[发明专利]一种智能判断人体姿态的方法及看护设备

说明书

本发明实施例涉及看护设备技术领域，公开了一种智能判断人体姿态的方法及看护设备，该方法包括：根据摄像设备实景角度采集的视频帧，获取所述视频帧中的人体数据信息；其中，所述人体数据信息至少包括人体关键点数据信息、人体坐标数据信息以及人体关键点包围框数据信息；根据所述人体关键点数据信息、所述人体坐标数据信息以及所述人体关键点包围框数据信息，从机器学习训练模型中计算出所述视频帧中对应的人体姿态概率；将所述人体姿态概率中的最大概率姿态判断为所述视频帧中的人体姿态。实施本发明实施例，能够有效的提高看护设备的识别判断准确率的同时排除大部分背景场景中的误判。

技术领域

本发明涉及看护设备技术领域，尤其涉及一种智能判断人体姿态的方法及看护设备。

背景技术

目前，市面上常见的看护设备大多采用机器学习的技术进行人体姿态的判断以实现智能看护。但在实践中发现，由于现有的看护设备中所采用的机器学习姿态训练库大多是采用水平角度下所拍摄的图像，进而当看护设备获取到非水平角度下所拍摄的图像时，则无法与一般的机器学习姿态训练库的训练数据相符，从而难以保证看护设备的判断准确率；且现有的看护设备大多都会将场景内很多非人体物体都会判断成人体，尤其是一些有人形的比如挂历、假人模特等，进而造成误判，从而难以保证看护设备的判断准确率。

发明内容

本发明实施例公开一种智能判断人体姿态的方法及看护设备，能够有效的提高看护设备的识别判断准确率的同时排除大部分背景场景中的误判。

本发明实施例第一方面公开一种智能判断人体姿态的方法，所述方法包括：

根据摄像设备实景角度采集的视频帧，获取所述视频帧中的人体数据信息；其中，所述人体数据信息至少包括人体关键点数据信息、人体坐标数据信息以及人体关键点包围框数据信息；

根据所述人体关键点数据信息、所述人体坐标数据信息以及所述人体关键点包围框数据信息，从机器学习训练模型中计算出所述视频帧中对应的人体姿态概率；

将所述人体姿态概率中的最大概率姿态判断为所述视频帧中的人体姿态。

作为另一种可选的实施方式，在本发明实施例第一方面中，所述根据所述人体关键点数据信息、所述人体坐标数据信息以及所述人体关键点包围框数据信息，从机器学习训练模型中计算出所述视频帧中对应的人体姿态概率，包括：

从所述人体关键点数据信息、所述人体坐标数据信息以及所述人体关键点包围框数据信息中获取N个关键点信息，以获得N维数据信息；其中，所述N个关键点信息至少包括N个关键点坐标位置；

计算每一所述N个关键点坐标位置之间的距离，以获得N(N-1)/2维数据信息；

计算所述N个关键点坐标位置集合的中心点坐标，以获得二维数据信息；

根据所述N维数据信息、所述N(N-1)/2维数据信息以及所述二维数据信息，计算出K维判断数据信息；其中，所述K维判断数据信息为所述N维数据信息、所述N(N-1)/2维数据信息以及所述二维数据信息相加所得；

将所述K维判断数据信息与所述机器学习训练模型进行点积运算，以获得所述视频帧中对应的所述人体姿态概率。

作为另一种可选的实施方式，在本发明实施例第一方面中，在所述根据摄像设备实景角度采集的视频帧，获取所述视频帧中的人体数据信息之前，所述方法还包括：

根据背景维护算法，获取所述视频帧中的背景信息；

将所述视频帧中的除所述背景信息以外的物体作为被拍摄人体，以执行所述根据摄像设备实景角度采集的视频帧，获取所述视频帧中的人体数据信息的步骤。