[發明專利]一種基于骨骼關鍵點檢測的人體動作識別方法

在審

• 申請號: 202010614639.4
• 申請日: 2020-06-30
• 公開（公告）號: CN111914643A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 羅作民;郭洪博;丁翠
• 申請（專利權）人: 西安理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 韓玙

1.一種基于骨骼關鍵點檢測的人體動作識別方法，其特征在于，具體按照以下步驟實施：

步驟1、獲取計算機視覺系統的每個標準動作的多個視頻段，對每個所述視頻段進行數據預處理；

步驟2、采用關鍵點檢測網絡對所述數據預處理后的視頻段的每幀圖像進行關鍵點信息提取，形成該視頻段的多個關鍵特征向量；

步驟3、根據每個視頻段的多個所述關鍵特征向量建立每個視頻段對應的預先動作識別模型；

步驟4、對實時人體運動視頻使用關鍵點檢測網絡提取實時關鍵點信息，生成實時關鍵特征向量；

步驟5、采用人體運動識別算法對人體動作進行識別。

2.根據權利要求1所述的一種基于骨骼關鍵點檢測的人體動作識別方法，其特征在于，對所述視頻段進行數據預處理具體過程為：當每個動作視頻段的幀數大于或小于某一固定值，采用均勻抽幀或者運動補償插幀的方式將視頻段幀數統一。

3.根據權利要求1所述的一種基于骨骼關鍵點檢測的人體動作識別方法，其特征在于，所述步驟2具體過程為：基于CenterNet網絡和堆疊Hourglass沙漏網絡的多特征融合算法對所述數據預處理后的視頻的每幀圖像進行關鍵點信息提取，將每幀圖像的關鍵點信息生成一組關鍵特征向量，形成該視頻段的多個關鍵特征向量。

4.根據權利要求3所述的一種基于骨骼關鍵點檢測的人體動作識別方法，其特征在于，所述將每幀圖像的關鍵點信息生成一組關鍵特征向量具體過程為：

每幀圖像有n個關鍵點，將上述n個關鍵點坐標組成一個n行2列的矩陣，然后使用公式(λE-A)x＝0，求解出上述矩陣的特征值，再帶入上述公式中求解該矩陣對應的特征向量，即為一組關鍵特征向量。

5.根據權利要求1所述的一種基于骨骼關鍵點檢測的人體動作識別方法，其特征在于，所述步驟3的具體步驟為：

步驟3.1、對每個視頻段的多個關鍵特征向量采用加權平均方法計算該視頻段的均值特征向量作為該動作的識別模型；

步驟3.2、將該動作的識別模型對應動作進行標簽標定，存儲到數據庫中，獲得每個視頻段對應的預先動作識別模型。

6.根據權利要求1所述的一種基于骨骼關鍵點檢測的人體動作識別方法，其特征在于，步驟5具體過程為：基于實時關鍵特征向量和每個視頻段對應的預先動作識別模型，使用加權K-近鄰算法分別計算實時關鍵特征向量和每個視頻段對應的預先動作識別模型相似度，最高相似度對應的標準動作即為該實時人體運動視頻對應的動作。

7.根據權利要求6所述的一種基于骨骼關鍵點檢測的人體動作識別方法，其特征在于，所述加權K-近鄰算法具體過程為：

計算實時關鍵特征向量與各個均值特征向量的距離，對距離進行排序，選取前K個值，對前K個值根據距離大小通過高斯函數添加不同權重，然后使用函數：計算各個類的權重和，選取類權重和最大的均值特征向量對應的標準動作作為最終的動作分類。