[发明专利]基于机器视觉的运动识别特征参数算法

权利要求书

1.一种基于机器视觉的运动识别特征参数算法，其特征在于，包括如下步骤：

骨骼关节点捕捉步骤：通过人工智能学习方法捕捉人体骨骼的多个关节点，并通过关节点计算各个关节点的质心；

计算步骤：计算各质心的距离、相对速度以及相对加速度特征参数；

误差比较步骤：比较运动练习者和参考样本动作的矩阵特征参数间的误差；

相似度计算步骤：计算比较运动练习者和参考样本动作的相似度；

选择步骤：根据相似度计算结果选择运动过程中不匹配的关节点对应的身体部位；

所述运动练习者和参考动作的矩阵特征参数分别为A(t),B(t),C(t),和A'(t),B’(t),C’(t)，比较误差矩阵分别为E_A(t),E_B(t)和E_C(t)，则有：

所述相似度计算步骤包括：

对矩阵E_a(t)、E_b(t)、E_c(t)的元素的绝对值按列求和得到矩阵E_Asum,E_Bsum,E_Csum，三个新得矩阵第i列的和值分别记为E_i^a,E_i^b,E_i^c：

分别对矩阵E_Asum,E_Bsum,E_Csum，在一组动作对应的时间段内(t₁,t₂)积分，得到这个时间段内的三个误差矩阵E_Ast,E_Bst,E_Cst，三个矩阵第i项的积分值分别记为E_i^A,E_i^B,E_i^C：

对E_Ast,E_Bst和E_Cst按行求和，取倒数，计算结果记为S_A,S_B,S_C：

S_A,S_B,S_C分别用来描述目标动作于样本动作，位置，速度，加速度间的相似度，用目标动作打分计算的输入值。

2.根据权利要求1所述的基于机器视觉的运动识别特征参数算法，其特征在于，所述多个关节点包括如下任多个部位：头部、躯干、大臂、小臂、大腿、小腿。

3.根据权利要求1所述的基于机器视觉的运动识别特征参数算法，其特征在于，各个质心的瞬时位置标记为P(t)_i＝(x_i,y_i,z_i)，其中i表示第i个质心，t表示时刻t，x_i,y_i,z_i表示三维坐标系的坐标。

4.根据权利要求3所述的基于机器视觉的运动识别特征参数算法，其特征在于，质心i、j之间的距离以人体站立，双手向上伸展时，一侧小臂质心到另一侧小腿质心的距离为基数，将R(t)_ij标准化为函数值在0和1之间变化的时间函数，计为r(t)_ij，距离特征矩阵参数A(t)定义为：

5.根据权利要求3所述的基于机器视觉的运动识别特征参数算法，其特征在于，质心i、j的相对速度

其中：Δt由影像的帧率f决定：Δt＝1/f，相对速度特征矩阵参数B(t)定义为：