本发明专利技术提供一种基于计算机视觉的人体运动测量方法、系统及电子设备，本方法通过基于光学的人体运动测量方法获取人体运动视频流，从所述人体运动视频流中提取当前参考图像及当前帧图像，根据所述当前参考图像及当前帧图像计算获得当前帧图像中图像像素点的运动信息，获取当前帧图像中的人体骨骼关键点坐标信息，至少根据当前帧图像中图像像素点的运动信息以及人体骨骼关键点坐标信息，计算获得人体关节运动的运动测量信息，将语义视觉与运动视觉相结合，使得人体运动测量方法的操作更方便，也使获取的运动测量信息更具有鲁棒性。也使获取的运动测量信息更具有鲁棒性。也使获取的运动测量信息更具有鲁棒性。
【技术实现步骤摘要】
一种基于计算机视觉的人体运动测量方法、系统及电子设备
[0001]本专利技术涉及人体运动测量领域，特别涉及一种基于计算机视觉的人体运动测量方法、系统及电子设备。
技术介绍
[0002]现有的人体运动测量方法，大致分为两类：一、基于惯性运动传感器的测量方法，这类方法往往需要将传感器组件固定在人体的各个部位，而传感器本身的重量往往会严重影响人体本身运动，使测量数据失真，导致计算评价不够准确，存在较大误差，且该方法的准备工作也较为繁琐，为用户使用带来不便。二、基于光学的人体运动测量方法，这类方法目前需要双目甚至多目摄像头，需要在人体贴标志点用于收集与识别关键点，该方法的测量环境要求较高，对设备的性能有较高要求。
技术实现思路
[0003]为了克服目前现有的人体运动测量方法带来的操作不便的问题，本专利技术提供基于计算机视觉的人体运动测量方法、系统及电子设备。
[0004]本专利技术为解决上述技术问题，提供一技术方案如下：一种基于计算机视觉的人体运动测量方法，包括如下步骤:步骤S1：基于光学的人体运动测量方法获取人体运动视频流；步骤S2：从所述人体运动视频流中提取当前参考图像及当前帧图像，根据所述当前参考图像及当前帧图像计算获得当前帧图像中图像像素点的运动信息；步骤S3：获取当前帧图像中的人体骨骼关键点坐标信息；及步骤S4：至少根据当前帧图像中图像像素点的运动信息以及人体骨骼关键点坐标信息，计算获得人体关节运动的运动测量信息。
[0005]优选地，步骤S2具体包括如下步骤：步骤S21：将人体运动视频流中依次获取的两帧图像分别作为当前参考图像及当前帧图像，对当前参考图像及当前帧图像进行去躁预处理；及步骤S22：基于光流法利用图像在时间域上的变化以及相邻帧之间的相关性，计算获得当前帧图像中图像像素点的运动信息。
[0006]优选地，步骤S3具体包括如下步骤：步骤S31：将当前帧图像输入人体骨骼关键点识别预训练模型，得到人体各个关节点的Feature Map；及步骤S32：基于Feature Map的高值区域获取人体各个骨骼关键点的像素坐标信息。
[0007]优选地，基于计算机视觉的人体运动测量方法还包括如下步骤：步骤Sa：在当前帧图像中确定包括至少两个人体骨骼关键点的人体躯干Mask区域；及步骤Sb：重复步骤S4以获得人体躯干Mask区域中多个像素点对应的人体关节运动的运动测量信息，根据所述多个像素点对应的人体关节运动的运动测量信息统计获得最终的人体关节运动的运动测量信息。
[0008]优选地，界定所述至少两个人体骨骼关键点为C和D，上述步骤Sa包括：步骤Sa1：设定阈值；步骤Sa2:于当前帧图像中选取像素点E，计算将S与所述阈值进行
比较，并根据比较结果确定所述像素点E是否属于Mask区域；及步骤Sa3:重复步骤Sa2，获取当前帧图像中的人体躯干Mask区域。
[0009]优选地，人体关节对应有两个人体骨骼关键点，所述人体关节运动的运动测量信息设置为人体关节运动角速度且v
a
为步骤S2中获得的当前帧图像中所述人体骨骼关键点对应的图像像素点的运动信息，b-a为当前帧图像中所述两个人体骨骼关键点对应的图像的像素距离，V
A
为人体骨骼关节点的真实运动线速度，B-A为人体关节对应的人体骨骼的长度信息。
[0010]优选地，上述步骤S4中所述人体关节运动的运动测量信息可设置为人体关节运动的线速度、线加速度、角度变化量中的任一种运动指标。
[0011]本专利技术还提供一种基于计算机视觉的人体运动测量系统，包括：图像获取单元，用于基于光学的人体运动测量方法获取人体运动视频流；运动信息获取单元，用于从所述人体运动视频流中提取当前参考图像及当前帧图像，根据所述当前参考图像及当前帧图像计算获得当前帧图像中图像像素点的运动信息；关键点信息获取单元，用于获取当前帧图像中的人体骨骼关键点坐标信息；及数据处理单元，用于至少根据当前帧图像中图像像素点的运动信息以及人体骨骼关键点坐标信息，计算获得人体关节运动的运动测量信息。
[0012]优选地，所述关键点信息获取单元还包括：人体骨骼关键点识别预训练模型，用于提取人体各个关节点的Feature Map，得到人体各个骨骼关键点的坐标信息；及人体躯干Mask区域获取单元，用于根据获取的人体骨骼关键点坐标信息以及设定的阈值确定人体躯干Mask区域。
