基于深度学习算法的运动姿态校正追踪系统技术方案

本发明专利技术公开了基于深度学习算法的运动姿态校正追踪系统，涉及姿态识别技术领域，解决了现有技术在运动姿态识别中需要进行大量计算，且无法根据运动姿态识别结果提供校正建议，导致无法高效识别和校正运动姿态的技术问题；本发明专利技术根据主点对齐综合姿态和参考姿态，之后通过计算对应辅点之间的各欧式距离的平均值来判定综合姿态相对于参考姿态的偏离程度；本发明专利技术降低了数据计算量，提高了运动姿态识别效率；本发明专利技术对若干辅点进行标记，结合对应的欧式距离构建欧式曲线；根据欧式曲线的突变情况或者欧式距离的大小确定校正点，对校正点的欧式距离进行调整模拟，根据模拟结果给出校正建议；本发明专利技术根据综合姿态识别结果给出校正建议，满足姿态校正需求。满足姿态校正需求。满足姿态校正需求。

【技术实现步骤摘要】
基于深度学习算法的运动姿态校正追踪系统


[0001]本专利技术属于姿态识别领域，涉及基于深度学习算法的运动姿态校正追踪技术，具体是基于深度学习算法的运动姿态校正追踪系统。

技术介绍

[0002]随着人机交互技术的飞速发展，人体姿态识别越来越受到重视，也会广泛应用于各种智能家电中，如搭配穿戴设备的智能健身系统，可通过穿戴设备采集用户的运动数据，基于运动数据对用户的运动姿态进行识别和校正。
[0003]现有技术(公开号为CN110942006A的专利技术专利申请)公开了一种运动姿态识别方法、运动姿态识别装置、终端设备及介质，通过训练好的双流长短时视频姿态估计模型，对目标时段包含运动体的待识别视频图像进行运动姿态识别，通过模型对待识别视频图像进行特征提取目标预估姿态信息，结合预设参考姿态信息来评估目标预估姿态信息是否正常，提高了对运动体的运动姿态识别效率。现有技术在计算目标预估姿态信息和预设参考姿态信息之间的欧氏距离时，在没有参考点的情况下需要进行大量计算才可实现运动姿态的评估，且无法根据运动姿态识别结果提供校正建议，导致无法高效识别和校正运动姿态；因此，亟须一种基于深度学习算法的运动姿态校正追踪系统。

