[发明专利]基于人工智能的运动预测系统有效
申请号: | 202010286652.1 | 申请日: | 2020-04-13 |
公开(公告)号: | CN111539981B | 公开(公告)日: | 2023-03-10 |
发明(设计)人: | 王田;李泽贤;刘洲阳;单光存;吴淮宁 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G06T7/207 | 分类号: | G06T7/207 |
代理公司: | 北京康思博达知识产权代理事务所(普通合伙) 11426 | 代理人: | 范国锋;刘冬梅 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 人工智能 运动 预测 系统 | ||
本发明公开了一种基于人工智能的运动预测系统,该系统通过骨架提取模块从视频中提取骨架信息,利用包含循环神经网络的骨架预测模块对骨架的运动状态进行预测,最后通过预测骨架图与原始图片结合得到预测的图片,能够快速准确地得到更为合理的运动预测结果。
技术领域
本发明涉及人体动作预测的技术领域,具体涉及一种基于人工智能的运动预测系统。
背景技术
人体运动具有复杂多变而且灵活的特点,对于人体动作的预测是目标比较热点的研究方向,通过预测人体可能出现的动作来制定及采取相应的防护措施,具有十分重要的应用价值。
在目前已有的动作预测方案中,常常出现语义信息缺失、缺乏指导性信息的问题,会导致生成图片不符合现实逻辑、图片模糊、图片缺乏连续性等问题。
由于上述原因,本发明人对现有的人体运动预测系统做了深入研究,以期待设计出一种能够解决上述问题的基于人工智能的运动预测系统。
发明内容
为了克服上述问题,本发明人进行了锐意研究,设计出一种基于人工智能的运动预测系统,该系统通过骨架提取模块从视频中提取骨架信息,利用包含循环神经网络的骨架预测模块对骨架的运动状态进行预测,最后通过预测骨架图与原始图片结合得到预测的图片,能够快速准确地得到更为合理的运动预测结果,具有极高的工程应用价值,从而完成本发明。
具体来说,本发明的目的在于提供一种基于人工智能的运动预测系统,该系统包括骨架提取模块1和骨架预测模块2;
所述骨架提取模块1用于调取/接收连续的原始图片,再分别从该连续的原始图片中提取每帧图片上人体的骨架点,得到骨架图;
所述骨架预测模块2用于接收骨架提取模块1获得的骨架图,并根据接收到的骨架图预测出后续时刻的预测骨架图。
其中,所述连续的原始图片是指:将待处理的视频中的每帧图片都按照时间顺序排布得到的图片集合,优选地,所述视频为包含人体动作的视频;和/或
所述骨架提取模块提取得到的骨架图的帧数与组成视频的原始图片帧数一致,即每帧原始图片都对应一帧骨架图。
其中,所述骨架提取模块通过Alphapose系统提取原始图片中人体的骨架点,得到骨架图。
其中,所述骨架预测模块2用于根据接收到的连续的N帧骨架图,预测出T时刻以后的连续的M帧预测骨架图;
其中,所述T表示拍摄该连续的N帧骨架图中最后一帧骨架图对应图片的时间点。
其中,N与M之间的数量关系可以为3:1~2:1;
优选地,所述N的取值为100~200;
所述M的取值为50~100。
其中,所述骨架预测模块2包括由门控循环单元构成的循环网网络神经架构,该模块通过样本训练以学习骨架运动规律并完成预测。
其中,基于人工智能的运动预测系统还包括图像生成模块3,
所述图像生成模块3用于根据原始图片和骨架预测模块2得到的预测骨架图生成预测图片;
优选地,所述生成的预测图片是连续的,与所述骨架预测模块2得到的预测骨架图一一对应。
其中,所述图像生成模块3包括粗糙轮廓生成子模块31和细节补偿子模块32;
所述粗糙轮廓生成子模块31用于针对每一帧预测骨架图生成相应的粗糙人体轮廓图;
所述细节补偿子模块32用于在粗糙人体轮廓图上填充细节得到与预测骨架图相对应的预测图片。
本发明还提供一种基于人工智能的运动预测方法,该方法中:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010286652.1/2.html,转载请声明来源钻瓜专利网。