【技术实现步骤摘要】
一种基于图像检索的人体动作对比分析方法
本专利技术涉及图像处理
，特别涉及一种基于图像检索的人体动作对比分析方法。
技术介绍
在大数据时代的背景下，计算机视觉领域备受关注，其中人体动作分析算法的研究已经成为热点问题。当前利用视频进行人体动作分析仍是计算机视觉中一个极具挑战性的课题，涉及图像处理、模式识别、人工智能等多个学科，在智能监控、人机交互、康复运动、体育训练等领域有着广泛的应用前景。人类的行为是通过一系列有逻辑动作完成的，而动作又直接反应在人体的骨架运动上，基于人体位姿估计的方法可以进行更为精确的人体动作分析，并达到其他方法所达不到的高精度。其中人体位姿估计通常是利用计算机视觉相关技术从图像中检测、定位人体关节位置，得到的精确姿态能够应用在行为识别、人机交互、健康监测及动作捕捉等诸多领域。图像是多媒体信息的重要组成部，它包含的内容丰富、直观、具有文本信息领域无法企及的强大的信息表现和描述能以，一直以来都是人们进行信息交流和传递的重要方式之一。局部图像特征描述是计算机视觉的一个基本研究问题，在寻找图...
【技术保护点】
1.一种基于图像检索的人体动作对比分析方法,其特征在于,包括如下步骤：/n步骤1：通过单目摄像机或手机获取人体运动的视频流数据，记录并保存目标对象的基本信息，包括姓名、性别、年龄、身高、所做动作名称；/n步骤2：对视频数据进行预处理，并对视频中每一帧的人体进行姿态估计，得到关键点坐标，其步骤如下：/n步骤2-1:将拍摄的视频数据转换成统一的尺度；/n步骤2-2：通过迁移学习利用Open-pose方法对获得视频中每帧人体的鼻子、脖子、右肩、右手肘、右手腕、右手面、左肩、左手肘、左手腕、左手面、右臀部、右膝盖、右脚掌、右脚踝、左臀部、左膝盖、左脚踝、左脚掌这18个关节点的坐标位置，坐标表示为C
【技术特征摘要】
1.一种基于图像检索的人体动作对比分析方法,其特征在于,包括如下步骤：
步骤1：通过单目摄像机或手机获取人体运动的视频流数据，记录并保存目标对象的基本信息，包括姓名、性别、年龄、身高、所做动作名称；
步骤2：对视频数据进行预处理，并对视频中每一帧的人体进行姿态估计，得到关键点坐标，其步骤如下：
步骤2-1:将拍摄的视频数据转换成统一的尺度；
步骤2-2：通过迁移学习利用Open-pose方法对获得视频中每帧人体的鼻子、脖子、右肩、右手肘、右手腕、右手面、左肩、左手肘、左手腕、左手面、右臀部、右膝盖、右脚掌、右脚踝、左臀部、左膝盖、左脚踝、左脚掌这18个关节点的坐标位置，坐标表示为Ci＝(cxi,cyi)，Ci＝(cxi,cyi),表示坐标cx1表示第一个关节点的x坐标cy1表示第一个关节点的y坐标C1是第一个关键点坐标的坐标集合,其中i从1到18；
步骤3：对所得的18个关键点坐标以左臀部、右臀部和脖子三点构成的三角形重心为原点定义一个坐标系，获得转换后的坐标点矩阵P，将二维人体姿态固定在一张460cm×530cm的空白图片中；
步骤4：构建图像特征库,其步骤如下：
步骤4-1:选取目标视频对象，并按照每个人为类别进行存储；
步骤4-2:获取视频的每一帧图像，提取关键点坐标并按照名字和ID进行编号建立索引；
步骤4-3:并利用FREAK(FastRetinaKeypoint)算法提取关键点形状特征，即，每一帧图片的描述子；
步骤4-4：每一个视频对应一系列图片，每一个图片对应一组关键点坐标，每一组坐标对应一个图片描述子，并建立对应的索引，以此构建图像特征库。
步骤5:当需要进行动作对比分析时，利用局部敏感哈希算法LSH在图像特征库中进行快速相似性搜索找到相似的视频帧关键点坐标，利用相似的关键点坐标获取对应的视频帧，保存视频帧并组合成新视频与目标视频进行对比分析，以此来发现两者之间的差别。
2.如权利要求1所述一种基于图像检索的人体动作对比分析方法,其特征在于，在执行步骤2时，Open-pose网络框架是一个多阶段双分支的网络结构，其中上面的支路用来预测部分亲和域PAFs，PAFs用来学习关节点之间的关系；另一个支路用来预测人体关节点位置的置信图用来预测关节点的位置，通过两个分支协同预测进一步提高关节点预测的精度。
3.如权利要求1所述一种基于图像检索的人体动作对比分析方法,其特征在于，在执行步骤2时，通过Labelme图像标注工具，获取左脚掌、右脚掌、左手面、右手面四个坐标的位置信息，在原来关键点的基础上增加四个关键点，并通过迁移学习利用Open-pose获取所需的18个关键点坐标位置。
4.如权利要求1所述一种基于图像检索的人体动作对比分析方法,其...
【专利技术属性】
技术研发人员：赵红领，李润知，崔莉亚，刘浩东，
申请(专利权)人：郑州大学，
类型：发明
国别省市：河南;41
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。