The invention provides an action recognition and error correction method, an electronic device and a storage medium, including: A. displaying fitness video, which includes multiple target actions, and the time correlation between each target action and fitness video; B. collecting three-dimensional video data by using a three-dimensional video collector, and generating three-dimensional skeleton action model in real time; C. mapping the acquisition time and the playing time; The current three-dimensional skeletal action model is regarded as an action to be measured and the target action to be matched is determined. D. The action to be measured is divided into the corresponding part action according to the action of the target part. E. For each body part matching group, the recognition items of the action of the target part are obtained. According to the three-dimensional skeletal action model, the skeletal points corresponding to the action of the part to be measured are obtained. The coordinates, the angles between vectors formed by skeletal points and/or vectors are identified and corrected. The method and equipment provided by the invention can realize real-time motion recognition and error correction of fitness, dance, sports, etc.
【技术实现步骤摘要】
动作识别纠错方法、电子设备、存储介质
本专利技术涉及计算机应用
，尤其涉及一种动作识别纠错方法、电子设备、存储介质。
技术介绍
人类的动作捕捉及识别方法，在当今社会具有非常广泛的应用，例如：智能监控、人机交互的体感游戏、视频检索等等。人类的动作检测识别，从基于传统的RGB视频序列过渡到当今流行的RGB-D视频序列，运动轨迹一直作为重要的特征发展着。传统的运动轨迹的捕捉往往基于特征点的检测算法，不同的特征点检测方法会得出完全不同的运动轨迹。同时，由于特征点在不同帧的检索非常不稳定，在整个视频序列中，特征点往往不连续，因此对于特征点轨迹法多采用基于直方图的统计方法，对整个视频序列进行计算并统计后，采用支持向量机等分类器进行分类。这些视频序列的匹配计算方法计算量大，无法即时响应，也无法适用于民用级别的人机交互。因此，现有技术对于健身识别纠错的人机交互而言，难以实现系统实时反馈动作是否出错的需求。
技术实现思路
本专利技术为了克服上述现有技术存在的缺陷，提供一种动作识别纠错方法、电子设备、存储介质，以实现实时的健身、舞蹈、运动等动作识别和纠错。根据本专利技术的一个方面，...
【技术保护点】
1.一种动作识别纠错方法，其特征在于，包括：a.显示健身视频，所述健身视频包括多个目标动作，每个所述目标动作与所述健身视频的播放时间关联，每个目标动作按身体部位划分5个目标部位动作，身体部位包括：左臂、右臂、左腿、右腿以及躯干，其中，每个目标部位动作对应一个或多个面向过程或者面向位移的识别项，每个识别项包括识别对象、识别参数及识别规则，所述识别对象包括所述三个骨骼点中的至少一个骨骼点；三个向量中的至少一个向量；以及所述三个向量中两个向量之间的一个夹角中的一项或多项，所述面向过程的识别项还包括一标准过程向量库，所述标准过程向量库按时间顺序储存有所述部位动作的至少一个向量；b....
【技术特征摘要】
1.一种动作识别纠错方法，其特征在于，包括：a.显示健身视频，所述健身视频包括多个目标动作，每个所述目标动作与所述健身视频的播放时间关联，每个目标动作按身体部位划分5个目标部位动作，身体部位包括：左臂、右臂、左腿、右腿以及躯干，其中，每个目标部位动作对应一个或多个面向过程或者面向位移的识别项，每个识别项包括识别对象、识别参数及识别规则，所述识别对象包括所述三个骨骼点中的至少一个骨骼点；三个向量中的至少一个向量；以及所述三个向量中两个向量之间的一个夹角中的一项或多项，所述面向过程的识别项还包括一标准过程向量库，所述标准过程向量库按时间顺序储存有所述部位动作的至少一个向量；b.利用三维视频采集器自所述健身视频开始时开始采集三维视频数据，并实时生成三维骨骼动作模型；c.根据采集时间和播放时间的映射，将当前三维骨骼动作模型作为一待测动作，并确定所述待测动作所要匹配的目标动作，将该待测动作与该目标动作形成一匹配组；d.在每一匹配组中，依据目标动作的目标部位动作将待测动作划分为相应的待测部位动作，将待测动作的待测部位动作与相应的目标动作的目标部位动作形成一身体部位匹配组；e.对每一身体部位匹配组，获取目标部位动作的识别项，依据所述三维骨骼动作模型获取所述待测部位动作对应所述识别对象的骨骼点的坐标、骨骼点形成的向量和/或向量之间的夹角，若所述识别项为面向过程的识别项，则将所述目标部位动作的向量与标准过程向量库中的对应向量进行匹配计算以与所述识别参数设定的向量阈值进行比较，若不符合所述识别规则，则反馈待测动作错误。2.如权利要求1所述的动作识别纠错方法，其特征在于，将所述目标部位动作的向量与标准过程向量库中的对应向量进行匹配计算以与所述识别参数设定的向量阈值进行比较包括：计算标准过程向量库中的向量与目标部位动作的向量之间夹角θ的余弦值：向量与向量之间的夹角θ的余弦值用于与所述识别参数设定的向量阈值进行比较。3.如权利要求1所述的动作识别纠错方法，其特征在于，每个所述健身视频具有一视频文件，所述视频文件包括该健身视频中的目标动作的编号及该目标动作的播放时间，所述步骤a还包括：当播放到所述目标动作时，于一标准动作数据库查找该目标动作的编号的目标动作文件，所述目标动作文件与所述目标动作的编号关联地储存在所述标准动作数据库中，每个所述目标动作文件包括该目标动作的目标部位动作及对应该目标部位动作的识别项。4.如权利要求3所述的动作识别纠错方法，其特征在于，面向过程的识别项包括轨迹识别、否定轨迹识别及保持识别；面向位移的识别项包括位移识别以及否定位移识别。5.如权利要求4所述的动作识别纠错方法，其特征在于，对于所述轨迹识别：所述识别对象包括所述三个向量中的至少一个向量和/或所述三个向量中两个向量之间的一个夹角；所述识别参数设定一个或多个阈值，所述阈值包括所述三个向量中的向量阈值及所述夹角的夹角阈值，所述识别参数依据所述识别对象确定采用向量阈值和/或夹角阈值；以及所述识别规则包括待测部位动作的所述识别对象在该身体部位的运动过程中始终位于所述识别参数设定的阈值范围内。6.如权利要求4所述的动作识别纠错方法，其特征在于，对于所述否定轨迹识别：所述识别对象包括所述三个向量中的至少一个向量和/或所述三个向量中两个向量之间的一个夹角；所述识别参数设定一个或多个阈值，所述阈值包括所述三个向量中的向量阈值及所述夹角的夹角阈值，所述识别参数依据所述识别对象确定采用向量阈值和/或夹角阈值；以及所述识别规则包括待测部位动作的所述识别对象在该身体部位的运动过程中始终不在所述识别参数设定的阈值范围内，并且所述识别对象所表示的待测部位动作在运动过程中产生轨迹和/或位移。7.如权利要求4所述的动作识别纠错方法，其特征在于，对于所述保持识别：所述识别对象包括所述三个向量中的至少一个向...
【专利技术属性】
技术研发人员：冯伟，
申请(专利权)人：上海形趣信息科技有限公司，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。