一种跳跃状态识别方法、系统、电子设备及存储介质技术方案

本发明专利技术公开了一种跳跃状态识别方法、系统、电子设备及存储介质，其中，方法包括：获取待识别图像集合；通过预先训练的神经网络识别模型对所述待识别图像集合进行识别处理，得到识别关节点集合，所述识别关节点集合包括髋关节点、膝关节点和踝关节点；对所述识别关节点集合中同一张图像的每两个识别关节点进行连线处理，得到连线图像集合；对所述连线图像集合进行跳跃状态分析处理，得到跳跃状态识别结果。本发明专利技术实施例能够减少需要识别的关键点，从而提高跳跃状态识别的处理效率，可广泛应用于人工智能技术领域。于人工智能技术领域。于人工智能技术领域。

【技术实现步骤摘要】
一种跳跃状态识别方法、系统、电子设备及存储介质


[0001]本专利技术涉及人工智能
，尤其是一种跳跃状态识别方法、系统、电子设备及存储介质。

技术介绍

[0002]随着人工智能技术的快速发展，人机交互游戏的人机界面也从用键盘、鼠标控制人物移动的方式逐渐发展到通过摄像头识别用户动作从而控制人物运动。在人机交互游戏中，如酷跑类游戏中，需要用户进行跳跃、转向等操作，通过人机智能设备运用3D效果，给用户一种超真实的动感体验。但是相关技术中需要通过传感器识别用户的跳跃动作，需要识别的关键点较多，存在计算量大，计算复杂且效率低下等问题。综合上述，相关技术中存在的技术问题亟需得到解决。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供一种跳跃状态识别方法、系统、电子设备及存储介质，以实现提高跳跃状态识别的处理效率。
[0004]一方面，本专利技术提供了一种跳跃状态识别方法，所述方法包括：
[0005]获取待识别图像集合；
[0006]通过预先训练的神经网络识别模型对所述待识别图像集合进行识别处理，得到识别关节点集合，所述识别关节点集合包括髋关节点、膝关节点和踝关节点；
[0007]对所述识别关节点集合中同一张图像的每两个识别关节点进行连线处理，得到连线图像集合；
[0008]对所述连线图像集合进行跳跃状态分析处理，得到跳跃状态识别结果。
[0009]可选地，所述获取待识别图像集合，包括：
[0010]通过预设的摄像头获取待识别视频；
[0011]对所述待识别视频进行截图提取处理，得到待识别图像集合。
[0012]可选地，在所述通过预先训练的神经网络识别模型对所述待识别图像集合进行识别处理，得到识别关节点之前，还包括对所述神经网络识别模型进行训练，步骤包括：
[0013]获取肢体图像训练集，所述肢体图像训练集包括人体髋关节及以下部分的肢体图像；
[0014]将所述肢体图像训练集输入到所述神经网络识别模型，对所述肢体图像训练集中的髋关节点、膝关节点和踝关节点进行识别，得到关节点识别结果；
[0015]根据所述关节点识别结果和所述肢体图像训练集的标签确定训练的损失值；
[0016]根据所述损失值对所述神经网络识别模型的参数进行更新。
[0017]可选地，所述对所述连线图像集合进行跳跃状态分析处理，得到跳跃状态识别结果，包括：
[0018]对所述连线图像集合进行状态分析处理，得到每一张连线图像的状态分析结果；
[0019]当所述连线图像的状态为屈腿状态时，获取所述连线图像的前一帧图像与后一帧图像；
[0020]当所述前一帧图像与后一帧图像的状态分析结果均为直立状态时，得到所述连线图像的跳跃状态识别结果为跳跃动作。
[0021]可选地，对所述连线图像集合进行状态分析处理，得到每一张连线图像的状态分析结果，包括：
[0022]从所述连线图像集合中获取得到每一张连线图像；
[0023]获取所述连线图像中髋关节点到膝关节点的连线与膝关节点到踝关节点的连线所形成的夹角为连线夹角；
[0024]当所述连线夹角小于第一预设阈值时，判断所述连线图像的状态分析结果为曲腿状态；
[0025]当所述连线夹角大于第二预设阈值时，判断所述连线图像的状态分析结果为直立状态。
[0026]可选地，所述方法还包括：
[0027]获取跳跃状态识别结果为跳跃动作的连线图像；
[0028]根据所述连线图像中膝关节点位置和髋关节点和踝关节点的连线进行跳跃方向判断处理，得到跳跃动作方向。
[0029]另一方面，本专利技术实施例还提供了一种跳跃状态识别系统，包括：
[0030]第一模块，用于获取待识别图像集合；
