[發明專利]一種基于深度卷積神經網絡的人體運動計數方法

在審

• 申請號: 201810213000.8
• 申請日: 2018-03-15
• 公開（公告）號: CN110163038A
• 公開（公告）日: 2019-08-23
• 發明（設計）人: 司馬華鵬
• 申請（專利權）人: 南京硅基智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京華仲龍騰專利代理事務所(普通合伙) 11548
• 代理人: 黃玉玨

本發明公開了一種基于深度卷積神經網絡的人體運動計數方法，通過定義5種基本人體運動類型和每種運動類型的3個關鍵動作姿態序列，令不同人表演5種運動并且錄制這5種運動以及其他類型運動的視頻序列，以作為訓練樣本結合16個類別的分類器，進行基于深度卷積神經網絡的動作識別訓練過程，在訓練完畢后輸出分類模型；通過攝像頭捕獲人體運動的視頻幀，輸入到已訓練好的分類模型進行分類運算，根據分類運算結果判斷運動者所處的動作姿態、所進行的運動類型并且將所屬的運動計數加一，已達到自動、高效的對5種運動進行識別與計數，讓鍛煉者能夠心無旁騖的進行健身動作，以及對動作視頻的識別過程進行標準校對、剔除不規范動作計數的問題。

【技術領域】

本發明涉及運動信息處理技術領域，特別是涉及一種基于深度卷積神經網絡的人體運動計數方法。

【背景技術】

隨著社會的進步，人們生活水平的提高，人們對健康的生活越來越重視，為了獲得健康的生活狀態，人們往往熱衷于運動健身，同時，越來越多的人認識到合理運動的重要性，而運動量的量化往往都是目測測量，不能給出合理的參照，又不能保證很精準。近幾年來,隨著多媒體技術的迅猛發展與計算機性能的不斷提高,圖像處理技術日益受到人們的青睞,并且取得了豐碩的成果,廣泛應用于交通管理、目標跟蹤、人機交互等領域。圖像識別領域中的行為識別或姿態估計常用來分析人體的一些運動或行為特點，但是往往只能估算出一個靜態圖或一段視頻序列對應的三維物體所處的狀態，無法對重復發生的行為進行統計。現缺乏一種能夠在居家健身運動中進行智能計數的設備，讓鍛煉者能夠心無旁騖的進行健身動作，而不必一心二用，造成既要計數又要顧及運動而造成計數出錯，因為分心而使得健身動作也不能夠做到標準的情況發生。

中國專利申請CN201410674419，一種俯臥運動參數估計與評價的方法、裝置及智能終端，涉及通信領域，解決現有技術在俯臥運動計數方法上存在缺陷的問題，該方法包括：獲取處于一固定姿態的智能終端的攝像頭在預設時間內采集的視頻數據；在所述視頻數據中檢測到預設目標后，獲取預設目標尺寸數據及所述預設目標尺寸數據相對預設尺寸均值的變化規律，所述預設尺寸均值用于標識人體在所述預設時間內完成的多次俯臥運動的預設目標尺寸的平均值；根據所述變化規律，得到所述預設時間內人體完成的俯臥運動的數量信息和/或質量信息，并輸出。本發明的方案通過智能終端實現了準確的俯臥運動計數與評價，且實現方式簡單，使用方便，提高了實用性和便利性。

但是由于其是使用時間節點作為訓練依據，對訓練評估的準確性欠佳，而且憑借其計算的卡路里以及力量訓練評估也準。

【發明內容】

為了克服上述現有技術的不足，本發明旨在提供一種基于深度卷積神經網絡的人體運動計數方法，以解決現有技術中不能自動、高效的記錄俯臥撐、仰臥起坐、引體向上等多種運動計數的問題。

為此，本發明所采用的技術方案是：基于深度卷積神經網絡的人體運動計數方法，依次進行如下步驟：

(1)定義5種基本人體運動類型，分別是：仰臥起坐、俯臥撐、深蹲、引體向上、高抬腿，分別定義為M1,M2,…M5，然后將上述5種運動的每一種分解成3個依次循環的關鍵動作姿態序列，共計15種關鍵動作姿態，分別定義為P1,P2,…P15，其中：運動M1的關鍵動作姿態序列為P1-P2-P3，運動M2的關鍵動作姿態序列為P4-P5-P6，運動M3的關鍵動作姿態序列為P7-P8-P9，運動M4的關鍵動作姿態序列為P10-P11-P12，運動M5的關鍵動作姿態序列為P13-P14-P15；

(2)令不同人表演M1～M5運動并且錄制多個視頻序列，從視頻序列中提取符合上述P1～P15關鍵動作姿態的視頻幀，定義為關鍵動作幀，然后再錄制這5種運動之外的其他類型運動的多個視頻序列；