片段对应的目标分拣动作分值：将该候选视频片段划分成至少一个候选视频子片段，其中，候选视频子片段包含连续的预设第一数目个图像帧；针对至少一个候选视频子片段中的每个候选视频子片段，将该候选视频子片段输入预先训练的目标分拣动作识别模型中，得到该候选视频子片段对应的目标分拣动作分值；确定至少一个候选视频子片段对应的至少一个目标分拣动作分值的平均值，将平均值确定为该候选视频片段对应的目标分拣动作分值。
13.在一些实施例中，输出单元进一步被配置成通过如下方式基于至少一个候选视频片段对应的目标分拣动作分值，从至少一个候选视频片段中选取目标视频片段：生成用于表征目标分拣动作分值随着对应的至少一个候选视频片段的时间变化的时域波形，对时域波形进行曲线平滑处理；基于曲线平滑处理后的至少一个目标分拣动作分值，从至少一个候选视频片段中选取目标视频片段。
14.在一些实施例中，输出单元进一步被配置成通过如下方式基于曲线平滑处理后的至少一个目标分拣动作分值，从至少一个候选视频片段中选取目标视频片段：从至少一个候选视频片段中选取对应的曲线平滑处理后的目标分拣动作分值大于预设分值阈值的候选视频片段；按照对应的曲线平滑处理后的目标分拣动作分值由大到小的顺序从大于分值阈值的候选视频片段中选取预设第二数目个视频片段作为目标视频片段。
15.在一些实施例中，视频信息包括视频对应的时间段。
16.第三方面，本技术实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
17.第四方面，本技术实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
18.本技术的上述实施例提供的用于输出信息的方法和装置，通过获取呈现有快递分拣过程的原始视频片段；之后，对上述原始视频片段进行预设处理，生成至少一个候选视频片段；而后，针对上述至少一个候选视频片段中的每个候选视频片段，基于该候选视频片段和预先训练的目标分拣动作识别模型，确定该候选视频片段对应的目标分拣动作分值；最后，基于上述至少一个候选视频片段对应的目标分拣动作分值，从上述至少一个候选视频片段中选取目标视频片段，输出上述目标视频片段的视频信息。相比于人工识别目标分拣动作，这种方式提高了目标分拣动作的识别效率。同时，利用三维卷积神经网络可以很好地捕捉视频片段中目标分拣动作，从而准确地定位到目标分拣动作(暴力分拣动作)的时刻，这种方式提高了目标分拣动作识别的准确性。
附图说明
19.通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本技术的其它特征、目的和优点将会变得更明显：
20.图1是本技术的各个实施例可以应用于其中的示例性系统架构图；
21.图2是根据本技术的用于输出信息的方法的一个实施例的流程图；
22.图3是根据本技术的用于输出信息的方法的应用场景的一个示意图；
23.图4是根据本技术的用于输出信息的方法的又一个实施例的流程图；
24.图5是根据本技术的用于输出信息的装置的一个实施例的结构示意图；
25.图6是适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
具体实施方式
26.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
27.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
28.图1示出了可以应用本技术的用于输出信息的方法的实施例的示例性系统架构100。
29.如图1所示，系统架构100可以包括摄像装置101，网络1021、1022，服务器103和输出终端1041、1042、1043。网络1021用以在摄像装置101和服务器103之间提供通信链路的介质。网络1022用以在服务器103和输出终端1041、1042、1043之间提供通信链路的介质。网络1021、1022可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
30.摄像装置101可以通过网络1021与服务器103交互，以发送或接收消息(例如，服务器103可以从摄像装置101中获取呈现有快递分拣过程的原始视频片段)。
31.输出终端1041、1042、1043可以通过网络1022与服务器103交互，以发送或接收消息等(例如，输出终端1041、1042、1043可以接收服务器103输出的目标视频片段的视频信息)。输出终端1041、1042、1043上可以安装有各种通讯客户端应用，例如视频播放类应用、物流管理类应用、即时通讯软件等。
32.输出终端1041、1042、1043可以是硬件，也可以是软件。当输出终端1041、1042、
