一种基于最优帧选取的动作评估方法技术

本发明专利技术涉及计算机视觉图像处理技术领域，具体涉及一种基于最优帧选取的动作评估方法，包括：获取测试者的待测视频；对待测视频的视频帧进行骨架分析和姿态分析，生成对应的人体关键点坐标图；基于人体关键点坐标图结合相应的动作评估标准选取对应的最优视频帧；基于最优视频帧从模板视频中选取对应的最优模板视频帧；计算最优视频帧和最优模板视频帧间的相似度，并基于相似度的计算结果生成对应的动作评估结果。本发明专利技术中的动作评估方法能够降低评估成本并提升评估效率，从而能够提升动作评估的效果。的效果。的效果。

【技术实现步骤摘要】
一种基于最优帧选取的动作评估方法


[0001]本专利技术涉及计算机视觉图像处理
，具体涉及一种基于最优帧选取的动作评估方法。

技术介绍

[0002]随着互联网大数据信息技术的广泛应用，基于视觉图像的人体行为侦测和识别技术的应用场景也越来越多。通过对人体的表情、体态等动作特征进行分析，位于人们在公共场合或特定活动空间的行为侦测和预判等技术应用而言，能够提供丰富的识别特征信息，是人类活动大数据信息的一个重要组成部分。
[0003]例如，在运动竞技及健康筛查等领域就需要对人体的动作进行识别，以便对动作的标准情况进行评估。动作评估需要基于动作评估标准和动作评估决策依据进行。早期常用的评估方法是评估者用眼睛观察测试者的动作，并将测试者的动作与标准动作图样进行人为比较以给予分值；同时，评估者手持摄像机进行视频提取，然后用视频截图保存作为备查。上述现有方法不光浪费人力、物力，并且人为判断时也会由于主观性的原因造成评估结果不够客观和准确。
[0004]随着计算机技术的发展，现有技术中出现了基于视频进行动作评估的方法。例如，公开号为CN108205654B的中国专利就公开了《一种基于视频的动作检测方法及装置》，其方法包括：检测待检测视频的视频帧中的肢体关键点；根据肢体关键点获得对应的行为特征；基于行为特征及全局动作评估模型，进行动作完成度检测，获得全局检测结果，其中，全局动作评估模型用于检测视频中人体动作相对于标准动作的完成度。
[0005]上述现有方案中的动作检测方法通过视频帧中的肢体关键点获得行为特征，进而基于行为特征及全局动作评估模型进行动作评估。动作评估，一般是将待测视频中的各个视频帧与模板视频中的对应视频帧进行对比并计算相似度，进而根据相似度来判断动作完成情况。但是，对于简单动作而言，通过一个或多个视频帧的对比便能够完成动作评估，例如评估肩部灵活性时，选取双拳在背部最小距离时对应的视频帧与模板视频帧进行对比便能够实现动作评估。然而，现有动作评估方法需要将待测视频中大量的视频帧与模板视频的对应视频帧进行对比，使得动作评估时做了很多“无用”的计算，造成了计算资源的浪费，增加了动作评估的成本，降低了评估效率。因此，如何设计一种能够降低评估成本并提升评估效率的动作评估方法是亟需解决的技术问题。

