【技术实现步骤摘要】
运动姿态识别方法、运动姿态识别装置、终端设备及介质
本申请属于图像识别
，尤其涉及一种运动姿态识别方法、运动姿态识别装置、终端设备及计算机可读存储介质。
技术介绍
随着人们的生活水平越来越高，越来越多的智能家电也备受消费者们喜爱。例如，搭配了穿戴设备的智能健身系统，可以通过穿戴设备采集用户的运动数据，并基于运动数据对用户进行运动姿态进行识别，以实现对用户在无人指导的情况下指导用户运动健身。然而，在现有的运动姿态识别方案中，由于根据采集到的运动数据进行姿态预估时，是基于穿戴设备采集到的运动数据进行姿态预估或者姿态还原，而某一组运动数据可以同时表征多个运动姿态，也即根据运动数据进行姿态预估存在相当高的容错率，可见现有的运动姿态识别方案中存在识别效率较低的问题。
技术实现思路
有鉴于此，本申请实施例提供了一种运动姿态识别方法、运动姿态识别装置、终端设备及计算机可读存储介质，以解决现有的运动姿态识别方案中存在识别效率较低的问题。本申请实施例的第一方面提供了一种运动姿态识别方法，包括：...
【技术保护点】
1.一种运动姿态识别方法，其特征在于，包括：/n获取目标时段包含运动体的待识别视频图像，并将所述待识别视频图像输入训练好的双流长短时视频姿态估计模型；所述训练好的双流长短时视频姿态估计模型包括双流3D卷积神经网络和递归神经网络；/n通过所述双流3D卷积神经网络对所述待识别视频图像进行运动体的特征提取，得到目标时段的运动体综合特征；/n通过递归神经网络基于第一时段内所述运动体的第一姿态预估信息与所述运动体综合特征，得到所述运动体在目标时段内的目标预估姿态信息；所述第一时段为所述目标时段的前一单位时段；所述目标预估姿态信息用于表征所述运动体在所述目标时段的预估姿态；/n基于所述...
【技术特征摘要】
1.一种运动姿态识别方法，其特征在于，包括：
获取目标时段包含运动体的待识别视频图像，并将所述待识别视频图像输入训练好的双流长短时视频姿态估计模型；所述训练好的双流长短时视频姿态估计模型包括双流3D卷积神经网络和递归神经网络；
通过所述双流3D卷积神经网络对所述待识别视频图像进行运动体的特征提取，得到目标时段的运动体综合特征；
通过递归神经网络基于第一时段内所述运动体的第一姿态预估信息与所述运动体综合特征，得到所述运动体在目标时段内的目标预估姿态信息；所述第一时段为所述目标时段的前一单位时段；所述目标预估姿态信息用于表征所述运动体在所述目标时段的预估姿态；
基于所述目标预估姿态信息与预设参考姿态信息，确定所述预估姿态与预设参考姿态之间的欧几里得距离；所述欧几里得距离用于描述所述预估姿态与所述预设参考姿态之间的差别大小。
2.根据权利要求1所述的运动姿态识别方法，其特征在于，所述获取目标时段包含运动体的待识别视频图像，并将所述待识别视频图像输入训练好的双流长短时视频姿态估计模型，包括：
提取所述待识别视频图像的RGB图片集合和运动光流图片集合；
将所述RGB图片集合和所述运动光流图片集合输入训练好的双流长短时视频姿态估计模型的双流3D卷积神经网络。
3.根据权利要求2所述的运动姿态识别方法，其特征在于，所述通过所述双流3D卷积神经网络对所述待识别视频图像进行运动体的特征提取，得到目标时段的运动体综合特征，包括：
通过所述双流3D卷积神经网络基于所述RGB图片集合和所述运动光流图片集合，抽取所述待识别视频图像中运动体在所述目标时段内的外观特征和运动特征；
将所述外观特征与所述运动特征进行特征拼接，得到所述目标时段的运动体综合特征。
4.根据权利要求1所述的运动姿态识别方法，其特征在于，所述通过递归神经网络基于第一时段内所述运动体的第一姿态预估信息与所述运动体综合特征，得到所述运动体在目标时段内的目标预估姿态信息，包括：
若所述目标时段存在前一单位时段，则将所述目标时段的前一单位时段识别为第一时段，并将所述第一时段对应的第一姿态预估信息与所述运动体综合特征输入递归神经网络，通过所述递归神经网络根据所述第一姿态预估信息与所述运动体综合特征进行状态向量计算，以得到所述运动体在目标时段内的目标预估姿态信息；
若所述目标时段不存在前一单位时段，则令第一姿态预估信息为空，并将所述运动体综合特征输入递归神经网络，通过所述递归神经网络根据所述运动体综合特征进行状态向量计算，以得到所述运动体在目标时段内的目标预估姿态信息。...
【专利技术属性】
技术研发人员：乔宇，邹静，王亚立，
申请(专利权)人：中国科学院深圳先进技术研究院，
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。