基于长短期记忆网络的实时真假运动判断方法技术

本发明专利技术公开了基于长短期记忆网络的实时真假运动判断方法，包括模型训练阶段：获取数据集：按照顺序将运动视频以单帧图像的形式输入人体关键点检测模型中，输出人体的关键点数据，形成数据集样本；选取训练集，输入到LSTM+全连接神经网络，最后计算Loss并更新；还包括实施判断阶段：将待检测数据作为模型输入，输出判断结果，判断结果包括数据中所反应运动的种类。本发明专利技术的有益效果是：本发明专利技术基于人体关键点检测模型，利用人体关键点数据组建模型，经拟合后的模型，以识别视频中人体运动种类以及是否该运动。

【技术实现步骤摘要】
基于长短期记忆网络的实时真假运动判断方法
本专利技术涉及数据识别
，特别是涉及基于长短期记忆网络的实时真假运动判断方法。
技术介绍
随着国家和社会对中小学生的体质的重视，以及人工智能的快速发展，那么人工智能进入体育领域成为必然。目前的运动是否该运动计算方法大致。1、传统图像差帧法通过摄像头传入的图像与上一帧传入的图像进行差异比较,有差异的地方就是运动的部位。缺点：是成本高、性能差、对环境要求高、不能判断是否真正的在做该运动。2、深度学习分类法(classification)通过摄像头传入的图像分类出人体运动的阶段，各级阶段的循环次数计算运动是否该运动。常用的准确度高模型有VGG，MobileNet,ResNet等。缺点：是成本高、性能差。3、深度学习语义分割法(Semanticsegmentation)通过摄像头传入的图像分类出属于人体的像素和属于背景的像素，通过人体像素的变化进行判断。常用的准确度高模型有unet，deeplab等。缺点：是成本高、性能差、对本文档来自技高网...

【技术保护点】
1.基于长短期记忆网络的实时真假运动判断方法，其特征在于：包括模型训练阶段：/n获取数据集：按照顺序将运动视频以单帧图像的形式输入人体关键点检测模型中，输出人体的关键点数据，形成数据集样本；/n选取训练集，输入到LSTM+全连接神经网络，最后计算Loss并更新；/n还包括实施判断阶段：将待检测数据作为模型输入，输出判断结果，判断结果包括数据中所反应运动的种类。/n

【技术特征摘要】
1.基于长短期记忆网络的实时真假运动判断方法，其特征在于：包括模型训练阶段：
获取数据集：按照顺序将运动视频以单帧图像的形式输入人体关键点检测模型中，输出人体的关键点数据，形成数据集样本；
选取训练集，输入到LSTM+全连接神经网络，最后计算Loss并更新；
还包括实施判断阶段：将待检测数据作为模型输入，输出判断结果，判断结果包括数据中所反应运动的种类。


2.根据权利要求1的基于长短期记忆网络的实时真假运动判断方法，其特征在于：从人体关键点检测模型中输出的数据集进行归一化处理，归一化的结果为关键点的X/图像的宽，关键点的Y轴/图像的高。


3.根据权利要求2的基于长短期记忆网络的实时真假运动...

【专利技术属性】
技术研发人员：吴友银，吕瑞，
申请(专利权)人：动者科技杭州有限责任公司，
类型：发明
国别省市：浙江;33