基于动作热点图的体育运动视频动作识别方法技术

本发明专利技术公开一种基于动作热点图的体育运动视频动作识别方法，通过Kinect技术获取每1秒中前5帧图像，首先得到各组第一帧图像的骨架图，再通过一组中的后续几帧图像合并得到该组的动作热点图，对动作热点图的运动距离进行计算，将计算结果与标准库进行比对分析，可以识别一段视频的动作是否标准，对非标准动作进行标记并存储。本发明专利技术即具有视频图像处理的实时性，又具有良好的可操作性与准确的分析结果。

Sports Video Action Recognition Method Based on Action Hotspot Map

【技术实现步骤摘要】
基于动作热点图的体育运动视频动作识别方法
本专利技术涉及一种体育运动动作识别方法，有时一种实时、准确的基于动作热点图的体育运动视频动作识别方法。
技术介绍
随着人们生活质量不断提高，人们会跟随各种标准健身视频而健身，但是由于没有专业教练的现场指导，身体常因动作不标准而造成伤害，轻到肌肉拉伤，重到骨折。因此，需要对体育运动的动作是否标准进行识别，以及时发现非标准动作，进而纠正。现有的识别方法大致分为两种：一种是针对图像识别，优点是精确，缺点是无法针对一段视频进行处理，实时性差；另一种是针对视频进行识别，但大多是对每一帧的图像与标准图像进行对比，优点是能够实时处理图像，缺点是对于视频中的重复动作，容易造成对错帧的现象，准确性差。
技术实现思路
本专利技术是为了解决现有技术所存在的上述技术问题，提供一种实时、准确的基于动作热点图的体育运动视频动作识别方法。本专利技术的技术解决方案是：一种基于动作热点图的体育运动视频动作识别方法，其特征在于依次按照如下步骤进行：步骤1：设备初始化；步骤2：每隔一秒自动取前5帧图像为一组，共取n组图像，所述n为正整数；步骤3：对每一组图像的每1帧调用微软KinectforwindowsSDK2.0中的get_BodyCount()函数，获得每1帧图像中人体头、颈、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左膝盖、右膝盖、左脚踝、右脚踝及臀部所在位置的点坐标；步骤4：将每一组第1帧图像传输到PC机，分别对图像中头部点与颈部点，颈部点与左肩点，左肩点与左手肘点，左手肘点与左手腕点，颈部点与右肩点，右肩点与右手肘点，右手肘点与右手腕点，颈部点与臀部点，臀部点与右膝盖点，右膝盖点与右脚踝点，臀部点与左膝盖点，左膝盖点与左脚踝点依次连线，生成骨架图，记为Ske_Imagei，所述i=1，2，3，4……n；步骤5：分别按照坐标将每一组后续4帧图像中人体头、颈、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左膝盖、右膝盖、左脚踝、右脚踝及臀部的绘制到Ske_Imagei中得到动作热点图，记为Act_Imagei，所述i=1，2，3，4……n；步骤6：对标准动作的录像中的相应帧按照步骤2、3、4和步骤5的方法，生成与Ske_Imagei对应的标准骨架图，记为Sta_Ske_Imagei，所述i=1，2，3，4……n；步骤7：对Sta_Ske_Imagei按照步骤5的方法得到动作热点图Sta_Act_Imagei，所述i=1，2，3，4……n；步骤8：从i=1开始，将动作热点图Act_Imagei+1与Act_Imagei的相应点进行计算欧氏距离，所述点为头、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左膝盖、右膝盖、左脚踝及右脚踝，分别记为Sp_1,Sp_2,…Sp_11；步骤9：求Act_Imagei中的点连线与Sta_Act_Imagei的点连线的比值，所述点连线为头部点与颈部点，颈部点与左肩点，颈部点与右肩点，左肩点与左手肘点，右肩点与右手肘点，左手肘点与左手腕点，右肩点与右手肘点，臀部点与左膝盖点，臀部点与右膝盖点，左膝盖点与左脚踝点及右膝盖点与右脚踝点连线，点连线的比值分别记为X1，X2，X3……X11；步骤10：将Sp_1与X1相乘得到S1，将Sp_2与X2相乘得到S2，将Sp_3与X3相乘得到S3，将Sp_4与X4相乘得到S4，将Sp_5与X5相乘得到S5，将Sp_6与X6相乘得到S6，将Sp_7与X7相乘得到S7，将Sp_8与X8相乘得到S8，将Sp_9与X9相乘得到S9，将Sp_10与X10相乘得到S10，将Sp_11与X11相乘得到S11，将S1,S2,…S11依次记录到一个数组中作为动作评价判定标准，记为Act_Array；步骤11：按步骤8的方法对Sta_Act_Imagei处理，得到的欧氏距离依次记为St_1,St_2,…St_11，并生成一个数组Sta_Array；步骤12：将Act_Array与Sta_Array每个相应元素分别求其比值，如果得到的比值在[0.75,1.25]范围内判定为标准动作，否则，判定为非标准动作并存储；步骤13：将i加1，重复步骤步骤8~12，直至最后n组图像处理完毕。本专利技术通过Kinect技术获取每1秒中前5帧图像，首先得到各组第一帧图像的骨架图，再通过一组中的后续几帧图像合并得到该组的动作热点图，对动作热点图的运动距离进行计算，将计算结果与标准库进行比对分析，可以识别一段视频的动作是否标准，对非标准动作进行标记并存储。本专利技术即具有视频图像处理的实时性，又具有良好的可操作性与准确的分析结果。附图说明图1本专利技术实施例测试动作第1帧图像。图2本专利技术实施例测试动作第5帧图像。图3本专利技术实施例测试动作第1帧图像的骨架图。图4本专利技术实施例测试动作第1帧到第5帧动作热点图。图5本专利技术实施例标准动作第1帧到第5帧动作热点图。具体实施方式本专利技术的一种基于动作热点图的体育运动视频动作识别方法，依次按照如下步骤进行：步骤1：Kinect摄像头等设备初始化；步骤2：控制Kinect摄像头每隔1秒自动取广播体操中体侧运动的前5帧图像为一组,共取n组图像，所述n为正整数；步骤3：对每一组5帧图像的每1帧图像（图1为第一帧、图5为第5帧），调用微软KinectforwindowsSDK2.0中的get_BodyCount()函数，获得图像中人体头、颈、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左膝盖、右膝盖、左脚踝、右脚踝及臀部所在位置的点坐标；步骤4：将每一组第1帧图像（如图1所示）传输到PC机，分别对图像中头部点与颈部点，颈部点与左肩点，左肩点与左手肘点，左手肘点与左手腕点，颈部点与右肩点，右肩点与右手肘点，右手肘点与右手腕点，颈部点与臀部点，臀部点与右膝盖点，右膝盖点与右脚踝点，臀部点与左膝盖点，左膝盖点与左脚踝点依次连线，生成如图3所示骨架图，记为Ske_Imagei，所述i=1，2，3，4……n，步骤5：分别按照坐标将每一组后续4帧图像中人体头、颈、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左膝盖、右膝盖、左脚踝、右脚踝及臀部的绘制到Ske_Imagei中得到如图4所示动作热点图，记为Act_Imagei，所述i=1，2，3，4……n；步骤6：对标准动作的录像中的相应帧按照步骤2、3、4和步骤5的方法，生成与Ske_Imagei对应的标准骨架图，记为Sta_Ske_Imagei，所述i=1，2，3，4……n；步骤7：对Sta_Ske_Imagei按照步骤5的方法得到如图5所示的动作热点图Sta_Act_Imagei，所述i=1，2，3，4……n；步骤8：从i=1开始，将动作热点图Act_Imagei+1与Act_Imagei的相应点进行计算欧氏距离，所述点为头、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左膝盖、右膝盖、左脚踝及右脚踝，分别记为Sp_1,Sp_2,…Sp_11；步骤9：求Act_Imagei中的点连线与Sta_Act_Imagei的点连线的比值，所述点连线为头部点与颈部点，颈部点与左肩点，颈部点与右肩点，左肩点与左手肘点，右肩点与右手肘点，左手肘点与左手腕点，右肩点与右手肘点，臀部点与左膝盖点，臀部点与右膝盖点，左膝盖点与左脚踝点及右膝盖本文档来自技高网...

