动作信息识别方法和系统技术方案

本申请实施例公开了一种动作信息识别方法，包括：接收动作捕捉设备发送的在预设时长内捕捉到的待识别对象的关节坐标数据；根据所述待识别对象的关节坐标数据计算得到所述待识别对象的关节夹角数据；根据所述关节夹角数据获得所述待识别对象在所述预设时长内的变化趋势信息；从预存的动作数据库中查询与所述变化趋势信息相匹配的动作信息。本申请还公开了一种动作信息识别系统实施例。利用本申请实施例可以实现提高动作信息识别的时效性。

【技术实现步骤摘要】

本申请涉及计算机视觉
，特别涉及一种动作信息识别方法及系统。
技术介绍
在计算机视觉
，动作信息识别(例如人体动作识别)是一个刚刚兴起但十分重要的分支，其目的主要是让计算机可以识别出动作对象目前正在执行的动作。由于计算机本身并不具备类似于人的高层理解能力，因此利用计算机进行动作信息识别是一项极具挑战性的工作。动作信息识别的应用前景是十分广阔的，比如在人机交互、视频会议、视频检索、病人自主监护、智能安全监控等场合都能够发挥重要的作用。所以对于动作信息识别这方面的研究是十分必要的。现有技术中，一般是利用摄像机等设备捕捉动作对象的动作后，对产生的动作图像按照时间序列提取动作特征信息；并将所述动作特征信息与动作数据库进行匹配；从而识别出人体动作。具体地，对产生的动作图像利用算法如隐马尔可夫、adaboost等，训练得到动作特征信息，并将所述动作特征信息与动作数据库进行匹配；从而识别出动作对象做的动作。在实现本申请过程中，专利技术人发现现有技术中至少存在如下问题：现有技术中，动作信息识别大多基于复杂的算法，计算量大，导致动作信息识别的时效性差。
技术实现思路
本申请实施例的目的是提供一种动作信息识别方法及系统，用以提高动作信息识别的时效性。为解决上述技术问题，本申请一实施例提供的一种动作信息识别方法，包括：接收动作捕捉设备发送的在预设时长内捕捉到的待识别对象的关节点坐标数据；根据所述待识别对象的关节点坐标数据计算得到所述待识别对象的关节夹角数据；根据所述关节夹角数据获得所述待识别对象在所述预设时长内的变化趋势信息；从预存的动作数据库中查询与所述变化趋势信息相匹配的动作信息。一种动作信息识别系统，包括：获取单元，用于接收动作捕捉设备发送的在预设时长内捕捉到的待识别对象的关节点坐标数据；第一处理单元，用于根据所述待识别对象的关节点坐标数据计算得到所述待识别对象的关节夹角数据；第二处理单元，用于根据所述关节夹角数据获得所述待识别对象在所述预设时长内的变化趋势信息；匹配单元，用于从预存的动作数据库中查询与所述变化趋势信息相匹配的动作信息。由以上本申请实施例提供的技术方案可见，本申请实施例提供的一种动作信息识别方法及系统，通过待识别对象的关节夹角数据在预设时长内的变化趋势信息来识别所述待识别对象的动作。如此服务器只需计算待识别对象的关节夹角数据这个特征信息即可，从而减少了计算量，可以实现提高动作信息识别的时效性。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请一实施例中提供的动作信息识别方法的流程图；图2为本申请中提供的人体关节点的示意图；图3为本申请中提供的左手肘关节点、左肩关节点及左手腕关节点的三维坐标的示意图；图4为本申请中提供的20个关节夹角的示意图；图5为图1中S110步骤的具体流程图；图6为本申请中提供的变化趋势信息的示意图；图7为图1中S130步骤的具体流程图；图8为本申请中提供的匹配过程的示意图；图9为图1中S130步骤的具体流程图；图10为本申请一实施例中提供的动作信息识别系统的模块示意图。具体实施方式为了使本
的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。图1为本申请一实施例中提供的动作信息识别方法的流程图。本实施例中，所述动作信息识别方法包括如下步骤：S100：接收动作捕捉设备发送的在预设时长内捕捉到的待识别对象的关节点坐标数据；服务器接收动作捕捉设备发送的在预设时长内捕捉到的待识别对象的关节点坐标数据。所述动作捕捉设备可以是某公司的体感交互终端，例如微软的Kinect、任天堂的Will、索尼的PSMove、华硕的Xtion等。所述动作捕捉设备可以实时获取待识别对象的关节点坐标数据。所述关节点坐标数据可以包括关节点的三维坐标数据。所述预设时长可以是人为设定的一个经验值，例如10秒。以微软的Kinect为例，如图2所示，为人体关节点的示意图。利用Kinect可以获取人体20种关节点的三维坐标。所述20种关节点分别为：右手关节点、右手腕关节点、右肘关节点、右肩关节点、头关节点、肩中心关节点、左肩关节点、左肘关节点、左手腕关节点、左手关节点、脊柱关节点、髋关节中心关节点、右髋关节点、右膝关节点、右踝关节点、右脚关节点、左髋关节点、左膝关节点、左踝关节点、左脚关节点。举例说明，服务器接收到待识别对象的关节点数据如图3所示，左手肘关节点E的三维坐标为(Ex,Ey,Ez)，左肩关节点S的三维坐标为(Sx,Sy,Sz)，左手腕关节点W的三维坐标为(Wx,Wy,Wz)。S110：根据所述待识别对象的关节点坐标数据计算得到所述待识别对象的关节夹角数据；如图4所示，由图2中人体20种关节点可以构造出20种关节夹角，分别是右手腕关节点夹角(右手关节点-右手腕关节点-右肘关节点)，为了方便记录将所述右手腕关节点夹角定义为第一夹角3A；同样地，第二夹角3B(右手腕关节点-右肘关节点-右肩关节点)；第三夹角3C(右肘关节点-右肩关节点-肩中心关节点)；第四夹角3D(头关节点-肩中心关节点-右肩关节点)；第五夹角3E(头关节点-肩中心关节点-脊柱关节点)；第六夹角3F(头关节点-肩中心关节点-左肩关节点)；第七夹角3G(右肩关节点-肩中心关节点-左肩关节点)；第八夹角3H(肩中心关节点-左肩关节点-左肘关节点)；第九夹角3J(左肩关节点-左肘关节点-左手腕关节点)；第十夹角3K(左肘关节点-左手腕关节点-左手关节点)；第十一夹角3L(肩中心关节点-脊柱关节点-髋中心关节点)；第十二夹角3M(脊柱关节点-髋中心关节点-右髋关节点)；第十三夹角3N(髋中心关节点-右髋关节点-右膝关节点)；第十四夹角3P(右髋关节点-右膝关节点-右踝关节点)；第十五夹角3Q(右膝关节点-右踝关节点-右脚关节点)；第十六夹角3R(右髋关节点-髋中心关节点-左髋关节点)；第十七夹角3S(脊柱关节点-髋中心关节点-左髋关节点)；第十八夹角3T(髋中心关节点-左髋关节点-左膝关节点)；第十九夹角3U(左髋关节点-左膝关节点-左踝关节点)；第二十夹角3V(左膝关节点-左踝关节点-左脚关节点)。具体地，所述S110步骤，可以包括S111、S112及S113步骤，如图5所示：S111：根据所述待识别对象的关节坐标数据确定与所述待识别对象的目标关节对应的第一向量和第二向量；在三维空间坐标系中，对于任意两个不重合的三维坐标点例如坐标点A(x1,y1,z1)，B(x2,y2,z2)，组成的向量为如下公式：式(1)其中，x1，y1，z1为坐标点A的三维坐标；x2，y2，z2为坐标点B的三维坐标。沿用S100步骤中所举的本文档来自技高网...

