[发明专利]一种动作识别方法、装置、电子设备及存储介质在审

专利信息
申请号: 202110707876.X 申请日: 2021-06-24
公开(公告)号: CN113378758A 公开(公告)日: 2021-09-10
发明(设计)人: 刘铁;艾明欣;应浩聪 申请(专利权)人: 首都师范大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/44;G06K9/46;G06K9/62
代理公司: 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 代理人: 唐正瑜
地址: 100000 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 动作 识别 方法 装置 电子设备 存储 介质
【说明书】:

本申请提供一种动作识别方法、装置、电子设备及存储介质。该动作识别方法通过获取当前帧图像,并根据该当前帧图像获取人体关键点的关键点坐标;根据该关键点坐标获取当前特征向量,并将该当前特征向量和目标动作的当前标准特征向量进行比对,若比对结果一致,且所述当前标准特征向量是所述目标动作的最后一个标准特征向量,确定所述目标动作完成一次。该动作识别方法将当前帧图像的当前特征向量与目标动作的当前标准特征向量进行比对,当该当前标准特征向量是目标动作的最后一个标准特征向量,完成一次目标动作的识别,其具有更好的鲁棒性和可扩展性。

技术领域

本申请涉及图像处理技术领域,具体涉及一种动作识别方法、装置、电子设备及存储介质。

背景技术

目前的动作识别方法有通过单一余弦值的条件进行动作识别的方法、利用所有特征点的欧式距离和进行动作识别的方法以及通过神经网络进行动作识别的方法。但是,由于余弦值中的角度特征容易受到输入图像设备的干扰,而对余弦值结果造成影响,且仅通过单一余弦值作为对每帧图像进行识别的判断标准难以完成不同环境、不同测试者等复杂情况下的动作识别;利用所有特征点的欧式距离和进行动作识别的方法仅把关键点之间的距离进行了简单求和,忽略了人体的结构特征。因此,通过单一余弦值的条件进行动作识别的方法以及利用所有特征点的欧式距离和进行动作识别的方法的鲁棒性较差。而通过神经网络进行动作识别的方法由于是基于机器学习进行动作识别的,其可扩展性较低。

发明内容

本申请实施例的目的在于提供一种动作识别方法、装置、电子设备及存储介质,以改善上述技术问题。

为实现上述目的,本申请提供如下技术方案:

第一方面,本申请实施例提供一种动作识别方法,所述方法包括:

获取当前帧图像;

根据所述当前帧图像获取人体关键点的关键点坐标;

根据所述关键点坐标获取当前特征向量;

将所述当前特征向量和目标动作的当前标准特征向量进行比对;

若比对结果一致,且所述当前标准特征向量是所述目标动作的最后一个标准特征向量,确定所述目标动作完成一次。

在上述方案中,该动作识别方法将当前帧图像的当前特征向量与目标动作的当前标准特征向量进行比对,当该当前标准特征向量是目标动作的最后一个标准特征向量,完成一次目标动作的识别。由于该动作识别方法中所获取的当前特征向量包含了人体关键点的关键点坐标信息,在对不同目标动作进行识别时,不受该目标动作的相似动作的影响,因此,该动作识别方法的识别结果更加准确,具有更好的鲁棒性。此外,该动作识别方法可以对目标动作的标准特征向量进行调整,以实现对可识别动作的扩充,具有更好的可扩展性。

可选的,在所述将所述当前特征向量和目标动作的当前标准特征向量进行比对之后,所述方法还包括:若比对结果不一致,获取下一帧图像;将所述下一帧图像的下一特征向量和目标动作的当前标准特征向量进行比对。

可选的,在所述将所述当前特征向量和目标动作的当前标准特征向量进行比对之后,所述方法还包括:若比对结果一致,且所述当前标准特征向量不是所述目标动作的最后一个标准特征向量,获取下一帧图像;将所述下一帧图像的下一特征向量和目标动作的下一标准特征向量进行比对。

可选的,所述根据所述关键点坐标获取当前特征向量,包括:根据所述目标动作的当前标准特征向量的当前判断函数对所述关键点坐标进行判断获取判断结果;根据所述判断结果获取当前特征向量。

在上述方案中,通过当前标准特征向量的判断函数对关键点坐标进行判断,以获取当前特征向量。由于关键点坐标容易获取且准确性高,使得获取的当前特征向量的过程更加简单且获取的当前特征向量也更加准确。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于首都师范大学,未经首都师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110707876.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top