[发明专利]一种基于图像压缩的人体动作分析方法

说明书

本发明公开了一种基于图像压缩的人体动作分析方法,主要包括跳绳视频采集、视频数据预处理、视频帧的压缩模型建立、坐标点的获取、坐标点开窗重识别、特征序列的构建、动作分析模型的构建，通过手机采集人体正面正摇双脚跳过程中的视频流数据，记录并保存目标对象的基本信息，包括姓名、性别、年龄、身高、体重、所做动作名称，解决了对位姿估计过程中的关键点预测不高的问题和运动训练过程中的长时间动作分析和运动潜力发现问题，为运动过程中的动作分析和训练策略得提出提供了参考依据。

技术领域

本发明涉及人体运动动作分析技术领域，特别是涉及一种基于图像压缩的人体动作分析方法。

背景技术

近年来随着计算机技术与机器学习的发展和应用，基于视频的时间序列人体动作分析技术迅速兴起并得到了广泛的关注。图像和视频相对于文字所展示的信息具有直观，生动形象的特点，使得人们更加容易获取信息。然而图像和视频本身具有巨大的数据量，使得其在网络传输过程中对网络带宽具有很高的要求，同时也大大增加了存储成本。当前基于视频的时间序列的人体动作分析仍是计算机视觉中一个极具挑战性的课题，涉及图像处理、模式识别、机器学习等多个学科，在智能监控、人机交互、康复运动、体育训练评估等领域有着广泛的应用前景。

图像压缩的目的是为了减少图像的冗余信息和不相关信息，以低比特率存储或传输图像。对于图像来说，低频分量比高频分量重要的多，低频分量代表着图像中亮度或者灰度值变化缓慢的区域，也就是图像中大片平坦的区域，描述了图像的主要部分。高频分量对应着图像变化剧烈的部分，也就是图像的边缘或者噪声以及细节部分。通常来说，图像压缩主要是对高频分量进行量化操作，这样可以大大减少图像的数据量，达到压缩的目的。

现有的基于视频的时间序列在人体行为识别算法上存在分析的视频帧存储开销过大、计算负担过重的问题，不能做到实时。此外，在人体动作的分析方面的研究工作较少，所以发明一种鲁棒性高，时间开销稳定的一种基于图像压缩的人体动作分析方法，对于人体动作快速分析存储建模和动作质量评估以及运动者的潜力挖掘具有重要的意义。

发明内容

针对上述情况，为克服现有技术之缺陷，本发明之目的在于提供一种基于图像压缩的人体动作分析方法，解决了运动训练分析过程中视频帧存储开销大，计算负担重的问题，减少了视频的存储容量，增加了视频处理的速度。

其解决的技术方案是，一种基于图像压缩的人体动作分析方法,其特征在于，主要包括跳绳视频采集、视频数据预处理、视频帧的压缩模型建立、坐标点的获取、坐标点开窗重识别、特征序列的构建、动作分析模型的构建，具体步骤1：通过手机采集人体正面正摇双脚跳过程中的视频流数据，记录并保存目标对象的基本信息，包括姓名、性别、年龄、身高、体重、所做动作名称以及跳绳视频流数据；

步骤2:对不同设备采集的视频流数据进行高和宽的统一设定，将视频高设定为530cm,宽设定为460cm，构建深度学习的端到端的图像压缩框架，用以对视频的每一帧进行压缩，其步骤为：

步骤A1:获取手机或摄像机拍摄的视频数据,转换成统一的尺度；

步骤A2:在编码器端构建第一块卷积神经网络，来获得原始图像帧的特征表示信息，然后构建第二块卷积神经网络，对解码后的图像帧的特征表示信息进行复原，最终得到复原图像；

步骤3：对视频数据进行预处理，并对视频中每一帧的人体进行姿态估计，得到关键点坐标，其步骤如下：

步骤B1:获取压缩后的图像帧；

步骤B2：利用Open-pose方法对获得视频中每帧人体的鼻子、脖子、右肩、右手肘、右手腕、左肩、左手肘、左手腕、右臀部、右膝盖、右脚踝、左臀部、左膝盖、左脚踝这14个关节点的坐标位置，坐标表示为C_i＝(cx_i,cy_i)，其中i从1到14；