[发明专利]面向智能教学时空关联的形体动作属性分析与识别方法

说明书

本发明公开一种面向智能教学时空关联的形体动作属性分析与识别方法。该方法包括：根据多尺度相关滤波的实时视觉目标跟踪方式，跟踪定位学习者在每一帧的位置；基于多帧图像的联合分割方式，建立学习者的可变形部分模型，实现单帧整体图像动作属性感知的时空关联估计。本发明提供的方案，能提高教育资源公共服务平台优质形体动作教育资源可视媒体的时空结构预测与识别能力，通过对动作属性的分析，从形体动作的结构性、连续性和时空一致性等方面，实现对形体动作分析和识别，以及对其变化趋势的准确预测。

技术领域

本发明涉及计算机技术领域，具体涉及一种面向智能教学时空关联的形体动作属性分析与识别方法。

背景技术

可视教学媒体是由教育平台、教学网站、图像视频网站及论坛等相关平台提供，以人为主体、以形体动作为主要呈现内容的图像和视频(动画)为载体的教学媒体资源及产品。

当前，随着MOOC(massive open online courses，大型开放式网络课程)课程和E-Learning(Electronic Learning，电子化学习)等平台的兴起，传统的远程教学模式发生了极大的变化；同时，教学效果也得以明显改善。伴随着这股浪潮，形体动作的教学方式，也逐渐从传统的线下媒介传播学习模式，转为在线可视媒体的形式点播学习模式。例如，爱奇艺等的在线视频门户网站，纷纷在其教育频道中，提供了多种类型的形体动作教学视频，包括体操类、舞蹈类和武术类等。如何通过众多的形体动作教学资源，获得理想的学习和锻炼效果，是形体动作教学的其中一个核心问题。此外，传统模式的形体动作教学，由于多方因素影响(如场地，时间，难度，趣味性等因素)，对学习过程的兴趣可能难以维持。因此，如何通过增强学习过程的互动性，维持学习者的学习兴趣，是当前形体动作教学中的另一个核心问题。

发明内容

有鉴于此，本发明的目的在于提出一种面向智能教学时空关联的形体动作属性分析与识别方法，能提高教育资源公共服务平台优质形体动作教育资源可视媒体的时空结构预测与识别能力。

本发明提供一种面向智能教学时空关联的形体动作属性分析与识别方法，包括：

根据多尺度相关滤波的实时视觉目标跟踪方式，跟踪定位学习者在每一帧的位置；

基于多帧图像的联合分割方式，建立学习者的可变形部分模型，实现单帧整体图像动作属性感知的时空关联估计。

优选的，所述方法包括：

将所述多帧图像的每个区域在时间上进行连续特征提取，实现时间上连贯平滑的动作估计。

优选的，所述方法包括：

根据可变形部分模型在几何上的简化规律及示范者的形体与动作的整体性特征，将视频序列中各个动作区域作为图模型的节点连接成图。

优选的，所述方法包括：

根据形体动作的属性之间的关联进行预测。

优选的，所述方法包括：

将动作的所有属性等同于文本的表达，通过主题来表达每个样本以及词与主题之间的关系；

通过利用奇异值分解众属性的关联信息发现并提取出属性的主题以及动作与主题的联系，并用主题衡量属性间的关系。

优选的，所述方法包括：

针对所述多帧图像每一个区域及统一动作属性描述分析每个区域具有的动作属性。

优选的，所述方法包括：

对每个区域在时间域上进行连续的低层图像特征提取，并基于时空感知和利用随机投影矩阵将得到的低层图像特征进行降维处理，得到基于结构化预测的动作属性定位。