申请/专利权人:西南石油大学
申请日:2022-06-24
公开(公告)日:2022-07-29
公开(公告)号:CN114821812A
主分类号:G06V40/20
分类号:G06V40/20;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2022.09.13#授权;2022.08.16#实质审查的生效;2022.07.29#公开
摘要:本发明涉及的一种基于深度学习的花样滑冰选手骨骼点动作识别方法,包括将待分类的动作视频集随机分为训练视频集和测试视频集,将训练视频集和测试视频集分别用于计算动作的训练轨迹和测试轨迹,将训练轨迹输入动作识别模型中进行动作识别,然后通过测试轨迹对动作识别模型进行优化,获取用于动作快速提取的深度动作识别模型;通过深度动作识别模型获取待测试的动作视频集,并对待测试的动作视频集中对象的肢体动作和轨迹进行识别,获得测试集的识别结果。能够实现对动作的快速识别,改善现有技术中通过纯人工评价带来的标准不统一,评价的效率低的缺陷,改善评价效率和评价的结果统一性。
主权项:1.一种基于深度学习的花样滑冰选手骨骼点动作识别方法,其特征在于,包括以下步骤:S1、通过客户端获取待分类的动作视频集,并将其上传并存储到服务器端的缓存区;S2、将缓存区中的待分类的动作视频集随机分为训练视频集和测试视频集,将训练视频集和测试视频集分别用于计算动作的训练轨迹和测试轨迹,将训练轨迹输入动作识别模型中进行动作识别,然后通过测试轨迹对动作识别模型进行优化,获取用于动作快速提取的深度动作识别模型;S3、通过深度动作识别模型获取待测试的动作视频集,并对待测试的动作视频集中对象的肢体动作和轨迹进行识别,获得测试集的识别结果;S4、通过评分系统对将测试集识别结果与标准的花式滑冰动作模型进行分解对比,根据轨迹的匹配度进行评分,同时输出评分结果,所述测试集为单个待测动作或多个待测动作的集合。
全文数据:
权利要求:
百度查询: 西南石油大学 一种基于深度学习的花样滑冰选手骨骼点动作识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。