[發(fā)明專利]一種基于BP神經網絡的人體屈體角度識別方法及設備在審
| 申請?zhí)枺?/td> | 201810884113.0 | 申請日： | 2018-08-06 |
| 公開（公告）號： | CN109214292A | 公開（公告）日： | 2019-01-15 |
| 發(fā)明（設計）人： | 盧旭;楊川 | 申請（專利權）人： | 廣東技術師范學院 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 廣州恒華智信知識產權代理事務所(普通合伙) 44299 | 代理人： | 姜宗華 |
| 地址： | 510665 廣東*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 坐位體前屈 側面圖像 角度識別 前景目標 體前屈 屈體 測試 肢體 測量 輸出 檢測 | ||
1.一種基于BP神經網絡的人體屈體角度識別方法，其特征在于，包括以下步驟：
建立BP神經網絡模型；
提取待測試者的坐位體前屈側面圖像的前景目標，得到提取前景目標之后的坐位體前屈側面圖像；
將所述坐位體前屈側面圖像輸入至所述BP神經網絡模型中進行體前屈角度識別；
輸出待測試者的體前屈角度。
2.根據權利要求1所述的方法，其特征在于，所述建立BP神經網絡模型，包括以下步驟：
獲取多個測試者的坐位體前屈側面圖像；
通過對多個測試者的坐位體前屈側面圖像進行特征標記，得到多個測試者的體前屈角度；
對多個帶特征標記的坐位體前屈側面圖像進行預處理，得到多個預處理后的坐位體前屈圖像；
調取BP神經網絡；
將多個測試者的體前屈角度與所述多個預處理后的坐位體前屈圖像輸入至所述BP神經網絡中；
根據多個測試者的體前屈角度與所述多個預處理后的坐位體前屈圖像，對所述BP神經網絡進行訓練，以建立BP神經網絡模型。
3.根據權利要求2所述的方法，其特征在于，所述通過對多個測試者的坐位體前屈側面圖像進行特征標記，得到多個測試者的體前屈角度，包括以下步驟：
對多個坐位體前屈側面圖像中的每一個坐位體前屈側面圖像都進行特征點標記；所述特征點為肩部、髖部和踝關節(jié)；
測量每一個坐位體前屈側面圖像上標記的特征點形成的夾角的角度值；所述夾角的頂點為髖部；
將所述測量的多個角度值作為多個測試者的體前屈角度進行記錄。
4.根據權利要求2所述的方法，其特征在于，所述對多個帶特征標記的坐位體前屈側面圖像進行預處理，得到多個預處理后的坐位體前屈圖像，包括以下步驟：
對多個帶特征標記的坐位體前屈側面圖像中的每一個帶特征標記的坐位體前屈側面圖像進行前景目標提取；
將提取過前景目標的多個帶特征標記的坐位體前屈側面圖像進行歸一化處理，得到多個28*28的像素矩陣；
通過逐像素法在所述多個28*28的像素矩陣的每一個28*28的像素矩陣中提取像素特征；
對每一個28*28的像素矩陣中的像素特征進行標記，并將多個帶標記的28*28的像素矩陣作為多個預處理后的坐位體前屈圖像。
5.根據權利要求4所述的方法，其特征在于，所述對多個帶特征標記的坐位體前屈側面圖像中的每一個帶特征標記的坐位體前屈側面圖像進行前景目標提取，包括以下步驟：
對多個帶特征標記的坐位體前屈側面圖像中的每一個帶特征標記的坐位體前屈側面圖像進行前景目標提取；
通過背景差分法獲取所述多個帶特征標記的坐位體前屈側面圖像的前景目標的二值圖像；
將提取過前景目標的多個帶特征標記的坐位體前屈側面圖像進行歸一化處理，得到多個28*28的像素矩陣，具體為：
將多個二值圖像進行歸一化處理，得到多個28*28的像素矩陣。
6.一種基于BP神經網絡的人體屈體角度識別設備，其特征在于，包括：
模型建立單元，用于建立BP神經網絡模型；
提取單元，用于提取待測試者的坐位體前屈側面圖像的前景目標，得到提取前景目標之后的坐位體前屈側面圖像；
輸入單元，用于將所述坐位體前屈側面圖像輸入至所述BP神經網絡模型中進行體前屈角度識別；
輸出單元，用于輸出待測試者的體前屈角度。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣東技術師范學院，未經廣東技術師范學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810884113.0/1.html，轉載請聲明來源鉆瓜專利網。
