The present disclosure relates to an organism action recognition method, device, server and storage medium. The method includes: obtaining the limb feature information of the corresponding organism in the multi-frame image with continuous time; creating the feature information sequence, which includes the limb feature information arranged in the time sequence of each frame image in the multi-frame image; inputting the feature information sequence into the trained cyclic neural network model, and according to the cyclic neural network model. The output determines the action of the organism corresponding to the sequence of characteristic information. The embodiment of the present disclosure has good applicability for motion recognition.
【技术实现步骤摘要】
生物体动作识别方法、装置、服务器及存储介质
本公开涉及生物特征识别领域,尤其涉及一种生物体动作识别方法、装置、服务器及存储介质。
技术介绍
随着模式识别技术的发展,人们希望计算机能够自主识别和理解人类的日常动作,从而通过计算机为人类提供服务,因此人体姿态及动作识别等已经成为目前计算机视觉领域的研究热点。目前的动作识别主要应用在人机交互、医疗保健、智能安防、家居智能等领域。在一些相关技术中,人体姿态检测主要针对于静态图像的人体肢体关键点进行训练标注,并进行肢体关键点的连接标注。在另一些相关技术中,人体动作检测采用加速度传感器以及陀螺仪等元件进行数据输入,或者利用速度、距离等标量进行分析来搭建模型。
技术实现思路
在本公开的一个方面,提供一种生物体动作识别方法,包括:获得时间连续的多帧图像分别对应的生物体的身体特征信息;创建特征信息序列,所述特征信息序列包括按照所述多帧图像中的各帧图像的时间顺序排列的身体特征信息;将所述特征信息序列输入已训练的循环神经网络模型,并根据所述循环神经网络模型的输出确定所述特征信息序列对应的生物体的动作。在一些实施例中,获得身体特征信息的操作包括:获得所述多帧图像中的每帧图像内的生物体的身体列向量,所述身体列向量用于表征所述多帧图像中的每帧图像内所述生物体的不同身体部位之间的至少一组连接关系。在一些实施例中,获得身体列向量的操作包括:获取所述图像中生物体的至少一对身体部位对应的身体向量,所述身体向量通过二维置信图表示的单位向量矩阵图进行存储;对所述单位向量矩阵图进行积分运算,确定所述身体向量对应的连接向量;根据所述连接向量的起点位置和终 ...
【技术保护点】
1.一种生物体动作识别方法,包括:获得时间连续的多帧图像分别对应的生物体的身体特征信息;创建特征信息序列,所述特征信息序列包括按照所述多帧图像中的各帧图像的时间顺序排列的身体特征信息;将所述特征信息序列输入已训练的循环神经网络模型,并根据所述循环神经网络模型的输出确定所述特征信息序列对应的生物体的动作。
【技术特征摘要】
1.一种生物体动作识别方法,包括:获得时间连续的多帧图像分别对应的生物体的身体特征信息;创建特征信息序列,所述特征信息序列包括按照所述多帧图像中的各帧图像的时间顺序排列的身体特征信息;将所述特征信息序列输入已训练的循环神经网络模型,并根据所述循环神经网络模型的输出确定所述特征信息序列对应的生物体的动作。2.根据权利要求1所述的方法,其中,获得身体特征信息的操作包括:获得所述多帧图像中的每帧图像内的生物体的身体列向量,所述身体列向量用于表征所述多帧图像中的每帧图像内所述生物体的不同身体部位之间的至少一组连接关系。3.根据权利要求2所述的方法,其中,获得身体列向量的操作包括:获取所述图像中生物体的至少一对身体部位对应的身体向量,所述身体向量为通过以二维置信图表示的单位向量矩阵图进行存储;对所述单位向量矩阵图进行积分运算,确定所述身体向量对应的连接向量;根据所述连接向量的起点位置和终点位置,计算所述连接向量在图像坐标系中相对于预设坐标轴的偏转角度;根据各个身体向量对应的偏转角度创建所述生物体的身体列向量。4.根据权利要求3所述的方法,其中,获取身体向量的操作包括:将所述图像输入已训练的卷积神经网络模型,并根据所述卷积神经网络模型确定所述身体向量。5.根据权利要求4所述的方法,还包括:创建生物体的图片数据集,所述图片数据集包括至少一个生物体的图像、所述生物体在所述图像内的身体部位的标识信息和所述生物体在所述图像内的至少一对身体部位的身体向量的标识信息;将所述图片数据集输入未训练的卷积神经网络模型进行训练,获得所述生物体对应的已训练的卷积神经网络模型。6.根据权利要求5所述的方法,还包括:采用神经网络推理引擎对所述卷积神经网络模型的训练进行加速。7.根据权利要求1所述的方法,还包括:创建生物体的动作数据集,所述动作数据集包括至少...
【专利技术属性】
技术研发人员:林航东,
申请(专利权)人:京东方科技集团股份有限公司,
类型:发明
国别省市:北京,11
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。