基于差帧法的跳绳真假判断方法及系统技术方案

本发明专利技术公开了一种基于差帧法的跳绳真假判断方法及系统，属于运动目标检测技术领域，该跳绳真假判断方法包括步骤：S1，对若干段跳绳视频作帧间差分计算，得到按时间顺序排列的对应每段跳绳视频的差帧图像序列；S2，将差帧图像序列中的所有差帧图像叠加为一张图像，并将关联各段跳绳视频的各叠加图作为跳绳真假判断模型训练的样本进行模型训练；S3，对获取的实时跳绳视频作帧间差分计算，得到差帧序列，并将差帧序列中的各差帧合并为差帧叠加图后输入到跳绳真假判断模型中作跳绳真假判断。本发明专利技术通过差帧图像的叠加增强了运动跳绳特征，以叠加图作为样本训练的跳绳真假判断模型具有更高的判断准确度。具有更高的判断准确度。具有更高的判断准确度。

【技术实现步骤摘要】
基于差帧法的跳绳真假判断方法及系统


[0001]本专利技术涉及运动目标检测
，具体涉及一种基于差帧法的跳绳真假判断方法及系统。

技术介绍

[0002]跳绳中，当绳子甩动速度过快时，难以用肉眼区分是否为有绳跳绳或无绳跳绳。由于绳子又细又长，即便是应用现有的运动目标检测算法也很难准确识别到高速甩动的绳子。现有技术中，对跳绳作真假检测的方法主要为基于深度学习的目标检测方法。该方法主要应用现有的SSD模型或YOLO模型对输入的跳绳图像中是否有绳子进行目标检测，如果检测到绳子，则判定跳绳为真，否则判定跳绳为假。但高速跳绳运动中，绳子是高度模糊的，现有的SSD或YOLO模型难以准确识别到绳子，因此所作出的判断结果参考价值不大。

技术实现思路

[0003]本专利技术以提高对跳绳真假判断的准确度为目的，提供了一种基于差帧法的跳绳真假判断方法及系统。
[0004]为达此目的，本专利技术采用以下技术方案：
[0005]提供一种基于差帧法的跳绳真假判断方法，包括步骤：
[0006]S1，对若干段跳绳视频作帧间差分计算，得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于差帧法的跳绳真假判断方法，其特征在于，包括步骤：S1，对若干段跳绳视频作帧间差分计算，得到按时间顺序排列的对应每段所述跳绳视频的差帧图像序列，记为Q，Q＝p1、p2、
…
、p
i
、
…
、p
n
，p
i
表示所述差帧时序图像中的第i张差帧图像，i＝1、2、
…
、n，n为差帧图像序列Q中的所述差帧图像的数量；S2，将所述差帧图像序列Q中的所有所述差帧图像叠加为一张图像，并将关联各段所述跳绳视频的各叠加图作为跳绳真假判断模型训练的样本进行模型训练；S3，对获取的实时跳绳视频作帧间差分计算，得到所述实时跳绳视频的差帧序列，并将所述差帧序列中的各差帧合并为差帧叠加图后输入到步骤S2训练而得的所述跳绳真假判断模型中作跳绳真假判断，并输出判断结果。2.根据权利要求2所述的基于差帧法的跳绳真假判断方法，其特征在于，n＝20。3.根据权利要求1所述的基于差帧法的跳绳真假判断方法，其特征在于，所述差帧图像为二值图。4.根据权利要求1
‑
3任意一项所述的基于差帧法的跳绳真假判断方法，其特征在于，训练所述跳绳真假判断模型的神经网络结构包括依序级联的第一卷积层、第一归一化层、第一最大池化层、第二卷积层、第二归一化层、第二最大池化层、第三卷积层、第三归一化层、第三最大池化层、第四卷积层、第四归一化层、第四最大池化层、第五卷积层、第五归一化层、flatten层、dropout层和dense层，所述第一卷积层、所述第二卷积层、所述第三卷积层、所述第四卷积层以及所述第五卷积层用于提取作为模型训练样本的所述叠加图的图像特征；所述第一归一化层、所述第二归一化层、所述第三归一化层、所述第四归一化层以及第五归一化层分别用于对所述第一卷积层、所述第二卷积层、所述第三卷积层、所述第四卷积层以及所述第五卷积层输出的特征图作图像像素批量归一化处理；所述第一最大池化层、所述第二最大池化层、所述第三最大池化层和所述第四最大池化层分别用于对所述第一归一化层、所述第二归一化层、所述第三归一化层以及所述第四归一化层输出的特征图用二维最大池化使特征降维，以压缩数据和参数数量；所述flatten层用于将所述第五归一化层输出的多维的数据一维化；所述dropou...

【专利技术属性】
技术研发人员：吴友银，樊康，吕瑞，朱绍共，
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：