The invention discloses a method for analyzing human motion track based on joint point extraction, the method comprises the following steps: putting the human body video to be tested into the human skeleton recognition model to obtain the joint point position sequence; segmenting the joint point position sequence according to the joint point and human body prior to obtain the large-scale joint image; putting the large-scale joint image into the joint In the heart prediction network, the position of the fine joint point is obtained; the position of the fine joint point is brought back to the human body video to be tested to obtain the position of the fine joint point in the human body video to be tested; the motion track of the joint point in the video is obtained according to the position analysis of the fine joint point in the human body video to be tested. The method has simple steps and further improves the prediction accuracy of the motion track of the joint point.
【技术实现步骤摘要】
一种基于关节点提取的人体运动轨迹分析方法
本专利技术属于人工智能领域,具体涉及一种基于关节点提取的人体运动轨迹分析方法。
技术介绍
Openpose人体姿态识别项目是美国卡耐基梅隆大学(CMU)基于卷积神经网络和监督学习并以caffe为框架开发的开源库。可以实现人体动作、面部表情、手指运动等姿态估计。适用于单人和多人,具有极好的鲁棒性,是世界上首个基于深度学习的实时多人二维姿态估计应用,基于它的实例如雨后春笋般涌现。openpose的前身就是CPM算法,相比较与CPM算法识别单人,openpose可以识别多人,因为CPM算法也是可以通过heatmap识别出多人的,但openpose提出了PAFs,更好地解决了多人的问题。LSTM算法全称为Longshort-termmemory,最早由SeppHochreiter和JurgenSchmidhuber于1997年提出,是一种特定形式的RNN(Recurrentneuralnetwork,循环神经网络),而RNN是一系列能够处理序列数据的神经网络的总称。一般地,RNN包含如下三个特性:a.循环神经网络能够在每个时间节点产生一个输出,且隐单元间的连接是循环的;b.循环神经网络能够在每个时间节点产生一个输出,且该时间节点上的输出仅与下一时间节点的隐单元有循环连接;c.循环神经网络包含带有循环连接的隐单元,且能够处理序列数据并输出单一的预测。RNN还有许多变形,例如双向RNN(BidirectionalRNN)等。然而,RNN在处理长期依赖(时间序列上距离较远的 ...
【技术保护点】
1.一种基于关节点提取的人体运动轨迹分析方法,其特征在于,所述方法包括如下步骤:/n将待测人体视频放入人体骨架识别模型中得到关节点位置序列;/n根据关节点和人体先验对所述关节点位置序列进行分割得到大尺度关节图像;/n将所述大尺度关节图像放入关节中心预测网络中得到精细关节点位置;/n将所述精细关节点位置带回到待测人体视频中得到关节点在待测人体视频中的精细位置;/n根据所述精细位置分析得到关节点在视频中的运动轨迹;/n通过计算所述运动轨迹的运动学数据辅助分析人体运动状态。/n
【技术特征摘要】
1.一种基于关节点提取的人体运动轨迹分析方法,其特征在于,所述方法包括如下步骤:
将待测人体视频放入人体骨架识别模型中得到关节点位置序列;
根据关节点和人体先验对所述关节点位置序列进行分割得到大尺度关节图像;
将所述大尺度关节图像放入关节中心预测网络中得到精细关节点位置;
将所述精细关节点位置带回到待测人体视频中得到关节点在待测人体视频中的精细位置;
根据所述精细位置分析得到关节点在视频中的运动轨迹;
通过计算所述运动轨迹的运动学数据辅助分析人体运动状态。
2.根据权利要求1所述的一种基于关节点提取的人体运动轨迹分析方法,其特征在于,所述人体骨架识别模型依次通过人体关节点数据集、待测人体的历史关节点数据集训练获取。
3.根据权利要求1所述的一种基于关节点提取的人体运动轨迹分析方法,其特征在于,所述关节中心预测网络依次通过人体关节点数据集、待测人体的历史关节点数据集训练获取。
4.根据权利要求1所述的一种关节点运动轨迹的检测方法,其特征在于,所述人体先验包括人体关节点的分布信息、互相之间的连接信息和距离信息。
5.根据权利要求1所述的一种关节点运动轨迹的检测方法,其特征在于,所述人体骨架识别模型的建立方法包括:
a、将第一帧图像经VGG网络生成第一阶段...
【专利技术属性】
技术研发人员:高浩,杨泽宇,徐枫,宗睿,余新光,潘隆盛,凌至培,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏;32
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。