技术实现思路

[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一；为此，本专利技术提出了基于深度学习算法的运动姿态校正追踪系统，用于解决现有技术在运动姿态识别中需要进行大量计算，且无法根据运动姿态识别结果提供校正建议，导致无法高效识别和校正运动姿态的技术问题。
[0005]为实现上述目的，本专利技术的第一方面提供了基于深度学习算法的运动姿态校正追踪系统，包括姿态识别模块，以及与之相连接的若干图像采集设备；若干图像采集设备用于采集运动体的视频图像；
[0006]通过若干图像采集设备多角度采集运动体的视频图像，将视频图像通过姿态识别模块输入至姿态识别模型；其中，姿态识别模型基于人工智能模型构建；
[0007]通过姿态识别模型提取视频图像中的运动相关特征，对若干运动相关特征进行匹配整合获取综合姿态；其中，匹配过程以视频图像的采集时刻为基准；
[0008]基于视频图像确定若干主点和若干辅点，基于主点匹配对齐综合姿态和参考姿态，之后计算综合姿态和参考姿态中对应辅点之间的欧式距离；
[0009]基于欧式距离判断综合姿态是否需要校正；是，则基于若干欧式距离建立欧式曲线，根据欧式曲线提供校正建议；否，则持续对视频图像进行分析识别。
[0010]优选的，所述姿态识别模块与若干所述图像采集设备通信和/或电气连接；其中，图像采集设备具体为摄像头；
[0011]若干所述图像采集设备设置在运动体运动区域的至少两侧；其中，图像采集设备
的位置用于保证采集视频图像中运动姿态的立体完整性。
[0012]优选的，将所述视频图像输入至训练好的姿态识别模型，包括：
[0013]提取所述视频图像的RGB图像集合和运动光流图像集合；
[0014]将RGB图像集合和运动光流图像集合输入至训练好的姿态识别模型；其中，姿态识别模型包括双流3D卷积神经网络。
[0015]优选的，通过所述姿态识别模型提取视频图像的运动相关特征，对运动相关特征进行匹配整合获取综合姿态，包括：
[0016]所述姿态识别模型基于RGB图像集合和运动光流图像集合获取运动体的外观特征和运动特征；
[0017]将所述外观特征和运动特征进行特征拼接，获取运动体的所述综合姿态。
[0018]优选的，所述姿态识别模块基于视频图像确定主点和辅点，包括：
[0019]识别所述视频图像中运动体运动时的支撑部位，在支撑部位上确定至少两个点作为主点；其中，支撑部位根据运动类型灵活确定；
[0020]从所述视频图像中提取运动体运动时的运动部位，在运动部位上确定至少一个点作为辅点；其中，运动部位根据运动类型灵活确定。
[0021]优选的，在确定主点之后，所述姿态识别模块提取运动体对应的参考姿态，对综合姿态和参考姿态进行匹配对齐，包括：
[0022]确定主点在综合姿态中的对应位置，并作第一标记；以及对比确定主点在参考姿态中的对应位置，并作第二标记；
[0023]对第一标记和第二标记进行对齐，实现综合姿态和参考姿态的匹配对齐。
[0024]优选的，在综合姿态和参考姿态匹配对齐之后，所述姿态识别模块计算对应辅点之间的欧式距离，并根据欧式距离判断是否需要校正综合姿态，包括：
[0025]将辅点标记为i，将对应辅点间的欧式距离标记为OJi；其中，i为正整数；
[0026]通过公式OJZ＝(OJ1+OJ2+
…
+Oji)/i获取欧式距离的平均值OJZ；当OJZ≥OJY时，则建立欧式曲线；否则，持续对视频图像进行分析识别；其中，OJY为根据经验设定的欧式距离平均值的阈值。
[0027]优选的，所述姿态识别模块基于欧式距离建立欧式曲线，根据欧式曲线提供校正建议，包括：
[0028]沿着辅点对应运动部位的一个方向对欧式距离进行标记，将标记作为自变量，将对应的欧式距离标记为因变量，建立欧式曲线；
[0029]将欧式曲线中欧式距离最大的辅点作为校正点，以参考姿态作为标准对校正点进行调整，根据调整结果给出校正建议。
[0030]与现有技术相比，本专利技术的有益效果是：
[0031]1.本专利技术通过视频图像确定主点和辅点；根据主点对齐综合姿态和参考姿态，之后通过计算对应辅点之间的欧式距离，以及各欧式距离的平均值来判定综合姿态相对于参考姿态的偏离程度。本专利技术计算若干辅点对应的欧式距离，降低了数据计算量，提高了运动姿态识别效率。
[0032]2.本专利技术对若干辅点进行标记，结合对应的欧式距离构建欧式曲线；根据欧式曲线的突变情况或者欧式距离的大小确定校正点，对校正点的欧式距离进行调整模拟，根据
模拟结果给出校正建议。本专利技术能够根据综合姿态识别结果给出校正建议，满足姿态校正需求。
附图说明
[0033]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0034]图1为本专利技术的工作步骤示意图。
具体实施方式
[0035]下面将结合实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0036]请参阅图1，本专利技术第一方面实施例提供了基于深度学习算法的运动姿态校正追踪系统，包括姿态识别模块，以及与之相连接的若干图像采集设备；若干图像采集设备用于采集运动体的视频图像；通过若干图像采集设备多角度采集运动体的视本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习算法的运动姿态校正追踪系统，包括姿态识别模块，以及与之相连接的若干图像采集设备；若干图像采集设备用于采集运动体的视频图像，其特征在于：通过若干图像采集设备多角度采集运动体的视频图像，将视频图像通过姿态识别模块输入至姿态识别模型；其中，姿态识别模型基于人工智能模型构建；通过姿态识别模型提取视频图像中的运动相关特征，对若干运动相关特征进行匹配整合获取综合姿态；其中，匹配过程以视频图像的采集时刻为基准；基于视频图像确定若干主点和若干辅点，基于主点匹配对齐综合姿态和参考姿态，之后计算综合姿态和参考姿态中对应辅点之间的欧式距离；基于欧式距离判断综合姿态是否需要校正；是，则基于若干欧式距离建立欧式曲线，根据欧式曲线提供校正建议；否，则持续对视频图像进行分析识别。2.根据权利要求1所述的基于深度学习算法的运动姿态校正追踪系统，其特征在于，所述姿态识别模块与若干所述图像采集设备通信和/或电气连接；其中，图像采集设备具体为摄像头；若干所述图像采集设备设置在运动体运动区域的至少两侧；其中，图像采集设备的位置用于保证采集视频图像中运动姿态的立体完整性。3.根据权利要求1所述的基于深度学习算法的运动姿态校正追踪系统，其特征在于，将所述视频图像输入至训练好的姿态识别模型，包括：提取所述视频图像的RGB图像集合和运动光流图像集合；将RGB图像集合和运动光流图像集合输入至训练好的姿态识别模型；其中，姿态识别模型包括双流3D卷积神经网络。4.根据权利要求1所述的基于深度学习算法的运动姿态校正追踪系统，其特征在于，通过所述姿态识别模型提取视频图像的运动相关特征，对运动相关特征进行匹配整合获取综合姿态，包括：所述姿态识别模型基于RGB图像集合和运动光流图像集合获取运动体的外观特征和运动特征；将所述外观特征和运动特征进行特征拼接，获取运动体的所述综合姿态。5.根据权利要...

【专利技术属性】
技术研发人员：唐义平，祖慈，
申请(专利权)人：安徽一视科技有限公司，
类型：发明
国别省市：