【技术保护点】
1.一种基于动作热点图的体育运动视频动作识别方法，其特征在于依次按照如下步骤进行：步骤1：设备初始化；步骤2：每隔一秒自动取前5帧图像为一组，共取n组图像，所述n为正整数；步骤3：对每一组图像的每1帧调用微软Kinect for windows SDK2.0中的get_BodyCount()函数，获得每1帧图像中人体头、颈、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左膝盖、右膝盖、左脚踝、右脚踝及臀部所在位置的点坐标；步骤4：将每一组第1帧图像传输到PC机，分别对图像中头部点与颈部点，颈部点与左肩点，左肩点与左手肘点，左手肘点与左手腕点，颈部点与右肩点，右肩点与右手肘点，右手肘点与右手腕点，颈部点与臀部点，臀部点与右膝盖点，右膝盖点与右脚踝点，臀部点与左膝盖点，左膝盖点与左脚踝点依次连线，生成骨架图，记为Ske_Imagei，所述i=1，2，3，4……n；步骤5：分别按照坐标将每一组后续4帧图像中人体头、颈、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左膝盖、右膝盖、左脚踝、右脚踝及臀部的绘制到Ske_Imagei中得到动作热点图，记为Act_Imagei，所述i=1，2，3，4……n；步骤 6：对标准动作的录像中的相应帧按照步骤2、3、4和步骤5的方法，生成与Ske_Imagei对应的标准骨架图，记为Sta_Ske_Imagei，所述i=1，2，3，4……n；步骤7：对Sta_Ske_Imagei按照步骤5的方法得到动作热点图Sta_Act_Imagei，所述i=1，2，3，4……n；步骤8：从i=1开始，将动作热点图Act_Imagei+1与Act_Imagei的相应点进行计算欧氏距离，所述点为头、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左膝盖、右膝盖、左脚踝及右脚踝，分别记为Sp_1,Sp_2,…Sp_11；步骤9：求Act_Imagei中的点连线与Sta_Act_Imagei的点连线的比值，所述点连线为头部点与颈部点，颈部点与左肩点，颈部点与右肩点，左肩点与左手肘点，右肩点与右手肘点，左手肘点与左手腕点，右肩点与右手肘点，臀部点与左膝盖点，臀部点与右膝盖点，左膝盖点与左脚踝点及右膝盖点与右脚踝点连线，点连线的比值分别记为X1，X2，X3……X 11；步骤10：将Sp_1与X1相乘得到S1，将Sp_2与X2相乘得到S2，将Sp_3与X3相乘得到S3，将Sp_4与X4相乘得到S4，将Sp_5与X5相乘得到S5，将Sp_6与X6相乘得到S6，将Sp_7与X7相乘得到S7，将Sp_8与X8相乘得到S8，将Sp_9与X9相乘得到S9，将Sp_10与X10相乘得到S10，将Sp_11与X11相乘得到S11，将S1,S2,…S11依次记录到一个数组中作为动作评价判定标准，记为Act_Array；步骤 11：按步骤8的方法对Sta_Act_Imagei处理，得到的欧氏距离依次记为St_1,St_2,…St_11，并生成一个数组Sta_Array；步骤12：将Act_Array与Sta_Array每个相应元素分别求其比值，如果得到的比值在[0.75,1.25]范围内判定为标准动作，否则，判定为非标准动作并存储；步骤13：将i加1，重复步骤步骤8~12，直至最后n组图像处理完毕。...