1043为硬件时，可以是支持信息交互的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当输出终端1041、1042、1043为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
33.服务器103可以是提供各种服务的服务器。例如，可以是对呈现有快递分拣过程的原始视频片段进行分析的后台服务器。服务器103可以首先从摄像装置101获取呈现有快递分拣过程的原始视频片段；之后，可以对上述原始视频片段进行预设处理，生成至少一个候选视频片段；而后，针对上述至少一个候选视频片段中的每个候选视频片段，基于该候选视频片段和预先训练的目标分拣动作识别模型，确定该候选视频片段对应的目标分拣动作分值；最后，可以基于上述至少一个候选视频片段对应的目标分拣动作分值，从上述至少一个候选视频片段中选取目标视频片段，输出上述目标视频片段的视频信息，例如，可以向输出终端1041、1042、1043输出上述目标视频片段的视频信息。
34.需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
35.需要说明的是，本技术实施例所提供的用于输出信息的方法通常由服务器103执行。
36.需要说明的是，服务器103的本地可以存储有呈现有快递分拣过程的原始视频片段，服务器103可以从本地获取原始视频片段。此时示例性系统架构100可以不存在摄像装置101和网络1021。
37.还需要说明的是，服务器103可以与显示设备(例如，显示屏)相连接，以显示所输出的目标视频片段的视频信息。此时示例性系统架构100可以不存在网络1022和输出终端1041、1042、1043。
38.应该理解，图1中的摄像装置、网络、服务器和输出终端的数目仅仅是示意性的。根据实现需要，可以具有任意数目的摄像装置、网络、服务器和输出终端。
39.继续参考图2，示出了根据本技术的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法，包括以下步骤：
40.步骤201，获取呈现有快递分拣过程的原始视频片段。
41.在本实施例中，用于输出信息的方法的执行主体(例如图1所示的服务器)可以获取呈现有快递分拣过程的原始视频片段。快递分拣通常指的是物流配送中心依据顾客的订单要求或配送计划，迅速、准确地将商品从其储位或其他区位拣取出来，并按一定的方式进行分类、集中的作业过程。上述执行主体可以从安装于物流配送中心的摄像装置中获取上述原始视频片段。上述摄像装置可以拍摄分拣员对快递进行分拣的分拣过程得到原始视频片段。
42.在这里，物流配送中心可以安装有多个摄像装置，每个摄像装置可以从不同角度对快递分拣过程进行拍摄得到原始视频片段。
43.步骤202，对原始视频片段进行预设处理，生成至少一个候选视频片段。
44.在本实施例中，上述执行主体可以对步骤201中获取到的原始视频片段进行预设
处理，生成至少一个候选视频片段。作为示例，上述执行主体可以将上述原始视频片段按照预设时长(例如，2分钟)进行划分，得到至少一个候选视频片段。
45.步骤203，针对至少一个候选视频片段中的每个候选视频片段，基于该候选视频片段和预先训练的目标分拣动作识别模型，确定该候选视频片段对应的目标分拣动作分值。
46.在本实施例中，针对上述至少一个候选视频片段中的每个候选视频片段，上述执行主体可以基于该候选视频片段和预先训练的目标分拣动作识别模型，确定该候选视频片段对应的目标分拣动作分值。在这里，目标分拣动作可以包括暴力分拣动作。若快递包裹在落地之前，与分拣员的手部之间的距离超过15厘米，则可以将分拣员的当前动作定义为暴力分拣动作。
47.具体地，上述执行主体可以将该候选视频片段输入上述目标分拣动作识别模型中，得到该候选视频片段对应的目标分拣动作分值。上述目标分拣动作分值可以用于表征该候选视频片段呈现有目标分拣动作的概率。上述目标分拣动作识别模型可以用于表征视频片段与视频片段对应的目标分拣动作分值。在这里，上述目标分拣动作识别模型可以包括三维卷积神经网络(3d cnn，3d convolutional neural networks)，例如，p3dresnet(pseudo-3d residual networks，伪3d残差网络)。三维卷积神经网络主要应用在视频分类、动作识别等领域，它是在二维卷积神经网络的基础上改变而来。由于二维卷积神经网络不能很好的捕获时序上的信息，因此我们采用三维卷积神经网络，这样就能将视频中时序信息进行很好的利用。在三维卷积神经网络中，可以将时间维度看成是第三维，3d卷积是通过堆叠多个连续的帧组成一个立方体，然后在立方体中运用3d卷积核。在这个结构中，卷积层中每一个特征map都会与上一层中多个邻近的连续帧相连，因此捕捉运动信息。
