[发明专利]姿态检测识别方法、设备及计算机可读存储介质

说明书

本发明公开了一种姿态检测识别方法、设备及介质，该方法通过选择人体上半身的多个特定关键点训练肢体跟踪模型，使得在教学场景中无需将学生容易被遮挡的下半身，以及缺乏参考价值的面部细节信息纳入检测范围，从而精简了检测的待检测目标范围，减轻了算力负担；通过第一关键点群得到的目标定位框跟踪定位运动关键点群的变化幅值，并以此判断待检测目标是否需要进一步关注，并识别其最终的目标运动姿态，使得能够精确判别出疑似进行目标姿态动作的学生是否确实完成了目标姿态动作。且实现整个检测识别过程无需额外配备其他设备，也无需使用耗费大量算力的算法，从而达到了低成本、低功耗同时高精度的效果。

技术领域

本发明涉及多媒体教学技术领域，尤其涉及一种姿态检测识别方法、设备及计算机可读存储介质。

背景技术

近年来全自动录播系统在教学领域得到广泛使用，系统由多机位数字摄像机及教师、学生麦克风等设备组成。全自动导播切换由教师和学生的跟踪检测算法提供支撑，而其中的学生起立检测和定位是其难点。其特点是多目标，目标相互重叠干扰，目标运动轨迹短，使得常规的运动目标检测方法难以到达良好的效果。

目前常用的检测方法主要有以下三种：第一种，采用红外跟踪、等高线辅助摄像机等硬件设备的方法。这一方法需要配备专用于起立检测的设备，增加了系统成本，同时也不便于安装使用以及管理；第二种，采用侦差、光流、角点、背景等方式进行检测和跟踪。这一方法受学生目标分布密、前后排重叠等场景因素所限，且依赖于一些基于角度的数学建模估计，精度不佳且容易误判；第三种，使用行为识别的深度学习方法。然而目前的行为识别算法都有着相当大的运算复杂度，以当前嵌入式终端的现有算力，无法将此类算法直接部署于嵌入式设备中，若是使用服务器进行运算，明显会增加实现成本以及安装、管理的复杂度。

上述种种情况均反映出现有的学生起立检测方法难以兼顾低算力要求与高检测精度的技术问题。

发明内容

本发明的主要目的在于提供一种姿态检测识别方法，旨在解决现有的运动目标检测方法难以兼顾低算力要求与高检测精度的技术问题。

为实现上述目的，本发明提供一种姿态检测识别方法，所述姿态检测识别方法包括：

确定待检测目标，并使用预训练的肢体跟踪模型定位到所述待检测目标中的第一关键点群与第二关键点群，其中，所述肢体跟踪模型基于人体上半身的多个特定关键点训练所得；

基于所述第一关键点群得到所述待检测目标的目标定位框，并利用所述目标定位框匹配跟踪运动状态下的待检测目标；

获取运动状态下所述待检测目标的第二关键点群的变化幅值，根据所述变化幅值确定所述待检测目标为疑似目标，并获取所述疑似目标的姿态数学模型值，以基于所述姿态数学模型值识别所述疑似目标的目标运动姿态。

可选地，所述第二关键点群包括躯干关键点子群，所述躯干关键点子群基于头、颈与双肩四个部位设置，

所述获取运动状态下所述待检测目标的第二关键点群的变化幅值，根据所述变化幅值确定所述待检测目标为疑似目标的步骤包括：

根据预设的权重分配规则将所述躯干关键点子群中的各个关键点进行加权平均，构建所述待检测目标的重心浓缩点；

根据所述躯干关键点子群计算所述待检测目标的两肩距离，并获取所述重心浓缩点的移动量，以基于所述两肩距离与所述移动量计算重心移动量，并将所述重心移动量作为所述第二关键点群的变化幅值；

判断所述重心移动量是否符合预设疑似目标判定条件；

若所述重心移动量符合预设疑似目标判定条件，则将所述待检测目标确定为疑似目标。

可选地，所述判断所述重心移动量是否符合预设疑似目标判定条件的步骤包括：