动作识别库的建立方法、电子设备、存储介质技术

本发明专利技术提供一种动作识别库的建立方法、电子设备、存储介质，包括：a.将多个健身视频转换为三维骨骼动作模型，获取健身视频中人体的多个骨骼点的坐标及多个骨骼点之间形成的向量；b.对每个健身视频，按时间顺序分解成动作的集合，储存动作时间及动作编号以获得视频文件，相同的动作具有相同的动作编号；c.对每个动作，于一标准动作数据库中根据动作编号查询是否已有动作文件，若没有则生成该动作的动作文件d.重复上述步骤b至步骤c，直到遍历多个健身视频，将多个视频文件及标准动作数据库组成动作识别库，动作识别库用于与实时采集的动作进行识别和匹配。本发明专利技术提供的方法及设备能够实现动作识别库的快速建立并加强后续识别中的实时性。

Establishment of Action Recognition Library, Electronic Equipment and Storage Media

The invention provides a method for establishing an action recognition library, an electronic device and a storage medium, including: a. Converting multiple fitness videos into three-dimensional skeletal action models, obtaining coordinates of multiple skeletal points and vectors formed between multiple skeletal points in fitness videos; B. Decomposing each fitness video into a set of actions in chronological order, storing action time and action number. To obtain video files, the same action has the same action number; C. For each action, query whether there is an action file in a standard action database according to the action number, and if not generate the action file D. Repeat steps B to C until traversing multiple fitness videos, and compose the action recognition database with multiple video files and standard action databases. Action recognition library is used to identify and match real-time collected actions. The method and equipment provided by the invention can realize the fast establishment of motion recognition library and enhance the real-time performance in subsequent recognition.

【技术实现步骤摘要】
动作识别库的建立方法、电子设备、存储介质
本专利技术涉及动作识别领域，尤其涉及一种动作识别库的建立方法、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。现有的方式，也直接采用源视频作为识别库来进行匹配。这样，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，提供一种动作识别库的建立方法、电子设备、存储介质，利用该动作识别库可实现实时的健身动本文档来自技高网...

【技术保护点】
1.一种动作识别库的建立方法，其特征在于，包括：a.将多个健身视频转换为三维骨骼动作模型，获取健身视频中人体的多个骨骼点的坐标及多个骨骼点之间形成的向量；b.对每个健身视频，按时间顺序分解成动作的集合，储存动作时间及动作编号以获得视频文件，相同的动作具有相同的动作编号；c.对每个动作，于一标准动作数据库中根据动作编号查询是否已有动作文件，若没有动作文件，则按如下步骤生成该动作的动作文件：将该动作按所述三维骨骼动作模型拆解成五个身体部位：左臂、右臂、左腿、右腿以及躯干，每个所述身体部位均包括：三个骨骼点、三个骨骼点形成的三个向量及所述三个向量中两个向量之间的夹角，对至少一个身体部位的部位动作设置...

【技术特征摘要】
1.一种动作识别库的建立方法，其特征在于，包括：a.将多个健身视频转换为三维骨骼动作模型，获取健身视频中人体的多个骨骼点的坐标及多个骨骼点之间形成的向量；b.对每个健身视频，按时间顺序分解成动作的集合，储存动作时间及动作编号以获得视频文件，相同的动作具有相同的动作编号；c.对每个动作，于一标准动作数据库中根据动作编号查询是否已有动作文件，若没有动作文件，则按如下步骤生成该动作的动作文件：将该动作按所述三维骨骼动作模型拆解成五个身体部位：左臂、右臂、左腿、右腿以及躯干，每个所述身体部位均包括：三个骨骼点、三个骨骼点形成的三个向量及所述三个向量中两个向量之间的夹角，对至少一个身体部位的部位动作设置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，其中，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，所述标准过程向量库中的多个向量用于与实时采集的部位动作的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；将所述至少一个部位动作及所述至少一个部位动作的识别项作为该动作的动作文件，将该动作文件与该动作编号关联地储存在所述标准动作数据库中；d.重复上述步骤b至步骤c，直到遍历所述多个健身视频，将多个视频文件及所述标准动作数据库组成所述动作识别库，所述动作识别库用于与实时采集的动作进行识别和匹配。2.如权利要求1所述的建立方法，其特征在于，所述标准过程向量库中的多个向量用于与实时采集的部位动作的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实时采集的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所述的建立方法，其特征在于，当获得新的健身视频时，执行步骤b，若该健身视频的视频文件中的所有动作编号都有关联的动作文件，则不对该健身视频执行步骤a。4.如权利要求1所述的建立方法，其特征在于，面向过程的所述识别项包括轨迹识别、否定轨迹识别及保持识别；面向位移的所述识别项包括位移识别以及否定位移识别。5.如权利要求4所述的建立方法，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所述的建立方法，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所述的建立方法，其特征在于，对于所述保持识别：所述识...

【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