48.需要说明的是，若上述目标分拣动作为暴力分拣动作，则上述目标分拣动作识别模型通常为暴力分拣动作识别模型，上述目标分拣动作分值通常为暴力分拣动作分值，用于表征该候选视频片段呈现有暴力分拣动作的概率。
49.在这里，可以获取学术数据集imagenet、ucv-101、sports-1m等图像、视频分类数据，然后针对物流场景下的目标分拣动作，收集一定的训练数据并且由具体的判罚人员进行标注。而后，利用训练集合，对初始模型进行预训练，得到目标分拣动作识别模型。其中，上述训练集合包括样品视频片段和样品视频片段对应的目标分拣动作分值。
50.步骤204，基于至少一个候选视频片段对应的目标分拣动作分值，从至少一个候选视频片段中选取目标视频片段，输出目标视频片段的视频信息。
51.在本实施例中，上述执行主体可以基于在步骤203中确定出的至少一个候选视频片段对应的目标分拣动作分值，从上述至少一个候选视频片段中选取目标视频片段。具体地，上述执行主体可以从上述至少一个候选视频片段中选取对应的目标分拣动作分值最高的候选视频片段作为目标视频片段。
52.之后，上述执行主体可以输出上述目标视频片段的视频信息。上述视频信息可以包括但不限于以下至少一项：上述目标视频片段和上述目标视频片段对应的目标分拣动作分值。
53.本技术的上述实施例提供的方法相比于人工识别目标分拣动作，提高了目标分拣动作的识别效率。同时，利用三维卷积神经网络可以很好地捕捉视频片段中目标分拣动作，从而准确地定位到目标分拣动作(暴力分拣动作)的时刻，这种方式提高了目标分拣动作识
别的准确性。
54.在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式对上述原始视频片段进行预设处理，生成至少一个候选视频片段：上述执行主体可以首先对上述原始视频片段中的图像帧进行检测，删除上述原始视频片段中存在预设异常情况的图像帧。在这里，上述异常情况的图像帧可以包括灰度图，此时，上述执行主体可以对上述原始视频片段进行灰度图检测，若上述原始视频片段中包含灰度图，则可以将检测出的灰度图删除。上述异常情况的图像帧还可以包括花屏图，此时，上述执行主体可以对上述原始视频片段中进行花屏检测，若上述原始视频片段中存在花屏部分，则可以将检测出的花屏部分删除。之后，上述执行主体可以将删除图像帧后的视频片段中的图像帧裁剪成预设尺寸。上述尺寸通常是与用于对视频片段中的目标分拣动作进行识别的目标分拣动作识别模型所要求的输入图像的大小相关，例如，若目标分拣动作识别模型要求输入图像的尺寸为256
×
256，则上述执行主体可以将删除图像帧后的视频片段中的图像帧裁剪成256
×
256的图像尺寸。最后，上述执行主体可以按照预设时长对裁剪后的视频片段进行划分，得到至少一个候选视频片段。例如，可以按照10分钟的时长对裁剪后的视频片段进行划分。通过这种方式，可以将视频中的异常图像帧删除，提高了从处理后的图像中识别目标动作的准确性。同时，对图像帧的尺寸进行裁剪，可以使得裁剪后的图像帧更适合模型处理。这种方式可以将图像质量较差的图像剔除掉，利用不存在图像异常情况的图像帧进行目标分拣动作识别，可以进一步提高目标分拣动作识别的准确性。
55.在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式基于该候选视频片段和预先训练的目标分拣动作识别模型，确定该候选视频片段对应的目标分拣动作分值：上述执行主体可以将该候选视频片段划分成至少一个候选视频子片段。在这里，上述至少一个候选视频子片段中的每个候选视频子片段可以包含连续的预设第一数目个图像帧。作为示例，若该候选视频片段为2秒的视频片段，可以以连续的16帧为单位，步长设为1或2，可以将2秒的视频片段划分成至少一个视频子片段。之后，针对上述至少一个候选视频子片段中的每个候选视频子片段，上述执行主体可以将该候选视频子片段输入预先训练的目标分拣动作识别模型中，得到该候选视频子片段对应的目标分拣动作分值。上述目标分拣动作识别模型可以用于表征视频片段与视频片段对应的目标分拣动作分值。在这里，上述目标分拣动作识别模型可以包括三维卷积神经网络，例如，p3dresnet。最后，上述执行主体可以确定上述至少一个候选视频子片段对应的至少一个目标分拣动作分值的平均值，将上述平均值确定为该候选视频片段对应的目标分拣动作分值。作为示例，若该候选视频片段划分成三个候选视频子片段，这三个候选视频子片段对应的目标分拣动作分值分别为0.3、0.3和0.4，则该候选视频片段的分数可以为0.33。通过这种对划分后的视频片段对应的目标分拣动作分值进行融合的方式可以使得求取出的候选视频片段对应的目标分拣动作分值更加准确，进一步提高了目标分拣动作识别的准确性。
