一种识别人体动作的方法及终端技术

本发明专利技术适用于计算机技术领域，提供了一种识别人体动作的方法及终端，该方法包括：获取待分类的目标人体动作的人体动作数据；其中，所述人体动作数据包括在完成所述目标人体动作的过程中，每个被监控的人体骨骼的旋转姿态数据；将所述人体动作数据导入预设的人体动作分类模型进行处理，得到所述目标人体动作的分类结果；基于所述分类结果输出所述目标人体动作所属的类别标签。本发明专利技术实施例，基于在完成目标人体动作的过程中，每个被监控的人体骨骼的旋转姿态数据，对目标人体动作进行整体分析，能够准确识别人体动作所属的类别，提高人体动作的分类结果的准确度。

A Method and Terminal for Recognizing Human Action

The invention is applicable to the field of computer technology, and provides a method and a terminal for recognizing human action. The method includes: acquiring human action data of target human action to be classified; the human action data includes data of rotation posture of each monitored human skeleton in the process of completing the target human action; and importing the human action data into the computer. The preset human action classification model is processed to obtain the classification result of the target human action, and the category label of the target human action is output based on the classification result. In the embodiment of the present invention, based on the rotational attitude data of each monitored human skeleton in the process of completing the target human action, the overall analysis of the target human action can accurately identify the category of the human action and improve the accuracy of the classification result of the human action.

