[发明专利]一种基于深度学习姿态评估对连续动作的比对和分析方法、系统以及设备

说明书

本发明公开了一种基于深度学习姿态评估对连续动作的比对和分析方法、系统和设备，旨在保障对比分析的准确性；所述方法包括以下步骤：一种基于深度学习姿态评估对连续动作的比对和分析方法，包括以下步骤：步骤1：获取作为评估标准的视频A、待评估的视频B；步骤2：获取视频A、视频B中的每一帧中的关键点，并规划出含该关键点的预设图形；步骤3：获取视频A、视频B中从起始帧到结束帧的过程中，预设图形的移动轨迹形成第一区域、第二区域；步骤4：将第一区域和第二区域进行比对，得到匹配度；属于运动姿态评估技术领域。

技术领域

本发明属于运动姿态评估技术领域，更具体而言，涉及一种基于深度学习姿态评估对连续动作的比对和分析方法、系统以及设备。

背景技术

目前，人体姿态识别的应用范围十分广泛，可用于人机交互、影视制作、运动分析、游戏娱乐、智能监控等各种领域；目前人体姿态识别主要分为基于计算机视角的识别和基于运动捕获技术的识别。

基于计算机视觉的人体姿态识别，可以比较容易获取人体运动的轨迹、轮廓等信息，但没有办法具体实现表达人体的运动细节，以及容易存在因遮挡而识别错误等问题；基于运动捕获技术的人体姿态识别，则是通过定位人体的关节点、储存关节点运动数据信息来识别人体运动轨迹。

相较于计算机视角的人体姿态识别，基于运动捕获技术的人体姿态识别可以更好地反应人体姿态信息，也可以更好地处理和记录运动细节，不会因为物体颜色而影响运动轨迹的识别。

如发明专利公告号CN108256433B，其公开了一种运动姿态评估方法及系统，其是通过将运动姿态信息和姿态特征库进行对比获得第一对比结果、基于第一对比结果将关键点信息与关键点特征库进行对比获得第二对比结果，再通过第二对比结果输出针对所述关键点信息的反馈信息，从而实现运动姿态的评估。

通过上述方案进行运动姿态的评估，其无法对抽取后的帧再进行精细化测算，故而无法保障对比分析的准确性。

发明内容

本发明的主要目的在于提供一种基于深度学习姿态评估对连续动作的比对和分析方法，旨在保障对比分析的准确性；本发明还提供基于该方法的系统、设备。

根据本发明的第一方面，提供了一种基于深度学习姿态评估对连续动作的比对和分析方法，包括以下步骤：

步骤1：获取作为评估标准的视频A、待评估的视频B；

步骤2：获取视频A、视频B中的每一帧中的关键点，并规划出含该关键点的预设图形；

步骤3：获取视频A、视频B中从起始帧到结束帧的过程中，预设图形的移动轨迹形成第一区域、第二区域；

步骤4：将第一区域和第二区域进行比对，得到匹配度。

本发明一个特定的实施例中，所述关键点为一个或多个，所述第一区域、第二区域为一个或多个；

判断所述匹配度是否在预设阈值范围内，若是，则视频A、视频B中的该关键点匹配上，若否，则视频A、视频B中的该关键点没有匹配上。

本发明一个特定的实施例中，根据所需评估的动作选择与该动作关联的关键点作为步骤2中的选中的关键点。

本发明一个特定的实施例中，所述步骤4具体为：将第一区域和第二区域进行比对，根据第一区域和第二区域的重合的面积的比例，得到匹配度。

本发明一个特定的实施例中，用户从原始视频中选择一段视频作为视频B；

所述视频B的帧数为n帧，n≥1。

本发明一个特定的实施例中，所述关键点为人体关节点，所述预设图形为方形、扇形、圆形之一。

本发明还提供一种基于深度学习姿态评估对连续动作的比对和分析系统，包括如下模块：