[发明专利]鲁棒性肢体动作人工智能识别方法及装置

说明书

本申请公开了鲁棒性肢体动作人工智能识别方法及装置，该方法首先确定智能设备的功能状态演变链，然后对用户的肢体动作视频进行肢体动作特征初步识别，得到初步识别类型，再依据智能设备当前有效的功能状态、初步识别类型和功能状态演变链，预测智能设备的功能状态演变，之后依据预测出的功能状态演变情况确定出相应的肢体动作特征提取识别的精确度要求，然后依据该精确度要求对肢体动作视频进行肢体动作精确识别，得到精确识别类型，最后依据精确识别类型得到可执行于智能设备的交互指令。该方法实现将肢体动作识别时的关节点提取数量适配于精确度要求，实现运算量的按需使用，节约识别所需的运算量，保持识别的高实时性。

技术领域

本申请涉及图像识别技术领域，特别涉及鲁棒性肢体动作人工智能识别方法及装置。

背景技术

利用人体肢体动作实现对智能设备的交互控制，在人工智能领域具有重要的应用前景。例如，在智慧家庭，智慧办公室，智慧工厂、智能机器人等环境或者应用中，可以直接通过肢体动作进行与家用电器、空调供暖、游戏设备、办公设备、机器仪表、机器人等智能设备的交互，以此取代遥控器或者操作面板对这些智能设备的控制。

为了实现以上目标，需要进行肢体动作的识别，将人体的肢体动作识别转化为交互指令，进而控制智能设备的工作。并且，为了实现对智能设备的控制，需要准确输入下一阶段的交互指令。但是，不同人体的肢体动作的幅度，频率，方向变化等，差异比较大，容易发生识别失败，例如识别不出来与肢体动作相对应的交互指令，还有可能发生错误识别或者识别分歧，例如从一个肢体动作识别出了多个交互指令。因此，如何能够基于肢体动作识别来提供足够准确的交互指令是目前亟需解决的一个问题。

同时，随之产生的另一个问题是，若是采用增加视频中提取的关节点及其变化量的信息的方式来提高肢体动作识别的准确性，则随着关节点及其变化量信息的增多，用于提取肢体动作的视频帧速率也增加，相应的数据量和运算负荷也越大，导致肢体识别变慢，因此又无法适应高实时性的交互控制需求。

发明内容

基于此，为了在保证识别准确性的前提下降低肢体动作识别的运算负荷，提高运算速度，保证用户与智能设备交互的高实时性，本申请公开了以下技术方案。

一方面，提供了一种鲁棒性肢体动作人工智能识别方法，包括：

依据智能设备的各预设功能状态之间的演变关系，确定智能设备的功能状态演变链；

采集用户的肢体动作视频，对所述肢体动作视频进行肢体动作特征初步识别，得到初步识别类型；

依据智能设备当前有效的功能状态、所述初步识别类型和所述功能状态演变链，预测智能设备的功能状态演变；

依据预测出的功能状态演变情况确定出相应的肢体动作特征提取识别的精确度要求；

依据该精确度要求对所述肢体动作视频进行肢体动作精确识别，得到精确识别类型；

依据所述精确识别类型得到可执行于智能设备的交互指令。

在一种可能的实施方式中，所述功能状态演变链包含前进演变、后退演变和单向环状演变；其中，所述前进演变为靠近末端功能状态的演变，所述后退演变为靠近起始端功能状态的演变，所述单向环状演变为至少三个功能状态之间的演变方向呈首尾相接的环状且该环状中只存在一种演变方向。

在一种可能的实施方式中，所述对所述肢体动作视频进行肢体动作特征初步识别包括：

从所述肢体动作视频的每帧图像中对M个主要关节点进行提取，获取各所述主要关节点的坐标；

计算相邻帧图像中各所述主要关节点的位置变化，得到各所述主要关节点的位置变化向量；

依据各所述主要关节点的位置变化向量判断肢体动作，得到肢体动作的初步识别类型。