[发明专利]一种基于Tensorflow目标检测的动作识别方法

权利要求书

1.一种基于Tensorflow目标检测的动作识别方法，其特征在于，主要包括以下步骤：

1)获取含有人体姿态和目标物体的视频流，并分解为若干帧图像；所述目标物体的两面印刷有所述图案；

2)利用Tensorflow和Faster R-CNN算法建立卷积网络，并训练得到目标物体识别模型。

3)利用目标物体识别模型框选出每帧图像中的目标物体，并为矩形框打上类别标签；确定矩形框的左上角归一化坐标(x_{min_nor},y_{min_nor})、右下角归一化坐标值(x_{max_nor},y_{max_nor})和置信度c；x_{min_nor}、y_{min_nor}、x_{max_nor}、y_{max_nor}、c∈[0,1]；

4)基于矩形框的左上角归一化坐标(x_{min_nor},y_{min_nor})、右下角归一化坐标值(x_{max_nor},y_{max_nor})确定目标物体坐标；

5)对目标物体坐标进行处理；

6)建立动作识别模型；

7)将处理后的矩形框坐标输入到动作识别模型中，对人体姿态进行识别。

2.根据权利要求1或2所述一种基于Tensorflow目标检测的动作识别方法，其特征在于，所述人体姿态为受试者根据AD量表指示完成的动作。

3.根据权利要求1所述一种基于Tensorflow目标检测的动作识别方法，其特征在于，所述卷积神经网络包括输入层、池化层和卷积层。

4.根据权利要求1所述一种基于Tensorflow目标检测的动作识别方法，其特征在于，所述目标物体识别模型的训练数据集为由Faster-RCNN深度学习目标检测算法训练得到的COCO数据集。

5.根据权利要求1所述一种基于Tensorflow目标检测的动作识别方法，其特征在于，所述目标物体为矩形卡片；矩形卡片的正反两面分别印刷有不同图案。

6.根据权利要求1所述一种基于Tensorflow目标检测的动作识别方法，其特征在于，提取矩形框坐标的主要步骤如下：

1)将左上角归一化坐标(x_{min_nor},y_{min_nor})、右下角归一化坐标值(x_{max_nor},y_{max_nor})转换为矩形框左上角坐标值(x_min，y_min)和右下角位置坐标值(x_max，y_max)，即：

式中，img_width、img_height分别表示图像宽度、图像高度；

2)用0填充缺失坐标数据；

3)确定目标物体左上角坐标card(x_min,y_min)和右下角坐标card(x_max,y_max)，即：

式中，card_p(x_min,y_min)和card_n(x_min,y_min)分别表示目标物体正面和反面印制的物体的左上角坐标；card_p(x_max,y_max)和card_n(x_max,y_max)分别表示目标物体正面和反面印制的物体的右下角坐标。