【技术实现步骤摘要】
一种人体关节运动关键点识别方法及系统
[0001]本专利技术属于机器视觉技术、图像处理
，具体涉及一种人体关节运动关键点识别方法及系统。
技术介绍
[0002]近年来，随着深度学习技术的进一步发展，使用深度学习技术代替传统方法进行人体关节点的目标检测已经成为趋势，但目前大部分针对人体关节点识别的技术多用于姿态识别(包括人体姿势和手姿势识别)，一来是因为主流技术未能很精准地对复杂角度下的关节点进行测量，二来使用流行深度学习流行的目标检测技术，存在计算量多、相关模型结构庞杂的问题，严重影响该技术的实际应用。
[0003]由于人体是具有柔韧度的，随着人体的部位变化，关键点会随着视角、穿着动态的变化，会伴随着遮挡、图像变型、光照条件等环境影响，现有的技术一般是通过OpenPose模型识别出人体上的关键点，但是识别得到的关键点并不准确，往往与人体实际的关节运动关键点偏差很大，尤其是应用在人体的小关节运动关键点识别以关节点的定位为基础进行关节活动度的测量，需要计算出实际的活动角度，同时模型在计算上的开销不能太大，使得人体关...
【技术保护点】
【技术特征摘要】
1.一种人体关节运动关键点识别方法，其特征在于，所述方法包括以下步骤：S100，采集被测者活动的视频数据；S200，对视频数据进行目标检测，获取包含目标为被测者的子区域的各个图像帧作为关键帧集合；S300，标记出关键帧集合中各个图像帧中目标为被测者的子区域中的活动部件，由每个图像帧中的活动部件构成一个与当前图像帧对应的活动部件集合，并从活动部件集合中提取运动关键点；S400，根据提取的运动关键点确定人体关键点坐标；其中，标记出关键帧集合中各个图像帧中目标为被测者的子区域中的活动部件的方法为以下步骤：对关键帧集合中所有的图像帧进行灰度化并高斯滤波后的灰度图像进行边缘检测获取关键帧集合中各个图像帧的边缘线，由每个图像帧的各个边缘线构成封闭区域，获得每个图像帧的中封闭区域构成的封闭区域集合；在封闭区域集合中，以各个封闭区域的几何中心点作为各个封闭区域的锚点，通过Shi
‑
Tomasi角点检测算法检测各个封闭区域的各个角点，每个封闭区域都得到各个角点构成的对应的角点集合；在各个图像帧中，以各个封闭区域的锚点为Anchor1，计算各个封闭区域的角点集合中各个角点与Anchor1的欧式距离中的最大的距离值MaxDA1，计算各个封闭区域的角点集合中各个角点与Anchor1的欧式距离中的最小的距离值MinDA1；当关键帧集合中当前图像帧存在前一个图像帧时，在前一个图像帧中，各个封闭区域以自身的锚点Anchor1的坐标为圆心、以对应的MaxDA1为半径的扫描范围内搜索几何中心点在扫描范围中的封闭区域，将各个几何中心点在扫描范围中的封闭区域作为活动部件集合；当关键帧集合中当前图像帧不存在前一个图像帧时，在当前图像帧中，各个封闭区域以自身的锚点Anchor1的坐标为圆心、以MaxDA1为半径的扫描范围内搜索几何中心点在扫描范围中的封闭区域，将各个几何中心点在扫描范围中的封闭区域作为活动部件集合。2.根据权利要求1所述的一种人体关节运动关键点识别方法，其特征在于，在S100中，被测者活动的视频为由用户拍摄的包含被测者完整活动周期的关节活动的影像；其中，被测者完整活动周期的关节活动为被测者按照待测关节活动的预设规范进行的待测关节活动,待测关节活动的医学规范包括踝关节背屈活动、坐姿状态下双腿各以90度的角度交替转体髋关节、挺胸打开胸腔维持胸椎活动、进行多方位绕肩关节活动中任意一种或多种活动。3.根据权利要求1所述的一种人体关节运动关键点识别方法，其特征在于，在S300中，由每个图像帧中的活动部件构成一个与当前图像帧对应的活动部件集合的方法为以下步骤：在活动部件集合中的封闭区域中，依次计算各个封闭区域的各个角点与对应封闭区域的几何中心点的欧式距离中的最大的距离值构成最大距离值集合MaxD，依次计算各个封闭区域的各个角点与对应封闭区域的几何中心点的欧式距离中的最小的距离值构成最小距离值集合minD；计算运动衡量值U1=(|AVG(MaxD)
‑
MaxDA1|+|AVG(minD)
‑
MinDA1|)
÷
2；其中，AVG()函数表示取集合中各个元素的算术平均值；
从各个封闭区域的角点集合中筛选出各个角点与锚点之间的欧氏距离DL满足活动条件的角点形成运动特征点集合，或者从各个封闭区域的角点集合中筛选出各个角点与锚点之间的欧氏距离DL大于或等于所有各个角点与锚点之间的欧氏距离DL的平均值的角点形成运动特征点集...
【专利技术属性】
技术研发人员：黄峰，徐硕禹，刘瑞，陈桂平，陈培远，孙雪杨，方馨莹，孔柳倪，洪华旭，王恒，
申请(专利权)人：佛山科学技术学院，
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。