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 ...
【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
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。