【技术保护点】
一种动作信息识别方法，其特征在于，包括：接收动作捕捉设备发送的在预设时长内捕捉到的待识别对象的关节点坐标数据；根据所述待识别对象的关节点坐标数据计算得到所述待识别对象的关节夹角数据；根据所述关节夹角数据获得所述待识别对象在所述预设时长内的变化趋势信息；从预存的动作数据库中查询与所述变化趋势信息相匹配的动作信息。

【技术特征摘要】
1.一种动作信息识别方法，其特征在于，包括：接收动作捕捉设备发送的在预设时长内捕捉到的待识别对象的关节点坐标数据；根据所述待识别对象的关节点坐标数据计算得到所述待识别对象的关节夹角数据；根据所述关节夹角数据获得所述待识别对象在所述预设时长内的变化趋势信息；从预存的动作数据库中查询与所述变化趋势信息相匹配的动作信息。2.如权利要求1所述的方法，其特征在于，在所述从预存的动作数据库中查询与所述变化趋势信息相匹配的动作信息之前，所述方法还包括：将待存储的各动作信息与该动作信息对应的变化趋势信息进行映射并存储到动作数据库中；所述变化趋势信息是若干夹角信息的集合。3.如权利要求1所述的方法，其特征在于，根据所述待识别对象的关节坐标数据计算得到所述待识别对象的关节夹角数据，具体包括：根据所述待识别对象的关节坐标数据确定与所述待识别对象的目标关节对应的第一向量和第二向量；对所述第一向量和第二向量求模计算，得到与所述第一、第二向量对应的模值；根据所述第一、第二向量及与所述第一、第二向量对应的模值计算得到所述目标关节的关节夹角数据。4.如权利要求1所述的方法，其特征在于，所述根据所述关节夹角数据获得所述待识别对象在所述预设时长内的变化趋势信息，具体包括：获取所述关节夹角数据对应的在所述预设时长内的采样时刻；根据所述采样时刻的顺序及各采样时刻上对应的所述关节夹角数据，获得变化趋势信息。5.如权利要求1所述的方法，其特征在于，从预存的动作数据库中查询与所述变化趋势信息相匹配的动作信息，具体包括：将所述变化趋势信息与动作数据库中预存的变化趋势信息进行相似度计算，得出差值；判断所述差值是否小于预设阈值；若是，则查询到所述待识别对象的动作信息为所述预存的变化趋势信息关联的动作信息。6.如权利要求1所述的方法，其特征在于，从预存的动作数据库中查询与所述变化趋势信息相匹配的动作信息，具体包括：将所述变化趋势信息与动作数据库中预存的每个变化趋势信息进行相似度计算，得出各差值；判断所述各差值中的最小差值是否小于预设阈值；若是，则查询到所述待识别对象的动作信息为所述最小差值对应的变化趋势信息关联的动作信息。7.一种动作信息识别系统，其特征在于，包括：...

【专利技术属性】
技术研发人员：王鑫，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY