[发明专利]基于云边协同计算的姿态分析方法及装置

权利要求书

1.一种基于云边协同计算的姿态分析方法，其特征在于，所述方法包括：

接收来自所述边缘端的第一姿态和原始数据，所述第一姿态通过所述边缘端对所述原始数据进行估计得到；

估计所述原始数据中人体的第二姿态，并将所述第二姿态与所述第一姿态融合得到最终姿态。

2.根据权利要求1所述的方法，其特征在于，在估计所述原始数据中人体的第二姿态，并将所述第二姿态与所述第一姿态融合得到最终姿态之后，所述方法还包括：

将所述最终姿态与预设数据库进行比对，确定所述最终姿态对应的动作行为。

3.根据权利要求2所述的方法，其特征在于，通过如下方法构建所述预设数据库：

将原始数据集中的各个原始人体运动捕捉数据进行行为分割，获得多个仅包含单一运动行为的运动序列；

根据预设的动作行为分类，将所述运动序列通过如下方法对应分配在所述动作行为分类中以构建所述预设数据库：

提取所述运动序列中的根节点，并基于人体骨架模型，通过计算根节点的平移与旋转向量，逐层求出各个子节点的旋转向量，进而求出所述运动序列每一帧中各个关节点的空间坐标；

将所述运动序列与对应的预设运动模板通过动态时间规整进行时间轴匹配，计算相似度，并根据相似度的大小进行分类，以识别所述运动序列中的运动行为。

4.根据权利要求3所述的方法，其特征在于，所述运动序列每一帧中各个关节点的空间坐标如下公式(1)所示：

P_k(x,y,z)＝T_tootR_tootT₂R₂…T_kR_kP₀(x,y,z) 公式(1)

式中：P_k(x,y,z)表示关节点k在全局坐标系下的坐标，其中2≤k≤n，n为关节点数，P₀(x,y,z)表示初始位置时关节点k在以其父节点为坐标原点的相对坐标系下的坐标，当k＝1时，T₁＝T_toot，表示从当前坐标系平移到其父节点坐标系下的平移常量，为固定值，通过实验确定；R₁＝R_toot，表示绕父节点的旋转时的误差矩阵，为固定值，通过实验确定；2≤i≤k时，T_k表示关节点k从当前坐标系平移到其父节点坐标系下的平移分量，R_k为关节点k绕其父节点的旋转矩阵。

5.根据权利要求3所述的方法，其特征在于，在所述将所述运动序列与对应的预设运动模板通过动态时间规整进行时间轴匹配之前，所述方法包括：

基于人体骨架模型，判断所述运动序列中的根节点是否变化，若变化，则将所述运动序列与根节点运动模板匹配，若不变化，则将所述运动序列与根节点静止模板匹配。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述边缘端通过如下方法计算所述第一姿态：

基于所述原始数据，通过边缘端检测人体位置以及范围，并通过卷积神经网络估计至少两个人体关键点，根据各个人体关键点得到人体在当前时间t时的第一姿态。

7.根据权利要求1-5任一项所述的方法，其特征在于，所述估计原始数据中人体的第二姿态具体包括：

基于所述原始数据，通过云端检测出人体的各个关节点，再将各个关节点进行连接形成图，最后通过图优化的方法剔除错误的连接，得到第二姿态。

8.一种基于云边协同计算的姿态分析装置，其特征在于，所述装置包括云端和边缘端，所述云端与所述边缘端信号连接；

所述边缘端，配置为基于原始数据，估计人体在当前时间的第一姿态，并将所述第一姿态和所述原始数据上传至云端；

所述云端，配置为接收来自所述边缘端的第一姿态和所述原始数据，估计所述原始数据中人体的第二姿态，并将所述第二姿态与所述第一姿态融合得到最终姿态。