【技术实现步骤摘要】
一种识别人体动作的方法及终端
本专利技术属于计算机
，尤其涉及一种识别人体动作的方法及终端。
技术介绍
随着人体运动数据采集技术的发展，人体运动的研究在医疗康复、运动训练、虚拟现实、人机交互、影视以及游戏等方面存在着很大的应用空间，因此人体运动的研究越来越受到人们的关注。人体运动具体可以表示为人体的各个部分在3D空间中的运动，而人体动作具体可以看作是人体运动过程中的一个完整独立的动作片段，例如“跳跃”运动由屈膝、跳起、落地等一连串的人体动作组成。现有技术中，为了解决人体运动分类的问题提出了较多的分类方法，但是现有的分类方法仅仅针对人体运动中的每个动作片段进行单独分析处理，导致分类结果不是很准确。
技术实现思路
有鉴于此，本专利技术实施例提供了一种识别人体动作的方法及终端，以解决现有技术中，因针对人体运动中的每个动作片段进行单独分析处理，导致分类结果不是很准确的问题。本专利技术实施例的第一方面提供了一种识别人体动作的方法，包括：获取待分类的目标人体动作的人体动作数据；其中，所述人体动作数据包括在完成所述目标人体动作的过程中，每个被监控的人体骨骼的旋转姿态数据；将所述人体动作数据导入预设的人体动作分类模型进行处理，得到所述目标人体动作的分类结果；其中，所述人体动作分类模型是采用机器学习算法对样本人体动作训练集进行训练得到，在训练过程中，所述人体动作分类模型的输入为所述样本人体动作训练集中每个人体动作对应的人体动作数据，所述人体动作分类模型的输出为所述人体动作对应的分类结果；基于所述分类结果输出所述目标人体动作所属的类别标签。本专利技术实施例的第二方面提供了一种终端，包括：获取单元，用于获取待分类的目标人体动作的人体动作数据；其中，所述人体动作数据包括在完成所述目标人体动作的过程中，每个被监控的人体骨骼的旋转姿态数据；识别单元，用于将所述人体动作数据导入预设的人体动作分类模型进行处理，得到所述目标人体动作的分类结果；其中，所述人体动作分类模型是采用机器学习算法对样本人体动作训练集进行训练得到，在训练过程中，所述人体动作分类模型的输入为所述样本人体动作训练集中每个人体动作对应的人体动作数据，所述人体动作分类模型的输出为所述人体动作对应的分类结果；输出单元，用于基于所述分类结果输出所述目标人体动作所属的类别标签。本专利技术实施例的第三方面提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取待分类的目标人体动作的人体动作数据；其中，所述人体动作数据包括在完成所述目标人体动作的过程中，每个被监控的人体骨骼的旋转姿态数据；将所述人体动作数据导入预设的人体动作分类模型进行处理，得到所述目标人体动作的分类结果；其中，所述人体动作分类模型是采用机器学习算法对样本人体动作训练集进行训练得到，在训练过程中，所述人体动作分类模型的输入为所述样本人体动作训练集中每个人体动作对应的人体动作数据，所述人体动作分类模型的输出为所述人体动作对应的分类结果；基于所述分类结果输出所述目标人体动作所属的类别标签。本专利技术实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取待分类的目标人体动作的人体动作数据；其中，所述人体动作数据包括在完成所述目标人体动作的过程中，每个被监控的人体骨骼的旋转姿态数据；将所述人体动作数据导入预设的人体动作分类模型进行处理，得到所述目标人体动作的分类结果；其中，所述人体动作分类模型是采用机器学习算法对样本人体动作训练集进行训练得到，在训练过程中，所述人体动作分类模型的输入为所述样本人体动作训练集中每个人体动作对应的人体动作数据，所述人体动作分类模型的输出为所述人体动作对应的分类结果；基于所述分类结果输出所述目标人体动作所属的类别标签。实施本专利技术实施例提供的一种识别人体动作的方法及终端具有以下有益效果：本专利技术实施例，通过使用预设的人体动作分类模型对待分类的目标人体动作的人体动作数据进行处理，得到目标人体动作的分类结果。由于人体动作数据包括在完成目标人体动作的过程中，每个被监控的人体骨骼的旋转姿态数据，因此，可以基于在完成目标人体动作的过程中，每个被监控的人体骨骼的旋转姿态数据，对目标人体动作进行整体分析，相较于现有技术中通过对人体动作片段进行单独分析来确定人体动作分类结果的方法，能够准确识别人体动作所属的类别，提高分类的准确度。附图说明为了更清楚地说明本专利技术实施例中的技术方案，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专利技术的一些实施例，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是本专利技术一实施例提供的一种识别人体动作的方法的实现流程图；图2是本专利技术另一实施例提供的一种识别人体动作的方法的实现流程图；图3是本专利技术一实施例提供的一种终端的示意图；图4是本专利技术另一实施例提供的一种终端的示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。请参见图1，图1是本专利技术实施例提供的一种识别人体动作的方法的实现流程图。本实施例中识别人体动作的方法的执行主体为终端。终端包括但不限于智能手机、平板电脑、可穿戴设备等移动终端，还可以是台式电脑等。如图所示的识别人体动作的方法可包括：S101：获取待分类的目标人体动作的人体动作数据；其中，所述人体动作数据包括在完成所述目标人体动作的过程中，每个被监控的人体骨骼的旋转姿态数据。终端可以实时获取待分类的目标人体动作的人体动作数据，也可以获取预先检测到的待分类的目标人体动作的人体动作数据。其中，终端可以基于设置于被监测的人体骨骼的相应部位的传感器或可穿戴设备监测到的数据，得到目标人体动作的人体动作数据。人体动作可以包括一个或至少两个连续的分动作。人体动作包括但不限于跳跃、奔跑等；其中，跳跃可以包括屈膝、跳起、落地等分动作。人体动作的人体动作数据包括人体在完成该人体动作包含的所有分动作的过程中，被监控的人体骨骼的旋转姿态数据。被监控的人体骨骼的骨骼部位具体可以包括左手、左上臂、左下臂、右手、右上臂，右下臂、左脚、左上腿、左下腿、右脚、右上腿、右下腿、头部、颈、腰部，臀部以及喉部等，即包括17个人体骨骼部位，骨骼部位的数量可以根据需求进行增加，在此不做限定。当人体动作包括至少两个连续的分动作时，该人体动作的人体动作数据包括至少两个分动作各自对应的人体动作数据，且至少两个分动作各自对应的人体动作数据按照完成每个分动作的时间的先后顺序排列。每个分动作对应的人体动作数据可以用向量表示，此时，人体动作对应的人体动作数据由至少两个按时间先后顺序排列的向量组成。例如，人体动作数据可以表示为X＝(X1,X2,...,Xt,...,XT)，其中Xt代表在完成某个人体动作中的第t个分动作的过程中，所有被监测的人体骨骼部位的旋转姿态数据。其中，t、T均为正整数。由于人体在完成某人体动作时，用于完成该人体动作的人体骨骼会运动，因本文档来自技高网...

