一种基于改进LSTM模型的动作预估评定方法技术

一种基于改进LSTM模型的动作预估评定方法，它包括如下步骤：步骤一，采集T‑1时刻的人体姿态节点的17个数据点，经过姿态预测模型，输出下一时刻人体姿态的预测值；步骤二，T时刻视频帧经过HRNet，输出人体姿态的观测数据；步骤三，将T时刻人体姿态的观测数据与人体姿态节点预测数据，经过无迹卡尔曼滤波器滤波，得到精度更高的T时刻人体姿态节点数据。本发明专利技术根据所获得的实时的按压深度、按压部位和按压频率，绘制动态曲线图，从而可以识别并预测按压动作。而且增加注意力机制模型，使得改进后的HRNet用于心肺复苏按压动作过程中的人体姿态检测，以及为心肺复苏医学考核中假人胸部，头部等实例分割模型提供精确的主干网络，提高了模型的检测精度。

【技术实现步骤摘要】
一种基于改进LSTM模型的动作预估评定方法
本专利技术涉及一种改进型算法，具体地说是涉及一种基于改进LSTM模型的动作预估评定方法。
技术介绍
心脏骤停严重威胁人们的生命健康，开展优质的心肺复苏（CPR,cardiopulmonaryresuscitation）可显著提升患者存活率，同时也是挽救患者生命的重要手段。美国心脏协会（AHA,AmericanHeartAssociation）和国际复苏联络委员会（ILCOR,InternationalLiaisionCommitteeonResuscitation）将高质量的心肺复苏术作为复苏的核心。目前常规的心肺复苏训练、考核方式为应用医学模拟人并由裁判打分评判。这样做存在几个弊端，比如考官评判主观性强，不够客观；在考核评判过程中考生具体的按压深度、频率等均依赖模拟人本身的质量条件，考官很难评判；训练过程中学员需要考官时时监督配合来纠正和提高自身的操作，大量消耗培训和考核的人力成本等等。现有技术在获取了考生的按压图像之后，由于按压动作是一个动态过程，无法根据按压图像判断考生按压姿态是否合格，本文档来自技高网...

【技术保护点】
1.一种基于改进LSTM模型的动作预估评定方法，其特征在于：它包括如下步骤：/n步骤一，采集T-1时刻的人体姿态节点的17个数据点，经过姿态预测模型，输出下一时刻人体姿态的预测值，即T时刻人体姿态节点预测数据；/n步骤二，T时刻视频帧经过HRNet，输出人体姿态的观测数据；/n步骤三，将T时刻人体姿态的观测数据与人体姿态节点预测数据，经过无迹卡尔曼滤波器UKF滤波，得到精度更高的T时刻人体姿态节点数据。/n

【技术特征摘要】
1.一种基于改进LSTM模型的动作预估评定方法，其特征在于：它包括如下步骤：
步骤一，采集T-1时刻的人体姿态节点的17个数据点，经过姿态预测模型，输出下一时刻人体姿态的预测值，即T时刻人体姿态节点预测数据；
步骤二，T时刻视频帧经过HRNet，输出人体姿态的观测数据；
步骤三，将T时刻人体姿态的观测数据与人体姿态节点预测数据，经过无迹卡尔曼滤波器UKF滤波，得到精度更高的T时刻人体姿态节点数据。


2.根据权利要求1所述的基于改进LSTM模型的动作预估评定方法，其特征在于：所述姿态预测模型包括如下步骤：
（1），实时获取心肺复苏按压过程中的视频帧；
（2），根据不同视频帧之间的相互关系，加入注意力机制，设i时刻的视频帧所提取的骨姿态节点为xi，按压动作状态为hiprev，则



其中Qi和Ri为实现骨姿态节点为xi和按压动作状态为hiprev交互所设置的矩阵，σ代表Sigmoid函数，r为超参数，表示采用多少帧图片所提取的特征；
（3），对LSTM模型进行改进，改进的模型如下：



其中，li和lj均代表各个项的权重，为网络学习的参数，初始化为li=1/n，n代表所进行计算的图像帧数，j代表第j帧图像所提取特征，i代表第i帧图像所提取特征；
（4），根据增强后的视频帧xi和按压动作状态hjprev，识别心肺复苏动作情况。


3.根据权利要求2所述的基于改进LSTM模型的动作预估评定方法，其特征在于：所述心肺复苏动作情况包括按压深度、按压部位和按压频率。


4.根据权利要求1所述的基于改进LSTM模型的动作预估评定方法，其特征在于：所述的HRNet模型为：当输入F作为输入特征图时，增加注意力机制模块，并对注...

【专利技术属性】
技术研发人员：谢谭，李胜云，邰海军，曾凡，柯钦瑜，蒋伟，
申请(专利权)人：萱闱北京生物科技有限公司，
类型：发明
国别省市：北京;11