[發明專利]運動計數方法、識別裝置、識別系統及存儲介質

在審

• 申請號: 202110104910.4
• 申請日: 2021-01-26
• 公開（公告）號: CN112818801A
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 蔣偉
• 申請（專利權）人: 每步科技（上海）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 上海恒銳佳知識產權代理事務所(普通合伙) 31286
• 代理人: 黃海霞

1.一種運動計數方法，應用于重復動作計數，其特征在于，包括

S1：建立殘差神經網絡模型，于所述殘差神經網絡模型中構建算法數據流圖；

S2：獲取包含重復動作的視頻數據，并對所述視頻數據進行預處理，得到目標數據；

S3：將所述目標數據傳輸至所述殘差神經網絡模型中，并依據所述算法數據流圖獲取邏輯值向量和每幀占比向量；

S4：根據所述每幀占比向量與所述邏輯值向量獲得動作計數值。

2.如權利要求1所述的運動計數方法，其特征在于，所述包含重復動作的視頻數據來源于動態視頻。

3.如權利要求1所述的運動計數方法，其特征在于，所述步驟S1中，通過步長序列為循環特征處理主干網絡和若干全連接層形成所述殘差神經網絡模型，所述主干網絡和所述若干全連接層由連接網絡融合連接而成。

4.如權利要求3所述的運動計數方法，其特征在于，還包括通過所述步驟S1建立不同殘差神經網絡模型，所述不同殘差神經網絡模型的主干網絡的層數不同。

5.如權利要求4所述的運動計數方法，其特征在于，還包括分別通過不同的殘差神經網絡模型根據單個視頻的計數精度計算得到若干平均計數精度，以所述若干平均計數精度中的最高平均計數精度所對應的殘差神經網絡模型得到的動作計數值作為計數結果。

6.如權利要求5所述的運動計數方法，其特征在于，根據所述動作計數值和標簽數據計算所述單個視頻的計數精度，所述標簽數據為人工統計重復動作實驗的重復個數。

7.如權利要求3所述的運動計數方法，其特征在于，所述主干網絡為ResNet50V2網絡，所述ResNet50V2網絡的層數至少為1。

8.如權利要求1所述的運動計數方法，其特征在于，所述步驟S2中，所述預處理包括通過截幀程序將所述視頻數據轉為圖像數據，然后對所述圖像數據進行去噪和尺度變換處理，得到所述目標數據。

9.如權利要求1所述的運動計數方法，其特征在于，所述步驟S3中，所述邏輯值向量和所述每幀占比向量的獲取方法為：

提取所述目標數據的比例特征，獲得每幀占動作比例預測值向量和邏輯開關預測值向量；

將所述邏輯開關預測值向量與預設邏輯閾值比較，獲得所述邏輯值向量，并將每幀占動作比例預測值向量與預設每幀占比閾值比較，獲得所述每幀占比向量。

10.一種識別裝置，其特征在于，包括存儲器和處理器，所述處理器與存儲器耦接，所述處理器基于存儲在所述存儲器中的程序執行權利要求1-9中任一項所述的運動計數方法。

11.一種識別系統，其特征在于，應用于實現如權利要求1-9中任一項所述的運動計數方法，所述識別系統包括：

視頻處理模塊，用于提取原始視頻中的包含重復動作的視頻數據，并對所述視頻數據進行預處理；

傳輸模塊，用于傳輸經所述預處理后形成的視頻數據；

模型構建模塊，用于接收經所述預處理后形成的視頻數據，構建殘差神經網絡模型并于所述殘差神經網絡模型中構建算法數據流圖，依據所述算法數據流圖獲取邏輯值向量和每幀占比向量，以及根據所述每幀占比向量與所述邏輯值向量獲得動作計數值。

12.一種存儲介質，其特征在于，所述存儲介質內存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1-9任一項所述的運動計數方法。