【技术保护点】
1.一种识别人体动作的方法，其特征在于，包括：获取待分类的目标人体动作的人体动作数据；其中，所述人体动作数据包括在完成所述目标人体动作的过程中，每个被监控的人体骨骼的旋转姿态数据；将所述人体动作数据导入预设的人体动作分类模型进行处理，得到所述目标人体动作的分类结果；其中，所述人体动作分类模型是采用机器学习算法对样本人体动作训练集进行训练得到，在训练过程中，所述人体动作分类模型的输入为所述样本人体动作训练集中每个人体动作对应的人体动作数据，所述人体动作分类模型的输出为所述人体动作对应的分类结果；基于所述分类结果输出所述目标人体动作所属的类别标签。

【技术特征摘要】
1.一种识别人体动作的方法，其特征在于，包括：获取待分类的目标人体动作的人体动作数据；其中，所述人体动作数据包括在完成所述目标人体动作的过程中，每个被监控的人体骨骼的旋转姿态数据；将所述人体动作数据导入预设的人体动作分类模型进行处理，得到所述目标人体动作的分类结果；其中，所述人体动作分类模型是采用机器学习算法对样本人体动作训练集进行训练得到，在训练过程中，所述人体动作分类模型的输入为所述样本人体动作训练集中每个人体动作对应的人体动作数据，所述人体动作分类模型的输出为所述人体动作对应的分类结果；基于所述分类结果输出所述目标人体动作所属的类别标签。2.根据权利要求1所述的方法，其特征在于，所述获取待分类的目标人体动作的人体动作数据，包括：获取在完成所述目标人体动作的过程中，传感器采集到的每个所述人体骨骼对应的特征数据；所述特征数据包括平移量以及角度旋转量；基于所有所述人体骨骼对应的特征数据，确定所述目标人体动作的人体动作数据。3.根据权利要求1或2所述的方法，其特征在于，所述目标人体动作由至少两个连续的分动作组成；所述人体动作数据包括至少两个所述分动作各自对应的旋转姿态数据。4.根据权利要求3所述的方法，其特征在于，所述将所述人体动作数据导入预设的人体动作分类模型进行处理，得到所述目标人体动作的分类结果，包括：将所述人体动作数据导入预设的人体动作分类模型进行处理，得到所述人体动作数据对应的第一特征向量；基于获取到每个所述分动作对应的人体动作数据的时刻，按从晚到早的顺序，对所有所述分动作对应的人体动作数据进行排序，得到反向人体动作数据；并确定所述反向人体动作数据对应的第二特征向量；所述第一特征向量以及所述第二特征向量的维度相同；基于所述第一特征向量以及所述第二特征向量，确定所述目标人体动作的分类结果。5.根据权利要求1、2、4任一项所述的方法，其特征在于，所述基于所述分类结果输出所述目标人体动作所属的类别标签之后，还包括：基于所述类别标签调整人体运动训练计划。6.一种终端，其特征在于，包括：获取单元，用于获取待分类的目标人体动作的人体动作数据；其中，所述人体动作数据包括在完成所述目标人体动作的过程中，每个被监控的人体骨骼的旋转姿态数据；识别单元，用于将所述人体动作数据导入预设的人体动作分类模型进行处理，得到所述目标人体动作的分类结果；其中...

【专利技术属性】
技术研发人员：王健宗，彭俊清，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44