[发明专利]实时人体动作的识别方法和实时人体动作的识别装置

权利要求书

1.一种实时人体动作的识别方法，其特征在于，所述方法包括：

实时获取待识别人体的深度图像；

根据所述深度图像，提取所述深度图像中人体的骨架数据，并对所述骨架数据进行归一化处理；其中，所述骨架数据包括人体关键节点的关节点数据集合；

获取动作录制文件，其中，所述动作录制文件包括预先设定的动作录制文件；

根据所述动作录制文件，设置关节点组合，并标记所述动作录制文件中的动作的起止位置，所述关节点组合能够避免其他关节点或者噪点数据造成的影响；

利用预定算法，对所述动作录制文件中的动作进行训练，提取特征向量保存成动作模板文件；

基于所述动作模板文件和所述关节点数据集合，对所述待识别人体的动作进行识别，输出识别结果；

所述根据所述深度图像，提取所述深度图像中人体的骨架数据的步骤包括：

提取所述深度图像中的像素点的深度信息；

根据所述像素点的深度信息，将所述深度图像分割成前景图像和背景图像；

将所述前景图像与标准人体模型进行比较，以获得所述骨架数据。

2.根据权利要求1所述的识别方法，其特征在于，所述动作录制文件还包括用户自定义的动作录制文件；

所述获取动作录制文件的步骤包括：

录制用户所展示的动作，以形成所述用户自定义的动作录制文件。

3.根据权利要求1或2所述的识别方法，其特征在于，所述根据所述动作录制文件，设置关节点组合的步骤包括：

基于所述动作录制文件，提取所述动作录制文件中的动作所用到的每个关节点，生成关节点组合；

其中，所述动作录制文件中的动作包括左手的姿势，所述左手的姿势包括左手平举和/或左手上举，相应地，所述关节点组合包括左肩关节点、左肘关节点和左手关节点。

4.根据权利要求1或2所述的识别方法，其特征在于，所述预定算法包括优化后的DTW算法。

5.一种实时人体动作的识别装置，其特征在于，所述装置包括：

骨架识别模块，所述骨架识别模块用于实时获取待识别人体的深度图像；以及，根据所述深度图像，提取所述深度图像中人体的骨架数据，并对所述骨架数据进行归一化处理；其中，所述骨架数据包括人体关键节点的关节点数据集合；

录制模块，所述录制模块用于获取动作录制文件，其中，所述动作录制文件包括预先设定的动作录制文件；

播放模块，所述播放模块用于根据所述动作录制文件，设置关节点组合，并标记所述动作录制文件中的动作的起止位置，所述关节点组合能够避免其他关节点或者噪点数据造成的影响；

动作训练模块，所述动作训练模块用于利用预定算法，对所述动作录制文件中的动作进行训练，提取特征向量保存成动作模板文件；

动作识别模块，所述动作识别模块用于基于所述动作模板文件和所述关节点数据集合，对所述待识别人体的动作进行识别，输出识别结果；

所述骨架识别模块还用于：

提取所述深度图像中的像素点的深度信息；

根据所述像素点的深度信息，将所述深度图像分割成前景图像和背景图像；

将所述前景图像与标准人体模型进行比较，以获得所述骨架数据。

6.根据权利要求5所述的识别装置，其特征在于，所述动作录制文件还包括用户自定义的动作录制文件；所述录制模块还用于录制用户所展示的动作，以形成所述用户自定义的动作录制文件。

7.根据权利要求5或6所述的识别装置，其特征在于，所述播放模块还用于：

基于所述动作录制文件，提取所述动作录制文件中的动作所用到的每个关节点，生成关节点组合；

其中，所述动作录制文件中的动作包括左手的姿势，所述左手的姿势包括左手平举和/或左手上举，相应地，所述关节点组合包括左肩关节点、左肘关节点和左手关节点。

8.根据权利要求5或6所述的识别装置，其特征在于，所述预定算法包括优化后的DTW算法。