申请/专利权人:首都体育学院
申请日:2023-12-13
公开(公告)日:2024-03-19
公开(公告)号:CN117727094A
主分类号:G06V40/20
分类号:G06V40/20;G06V10/82;G06N3/0442;G06N3/084;G06V10/62
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明提供一种基于深度学习模型的运动姿态识别数据处理方法及装置,该方法包括:获取受试者的运动捕捉数据;对多个人体关键点的三维位置信息与对应的三维解剖标记对进行合成,得到第一人体关键点,对第一人体关键点进行预处理,得到第二人体关键点;对第一人体关键点的位置和第二人体关节点的位置进行归一化处理,得到归一化样本集;对归一化样本集转换为时间序列,并在时间序列中添加目标噪声,得到目标样本集,目标样本集用于作为深度学习模型的训练样本。本发明所述方法通过扩充身体关键点的位置数据来扩充数据集,提高模型了的泛化能力,为后续深度学习模型实现对人体复杂动作的准确描述提供可靠的数据支撑。
主权项:1.一种基于深度学习模型的运动姿态识别数据处理方法,其特征在于,包括:获取受试者的运动捕捉数据,所述运动捕捉数据包括多个人体关键点的三维位置信息;对多个人体关键点的三维位置信息与对应的三维解剖标记对进行合成,得到第一人体关键点,对所述第一人体关键点进行预处理,得到第二人体关键点;对所述第一人体关键点的位置和所述第二人体关节点的位置进行归一化处理,得到归一化样本集;对所述归一化样本集转换为时间序列,并在所述时间序列中添加目标噪声,得到目标样本集,所述目标样本集用于作为深度学习模型的训练样本。
全文数据:
权利要求:
百度查询: 首都体育学院 基于深度学习模型的运动姿态识别数据处理方法及装置
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。