[发明专利]一种人体运动姿态识别评价方法及其系统

说明书

本发明公开了一种人体运动姿态识别评价方法，包括以下步骤：S01：采集视频图像测试数据集，将视频图像测试数据集中的数据进行数据处理；S02：将数据处理后的测试数据输入训练后的LSTM神经网络模型中进行人体运动姿态的识别，输出识别结果；S03：将输出的识别结果与标准运动数据进行对比，根据对比的结果对所识别出的人体运动姿势的标准程度进行评价；还公开了一种人体运动姿态识别评价系统，包括：图像采集模块、数据处理模块、LSTM神经网络模型、模型训练模块、数据中心和姿态评价模块。本发明不仅能捕获长期的时间信息，还能通过时域注意力和空域注意力机制捕获人体动作的复杂时空线索，极大地提高了对人体运动姿态识别的准确率。

技术领域

本发明涉及姿态识别技术领域，更具体的说是涉及一种人体运动姿态识别评价方法及其系统。

背景技术

目前，随着人机交互技术飞速发展，人体姿态识别技术越来越受到重视。姿态识别作为人体行为识别的重要组成部分，近年来逐渐成为计算机视觉领域的一个重要的研究热点。

现有的姿态识别方法主要包括2种，其一是基于基于运动传感器的人体姿态识别，其二是基于图像分析的人体姿态识别；基于传感器的识别技术主要通过让研究人员携带传感器来进行采集相关运动数据，常用地传感器主要包括加速度计、磁阻传感器、陀螺仪等，利用传感器获取研究人员的运动信息后，结合及其学习的相关方法，对人的姿态做出识别，这种方法对姿态的识别结果主要受到特征提取方式即传感器使用和分类器选择的影响，对于姿态识别来说不够准确；基于图像的分析方法，通过提取研究人员的图像来作为研究分析的特征，目前基于图像的方法多采用堆图像高宽比、形状复杂性变化、离心率等分析图像的轮廓特征结合K-means或SVM来判别人的姿态类别，然而上述传统的方法往往难以在大量复杂相似的样本上取得好的分类效果。

另外，现有技术中，无论是在体育测试或是运动锻炼时，对被测试者所完成的动作是否标准基本采用的是人工判断的方法，无法做出客观准确的评价。

因此，提出一种速度快、精度高的人体运动姿态识别方法以及对运动姿态是否标准进行准确评价的方法是本领域技术人员所亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种人体运动姿态识别评价方法及其系统，能够有效解决现有技术中的人体运动姿态识别技术不够精确且速度较慢的问题，且进一步提供了对所识别到的运动姿态进行评价，另外还有效解决了现有技术中无法对人体运动姿态进行客观评价的人体。

为了实现上述目的，本发明采用如下技术方案：

一种人体运动姿态识别评价方法，包括以下步骤：

S01：采集视频图像测试数据集，将视频图像测试数据集中的数据进行数据处理；

S02：将数据处理后的测试数据输入训练后的LSTM神经网络模型中进行人体运动姿态的识别，输出识别结果；

S03：将输出的识别结果与标准运动数据进行对比，根据对比的结果对所识别出的人体运动姿势的标准程度进行评价；

其中，所述LSTM神经网络模型的训练过程包括以下步骤：

S11：获取视频图像样本数据集；

S12：将所述视频图像样本数据集中的样本数据输入LSTM神经网络模型中，在神经网络模型的目标函数中引入对关节点和神经元相连的权重的约束，根据权重的大小分别针对不同帧和不同关节点的数据进行分类，完成基于内容类型对不同帧和不同关节点重要性进行分配的学习；

S13：将得到的分类结果进行反向传播实现权重的更新，并循环执行S12中的内容。

优选的，S01中的数据处理内容包括：对所采集到的视频图像样本数据集进行时域分割和内容类型判断；并将分割后的视频序列进行预处理，得到RGB图像和视频帧的光流。