基于计算机视觉的运动数据处理方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及人工智能领域，提供一种基于计算机视觉的运动数据处理方法、装置、设备及介质；其中方法包括：获取第一视频，所述第一视频包括人体进行运动训练的行为动作；根据所述第一视频生成连续多帧的第一图像，对所述连续多帧的第一图像分别进行特征提取，得到第一特征序列；根据所述第一特征序列建立第一运动模型；将所述第一运动模型和预先设定的第二运动模型进行比对，以识别所述第一运动模型中包含的运动动作；所述第二运动模型包至少一个运动动作；根据识别到的运动动作确定所述第一视频的动作识别率；该基于计算机视觉的运动数据处理方法通过直接对视频进行特征提取和描述，更直观的识别人体的行为动作，提高了动作识别的准确度。准确度。准确度。

【技术实现步骤摘要】
基于计算机视觉的运动数据处理方法、装置、设备及介质


[0001]本专利技术实施例涉及但不限于人工智能、计算机视觉领域，尤其涉及基于计算机视觉的运动数据处理方法、装置、设备及介质。

技术介绍

[0002]目前市面上已经有许多线上的健身课程，用户通过这些健身视频课程自主进行训练，通过计算机视觉对人体动作进行识别，进而进行训练指导，可见，线上健身的效果非常依赖于对人体动作的准确识别。
[0003]人体动作识别是机器视觉和人工智能领域一个很重要的领域，其目的在于从视频中检测并识别目标的动作，基于视频的人体动作识别包含两部分：人体运动区域检测和动作识别，人体运动区域检测就是采用运动目标检测方法，从视频中检测出人体运动的区域，动作识别指的是在人体运动区域进行特征提取，然后对特征进行具体业务场景处理。
[0004]现有技术中，对人体动作进行识别时，往往需要对人体关节处进行精确提取和追踪，需要进行目标检测、目标跟踪、滤波去噪等一些预处理；然而由于自我遮挡、尺度和姿势的变化等因素，增加了解决这个问题的难度。因此，现有技术存在很大的局限性。
...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉的运动数据处理方法，其特征在于，包括：获取第一视频，所述第一视频包括人体进行运动训练的行为动作；根据所述第一视频生成连续多帧的第一图像，对所述连续多帧的第一图像分别进行特征提取，得到第一特征序列；其中，所述第一特征序列包括多个特征描述符，所述特征描述符分别与所述第一图像一一对应；根据所述第一特征序列建立第一运动模型；将所述第一运动模型和预先设定的第二运动模型进行比对，以识别所述第一运动模型中包含的运动动作；其中，所述第二运动模型包含至少一个运动动作；根据识别到的运动动作确定所述第一视频的动作识别率。2.根据权利要求1所述的基于计算机视觉的运动数据处理方法，其特征在于，所述对所述连续多帧的第一图像分别进行特征提取，得到第一特征序列，包括：计算所述第一图像的第一梯度场和第一光流场；将所述第一梯度场的强度与第一光流场相乘，得到第二光流场；计算所述第二光流场的方向梯度直方图，作为所述第一图像的特征描述符；将全部第一图像的特征描述符按时间顺序形成第一特征序列。3.根据权利要求1所述的基于计算机视觉的运动数据处理方法，其特征在于，所述根据所述第一特征序列建立第一运动模型，包括：建立所述第一视频的运动模型，以将所述第一特征序列由非欧空间映射为再生核希尔伯特空间；根据所述第一特征序列确定所述运动模型的模型参数，得到第一运动模型。4.根据权利要求3所述的基于计算机视觉的运动数据处理方法，其特征在于，所述第一特征序列的运动模型为：其中，所述A是状态转移矩阵，所述B表示输入噪声对状态变化的影响，所述C为线性操作符，用于将变化状态转化为系统的输出，所述xt表示第一视频的动态部分，所述yt为第一视频的表观特征，所述v
t
和w
t
分别为时刻t的模型噪声和观察噪声。5.根据权利要求4所述的基于计算机视觉的运动数据处理方法，其特征在于，所述根据所述第一特征序列确定所述运动模型的模型参数，得到第一运动模型，包括：计算所述第一特征序列的核矩阵，得到第一矩阵；对所述第一矩阵进行奇异值分解，得到多个特征向量，获取...

【专利技术属性】
技术研发人员：李瑞，
申请(专利权)人：康键信息技术深圳有限公司，
类型：发明
国别省市：