[发明专利]一种体态识别方法及系统

说明书

本发明实施例提出了一种体态识别方法及系统，所述体态识别方法包括：获取操作过程中的深度图像数据集，并进行预处理；对进行预处理后的深度图像数据集进行时序特征和空间特征的提取；根据特征融合结果，进行行为分类预测；输出预测结果；将所述预测结果与标准数据库中模板进行比对；根据比对结果生成评价报告，并输出。本发明通对深度图像的获取，以及时序特征和空间特征的融合，更好地获得识别准确率更高的判断结果。除此之外，在网络识别模型在网络训练过程中，采用了一种两阶段的识别过程，针对训练过程，通过二维人体姿态和三维骨骼点回归训练，解决了姿态多样性的问题，完善三维人体姿态识别结果。

技术领域

本发明涉及一种体态识别方法及系统，特别是涉及图像数据处理技术领域。

背景技术

近年来，随着计算机技术的快速发展，智能机器设备得到了较大的提升。三维人体动作作为日常生活中的信息传达方式，其动作识别在应用方面具备可远距离采集，跟踪性能好等特点。

针对教学过程中，在对学生的规范操作进行评判时，由于评价教师和学生数量的不对等，既消耗师资力量也容易在评判的过程中出现主观影响，从而出现评估结果真实性不够可观。除此之外由于现有技术中，对人物姿态识别的采用的设备技术，由于遮挡以及识别模型的识别准确度不够高的问题，往往会出现测评结果，真实性较低的问题。

发明内容

发明目的：提出一种体态识别方法及系统，以解决现有技术存在的上述问题。

技术方案：第一方面，提出了一种体态识别方法，该方法包括：

获取操作过程中的深度图像数据集，并进行预处理；

对进行预处理后的深度图像数据集进行时序特征和空间特征的提取；

根据特征融合结果，进行行为分类预测；

输出预测结果；

将所述预测结果与标准数据库中模板进行比对；

根据比对结果生成评价报告，并输出。

在第一方面的一些可实现方式中，通过一种深度相机模型，对操作过程中的深度图像进行采集；所述深度相机模型包括红外发射器和红外摄像机；所述红外发射器中的发射红外线和接收红外线形成深度场，用于确定采集数据的深度信息。

在第一方面的一些可实现方式中，所述红外发射器用于不断地发射连续且频率固定的正弦光波。

所述红外线摄像机用于捕捉反射回的信号。

当捕捉待反射回来的正弦波之后，对两种光波的相位差进行计算，从而获得深度信息；当光速为，发射与接收到的光波相位差为，光波的频率为时，物体的深度D的表达式为：

式中，D表示物体的深度；表示光速；表示发射与接收到的光波相位差；表示光波的频率。

在第一方面的一些可实现方式中，所述深度图像数据集中，每一个深度图中，将像素点由两个字节组成，字节其中的前三位用于表示用户的索引信息，剩余位数表示侦测对象的深度信息。

在第一方面的一些可实现方式中，所述预处理包括对遮挡部位的关节修复，通过记录手肘-手腕、手腕-手掌距离，当手腕、手掌部位被遮挡且未被追踪到时，应用前向运动学，判断手掌位置，并采用修复后的关节点进行后续追踪和信息提取。

在第一方面的一些可实现方式中，获取预处理后的深度图像数据集，将捕捉到的骨骼点坐标数据转换为矩阵后，归一化区间数值，并将其输入神经网络中进行特征提取，接着采用矩阵合并的方式将抽象的时序特征和空间特征融合，最后使用softmax函数得到分类结果，最后将处理结果输出。

在第一方面的一些可实现方式中，所述神经网络的模型为：

式中，表示数据的输出；表示数据的输入；M表示权重矩阵，I表示单位矩阵；表示第k个样本邻接矩阵和关联矩阵的拉普拉斯归一化。