申请/专利权人：华东交通大学

申请日：2024-03-07

公开（公告）日：2024-04-09

公开（公告）号：CN117854155A

主分类号：G06V40/20

分类号：G06V40/20;G06V10/40;G06V10/80;G06V10/62;G06V10/77;G06V10/82;G06N3/0464;G06N3/042;G06N3/0442;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明提供了一种人体骨骼动作识别方法及系统，该方法包括：根据骨骼运动序列计算出对应的骨骼特征以及角度特征，且将骨骼运动序列划分成对应的训练集以及验证集；基于预设规则对骨骼特征以及角度特征进行融合处理，以生成对应的空间特征，并通过预设因果卷积算法实时提取出骨骼运动序列中的时间特征；对预设图卷积以及预设因果卷积进行堆叠处理，以生成对应的时空特征提取模块，并将预设全局池化层以及预设全连接层融合至时空特征提取模块中，以生成对应的初始动作识别模型；通过训练集以及验证集分别对初始动作识别模型进行迭代训练，以生成对应的目标动作识别模型。本发明能够大幅提升动作识别的准确率，提升了用户体验。

主权项：1.一种人体骨骼动作识别方法，其特征在于，所述方法包括：通过预设采集装置实时获取人体运动过程中产生的骨骼运动序列，并根据所述骨骼运动序列计算出对应的骨骼特征以及角度特征，且将所述骨骼运动序列划分成对应的训练集以及验证集；基于预设规则对所述骨骼特征以及所述角度特征进行融合处理，以生成对应的空间特征，并通过预设因果卷积算法实时提取出所述骨骼运动序列中的时间特征；对预设图卷积以及预设因果卷积进行堆叠处理，以生成对应的时空特征提取模块，并将预设全局池化层以及预设全连接层融合至所述时空特征提取模块中，以生成对应的初始动作识别模型；通过所述训练集以及所述验证集分别对所述初始动作识别模型进行迭代训练，以生成对应的目标动作识别模型，并通过所述目标动作识别模型识别出与所述骨骼运动序列对应的动作类别；所述基于预设规则对所述骨骼特征以及所述角度特征进行融合处理，以生成对应的空间特征的步骤包括：当实时获取到所述骨骼特征以及所述角度特征时，实时构建出所述骨骼特征与所述角度特征之间的映射关系，并基于所述映射关系对所述骨骼特征以及所述角度特征进行整合处理，以生成对应的特征骨架；将所述特征骨架依次输入至预设先验混合图卷积以及预设动态门控图卷积中，并通过所述预设先验混合图卷积计算出与所述特征骨架对应的距离图、通过所述预设动态门控图卷积计算出与所述特征骨架对应的动态图；根据所述距离图以及所述动态图对应生成所述空间特征；所述通过所述预设先验混合图卷积计算出与所述特征骨架对应的距离图的步骤包括：在所述特征骨架中的骨架脊柱中随机选取出一目标关节点，并将所述目标关节点设定对应的源节点；根据所述源节点将所述特征骨架拆分成对应的有根树，并在所述有根树中将距离相同的关节点依次连接在一起、将距离不同的关节点依次连接在一起，以对应生成所述距离图，所述源节点具有唯一性；所述通过所述预设动态门控图卷积计算出与所述特征骨架对应的动态图的步骤包括：通过预设嵌入函数将所述特征骨架嵌入到低维特征，以生成对应的特征图，并根据所述特征图生成对应的特征矩阵；根据所述特征矩阵计算出对应的邻接矩阵，并通过所述邻接矩阵对所述特征骨架进行各个关节点之间的特征提取处理，以对应生成所述动态图，所述邻接矩阵具有唯一性。

全文数据：

权利要求：

百度查询： 华东交通大学 一种人体骨骼动作识别方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD