[發明專利]人體動作識別計數方法

在審

• 申請號: 202111671031.6
• 申請日: 2021-12-31
• 公開（公告）號: CN114360060A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 李世偉;周世鎰;胡征慧;劉慶杰;王蘊紅
• 申請（專利權）人: 北京航空航天大學杭州創新研究院
• 主分類號: G06V40/20
• 分類號: G06V40/20
• 代理公司: 北京遠大卓悅知識產權代理有限公司 11369
• 代理人: 薛菲

1.一種人體動作識別計數方法，其特征在于，包括以下步驟：

步驟一，采集不同場景下的各種人體動作的圖像，將所述人體動作分解為冠狀面和矢狀面兩個平面內的動作圖像，在對所述動作圖像進行分幀和預處理后，采用深度學習獲得人體關鍵骨骼點檢測網絡模型，所述人體關鍵骨骼點檢測網絡模型輸出人體關鍵骨骼點的置信度與坐標；

步驟二，引導用戶在指定平面內完成靜止準備動作，將所述靜止準備動作圖像輸入所述人體關鍵骨骼點檢測網絡模型，再將得到的所述人體關鍵骨骼點檢測結果輸入預先配置的動作狀態特征機，所述動作狀態特征機按照所述人體關鍵骨骼點的置信度約束條件和特征點約束條件，確定用戶是否完成所述靜止準備動作，從而完成準備階段，激活計數功能；

步驟三，引導用戶在指定平面內完成后續動作，將所述平面內后續動作分解為若干時序子狀態，進入計數階段；將所述子狀態動作圖像輸入所述人體關鍵骨骼點檢測網絡模型，再將得到的所述人體關鍵骨骼點檢測結果輸入所述動作狀態特征機，所述動作狀態特征機按照所述人體關鍵骨骼點的時序約束條件和臨界特征點約束條件，判斷每個所述子狀態內所述人體關鍵骨骼點在平面內至少經歷上抬、下降、屈曲、伸展中的任意一項，確定所有所述人體關鍵骨骼點完整地按順序經歷所述所有子狀態，動作計數值加1。

2.如權利要求1所述的人體動作識別方法，其特征在于，所述的人體關鍵骨骼點檢測網絡模型由深度學習獲得，其訓練數據為不同場景下的包含有各類人體姿態的圖像，其輸出為人體11個關鍵骨骼點的置信度與坐標；所述人體11個關鍵骨骼點依次為：鼻子、左肩、右肩、左手腕、右手腕、左臀骨、右臀骨、左膝蓋、右膝蓋、左腳踝、右腳踝。

3.如權利要求2所述的人體動作識別方法，其特征在于，所述人體冠狀面內的準備動作為：人體站立，雙手呈V字形擺放于身體上放，雙腳自然張開站立，并保持人體大致位于圖像中央；

所述人體冠狀面內的準備動作的動作狀態特征機的完整約束條件如下：

T{P_t∩C_t}＝T{P_t}×T{C_t}＝1

式中，P_t表示關鍵骨骼點的置信度約束條件，C_t表示關鍵骨骼點的特征約束條件，P_t∩C_t表示聯合約束條件，t表示輸入的圖像幀序號，P_i，t表示第t幀圖像上的第i個骨骼點的置信度，P_i，t∈[0，1]，x_i，t和y_i，t分別表示第t幀圖像上的第i個骨骼點的橫、縱坐標，l_w和l_h分別表示圖像的Y軸和Z軸方向上的像素總數；

T{*}為自定義算子，當條件成立時，T{*}＝1，反之，T{*}＝0；T{*}滿足交換律和結合律；計算如下式：

式中，v_t，i，j和v_t，i，k表示向量，·表示向量乘法，||*||表示向量求模；向量v_t，i，j計算如下式：

v_t，i，j＝(x_i，t-x_j，t，y_i，t-Y_j，t)

向量v_t，i，k計算同理；w₀～w₃，h₀～h₄，a₀～a₃為經驗常數值；

后續調用的人體尺寸特征值分別為：

m₃＝m₁-m₂

式中，m₀表示肩寬，m₁表示肩高(肩膀到腳踝的高度)，m₂表示上身長(肩膀到臀部的高度)，m₃表示下身長(臀部到腳踝的高度)。