[0013]本专利技术还提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被设置为运行时执行上述任一项中所述的基于计算机视觉的人体运动测量方法；所述处理器被设置为通过所述计算机程序执行上述任一项中所述的基于计算机视觉的人体运动测量方法。
[0014]与现有技术相比，本专利技术提供的一种基于计算机视觉的人体运动测量方法、系统及电子设备，具有以下优点：
[0015]1、通过基于光学的人体运动测量方法获取人体运动视频流，从所述人体运动视频流中提取相邻的当前参考图像及当前帧图像，根据相邻两帧图像提取的像素信息计算获得当前帧图像中图像像素点的运动信息，再从当前帧图像中获取人体骨骼关键点坐标信息，从而根据当前帧图像中图像像素点的运动信息以及人体骨骼关键点坐标信息，计算获得人体关节运动的运动测量信息，将语义视觉与运动视觉相结合，使得人体运动测量方法的操作更方便，也使获取的运动测量信息更具有鲁棒性。
[0016]2、通过将人体运动视频流中依次获取的两帧图像分别作为当前参考图像及当前帧图像，对二者进行去躁预处理，以及基于光流法利用图像在时间域上的变化以及相邻帧之间的相关性，计算获得当前帧图像中图像像素点的运动信息，提高像素运动信息关于噪声、光照变化的鲁棒性，对当前帧图像进行动态分析，得到具有鲁棒性的运动信息。
[0017]3、通过基于深度学习模型将当前帧图像输入至人体骨骼关键点识别预训练模型，得到人体各个关节点的Feature Map，并基于其高值区域获取人体各个骨骼关键点的像素坐标信息，以人体关节点作为人体各个骨骼关键点，为后续计算提供准确的数据支持。
[0018]4、通过确定包括至少两个人体骨骼关键点的人体躯干Mask区域，获得人体躯干Mask区域中多个像素点对应的人体关节运动的运动测量信息，并根据所述多个像素点对应的人体关节运动的运动测量信息统计获得最终的人体关节运动的运动测量信息，由于在人体躯干Mask区域中对多个运动测量信息进行评估与判断，减小了所述最终的人体关节运动的运动测量信息的误差，从而得到更具鲁棒性的人体运动状态信息。
[0019]5、通过设定一根据经验值设定的阈值，以此判断选取的像素点是否属于Mask区域，从而获取当前帧图像中的人体躯干Mask区域，将当前帧图像中的人体躯干Mask区域中获取的关键点信息与像素点的运动信息相结合，经过计算获得多个人体关节运动的运动测量信息，再将多个所述人体关节运动的运动测量信息进行统计，从而获得最终的人体关节运动的运动测量信息，得到更具鲁棒性的测量指标。
[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于计算机视觉的人体运动测量方法，其特征在于：包括如下步骤:步骤S1：基于光学的人体运动测量方法获取人体运动视频流；步骤S2：从所述人体运动视频流中提取当前参考图像及当前帧图像，根据所述当前参考图像及当前帧图像计算获得当前帧图像中图像像素点的运动信息；步骤S3：获取当前帧图像中的人体骨骼关键点坐标信息；及步骤S4：至少根据当前帧图像中图像像素点的运动信息以及人体骨骼关键点坐标信息，计算获得人体关节运动的运动测量信息。2.如权利要求1中所述基于计算机视觉的人体运动测量方法，其特征在于：步骤S2具体包括如下步骤：步骤S21：将人体运动视频流中依次获取的两帧图像分别作为当前参考图像及当前帧图像，对当前参考图像及当前帧图像进行去躁预处理；及步骤S22：基于光流法利用图像在时间域上的变化以及相邻帧之间的相关性，计算获得当前帧图像中图像像素点的运动信息。3.如权利要求1中所述基于计算机视觉的人体运动测量方法，其特征在于：步骤S3具体包括如下步骤：步骤S31：将当前帧图像输入人体骨骼关键点识别预训练模型，得到人体各个关节点的Feature Map；及步骤S32：基于Feature Map的高值区域获取人体各个骨骼关键点的像素坐标信息。4.如权利要求3中所述基于计算机视觉的人体运动测量方法，其特征在于：基于计算机视觉的人体运动测量方法还包括如下步骤：步骤Sa：在当前帧图像中确定包括至少两个人体骨骼关键点的人体躯干Mask区域；及步骤Sb：重复步骤S4以获得人体躯干Mask区域中多个像素点对应的人体关节运动的运动测量信息，根据所述多个像素点对应的人体关节运动的运动测量信息统计获得最终的人体关节运动的运动测量信息。5.如权利要求4中所述基于计算机视觉的人体运动测量方法，其特征在于：界定所述至少两个人体骨骼关键点为C和D，上述步骤Sa包括：步骤Sa1：设定阈值；步骤Sa2:于当前帧图像中选取像素点E，计算将S与所述阈值进行比较，并根据比较结果确定所述像素点E是否属于Mask区域；及步骤Sa3:重复步骤Sa2，获取当前帧图...
【专利技术属性】
技术研发人员：郑少杰，张晓璐，
申请(专利权)人：北京创新工场旷视国际人工智能技术研究院有限公司，
类型：发明
国别省市：
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。