56.在本实施例的一些可选的实现方式中，上述视频信息可以包括视频对应的时间段。时间段通常是由开始时间和结束时间所组成的，即上述执行主体可以输出上述目标视频片段在上述原始视频片段中的开始时间和结束时间。作为示例，上述视频信息可以包括视频开始时间16秒和视频结束时间18秒。
57.继续参见图3，图3是根据本实施例的用于输出信息的方法的应用场景的一个示意
图。在图3的应用场景中，服务器301可以首先从摄像装置302中获取呈现有快递分拣过程的原始视频片段303。在这里，摄像装置302通常安装在物流配送中心中，用于对快递分拣过程进行拍摄。之后，服务器301可以将原始视频片段303按照2分钟的时长进行划分，得到多个候选视频片段。在这里，多个候选视频片段如图标304所示。以候选视频片段3041为例，服务器301可以对候选视频片段3041进行划分得到三个候选视频子片段，可以将这三个候选视频子片段分别输入至三维卷积神经网络305中，得到对应的目标分拣动作分值306。在这里，三维卷积神经网络305可以为p3dresnet，所得到的三个候选视频子片段对应的目标分拣动作分值306可以分别为0.3、0.3和0.4。而后，服务器301可以将三个候选视频子片段对应的目标分拣动作分值306的平均值0.33确定为候选视频片段3041对应的目标分拣动作分值3071。同理，可以确定出候选视频片段3042对应的目标分拣动作分值3072为0.5，可以确定出候选视频片段3043对应的目标分拣动作分值3073为0.8，可以确定出候选视频片段3044对应的目标分拣动作分值3074为0.37。之后，服务器301可以从多个候选视频片段304中选取出最高的目标分拣动作分值对应的候选视频片段。在这里，最高的目标分拣动作分值0.8对应于候选视频片段3043，服务器301可以将候选视频片段3043确定为目标视频片段308。最后，服务器301可以输出目标视频片段308的视频信息309。在这里，可以将视频信息309发送给终端设备310进行输出，视频信息309可以包括目标视频片段和目标视频片段对应的目标分拣动作分值0.8。
58.进一步参考图4，其示出了根据本技术的用于输出信息的方法的又一个实施例的流程400，包括以下步骤：
59.步骤401，获取呈现有快递分拣过程的原始视频片段。
60.步骤402，对原始视频片段进行预设处理，生成至少一个候选视频片段。
61.步骤403，针对至少一个候选视频片段中的每个候选视频片段，基于该候选视频片段和预先训练的目标分拣动作识别模型，确定该候选视频片段对应的目标分拣动作分值。
62.在本实施例中，步骤401-403具体操作已在图2所示的实施例中步骤201-203进行了详细的介绍，在此不再赘述。
63.步骤404，生成用于表征目标分拣动作分值随着对应的至少一个候选视频片段的时间变化的时域波形，对时域波形进行曲线平滑处理。
64.在本实施例中，用于输出信息的方法的执行主体(例如图1所示的服务器)可以生成用于表征上述目标分拣动作分值随着对应的至少一个候选视频片段的时间变化的时域波形。具体地，上述执行主体可以以视频片段的时间为横坐标值，以目标分拣动作分值为纵坐标值，绘制目标分拣动作分值随着对应的至少一个候选视频片段的时间变化的时域波形。在这里，候选视频片段的时间可以为候选视频片段的开始时间，也可以是结束时间，还可以是中点时间。
65.之后，上述执行主体可以对生成的时域波形进行曲线平滑处理。在这里，可以采用二次指数平滑法、最小二乘法曲线拟合和五点三次平滑曲线等方式对生成的时域波形进行曲线平滑处理。需要说明的是，二次指数平滑法、最小二乘法曲线拟合和五点三次平滑曲线等曲线平滑方式是目前广泛研究和应用的公知技术，在此不再赘述。
66.步骤405，基于曲线平滑处理后的至少一个目标分拣动作分值，从至少一个候选视频片段中选取目标视频片段，输出目标视频片段的视频信息。
67.在本实施例中，上述执行主体可以基于曲线平滑处理后的至少一个目标分拣动作分值，从上述至少一个候选视频片段中选取目标视频片段。具体地，上述执行主体可以从上述至少一个候选视频片段中选取对应的曲线平滑处理后的目标分拣动作分值最高的候选视频片段作为目标视频片段。
68.之后，上述执行主体可以输出上述目标视频片段的视频信息。上述视频信息可以包括但不限于以下至少一项：上述目标视频片段和上述目标视频片段对应的目标分拣动作分值。
69.在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式基于曲线平滑处理后的至少一个目标分拣动作分值，从上述至少一个候选视频片段中选取目标视频片段：上述执行主体可以从上述至少一个候选视频片段中选取对应的曲线平滑处理后的目标分拣动作分值大于预设分值阈值(例如，0.6)的候选视频片段。之后，可以按照对应的曲线平滑处理后的目标分拣动作分值由大到小的顺序从大于上述分值阈值的候选视频片段中选取预设第二数目个(例如，3个、5个)视频片段作为目标视频片段。
