[发明专利]运动计数方法、识别装置、识别系统及存储介质

权利要求书

1.一种运动计数方法，应用于重复动作计数，其特征在于，包括

S1：建立残差神经网络模型，于所述残差神经网络模型中构建算法数据流图；

S2：获取包含重复动作的视频数据，并对所述视频数据进行预处理，得到目标数据；

S3：将所述目标数据传输至所述残差神经网络模型中，并依据所述算法数据流图获取逻辑值向量和每帧占比向量；

S4：根据所述每帧占比向量与所述逻辑值向量获得动作计数值。

2.如权利要求1所述的运动计数方法，其特征在于，所述包含重复动作的视频数据来源于动态视频。

3.如权利要求1所述的运动计数方法，其特征在于，所述步骤S1中，通过步长序列为循环特征处理主干网络和若干全连接层形成所述残差神经网络模型，所述主干网络和所述若干全连接层由连接网络融合连接而成。

4.如权利要求3所述的运动计数方法，其特征在于，还包括通过所述步骤S1建立不同残差神经网络模型，所述不同残差神经网络模型的主干网络的层数不同。

5.如权利要求4所述的运动计数方法，其特征在于，还包括分别通过不同的残差神经网络模型根据单个视频的计数精度计算得到若干平均计数精度，以所述若干平均计数精度中的最高平均计数精度所对应的残差神经网络模型得到的动作计数值作为计数结果。

6.如权利要求5所述的运动计数方法，其特征在于，根据所述动作计数值和标签数据计算所述单个视频的计数精度，所述标签数据为人工统计重复动作实验的重复个数。

7.如权利要求3所述的运动计数方法，其特征在于，所述主干网络为ResNet50V2网络，所述ResNet50V2网络的层数至少为1。

8.如权利要求1所述的运动计数方法，其特征在于，所述步骤S2中，所述预处理包括通过截帧程序将所述视频数据转为图像数据，然后对所述图像数据进行去噪和尺度变换处理，得到所述目标数据。

9.如权利要求1所述的运动计数方法，其特征在于，所述步骤S3中，所述逻辑值向量和所述每帧占比向量的获取方法为：

提取所述目标数据的比例特征，获得每帧占动作比例预测值向量和逻辑开关预测值向量；

将所述逻辑开关预测值向量与预设逻辑阈值比较，获得所述逻辑值向量，并将每帧占动作比例预测值向量与预设每帧占比阈值比较，获得所述每帧占比向量。

10.一种识别装置，其特征在于，包括存储器和处理器，所述处理器与存储器耦接，所述处理器基于存储在所述存储器中的程序执行权利要求1-9中任一项所述的运动计数方法。

11.一种识别系统，其特征在于，应用于实现如权利要求1-9中任一项所述的运动计数方法，所述识别系统包括：

视频处理模块，用于提取原始视频中的包含重复动作的视频数据，并对所述视频数据进行预处理；

传输模块，用于传输经所述预处理后形成的视频数据；

模型构建模块，用于接收经所述预处理后形成的视频数据，构建残差神经网络模型并于所述残差神经网络模型中构建算法数据流图，依据所述算法数据流图获取逻辑值向量和每帧占比向量，以及根据所述每帧占比向量与所述逻辑值向量获得动作计数值。

12.一种存储介质，其特征在于，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-9任一项所述的运动计数方法。