[发明专利]一种基于持续监控的动作预测方法

说明书

本发明提供了一种基于持续监控的动作预测方法，包括：将预设的人体动作序列样本划分为历史序列、待预测序列和未来序列，并将历史序列和未来序列输入预设的运动特征提取模块，提取历史运动特征和未来运动特征；将历史运动特征和未来运动特征相加后，输入预设的动作预测模块进行训练，构造双流动作预测网络；将历史序列和未来序列输入双流动作预测网络，训练双流动作预测网络和训练分类模块至收敛；将双流动作预测网络和分类模块加入字典模块，构建双流信息储存网络；将运动特征提取模块、分类模块、动作预测模块和字典模块相结合，构造自更新动作预测模型；将人体动作序列样本划分的历史序列输入自更新动作预测模型，确定动作预测结果。

技术领域

本发明涉及大数据中心、动作预测技术领域，特别涉及一种基于持续监控的动作预测方法。

背景技术

目前，人体动作预测是计算机视觉领域的一个重要课题。它在人机交互、智能视频监控等领域有着广泛的应用。随着微软Kinect等电子设备的迅猛发展以及各种硬件的迅速更新，基于人体骨架的人体动作预测方法得到越来越多学者的关注。相比于基于视频的人体动作预测方法，基于人体骨架的人体动作预测方法鲁棒性强，不受光照和背景颜色混入等影响。

现有方法大都通过提取人体动作序列初始的历史运动特征，分析人体的惯性运动，进行人体动作预测。这些方法忽略了对人体动作意图的研究，因此在短期动作预测中效果较好，而在长期动作预测中效果较差。并且，这些方法更适合在有限长视频监控中进行动作预测，而在持续视频监控中并不适用。

因此，针对上述动作预测算法问题，提出一种持续监控中的动作预测方法。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于持续监控的动作预测方法流程图；

图2为本发明实施例中一种基于持续监控的动作预测方法的提取未来运动特征的流程流程图；

图3为本发明实施例中一种基于持续监控的动作预测方法的动作预测模块流程图；

图4为本发明实施例中一种基于持续监控的动作预测方法的双流动作预测网络流程图；

图5为本发明实施例中一种基于持续监控的动作预测方法的分类模块图；

图6为本发明实施例中一种基于持续监控的动作预测方法的双流信息储存网络流程图；

图7为本发明实施例中一种基于持续监控的动作预测方法的字典模块流程图；

图8为本发明实施例中一种基于持续监控的动作预测方法的自更新动作预测模型流程图；

图9为本发明实施例中一种基于持续监控的动作预测方法的20个关键点的人体骨架流程图；

图10为本发明实施例中一种基于持续监控的动作预测方法的中级别人体骨架流程图；

图11为本发明实施例中一种基于持续监控的动作预测方法的高级别人体骨架流程图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

需说明的是，当部件被称为“固定于”或“设置于”另一个部件，它可以直接在另一个部件上或者间接在该另一个部件上。当一个部件被称为是“连接于”另一个部件，它可以是直接或者间接连接至该另一个部件上。