[发明专利]一种人体动作评价方法、评价装置及评价系统

说明书

本申请提供了一种人体动作评价方法、评价装置及评价系统，评价方法包括以下步骤：训练并部署人体动作评价模型；利用人体动作评价模型对用户的人体动作进行评价，得到特征评分；利用情感分析模型对用户查看人体动作评价模型输出的特征评分时的情感进行分析，并根据分析结果构建错误匹配库；利用错误匹配库对人体动作评价模型进行更新；利用更新后的人体动作评价模型对人体动作进行评价。本申请采用深度学习和情感分析的度量方式，结合传统的度量方法，能够得到一种可以自己进行特征度量学习，自己寻找有效特征，并且会在出现未见过动作时能够自动学习，自动进化的动作评价方法。

技术领域

本申请属于人体动作分析技术领域，具体涉及一种人体动作评价方法、评价装置及评价系统。

背景技术

随着深度学习技术和高性能技术的进步，实时人体姿态评估和行为理解成为当前计算机视觉领域的研究热点。计算机视觉领域的一些研究成果已经成功应用到了很多领域中，例如，通过视频检测老人摔倒。另外，在体育视频分析、体育教学等任务中，人体动作评估与相似度评价也有着广泛的应用前景。人体行为是由一组时序动作构成的，有效地判断标准动作(教练动作)与输入动作(学生动作)的差距，是衡量标准动作与输入动作之间相似程度的重要任务。

目前，人体动作相似度评估主要采用以下两种方法：

(1)采用RGB相机或RGB-D相机提取人体骨骼数据，根据一些动作要领设计一些简单的特征指标，利用特征指标对人体的动作进行评价。例如，在乒乓球击球动作中，不允许进行反肘动作，采用该方法计算肘关节与手腕关节的坐标，如果该坐标大于预设的阈值，则判定为人为反肘。

这种方法将复杂的人体行为动作简要概括为几个瞬间的状态，从而进行差异性量化，得出动作的相似度，其忽略了人体动作是一个连续的过程，几个瞬间状态的采样远远不能概括为一个连续的人体动作行为。同时，当错误动作不在设定的概括动作要领中时，系统会无法分辨。

(2)采用RGB相机或RGB-D相机提取人体骨骼数据，提取一些能够反映人体动作姿态的特征指标，然后使用纯数学的描述方式—度量学习来评价特征指标的差异性。例如，设计关节平面特征，然后采用DTW方法或欧式距离相似度方法比较标准动作与输入动作，得出差异性。

这种方法提取了每一瞬间的一些动作特点并将该动作特点量化为特征，然后采用度量学习的方法比较每一瞬间的特征，得出动作的相似度。动作是一个t时刻会影响t+1时刻的变化模式，使用单纯的度量学习比较并不能很好的发现这种影响模式。同时，在量化特征的过程中，很可能存在设计的一些特征无法反应一些特殊动作的情况，当遇到特征无法分辨的动作时，系统无法分辨，会产生很大的评价误差。

以上两种方法都是期望寻找到能够对复杂的人体动作行为进行精确概括的特征度量，然后采用纯数学方法(也就是度量方法)对比这些特征度量，进而给出结果。然而，一些体育动作不仅仅是动作一些瞬间的行为产生的，而是一段时间动作组合的结果，人为设计的动作特征度量很难完全概括所有的人体动作行为。另外，采用这些方法，一旦出现无法识别的情况，就无法自动改正识别，需要人工分析未识别动作的特征度量，然后将该特征度量添加到系统后，系统才能识别这种动作。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本申请提供了一种人体动作评价方法、评价装置及评价系统。

根据本申请实施例的第一方面，本申请提供了一种人体动作评价方法，其包括以下步骤：

训练并部署人体动作评价模型；

利用人体动作评价模型对用户的人体动作进行评价，得到特征评分；

利用情感分析模型对用户查看人体动作评价模型输出的特征评分时的情感进行分析，并根据分析结果构建错误匹配库；

利用错误匹配库对人体动作评价模型进行更新；

利用更新后的人体动作评价模型对人体动作进行评价。