【技术实现步骤摘要】
一种单人体育运动场景下的图像关键点增强检测方法
[0001]本专利技术涉及视觉关键点检测算法领域的一种关键点检测方法，尤其是涉及了一种单人体育运动场景下的图像关键点增强检测方法。
技术介绍
[0002]基于视觉的人体关键点检测技术，一般是利用摄像头获取人物运动实时视频画面，然后利用深度学习人体关键点检测算法逐帧识别画面中的人体关键点信息（例如鼻子，左右眼，左右耳，左右肩，左右肘，左右腕，左右臀，左右膝，左右脚踝等），体育运动判断，检测，计数方面的核心技术。在体育考试，体质检测，运动检测，体能评估，运动健身等领域，通过对关键点相对位置关系的判断，能够反应运动人员不同的运动状态，从而进一步利用算法进行动作匹配度判断，运动计数等功能。
[0003]人体关键点检测算法目前基本上是采用基于深度学习的方法，一般可以分为自顶向下（top
‑
down）和自底向上（bottom
‑
up）两种方式，自顶向下的关键点检测算法先利用人物检测算法，把人物从整个画面中检测框出来，然后针对框内的人物做人体关键点...
【技术保护点】
【技术特征摘要】
1.一种单人体育运动场景下的图像关键点增强检测方法，其特征在于：方法包括如下步骤：（1）针对单人体育运动场景的视频，采用关键点检测模型结合不同亮度和对比度进行匹配处理获得最优的亮度和对比度作为最优匹配参数；（2）对实时获得的单人体育运动场景下的图像按照最优匹配参数进行处理，且基于历史关键点信息进行人物检测框的动态更新生成。2.根据权利要求1所述的一种单人体育运动场景下的图像关键点增强检测方法，其特征在于：所述步骤（1）具体为：提取视频的随机一帧图像，并获取图像的亮度和对比度信息，以图像的亮度和对比度为基准在各自上下0.5
‑
1.5倍范围按等距切分并组合设置多个亮度和对比度的不同阶梯组合，且在调整达到每个阶梯组合下的图像进行处理获得对应的评估参数R，选取评估参数R最大的亮度和对比度的阶梯组合作为最优匹配参数。3.根据权利要求2所述的一种单人体育运动场景下的图像关键点增强检测方法，其特征在于：所述的评估参数R具体按照以下方式获得：采用关键点检测模型对图像进行关键点检测获得关键点集，循环进行n次得到关键点数组S=[K1,K2,K3,...,K
n
]，K
n
表示第n次检测获得的关键点集，每个关键点集K包含了m个关键点的坐标及其置信度；然后计算关键点数组S中每个关键点集的m个关键点的置信度c的平均值，再求取关键点数组S中所有关键点集的平均值的平均作为评估参数R。4.根据权利要求1所述的一种单人体育运动场景下的图像关键点增强检测方法，其特征在于：所述步骤（2）具体为：在单人体育运动场景下，对实时获得的每一帧图像的亮度和对比度调整到最优匹配参数下，然后进行以下处理：（2.1）对当前帧图像采用关键点检测模型进行关键点检测获得关键点集K，将关键点集K添加时间戳信息后存放入长度为L的缓存队列Q中，缓存队列Q用于缓存L帧图像的关键点集K的数据；（2.2）当缓存队列Q中的数据长度小于L时候不进行以下步骤，直到缓存队列Q中的数据长度为L，Q=[K
t
‑
L
, ..., K
t
‑2, K
t
‑2, K
t
‑1, K
t
]，其中K
t
表示第t帧图像的关键点集K，则进行以下步骤；（2.3）在当前的缓存队列Q中，每相邻的两帧图像的关键点集K的关键点间计算移动距离，然后利用下面公式计算对应关键点的移动速度v进而判断筛选关键点：V=((x
t
‑
x
t
‑1)2+(y
t
‑
y
t
‑1) 1/2
)/ (T
t
‑
T
t
‑1)其中，x
t
、y
t
表示关键点集K的一关键点在第t帧图像中的横纵坐标，T
t
表示第t帧图像的计时时间，T
t
‑
T
t
‑1表示t帧和前一帧之间的时间差；再根据关键点的移动速度v判断是否在预设的速度区间[v
f
, v
b
]内过滤掉不满足速度区间内的关键点，其中v
f
, v
b
分别表示速度区间的下限和上限：若在预设的...
【专利技术属性】
技术研发人员：杨赛赛，黄清仪，袁静，赵俊博，陈刚，
申请(专利权)人：浙江浙网数智科技发展有限公司，
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。