[发明专利]一种人体运动速度估计方法

说明书

一种人体运动速度估计方法，包括步骤：获取视频图像中的人体结构框架；序列化N个关节点；计算各关节点速度大小和方向，利用连续帧间权重递增法估计下一帧关节点的运动速度；计算人体躯干重心位置，得到当前人体躯干重心的运动速度并作为人体整体运动速度，利用连续帧间权重递增法估计下一帧人体整体运动速度；将人体结构框架划分为6个部位，每个部位包含至少一个关节点；利用提出的关节点‑轴心节点速度法线距离权重法，计算每个部位中的各个关节点的速度，将同一部位中的所有关节点速度乘以权重系数后进行累加得到该部位的运动速度。本发明能够较为精确的估计人体的运动速度，广泛应用于各个行业领域的人体运动分析。

技术领域

本发明属于运动预测技术领域，具体地说是一种人体运动速度估计方 法。

背景技术

近年来，随着深度学习的膨胀式发展，目前基于卷积神经网络的图像 识别已进入激烈竞争阶段，将深度学习用于图像分析的案例越来越多，例 如植物、服饰、人脸等识别。另外随着智慧城市的提出，视频监控必将在 智慧建设中占据重要地位，智能监控将会更多的应用到服务行业、安全设 备中去。通过视频分析人体运动趋势，从而对人体行为做出预测也逐渐引 起众多研究人员的注意，这个课题对于公共安全、生产安全、家居老人安 全等都有重要意义。

发明内容

本发明要解决的技术问题是提供一种人体运动速度估计方法，更加精 确的估计人体运动速度，应用更加广泛。

为了解决上述技术问题，本发明采取以下技术方案：

一种人体运动速度估计方法，包括以下步骤：

S1,获取视频图像中的人体结构框架，人体结构框架上设定N个关节 点；

S2,序列化N个关节点，序列化的数据有[f,j,x,y,θ,v]，其中f表示视 频帧，j表示N个关节点的索引值，x表示关节点的横坐标，y表示关节点 的纵坐标，θ表示关节点相对图像X轴正方向的顺时针方向角度，v表示关 节点的速度大小，初始速度为0；

S3,计算关节点j(j∈0,N-1)的速度大小v_j和方向θ_j，利用连续帧间权 重递增法估计下一帧关节点的运动速度；

S4,计算人体躯干重心位置C(x，y)，得到当前的人体躯干重心C的 运动速度并作为人体整体运动速度，利用连续帧间权重递增法估计下一帧 人体整体运动速度即人体躯干重心C的运动速度；

S5,将人体结构框架划分为6个部位，每个部位包含至少一个关节点， 分别为首部、右上肢、左上肢、躯干、右下肢和左下肢，每个部位选择一 个关节点设定为轴心节点，同时每个部位中的所有节点都为速度节点；

S6,利用提出的关节点-轴心节点速度法线距离权重法，计算每个部 位中的各个关节点的速度，将同一部位中的所有关节点速度乘以权重系数 后进行累加得到该部位的运动速度。

所述关节点的数量N设为14，具体为{头，颈，左肩，右肩，左肘， 右肘，左腕，右腕，左臀，右臀，左膝，右膝，左脚踝，右脚踝}，14个 关节点的索引依次为{0，1，2，3，4，5，6，7，8，9，10，11，12，13}， 其中首部包含关节点{0}、右上肢包含关节点{2，4，6}、左上肢包含关节点{3，5，7}、躯干包含关节点{1，8，9}、右下肢包含关节点{8，10，12}、 左下肢包含关节点{9，11，13}。

所述步骤S3具体为：

设关节点j连续两帧的图像为f_j0(x₀,y₀)和f_j1(x₁,y₁)，则该两帧图像之间 坐标满足即f_j1(x₁,y₁)＝f_j0(x₀+Δx,y₀+Δy)，