[發明專利]基于深度卷積網絡的引體向上計數檢測方法及裝置

在審

• 申請號: 201710249525.2
• 申請日: 2017-04-17
• 公開（公告）號: CN107122798A
• 公開（公告）日: 2017-09-01
• 發明（設計）人: 梁佐鑫;林添喜;梁強;趙曉偉;李森
• 申請（專利權）人: 深圳市淘米科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66;G06N3/08
• 代理公司: 深圳市韋恩肯知識產權代理有限公司44375
• 代理人: 李玉平

1.一種基于深度卷積神經網絡的引體向上運動檢測計數方法，其特征在于，包括利用卷積神經網絡訓練生成標準動作分類器的步驟和引體向上運動檢測計數步驟；

所述卷積神經網絡訓練并生成標準動作分類器包括以下步驟：

S10、制作訓練圖像樣本：從引體向上視頻圖像中選取多組樣本圖像數據，所述樣本圖像數據包括：

下巴過杠圖像樣本組數據；

頭部過杠但下巴未過杠圖像樣本組數據；

頭部低于單杠并且手臂彎曲狀態圖像樣本組數據；

頭部低于單杠并且手臂伸直狀態圖像樣本組；

每組樣本來源于不同的樣本空間，且樣本做好分類標記；

S11、樣本圖像正則化：將原始樣本圖像進行圖像大小變換操作，將其分辨率壓縮到256*256，并將圖像數據轉化為浮點向量數據；

S12、初始化深度卷積神經網絡：構建一個多層深度卷積神經網絡，通過初始設定權值參數初始化每一層的神經網絡；

S13、訓練網絡:將標記好的一個圖像樣本的浮點向量數據輸入完成初始化的深度卷積神經網絡的輸入層，經過多層卷積神經網絡的計算，得到最后一層的輸出向量；

S14、反向修改各層權值參數：將輸出向量和標記類的理想輸出向量進行比較，得到誤差值，利用誤差值反向自動修正各層神經網絡的權值參數，完成一組訓練；

S15、訓練完成后，生成一個深度卷積神經網絡的分類器。

所述引體向上運動檢測計數包括如下步驟：

S20、獲取視頻流：獲取待檢測計數的視頻圖像流；

S21、檢測識別：從視頻圖像流中按時間順序依次取出每一幀圖像，使用訓練完成的深度卷積神經網絡分類器，對圖像進行目標檢測和分類識別，依次輸出每一幀圖像的識別結果和分類得分值；

S22、計數判斷：將獲取到的分類得分值按照時間順序進行串聯形成動作序列，并與標準引體向上動作序列進行比對，判斷人員的此次引體向上是否標準，若序列匹配，則引體向上計數總和加1。

2.根據權利要求1所述的一種基于深度卷積神經網絡的引體向上運動檢測計數方法，其特征在于，所述多層深度卷積神經網絡的層數為九層，深度卷積神經網絡包括九個卷積層、六個池化層和一個全連接層，并用初始設定權值參數初始化每一層的神經網絡。

3.根據權利要求1所述的一種基于深度卷積神經網絡的引體向上運動檢測計數方法，其特征在于，在卷積神經網絡訓練并生成標準動作分類器的最后一個步驟生成一個深度卷積神經網絡的分類器之前，還有一個驗證訓練效果的步驟，如果效果不理想，則重復S13、S14兩個步驟，將更多的圖像樣本向量數據輸入深度卷積神經網絡進行訓練，通過大量的訓練圖像樣本，不斷的自動更新優化各神經網絡各層權值參數，如果效果理想，則完成訓練。