[发明专利]人体动作识别方法、装置、终端设备及存储介质

权利要求书

1.一种人体动作识别方法，其特征在于，包括：

获取人体动作的深度图像序列；

将所述深度图像序列等间隔划分为预设数量个图像序列片段；

对每个所述图像序列片段进行时序稀疏采样，得到对应的目标图像序列；

提取每个所述目标图像序列的梯度方向向量；

根据所述梯度方向向量和预训练的三维卷积神经网络模型，进行人体动作识别；

其中，所述提取每个所述目标图像序列的梯度方向向量，包括：

分别计算每个所述目标图像序列的梯度分量；

将每个所述目标图像序列的所述梯度分量进行L2范数归一化，得到每个所述目标图像序列的所述梯度方向向量。

2.根据权利要求1所述的人体动作识别方法，其特征在于，所述对每个所述图像序列片段进行时序稀疏采样，得到对应的目标图像序列，包括：

从每个所述图像序列片段中抽取第一目标深度图像、第二目标深度图像以及第三目标深度图像，其中，所述第一目标深度图像、所述第二目标深度图像以及所述第三目标深度图像在所述深度图像序列中的时序相对位置呈等差数列；

基于每个所述图像序列片段的所述第一目标深度图像、所述第二目标深度图像以及所述第三目标深度图像，得到对应的所述目标图像序列。

3.根据权利要求1所述的人体动作识别方法，其特征在于，在所述提取每个所述目标图像序列的梯度方向向量之前，还包括：

对每个所述目标图像序列进行数据增强操作。

4.根据权利要求3所述的人体动作识别方法，其特征在于，所述对每个所述目标图像序列进行数据增强操作，包括：

对各个深度图像的预设区域进行裁剪，得到相应的第一预设尺寸的第一目标区域；

从预设备选尺寸中随机选取目标尺寸；

根据所述目标尺寸，对各个所述第一目标区域进行随机裁剪，得到相应的第二目标区域；

将各个所述第二目标区域的缩放至第二预设尺寸。

5.根据权利要求1至4任一项所述的人体动作识别方法，其特征在于，在所述获取人体动作的深度图像序列之前，还包括：

获取训练深度图像序列；

将所述训练深度图像序列划分为所述预设数量个训练图像序列片段；

通过第一预设时序稀疏采样方式对每个所述训练图像序列片段进行采样，得到对应的目标训练图像序列；

根据各个所述目标训练图像序列，对预建立的三维卷积神经网络模型进行训练。

6.根据权利要求5所述的人体动作识别方法，其特征在于，在所述根据所述目标训练图像序列，对预建立的三维卷积神经网络模型进行训练之后，还包括：

获取测试深度图像序列；

将所述测试深度图像序列划分为所述预设数量个测试图像序列片段；

通过第二预设时序稀疏采样方式对每个所述测试图像序列片段进行采样，得到相应的目标测试图像序列；

根据各个所述目标测试图像序列，对训练后的三维卷积神经网络进行测试。

7.一种人体动作识别装置，其特征在于，包括：

深度图像序列获取模块，用于获取人体动作的深度图像序列；

第一划分模块，用于将所述深度图像序列等间隔划分为预设数量个图像序列片段；

第一时序稀疏采样模块，用于对每个所述图像序列片段进行时序稀疏采样，得到对应的目标图像序列；

提取模块，用于提取每个所述目标图像序列的梯度方向向量；

识别模块，用于根据所述梯度方向向量和预训练的三维卷积神经网络模型，进行人体动作识别；

其中，所述提取模块具体用于：分别计算每个所述目标图像序列的梯度分量；将每个所述目标图像序列的所述梯度分量进行L2范数归一化，得到每个所述目标图像序列的所述梯度方向向量。

8.一种终端设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。