[发明专利]人体姿态标准运动行为匹配方法及系统

说明书

本发明提出了人体姿态标准运动行为匹配方法及系统，包括：对待匹配视频行为数据进行预处理，得到帧序列；提取帧序列中每一帧图像中的人体关节点；将帧序列与标准行为数据在时序上进行异步对齐，获得调整后的待匹配视频数据帧率或标准行为数据帧率；基于提取的人体关节点以及调整后的待匹配视频数据帧率求得待匹配视频行为数据中人体的重心位置坐标；基于调整后标准行为数据帧率求得标准行为数据重心位置坐标；将待匹配视频行为中人体的重心位置坐标根据标准行为数据重心位置坐标进行规范化之后再进行匹配。本发明利用视频补帧算法将输入的视频数据与标准数据进行对齐，实现了视频数据的异步匹配，排除人的体型因素对行为匹配的干扰。

技术领域

本发明属于计算机视觉技术领域，尤其涉及人体姿态标准运动行为匹配方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

深度学习方法在姿态估计领域取得了很好的结果，这使得人体姿态的匹配与评价技术也在很多实际场景中得到了很好的应用，包括空巢老人、学生日常行为习惯规范等问题的解决；监督孩子的坐姿、笔姿、走姿等行为习惯，及时纠正不良行为习惯，具体如基于标准坐姿对孩子的坐姿评分，并给出矫正建议，可以督促孩子养成良好的坐姿习惯，预防近视，有助于塑立良好的身姿；这一技术的实现，还可用于体育锻炼，对运动员训练时的姿态动作进行评分，提升训练效果和效率。

但是，现有人体动态姿态的匹配方法还不成熟，由于视频行为数据标准动作模板的单一性，在匹配过程中存在帧率以及人体体型等的差异无法消除，进而导致行为匹配准确率较低。

发明内容

为克服上述现有技术的不足，本发明提供了人体姿态标准运动行为匹配方法，利用视频补帧算法来消弭帧率差异，利用模板重心规范化来消除人体体型差异。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

第一方面，公开了人体姿态标准运动行为匹配方法，包括：

对待匹配视频行为数据进行预处理，得到帧序列；

提取帧序列中每一帧图像中的人体关节点；

利用视频补帧算法将帧序列与标准行为数据在时序上进行异步对齐，获得调整后的待匹配视频数据帧率或标准行为数据帧率；

提取调整后的待匹配视频中每帧的人体关节点，基于提取的人体关节点求得待匹配视频行为数据中人体的重心位置坐标；

基于调整后标准行为数据帧率求得标准行为数据重心位置坐标；

将待匹配视频行为中人体的重心位置坐标根据标准行为数据重心位置坐标进行规范化之后再进行匹配。

进一步的技术方案，还包括：待匹配视频行为相似度计算步骤，根据匹配的图像对中人体姿态关节点信息获得待匹配视频行为与标准行为数据的相似度。

进一步的技术方案，提取帧序列中每一帧图像中的人体关节点之后，将人体关节点组合，获得待匹配视频中人体的所有关节点构成的骨骼框架数据。

进一步的技术方案，利用视频补帧算法将帧序列与标准行为数据在时序上进行异步对齐，若标准行为数据帧大于待匹配的视频数据帧，则调整待匹配视频数据帧，使得两者相等。

若不调整，则标准视频和待匹配视频的帧数不同，进而无法对视频中的行为进行评价，当前的行为评估方法都是基于帧数相同情况下进行的，方法有动作对齐等，本发明利用视频补帧算法进行帧数对齐。

进一步的技术方案，利用视频补帧算法将帧序列与标准行为数据在时序上进行异步对齐，若标准行为数据帧小于待匹配的视频数据帧，则调整标准行为数据帧，使得两者相等。

进一步的技术方案，求得待匹配视频行为数据中人体的重心位置坐标，具体为：