[发明专利]用于动作识别的人体骨架压缩方法、装置以及设备

说明书

本发明公开了一种用于动作识别的人体骨架压缩方法，包括：获取待识别的人体骨架数据，其中所述人体骨架数据是由时间和关节构成的矩阵；计算所述人体骨架数据中每个关节的运动得分，并按照所述运动得分从高到低的顺序对所述人体骨架数据中的每个关节进行排序，按照顺序选择预设数目的关节作为保留关节；根据所述保留关节对所述人体骨架数据进行压缩，得到压缩数据；根据所述压缩数据对人体动作进行识别。通过上述方法，可以将骨架数据流压缩到较小的带宽，同时保持动作识别的精度尽可能高。

技术领域

本发明涉及行为识别技术领域，特别涉及一种用于动作识别的人体骨架压缩方法、装置以及设备。

背景技术

人体姿势，也称为骨架，可以用作一种动作识别的数据形式。与基于视频的动作分析相比，基于骨骼的动作分析效率更高且噪音更低。基于三维骨架序列的人体行为识别具有存储量少，对光照变化、背景变化等环境因素的干扰小的特点，并且骨架数据是对人体特征的高度抽象，因此骨架序列成为近年来研究行为识别的重点。

骨架数据本质上是一个矩阵，大小为时间×关节。并且随着深度相机的普及，人体骨架数据的获取也变得越来越方便。而且在智能汽车和安全系统中也安装了一些长距离深度相机，这导致人体骨架数据量迅速增加。另一方面，随着网络基础设施的普及和云计算的发展，骨架数据传输的需求也在增加。尤其是在物联网时代，传感器仅负责数据的收集和传输，而分析则由云完成。例如，在一个有10,000人的拥挤的大型活动中，5台摄像机可能会产生50,000个骨架序列样本。如果每个样本具有每秒25帧的25个连接点，则生成的数据量将高达3000Mbit/sec，在诸如此类的拥挤场景中，骨架数据可能会对网络传输带来很大压力。

发明内容

本公开实施例提供了一种用于动作识别的人体骨架压缩方法、装置以及设备。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

在一些可选地实施例中，一种用于动作识别的人体骨架压缩方法，包括：

获取待识别的人体骨架数据，其中人体骨架数据是由时间和关节构成的矩阵；

计算人体骨架数据中每个关节的运动得分，并按照运动得分从高到低的顺序对人体骨架数据中的每个关节进行排序，按照顺序选择预设数目的关节作为保留关节；

根据保留关节对人体骨架数据进行压缩，得到压缩数据；

根据压缩数据对人体动作进行识别。

可选地，获取待识别的人体骨架数据，包括：

将从预先构造的人体骨架行为识别数据集中读取到的每个样本的关节点位置，以及每个关节对应的时间和ID号作为人体骨架数据，其中，以人体骨架行为识别数据集中的每个待识别的人作为一个样本。

可选地，计算人体骨架数据中每个关节的运动得分，包括：

计算人体骨架数据的运动流，根据运动流计算每个关节的运动得分。

可选地，计算人体骨架数据的运动流，包括：

运动流包括人体骨架数据中的每个关节的骨架运动，计算人体骨架数据中的每个关节的骨架运动，根据每个关节的骨架运动，得到人体骨架数据的运动流。

其中，每个关节的骨架运动的计算公式为：

X＝{X₁,X₂,...,X_t,...,X_T}∈R^T×C×J