70.从图4中可以看出，与图2对应的实施例相比，本实施例中的用于输出信息的方法的流程400体现了对用于表征目标分拣动作分值随着对应的至少一个候选视频片段的时间变化的时域波形进行曲线平滑处理，基于曲线平滑处理后的目标分拣动作分值选取视频片段的步骤。由此，本实施例描述的方案考虑了目标分拣动作的时域连续性，对时域波形进行曲线平滑处理可以避免误检测，提高了目标分拣动作识别的准确性。
71.进一步参考图5，作为对上述各图所示方法的实现，本技术提供了一种用于输出信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
72.如图5所示，本实施例的用于输出信息的装置500包括：获取单元501、生成单元502、确定单元503和输出单元504。其中，获取单元501被配置成获取呈现有快递分拣过程的原始视频片段；生成单元502被配置成对原始视频片段进行预设处理，生成至少一个候选视频片段；确定单元503被配置成针对至少一个候选视频片段中的每个候选视频片段，基于该候选视频片段和预先训练的目标分拣动作识别模型，确定该候选视频片段对应的目标分拣动作分值，其中，目标分拣动作识别模型包括三维卷积神经网络，目标分拣动作分值用于表征该候选视频片段呈现有目标分拣动作的概率；输出单元504被配置成基于至少一个候选视频片段对应的目标分拣动作分值，从至少一个候选视频片段中选取目标视频片段，输出目标视频片段的视频信息。
73.在本实施例的一些可选的实现方式中，上述生成单元502可以通过如下方式对上述原始视频片段进行预设处理，生成至少一个候选视频片段：上述生成单元502可以首先对上述原始视频片段中的图像帧进行检测，删除上述原始视频片段中存在预设异常情况的图像帧。在这里，上述异常情况的图像帧可以包括灰度图，此时，上述生成单元502可以对上述原始视频片段进行灰度图检测，若上述原始视频片段中包含灰度图，则可以将检测出的灰度图删除。上述异常情况的图像帧还可以包括花屏图，此时，上述生成单元502可以对上述原始视频片段中进行花屏检测，若上述原始视频片段中存在花屏部分，则可以将检测出的花屏部分删除。之后，上述生成单元502可以将删除图像帧后的视频片段中的图像帧裁剪成预设尺寸。上述尺寸通常是与用于对视频片段中的目标分拣动作进行识别的目标分拣动作
识别模型所要求的输入图像的大小相关，例如，若目标分拣动作识别模型要求输入图像的尺寸为256
×
256，则上述生成单元502可以将删除图像帧后的视频片段中的图像帧裁剪成256
×
256的图像尺寸。最后，上述生成单元502可以按照预设时长对裁剪后的视频片段进行划分，得到至少一个候选视频片段。例如，可以按照10分钟的时长对裁剪后的视频片段进行划分。通过这种方式，可以将视频中的异常图像帧删除，提高了从处理后的图像中识别目标动作的准确性。同时，对图像帧的尺寸进行裁剪，可以使得裁剪后的图像帧更适合模型处理。这种方式可以将图像质量较差的图像剔除掉，利用不存在图像异常情况的图像帧进行目标分拣动作识别，可以进一步提高目标分拣动作识别的准确性。
74.在本实施例的一些可选的实现方式中，上述确定单元503可以通过如下方式基于该候选视频片段和预先训练的目标分拣动作识别模型，确定该候选视频片段对应的目标分拣动作分值：上述确定单元503可以将该候选视频片段划分成至少一个候选视频子片段。在这里，上述至少一个候选视频子片段中的每个候选视频子片段可以包含连续的预设第一数目个图像帧。作为示例，若该候选视频片段为2秒的视频片段，可以以连续的16帧为单位，步长设为1或2，可以将2秒的视频片段划分成至少一个视频子片段。之后，针对上述至少一个候选视频子片段中的每个候选视频子片段，上述确定单元503可以将该候选视频子片段输入预先训练的目标分拣动作识别模型中，得到该候选视频子片段对应的目标分拣动作分值。上述目标分拣动作识别模型可以用于表征视频片段与视频片段对应的目标分拣动作分值。在这里，上述目标分拣动作识别模型可以包括三维卷积神经网络，例如，p3dresnet。最后，上述确定单元503可以确定上述至少一个候选视频子片段对应的至少一个目标分拣动作分值的平均值，将上述平均值确定为该候选视频片段对应的目标分拣动作分值。作为示例，若该候选视频片段划分成三个候选视频子片段，这三个候选视频子片段对应的目标分拣动作分值分别为0.3、0.3和0.4，则该候选视频片段的分数可以为0.33。通过这种对划分后的视频片段对应的目标分拣动作分值进行融合的方式可以使得求取出的候选视频片段对应的目标分拣动作分值更加准确，进一步提高了目标分拣动作识别的准确性。
