[發明專利]一種體態識別方法及系統

在審

• 申請號: 202110373740.X
• 申請日: 2021-04-07
• 公開（公告）號: CN112801061A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 趙敏
• 申請（專利權）人: 南京百倫斯智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南京泰普專利代理事務所(普通合伙) 32360
• 代理人: 房小穎

本發明實施例提出了一種體態識別方法及系統，所述體態識別方法包括：獲取操作過程中的深度圖像數據集，并進行預處理；對進行預處理后的深度圖像數據集進行時序特征和空間特征的提取；根據特征融合結果，進行行為分類預測；輸出預測結果；將所述預測結果與標準數據庫中模板進行比對；根據比對結果生成評價報告，并輸出。本發明通對深度圖像的獲取，以及時序特征和空間特征的融合，更好地獲得識別準確率更高的判斷結果。除此之外，在網絡識別模型在網絡訓練過程中，采用了一種兩階段的識別過程，針對訓練過程，通過二維人體姿態和三維骨骼點回歸訓練，解決了姿態多樣性的問題，完善三維人體姿態識別結果。

技術領域

本發明涉及一種體態識別方法及系統，特別是涉及圖像數據處理技術領域。

背景技術

近年來，隨著計算機技術的快速發展，智能機器設備得到了較大的提升。三維人體動作作為日常生活中的信息傳達方式，其動作識別在應用方面具備可遠距離采集，跟蹤性能好等特點。

針對教學過程中，在對學生的規范操作進行評判時，由于評價教師和學生數量的不對等，既消耗師資力量也容易在評判的過程中出現主觀影響，從而出現評估結果真實性不夠可觀。除此之外由于現有技術中，對人物姿態識別的采用的設備技術，由于遮擋以及識別模型的識別準確度不夠高的問題，往往會出現測評結果，真實性較低的問題。

發明內容

發明目的：提出一種體態識別方法及系統，以解決現有技術存在的上述問題。

技術方案：第一方面，提出了一種體態識別方法，該方法包括：

獲取操作過程中的深度圖像數據集，并進行預處理；

對進行預處理后的深度圖像數據集進行時序特征和空間特征的提取；

根據特征融合結果，進行行為分類預測；

輸出預測結果；

將所述預測結果與標準數據庫中模板進行比對；

根據比對結果生成評價報告，并輸出。

在第一方面的一些可實現方式中，通過一種深度相機模型，對操作過程中的深度圖像進行采集；所述深度相機模型包括紅外發射器和紅外攝像機；所述紅外發射器中的發射紅外線和接收紅外線形成深度場，用于確定采集數據的深度信息。

在第一方面的一些可實現方式中，所述紅外發射器用于不斷地發射連續且頻率固定的正弦光波。

所述紅外線攝像機用于捕捉反射回的信號。

當捕捉待反射回來的正弦波之后，對兩種光波的相位差進行計算，從而獲得深度信息；當光速為，發射與接收到的光波相位差為，光波的頻率為時，物體的深度D的表達式為：

式中，D表示物體的深度；表示光速；表示發射與接收到的光波相位差；表示光波的頻率。

在第一方面的一些可實現方式中，所述深度圖像數據集中，每一個深度圖中，將像素點由兩個字節組成，字節其中的前三位用于表示用戶的索引信息，剩余位數表示偵測對象的深度信息。

在第一方面的一些可實現方式中，所述預處理包括對遮擋部位的關節修復，通過記錄手肘-手腕、手腕-手掌距離，當手腕、手掌部位被遮擋且未被追蹤到時，應用前向運動學，判斷手掌位置，并采用修復后的關節點進行后續追蹤和信息提取。

在第一方面的一些可實現方式中，獲取預處理后的深度圖像數據集，將捕捉到的骨骼點坐標數據轉換為矩陣后，歸一化區間數值，并將其輸入神經網絡中進行特征提取，接著采用矩陣合并的方式將抽象的時序特征和空間特征融合，最后使用softmax函數得到分類結果，最后將處理結果輸出。

在第一方面的一些可實現方式中，所述神經網絡的模型為：

式中，表示數據的輸出；表示數據的輸入；M表示權重矩陣，I表示單位矩陣；表示第k個樣本鄰接矩陣和關聯矩陣的拉普拉斯歸一化。