[发明专利]一种基于关键帧偏好的时序动作评估方法

权利要求书

1.一种基于关键帧偏好的时序动作评估方法，其特征在于，包括以下步骤：

步骤1，采集标准动作和用户动作的视频骨骼时序数据，分别作为标准动作序列S和用户动作序列U，动作序列的每一个元素表示每一帧内骨骼信息，包括骨骼节点坐标、骨骼坐标置信度及节点构成的骨骼向量；

步骤2，分别从S和U中提取标准动作序列的关键帧区列表sKeyList和用户动作序列的关键帧区列表uKeyList，以及标准动作序列的非关键帧区列表sPoseList和用户动作序列的非关键帧区列表uPoseList；

步骤2的具体实现方式如下；

步骤2.1，设置数组poses为输入的动作序列，设置动态数组Key用来记录提取出的关键帧区，数组D用来记录动作序列各帧之间的距离；

步骤2.2：遍历动作序列poses，计算各帧之间的距离d，存入数组D；

且其中p(i)表示poses第i个元素，n表示动作序列中骨骼坐标的维度；

步骤2.3，根据距离阈值η和连续帧阈值μ划分关键帧区和非关键帧区，其中，关键帧区Key的选取标准为：动作序列poses中距离值小于η且至少连续μ帧的区域，即：

Key＝[poses[i]，poses[i+1]，...，poses[j]]且D[i]，D[i+1]，...，D[j]＜η，j-i＞μ遍历poses，得到所有关键帧区KeyList＝[Key₁，Key₂，...，Key_m]，且poses余下的区域构成非关键帧区PoseList＝[Pose₁，Pose₂，...，Pose_n]；

步骤2.4，将标准动作序列S和用户动作序列U分别代入poses，求解标准动作关键帧区列表sKeyList，标准动作非关键帧区列表sPoseList，及用户动作关键帧区列表uKeyList，用户动作非关键帧区列表uPoseList；

步骤3，对用户动作关键帧区列表uKeyList和标准动作关键帧区列表sKeyList进行动态时间规整，对用户动作非关键帧区列表uPoseList和标准动作非关键帧区列表sPoseList进行动态时间规整；

步骤4，采用余弦相似度算法，分别计算标准动作关键帧区列表sKeyList与用户动作关键帧区列表uKeyList的各帧相似度sk，以及标准动作非关键帧区列表sPoseList与用户动作非关键帧区列表uPoseList的各帧相似度sp；

步骤5，将关键帧区相似度sk和非关键帧区相似度sp加权，得到综合动作评分。

2.根据权利要求1所述的基于关键帧偏好的时序动作评估方法，其特征在于：步骤2.3中，1＜μ＜15，且为正整数。

3.根据权利要求1所述的基于关键帧偏好的时序动作评估方法，其特征在于：步骤3的具体实现方式为：对标准动作关键帧区列表sKeyList和用户动作关键帧区列表uKeyList的元素一一使用动态时间规整算法对齐；对标准动作非关键帧区列表sPoseList和用户动作非关键帧区列表uPoseList的元素一一使用动态时间规整算法对齐，当元素数目不一致时，选择性地去除长列表的首元素或尾元素使之对齐。

4.根据权利要求1所述的基于关键帧偏好的时序动作评估方法，其特征在于：步骤4的具体实现方式为：对于规整后的标准动作和用户动作，计算相应列表中对应帧的骨骼向量余弦相似度均值作为该帧余弦相似度，第f帧的相似度s_f公式如下：

其中，i是骨骼下标，h是骨骼向量数，Vs是标准动作骨骼向量，V^u是用户动作骨骼向量；针对关键帧区列表和非关键帧区列表，分别通过上式计算得到关键帧区相似度sk和非关键帧区sp。

5.根据权利要求4所述的基于关键帧偏好的时序动作评估方法，其特征在于：步骤5的具体实现方式为，

对关键帧区相似度sk和非关键帧区相似度sp加权，得到综合相似度s：

其中，sk为关键帧区第f帧的相似度，sp为非关键帧区第f帧的相似度，σ为关键帧权重，N为规整后总帧数。

6.根据权利要求5所述的基于关键帧偏好的时序动作评估方法，其特征在于：关键帧权重σ的范围为0.5≤σ≤0.85。