[發明專利]一種運動員單目視頻的運動特征獲取方法

在審

• 申請號: 202210443848.6
• 申請日: 2022-04-25
• 公開（公告）號: CN114821418A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 于澤;曹永卓;紀良駿;高麗娜
• 申請（專利權）人: 紀良駿
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V20/64;G06V40/20;G06N3/02
• 代理公司: 北京博海嘉知識產權代理事務所(普通合伙) 16007
• 代理人: 趙赟鑫

本發明公開了本一種運動員單目視頻的運動特征獲取方法，采用HRNet算法，使用自頂向下的人體骨骼關鍵點檢測方式,先利用目標檢測算法Faster R?CNN檢測出圖像中的所有人體位置框,隨后針對檢測出的每個人體位置框單獨執行人體骨骼關鍵點檢測，再利用改良的三維人體姿態估計網絡將二維骨骼結構推至三維。

技術領域

本發明涉及一種運動特征技術領域，尤其是一種運動員單目視頻的運動特征獲取方法。

背景技術

目前頂尖運動員運動特征獲取方法，大多數方法都是從高分辨率到低分辨率網絡產生的低分辨率表征中恢復高分辨率表征，從低分辨率恢復到高分辨率的過程中可能帶來的信息丟失。

因此，提出一種頂尖運動員的運動特征獲取方法。

發明內容

本發明的目的就是解決現有技術中的問題，提出一種運動員單目視頻的運動特征獲取方法，能夠使從輸入到輸出的整個過程一直使用保持高分辨率特征圖、且獲取運動員特征更精準清楚。

本發明解決其技術問題所采用的技術方案是：一種運動員單目視頻的運動特征獲取方法，包括以下步驟：步驟一：拍攝運動員的圖像視頻；步驟二：將拍攝的運動員圖像視頻幀發送骨干網絡模型；步驟三：基于HRNet得到而二維人體骨架結構；步驟四：通過LCN神經網絡模型將二維人體骨架結構抬升至三維空間中，得到三維人體姿態，并存入模板動作模塊。

作為優選：所述步驟三采用HRNet算法，使用自頂向下的人體骨骼關鍵點檢測方式,先利用目標檢測算法Faster R-CNN檢測出圖像中的所有人體位置框,隨后針對檢測出的每個人體位置框單獨執行人體骨骼關鍵點檢測。

作為優選：所述步驟四三維人體姿態采用局部連接網絡，將HRNet算法得到二維人體骨架結構然后通過LCN神經網絡模型將二維人體骨架結構抬升至三維空間中，得到三維人體姿態，獲得人體17個骨骼關鍵點的三維坐標，存入領感智體模板動作庫。

作為優選：所述還包括步驟五：模板動作模塊可視化輸出；

所述模板動作模塊可視化輸出流程包括：

(1)從建模軟件的網格模型中綁定骨骼，經過蒙皮、調整、驅動檢查等步驟得到FBX格式的骨骼蒙皮模型；

(2)將上述模型輸出在Unity平臺中進行位置調整；

(3)把獲取的人體17個骨骼關鍵點的三維坐標與Unity平臺中三維人體模型的相同17個骨骼關節位置進行對應綁定，形成模板動作三位人物模型動畫。

作為優選：所述通過LCN神經網絡模型將二維人體骨架結構抬升至三維空間中的操作方式為：

使用基于單目圖像的三維人體姿態估計方法(LCN)包括兩個模塊：(1)基于CNN的二維位姿估計；(2)基于LCN的三維位姿估計。使用三個損失來估計三維人體姿態：

L＝λ_hL_heatmap+λ_2DL_2D+λ_3DL_3D

其中L_heatmap、L_2D和λ_3D分別是在2D姿勢熱圖、2D關節位置和3D關節位置上強制執行的損失函數；

作為優選：所述L_heatmap的計算方法為：

用{H_1,…,H_N}表示CNN從圖像中估計的熱圖，其中N是身體關節類型的數量。對應的地面真實熱圖由{H_1^9,…,H_N^9}表示，其中每個H_i^9是通過應用以第i個關節的地面真實位置為中心的2D高斯來生成的。在以前的工作的基礎上，在估計的熱圖和地面真實的熱圖之間實施了 L2損失。