【技术特征摘要】
1.一种基于动作热点图的体育运动视频动作识别方法，其特征在于依次按照如下步骤进行：步骤1：设备初始化；步骤2：每隔一秒自动取前5帧图像为一组，共取n组图像，所述n为正整数；步骤3：对每一组图像的每1帧调用微软KinectforwindowsSDK2.0中的get_BodyCount()函数，获得每1帧图像中人体头、颈、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左膝盖、右膝盖、左脚踝、右脚踝及臀部所在位置的点坐标；步骤4：将每一组第1帧图像传输到PC机，分别对图像中头部点与颈部点，颈部点与左肩点，左肩点与左手肘点，左手肘点与左手腕点，颈部点与右肩点，右肩点与右手肘点，右手肘点与右手腕点，颈部点与臀部点，臀部点与右膝盖点，右膝盖点与右脚踝点，臀部点与左膝盖点，左膝盖点与左脚踝点依次连线，生成骨架图，记为Ske_Imagei，所述i=1，2，3，4……n；步骤5：分别按照坐标将每一组后续4帧图像中人体头、颈、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左膝盖、右膝盖、左脚踝、右脚踝及臀部的绘制到Ske_Imagei中得到动作热点图，记为Act_Imagei，所述i=1，2，3，4……n；步骤6：对标准动作的录像中的相应帧按照步骤2、3、4和步骤5的方法，生成与Ske_Imagei对应的标准骨架图，记为Sta_Ske_Imagei，所述i=1，2，3，4……n；步骤7：对Sta_Ske_Imagei按照步骤5的方法得到动作热点图Sta_Act_Imagei，所述i=1，2，3，4……n；步骤8：从i=1开始，将动作热点图Act_Image...

【专利技术属性】
技术研发人员：高一伦，傅博，邢程頔，王相海，
申请(专利权)人：辽宁师范大学，
类型：发明
国别省市：辽宁,21