[发明专利]人体动作识别方法、装置及系统

说明书

本发明涉及一种人体动作识别方法、装置及系统，属于动作识别技术领域，通过多摄像头进行人体运动视频采集，将人体运动视频输入预设神经网络模型，获取人体关键点运动轨迹；基于FMS打分器，对人体关键点运动轨迹进行评价，获取评价结果；根据评价结果，识别人体运动视频中的错误动作。保证提取的关键点足够鲁棒，解决自身关键点遮挡问题，精准获取人体姿态，识别人体动作。

技术领域

本发明属于动作识别技术领域，具体涉及一种人体动作识别方法、装置及系统。

背景技术

错误的运动方式可能会给人体带来损伤。为了纠正或避免错误的人体动动，现在技术中，通常采用人体运行智能分析来对错误的人体运动进行分析。在整个分析流程中，基于RGB图像的人体关键点检测算法是关键。但是，人体姿态变化多样，对检测算法造成了巨大的困难；同时人体在运动中难免存在若干自遮挡的情况，使得人体关键点的检测精度较低。

为了解决遮挡和姿态变化的技术问题，现在技术中，利用Kinect来获取人体关键点的空间位置信息，然后根据通过判断其是否满足预先设定的动作判定标准来判断动作类型，但是，该方法中通过单个Kinect摄像头进行数据采集，在遮挡情形下依赖算法无法达到很高的精度，且判断的动作类别较少，无法对复杂动作做出判别。

因此，如何解决自身关键点遮挡问题，精准获取人体姿态，识别人体动作，成为现有技术中亟待解决的技术问题。

发明内容

本发明提供了一种人体动作识别方法、装置及系统，以解决自身关键点遮挡问题，精准获取人体姿态，识别人体动作。

本发明提供的技术方案如下：

一方面，一种人体动作识别方法，包括：

获取多角度的人体运动视频；

将所述人体运动视频输入预设神经网络模型，获取人体关键点运动轨迹；

基于FMS打分器，对所述人体关键点运动轨迹进行评价，获取评价结果；

根据所述评价结果，识别人体运动视频中的错误动作。

可选的，所述将所述人体运动视频输入预设神经网络模型，获取人体关键点运动轨迹，包括：

将所述人体运动视频输入预设神经网络模型，提取人体关键点；

根据聚合算法，对所述人体关键点进行聚合，获取目标人员人体关键点运动轨迹。

可选的，所述将所述人体运动视频输入预设神经网络模型，获取人体关键点运动轨迹，包括：

将所述人体运动视频的每一帧输入所述预设神经网络模型，提取人体关键点；

根据每一帧对应的人体关键点，获取人体关键点的运动轨迹。

可选的，所述将所述人体运动视频输入预设神经网络模型，获取人体关键点运动轨迹，之前，还包括：

基于对齐算法，将所述人体运动视频与预设标准视频对齐。

可选的，所述基于对齐算法，将所述人体运动视频与预设标准视频对齐，包括：

将所述人体运动视频中与预设标准视频第一帧相似度最高的一帧作为人体运动视频的第一帧；

将所述人体运动视频的第一帧与所述预设标准视频的第一帧对齐。

可选的，所述将所述人体运动视频输入预设神经网络模型，获取人体关键点运动轨迹，包括：

获取人体关键点，对人体关键点进行筛选，并计算每个关键点的置信度；

将置信度高于预设阈值的关键点作为目标关键点；