技术实现思路

[0006]针对上述现有技术的不足，本专利技术所要解决的技术问题是：如何提供一种基于最优帧选取的动作评估方法，以能够降低动作评估的成本并提升动作评估的效率，从而能够提升动作评估的效果。
[0007]为了解决上述技术问题，本专利技术采用了如下的技术方案：
[0008]一种基于最优帧选取的动作评估方法，包括以下步骤：
[0009]S1：获取测试者的待测视频；
[0010]S2：对待测视频的视频帧进行骨架分析和姿态分析，生成对应的人体关键点坐标图；
[0011]S3：基于人体关键点坐标图结合相应的动作评估标准选取对应的最优视频帧；
[0012]S4：基于最优视频帧从模板视频中选取对应的最优模板视频帧；
[0013]S5：计算最优视频帧和最优模板视频帧间的相似度，并基于相似度的计算结果生成对应的动作评估结果。
[0014]优选的，步骤S2中，生成人体关键点坐标图后，对人体关键点坐标图中的关键点进行中值滤波处理。
[0015]优选的，步骤S3中，选取最优视频帧时，基于人体关键点坐标图计算各个关键点间的角度信息、距离信息和位置关系信息，然后基于角度信息、距离信息或位置关系信息结合动作评估标准选取对应的最优视频帧。
[0016]优选的，关键点间的角度信息为逆时针旋转角；
[0017]通过如下步骤计算逆时针旋转角：
[0018]S301：获取用于计算逆时针旋转角的关键点坐标A、B、C；
[0019]S302：基于关键点坐标A、B、C计算对应的关键点向量和关键点向量
[0020]S303：将关键点向量沿逆时针方向旋转，直至与关键点向量重合；然后将关键点向量旋转至关键点向量的角度作为对应的逆时针旋转角。
[0021]优选的，步骤S4中，选取最优模板视频帧时，基于最优视频帧的人体关键点坐标图计算对应的关键点特征值，然后从模板视频中匹配预设特征值与关键点特征值相对应的视频帧作为最优视频帧的最优模板视频帧。
[0022]优选的，关键点特征值基于关键点间的逆时针旋转角计算；
[0023]关键点特征值的计算公式如下：
[0024][0025]其中，
[0026]上述式中：I表示最优视频帧的关键点特征值；表示最优视频帧中第n个逆时针旋转角的方差；R表示逆时针旋转角；u
r
表示最优视频帧中所有逆时针旋转角的均值；N表示最优视频帧中逆时针旋转角的个数；λ表示设置的调节参数，初始取值为0.1。
[0027]优选的，步骤S5中，计算得到相似度后，基于相似度的计算结果对应的调整调节参数λ的值。
[0028]优选的，步骤S5中，通过计算最优视频帧和最优模板视频帧间逆时针旋转角的相似度来表示最优视频帧和最优模板视频帧间的相似度。
[0029]优选的，通过如下步骤计算最优视频帧和最优模板视频帧间逆时针旋转角的相似度：
[0030]S501：基于最优视频帧中各个逆时针旋转角的方差确定各个逆时针旋转角的权重值；
[0031]S502：基于最优视频帧中各个逆时针旋转角及其权重值以及最优模板视频帧中对应的逆时针旋转角，结合如下公式计算对应的相似度：
[0032][0033]其中，
[0034]上述式中：S表示相似度；R
k
表示最优模板视频帧中的第k个逆时针旋转角；R
′
K
表示最优视频帧中的第k个逆时针旋转角；w
k
表示最优视频帧中第k个逆时针旋转角的权重值；n表示最优视频帧和最优模板视频帧中逆时针旋转角的个数；表示最优视频帧中第k个逆时针旋转角的方差；e表示自然常数。
[0035]优选的，步骤S501中，逆时针旋转角的方差越大，对应的权重值也越大，且各个逆时针旋转角的权重值之和为1。
[0036]本专利技术中的动作评估方法与现有技术相比，具有如下有益效果：
[0037]1、本专利技术通过选取最优视频帧和匹配最优模板视频帧计算相似度的方式，避免了在动作评估时做“无用”计算的问题，能够避免计算资源的浪费，并且这种方式极大的降低了动作评估时的计算量，从而能够降低动作评估的成本并提升动作评估的效率。
[0038]2、本专利技术通过骨架分析和姿态分析的方式生成人体关键点坐标图，进而结合动作评估标准选取最优视频帧并匹配最优模板视频帧，使得最优视频帧和最优模板视频帧的选取均能够与对应的动作评估标准相关联，能够保证最优视频帧和最优模板视频帧的选择准确性，从而能够保证动作评估的准确性和效果。
附图说明
[0039]为了使专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于最优帧选取的动作评估方法，其特征在于，包括以下步骤：S1：获取测试者的待测视频；S2：对待测视频的视频帧进行骨架分析和姿态分析，生成对应的人体关键点坐标图；S3：基于人体关键点坐标图结合相应的动作评估标准选取对应的最优视频帧；S4：基于最优视频帧从模板视频中选取对应的最优模板视频帧；S5：计算最优视频帧和最优模板视频帧间的相似度，并基于相似度的计算结果生成对应的动作评估结果。2.如权利要求1所述的基于最优帧选取的动作评估方法，其特征在于：步骤S2中，生成人体关键点坐标图后，对人体关键点坐标图中的关键点进行中值滤波处理。3.如权利要求1所述的基于最优帧选取的动作评估方法，其特征在于：步骤S3中，选取最优视频帧时，基于人体关键点坐标图计算各个关键点间的角度信息、距离信息和位置关系信息，然后基于角度信息、距离信息或位置关系信息结合动作评估标准选取对应的最优视频帧。4.如权利要求3所述的基于最优帧选取的动作评估方法，其特征在于：关键点间的角度信息为逆时针旋转角；通过如下步骤计算逆时针旋转角：S301：获取用于计算逆时针旋转角的关键点坐标A、B、C；S302：基于关键点坐标A、B、C计算对应的关键点向量和关键点向量S303：将关键点向量沿逆时针方向旋转，直至与关键点向量重合；然后将关键点向量旋转至关键点向量的角度作为对应的逆时针旋转角。5.如权利要求4所述的基于最优帧选取的动作评估方法，其特征在于：步骤S4中，选取最优模板视频帧时，基于最优视频帧的人体关键点坐标图计算对应的关键点特征值，然后从模板视频中匹配预设特征值与关键点特征值相对应的视频帧作为最优视频帧的最优模板视频帧。6.如权利要求5所述的基于最优帧选取的动作评估方法，其特征在于：关键点特征值基于关键点间的逆时针旋转角计...

【专利技术属性】
技术研发人员：郭雨薇，王新月，冉琳，徐乾锋，仲元红，钟代笛，
申请(专利权)人：重庆大学，
类型：发明
国别省市：