[发明专利]一种基于图像识别的人体动作预警方法及系统

说明书

本发明公开一种基于图像识别的人体动作预警方法及系统，所述方法包括：获取目标人物的多角度时序图像序列，对多角度时序图像序列进行预处理；根据预处理后的多角度时序图像序列对人体动作进行三维重建，提取人体三维骨架特征序列；基于人体三维骨架特征序列进行目标人物动作识别；构建编码‑解码结构的混合深度神经网络模型并进行预训练；基于人体三维骨架特征序列和编码‑解码结构的混合深度神经网络模型进行目标人物动作预测，得到下一时刻的人体三维骨架特征；将下一时刻人体三维骨架特征与标准运动的人体三维骨架特征进行比对，进行动作预警。本发明可快速推断出下一时刻的人体三维骨架特征数据，对出错动作进行提前预警。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于图像识别的人体动作预警方法及系统。

背景技术

随着科技水平的提高，越来越多的人通过观看视频的方式自主锻炼，这类自主锻炼的健身方式极大地促进了健身的普及。虽然这种方式有一定的实际意义，但是大多数情况都是靠自己学习，使得健身的动作并不规范，健身带来的效果低下，这常常导致人们不能长期坚持健身的原因。此外，错误的健身动作不仅无法起到锻炼身体的作用，反而会造成身体的其他部位的损伤，反而不利于健康。因此需要及时识别人体错误动作并规范健身动作。

现有的人体动作规范性评价大多是将已完成的动作与标准动作比较，仅可用于事后错误矫正，存在滞后性，无法用于人体规范性动作实时指导。

发明内容

有鉴于此，本发明提出了一种基于图像识别的人体动作预警方法及系统，用于解决现有的健身运动矫正存在的较大滞后性的问题。

本发明第一方面，公开一种基于图像识别的人体动作预警方法所述方法包括：

获取目标人物的多角度时序图像序列，对多角度时序图像序列进行预处理；

根据预处理后的多角度时序图像序列对人体动作进行三维重建，提取人体三维骨架特征序列；

基于人体三维骨架特征序列进行目标人物动作识别；

构建编码-解码结构的混合深度神经网络模型并进行预训练；

基于人体三维骨架特征序列和编码-解码结构的混合深度神经网络模型进行目标人物动作预测，得到下一时刻的人体三维骨架特征；

将下一时刻人体三维骨架特征与标准运动的人体三维骨架特征进行比对，进行动作预警。

优选的，所述预处理包括：统一多角度时序图像序列的尺寸，并转换成灰度图。

优选的，根据多角度时序图像序列对人体动作进行三维重建，提取人体三维骨架特征序列具体包括：

分别提取预处理后的多角度时序图像序列中各个时刻对应的多角度图像数据；

分别根据对应的多角度图像数据进行三维重建，得到各个时刻对应的人体三维模型；

从人体三维模型中提取出各个关键点，将各个关键点按照顺序连接，得到人体三维骨架特征向量；

将不同时刻的人体三维骨架特征向量按照时间顺序组成人体三维骨架特征序列。

优选的，所述基于人体三维骨架特征序列进行目标人物动作识别具体包括：

获取不同运动参考目标的各类健身运动的多角度视频数据；

按照同样的时间节点分别从同一参考目标的所述多角度视频数据中提取多角度时序图像序列样本，并进行预处理；

通过相似度分析剔除多角度时序图像序列样本中的无效样本；

根据多角度时序图像序列样本对同一参考目标的动作进行三维重建，提取同一参考目标的人体三维骨架特征序列；