申请/专利权人：北京航空航天大学杭州创新研究院

申请日：2021-12-31

公开（公告）日：2024-04-09

公开（公告）号：CN114360060B

主分类号：G06V40/20

分类号：G06V40/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.05.03#实质审查的生效;2022.04.15#公开

摘要：本发明公开了一种人体动作识别计数方法，包括以下步骤：将人体动作分解为冠状面和矢状面两个平面内的动作，采集人体平面内动作实时视频图像，将所述实时视频图像进行分帧和预处理后，输入人体关键骨骼点检测网络模型，输出每帧图像上的人体关键骨骼点检测结果；将得到的所述人体关键骨骼点检测结果输入预先配置的动作状态特征机，所述动作状态特征机按照所述人体关键骨骼点的置信度约束条件和特征点约束条件，确定用户是否完成对应动作。本发明采用一个通用模型匹配不同动作状态特征机，代码复用率高且计算量小，占用存储空间小，特征表达强，在保证计数准确的同时，具有更快的系统响应速度。

主权项：1.一种人体动作识别计数方法，其特征在于，包括以下步骤：步骤一，采集不同场景下的各种人体动作的图像，将所述人体动作分解为冠状面和矢状面两个平面内的动作图像，在对所述动作图像进行分帧和预处理后，采用深度学习获得人体关键骨骼点检测网络模型，所述人体关键骨骼点检测网络模型输出人体关键骨骼点的置信度与坐标；步骤二，引导用户在指定平面内完成静止准备动作，将所述静止准备动作图像输入所述人体关键骨骼点检测网络模型，再将得到的所述人体关键骨骼点检测结果输入预先配置的动作状态特征机，所述动作状态特征机按照所述人体关键骨骼点的置信度约束条件和特征点约束条件，确定用户是否完成所述静止准备动作，从而完成准备阶段，激活计数功能；步骤三，引导用户在指定平面内完成后续动作，将所述平面内后续动作分解为若干时序子状态,进入计数阶段；将所述子状态动作图像输入所述人体关键骨骼点检测网络模型，再将得到的所述人体关键骨骼点检测结果输入所述动作状态特征机，所述动作状态特征机按照所述人体关键骨骼点的时序约束条件和临界特征点约束条件，判断每个所述子状态内所述人体关键骨骼点在平面内至少经历上抬、下降、屈曲、伸展中的任意一项，确定所有所述人体关键骨骼点完整地按顺序经历所述所有子状态，动作计数值加1；所述的人体关键骨骼点检测网络模型由深度学习获得，其训练数据为不同场景下的包含有各类人体姿态的图像，其输出为人体11个关键骨骼点的置信度与坐标；所述人体11个关键骨骼点依次为：鼻子、左肩、右肩、左手腕、右手腕、左臀骨、右臀骨、左膝盖、右膝盖、左脚踝、右脚踝；所述平面内的人体关键骨骼点的上抬和下降动作的动作状态特征机的完整约束条件如下： 式中，Δt的为每片实际帧数的间隔时间；在第t-Δt帧到第t帧这段时间内，若T{Ut}＝1，表示人体关键骨骼点正在沿Z轴上抬；若T{Dt}＝1，表示人体关键骨骼点正在沿Z轴下降；h5～h6，H0～H1为经验常数值；所述平面内的人体关键骨骼点的屈曲和伸展动作的动作状态特征机的完整约束条件如下： 式中，在第t-Δt帧到第t帧这段时间内，若T{Lt}＝1，表示人体关键骨骼点正在沿Y轴伸展；若T{Mt}＝1，表示人体关键骨骼点正在沿Y轴屈曲；w4～w5，W0～W1为经验常数值；所述平面内后续动作的计数阶段共分解为Ns个子状态，所述每个子状态的动作状态特征机的约束条件如下： 式中，tn表示该子状态维持到临界特征点的截止帧序号，Nu，Nd，Nl和Nm分别表示子状态中，上抬、下降、伸展和屈曲动作出现的总帧数； 表示临界特征映射约束条件，其输入为表示第tn帧下的11个骨骼点的坐标值，即： 根据动作特征和实验经验，具体可通过计算关键骨骼点的坐标绝对值、相对值以及骨骼夹角得到；整个计数阶段的完整约束条件如下： 当T{St}＝1时，表明完整地按顺序经历各子状态一次，动作计数值加1。

全文数据：

权利要求：

百度查询： 北京航空航天大学杭州创新研究院 人体动作识别计数方法

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。

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