75.在本实施例的一些可选的实现方式中，上述输出单元504可以通过如下方式基于上述至少一个候选视频片段对应的目标分拣动作分值，从上述至少一个候选视频片段中选取目标视频片段：上述输出单元504可以生成用于表征上述目标分拣动作分值随着对应的至少一个候选视频片段的时间变化的时域波形。具体地，上述输出单元504可以以视频片段的时间为横坐标值，以目标分拣动作分值为纵坐标值，绘制目标分拣动作分值随着对应的至少一个候选视频片段的时间变化的时域波形。在这里，候选视频片段的时间可以为候选视频片段的开始时间，也可以是结束时间，还可以是中点时间。之后，上述输出单元504可以对生成的时域波形进行曲线平滑处理。在这里，可以采用二次指数平滑法、最小二乘法曲线拟合和五点三次平滑曲线等方式对生成的时域波形进行曲线平滑处理。需要说明的是，二次指数平滑法、最小二乘法曲线拟合和五点三次平滑曲线等曲线平滑方式是目前广泛研究和应用的公知技术，在此不再赘述。
76.在本实施例的一些可选的实现方式中，上述输出单元504可以通过如下方式基于曲线平滑处理后的至少一个目标分拣动作分值，从上述至少一个候选视频片段中选取目标视频片段：上述输出单元504可以从上述至少一个候选视频片段中选取对应的曲线平滑处理后的目标分拣动作分值大于预设分值阈值(例如，0.6)的候选视频片段。之后，可以按照
对应的曲线平滑处理后的目标分拣动作分值由大到小的顺序从大于上述分值阈值的候选视频片段中选取预设第二数目个(例如，3个、5个)视频片段作为目标视频片段。
77.在本实施例的一些可选的实现方式中，上述视频信息可以包括视频对应的时间段。时间段通常是由开始时间和结束时间所组成的，即上述执行主体可以输出上述目标视频片段在上述原始视频片段中的开始时间和结束时间。作为示例，上述视频信息可以包括视频开始时间16秒和视频结束时间18秒。
78.下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
79.如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
80.通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
81.特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或
者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
82.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取呈现有快递分拣过程的原始视频片段；对原始视频片段进行预设处理，生成至少一个候选视频片段；针对至少一个候选视频片段中的每个候选视频片段，基于该候选视频片段和预先训练的目标分拣动作识别模型，确定该候选视频片段对应的目标分拣动作分值，其中，目标分拣动作识别模型包括三维卷积神经网络，目标分拣动作分值用于表征该候选视频片段呈现有目标分拣动作的概率；基于至少一个候选视频片段对应的目标分拣动作分值，从至少一个候选视频片段中选取目标视频片段，输出目标视频片段的视频信息。
83.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码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)。
84.附图中的流程图和框图，图示了按照本公开各种实施例的系统、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、或代码的一部分，该模块、程序段、或代码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。也应当注意，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，两个接连地表示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操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。
85.描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、生成单元、确定单元和输出单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取呈现有快递分拣过程的原始视频片段的单元”。
86.以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。