[发明专利]一种运动分析方法、装置、设备和存储介质

权利要求书

1.一种运动分析方法，其特征在于，包括：

根据人体姿态估计算法OpenPose和训练人员的动作视频，得到所述训练人员的第一动作集合序列；

根据所述第一动作集合序列，得到所述动作视频的一维动作特征向量和二维动作特征点集；

根据所述一维动作特征向量和多类分类器，得到所述动作视频的动作分类；

根据所述动作分类对应的标准二维动作特征点集和所述二维动作特征点集，得到所述训练人员的动作得分。

2.根据权利要求1所述的运动分析方法，其特征在于，所述根据人体姿态估计算法OpenPose和训练人员的动作视频，得到所述训练人员的第一动作集合序列，具体包括：

利用OpenPose对所述动作视频的每帧图像进行骨架识别，得到所述训练人员的动作骨架序列，所述动作骨架序列包括关节点位置信息及对应的置信度；

从所述动作骨架序列中剔除低于预设阈值的置信度对应的关节点位置信息后，提取所述动作骨架序列中的关节点位置信息，得到所述第一动作集合序列。

3.根据权利要求2所述的运动分析方法，其特征在于，所述根据所述第一动作集合序列，得到所述动作视频的一维动作特征向量和二维动作特征点集，具体包括：

建立人体坐标系，所述人体坐标系的中心点是人体的左右髋节点连线的中点；

将所述第一动作集合序列中的关节点位置信息转换为对应所述人体坐标系的坐标信息，得到第二动作集合序列；

基于所述第二动作集合序列，确定投影区域，其中，所述投影区域覆盖所述第二动作集合序列中的关节点的所有坐标信息；

从所述投影区域中选取预设区域，得到特征区域，并根据所述特征区域所覆盖的所有关节点的坐标信息；

将所述特征区域所覆盖的所有关节点的坐标信息进行齐次坐标系下的变换，得到所述二维动作特征点集；

根据所述二维动作特征点集中的动作特征点在所述特征区域中的分布进行编码，得到所述一维动作特征向量。

4.根据权利要求3所述的运动分析方法，其特征在于，所述根据所述一维动作特征向量和多类分类器，得到所述动作视频的动作分类，具体包括：

将所述特征区域中的所述一维动作特征向量的位置分布信息进行线性编码，得到动作特征编码集；

根据所述动作特征编码集确定对应的特征向量，并将所述特征向量输入所述多类分类器，得到所述动作视频的动作分类。

5.根据权利要求3所述的运动分析方法，其特征在于，所述根据所述动作分类对应的标准二维动作特征点集和所述二维动作特征点集，得到所述训练人员的动作得分，具体包括：

将所述标准二维动作特征点集P_c和所述训练人员的二维动作特征点集P_s做几何变化，构建距离均方差函数评价所述训练人员的动作匹配度；

设计如下的打分函数：

其中R是所述标准二维动作特征点集和所述二维动作特征点集间的旋转矩阵，t是所述标准二维动作特征点集和所述二维动作特征点集间的平移向量，l'×l'是所述二维动作特征点集中的动作特征点的数量，i是所述二维动作特征点集中的动作特征点的序号，取值范围是1至l′×l′；

通过最小化公式的距离误差得到所述训练人员的动作得分，F_score采用Levenberg-Marquardt(LM)算法迭代求解得到。

6.根据权利要求1-5中任一项所述的运动分析方法，其特征在于，所述多类分类器通过以下方法进行训练：

获取批量历史动作视频，并将所述批量历史动作视频进行处理，得到特征向量训练集和特征向量测试集；

基于支持向量机算法设计了所述多类动作分类器对所述特征向量训练集进行训练，并对所述特征向量测试集进行测试，得到所述多类分类器；

所述多类分类器的目标函数是：

其中，是第r个中心为c_r方差为的径向基函数，R是径向基函数的个数，ω_r是权重因子，b为偏差项。