[发明专利]人体动作行为的预测方法以及计算机设备

权利要求书

1.一种人体动作行为的预测方法，其特征在于，包括：

对人体动作周期图像信息进行分帧采样得到帧数减少后的图像序列；

根据各帧的排序依次针对所述图像序列的多个帧的图像进行如下操作:

针对每帧图像建立骨架模型，并确定所述骨架模型的多个特征角度的实际值；

根据预先训练学习得到的多个预定人体动作行为类别对应的多个特征角度的基准值，将所述骨架模型的多个特征角度的实际值与预定人体动作行为类别对应的多个特征角度的基准值进行比对，包括：

依次判断第n个特征角度的实际值是否位于预定人体动作行为类别对应的第n个特征角度的基准值的预设偏差范围内，n为1-7之间的整数；

对于每帧图像，统计位于特定人体动作行为的第1个至第7个特征角度的基准值的预设偏差范围内的各特征角度的数量；所述数量为所述比对结果；所述特定人体动作行为为预定人体动作行为类别中的任意一种；

根据比对结果确定每帧图像所属的人体动作行为类别，包括：

若数量大于或等于5个，则将对应帧的图像所属的人体动作行为类别初步确定为所述特定人体动作行为；

对于每帧图像，在未位于特定人体动作行为的各特征角度的基准值的预设偏差范围内的特征角度的数量为两个，且未位于特定人体动作行为的各特征角度的基准值的预设偏差范围内的两个特征角度分别仅来源于上肢部分，下肢部分以及中间部分中的任意一个时，则将对应帧的图像所属的人体动作行为类别最终确定为所述特定人体动作行为。

2.根据权利要求1所述的人体动作行为的预测方法，其特征在于，针对所述多个帧中每帧图像建立骨架模型，并确定所述骨架模型的多个特征角度的实际值，包括：

针对每帧图像，建立骨架模型，所述骨架模型包括上肢部分，下肢部分以及中间部分；所述上肢部分包括：左手、左肘、左肩、右手、右肘、以及右肩；所述下肢部分包括：左脚、左膝、右脚、以及右膝；所述中间部分包括胯部；

分别确定左手、左肘及左肩形成的第1个特征角度的实际值，左肘、左肩及胯部形成的第2个特征角度的实际值，右手、右肘及右肩形成的第3个特征角度的实际值，右肘、右肩及胯部形成的第4个特征角度的实际值，左脚、左膝及胯部形成的第5个特征角度的实际值，右脚、右膝及胯部形成的第6个特征角度的实际值，左膝、胯部及右膝形成的第7个特征角度的实际值；

其中，所述第1个至第4个特征角度来源于所述上肢部分，所述第5个至第6个特征角度来源于所述下肢部分，第7个特征角度来源于所述中间部分。

3.根据权利要求1或2所述的人体动作行为的预测方法，其特征在于，所述骨架模型为左手、左肘、左肩、右手、右肘、右肩、左脚、左膝、右脚、右膝以及胯部连接的树状结构模型。

4.根据权利要求1所述的人体动作行为的预测方法，所述第n个特征角度的基准值的预设偏差范围为第n个特征角度的基准值±5度的范围。

5.根据权利要求1所述的人体动作行为的预测方法，其特征在于，通过如下操作得到预先训练学习得到的预定人体动作行为类别对应的多个特征角度的基准值，具体包括：

输入动作行为训练学习数据集；

提取所述训练学习数据集的特征信息；

将所述特征信息输入支持向量机进行分类，得到各训练学习数据的动作行为类别；所述各训练学习数据的动作行为类别为预定人体动作行为类别；

根据每类预定动作行为类别对应的动作行为训练学习数据确定相应预定动作行为类别的多个特征角度的基准值。

6.根据权利要求1所述的人体动作行为的预测方法，对人体动作周期图像信息进行分帧采样得到帧数减少后的图像序列包括：

对人体动作周期图像信息，将首位五帧融合为一帧，每间隔十帧进行采样，将采样到的五帧进行融合，得到帧数减少后的图像序列。

7.一种计算机设备，其特征在于，包括处理器，所述处理器执行时实现根据权利要求1至6中任意一项所述的人体动作行为的预测方法。

8.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序在被处理器执行时实现根据权利要求1至6中任意一项所述的人体动作行为的预测方法。