[0031]第二模块，用于通过预先训练的神经网络识别模型对所述待识别图像集合进行识别处理，得到识别关节点集合，所述识别关节点集合包括髋关节点、膝关节点和踝关节点；
[0032]第三模块，用于对所述识别关节点集合中同一张图像的每两个识别关节点进行连线处理，得到连线图像集合；
[0033]第四模块，用于对所述连线图像集合进行跳跃状态分析处理，得到跳跃状态识别结果。
[0034]可选地，所述第一模块，用于获取待识别图像集合，包括：
[0035]第一单元，通过预设的摄像头获取待识别视频；
[0036]第二单元，对所述待识别视频进行截图提取处理，得到待识别图像集合。
[0037]另一方面，本专利技术实施例还公开了一种电子设备，包括处理器以及存储器；
[0038]所述存储器用于存储程序；
[0039]所述处理器执行所述程序实现如前面所述的方法。
[0040]另一方面，本专利技术实施例还公开了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
[0041]另一方面，本专利技术实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
[0042]本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：本专利技术实施例通过获取待识别图像集合；通过预先训练的神经网络识别模型对所述待识别图像集合进行识
别处理，得到识别关节点集合，所述识别关节点集合包括髋关节点、膝关节点和踝关节点；对所述识别关节点集合中同一张图像的每两个识别关节点进行连线处理，得到连线图像集合；对所述连线图像集合进行跳跃状态分析处理，得到跳跃状态识别结果。本专利技术实施例通过神经网络识别模型对髋关节点、膝关节点和踝关节点进行识别处理，减少了需要识别的关键点，并根据识别得到的关节点连线进行跳跃状态分析，提高了跳跃状态识别的处理效率。
附图说明
[0043]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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。
[0044]图1是本申请实施例提供的一种跳跃状态识别方法的流程图；
[0045]图2是本申请实施例提供的一种直立状态的识别示意图；
[0046]图3是本申请实施例提供的一种朝左侧跳跃的识别示意图。
具体实施方式
[0047]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0048]在相关技术中，对于人机互动游戏中需要判断用户是否进行相应的操作完成跳跃动作，但是相关方法中通过传感器对用户动作进行识别，需要识别的人体骨骼关键点多，计算量大，计算复杂，步骤繁多，计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跳跃状态识别方法，其特征在于，所述方法包括：获取待识别图像集合；通过预先训练的神经网络识别模型对所述待识别图像集合进行识别处理，得到识别关节点集合，所述识别关节点集合包括髋关节点、膝关节点和踝关节点；对所述识别关节点集合中同一张图像的每两个识别关节点进行连线处理，得到连线图像集合；对所述连线图像集合进行跳跃状态分析处理，得到跳跃状态识别结果。2.根据权利要求1所述的方法，其特征在于，所述获取待识别图像集合，包括：通过预设的摄像头获取待识别视频；对所述待识别视频进行截图提取处理，得到待识别图像集合。3.根据权利要求1所述的方法，其特征在于，在所述通过预先训练的神经网络识别模型对所述待识别图像集合进行识别处理，得到识别关节点之前，还包括对所述神经网络识别模型进行训练，步骤包括：获取肢体图像训练集，所述肢体图像训练集包括人体髋关节及以下部分的肢体图像；将所述肢体图像训练集输入到所述神经网络识别模型，对所述肢体图像训练集中的髋关节点、膝关节点和踝关节点进行识别，得到关节点识别结果；根据所述关节点识别结果和所述肢体图像训练集的标签确定训练的损失值；根据所述损失值对所述神经网络识别模型的参数进行更新。4.根据权利要求1所述的方法，其特征在于，所述对所述连线图像集合进行跳跃状态分析处理，得到跳跃状态识别结果，包括：对所述连线图像集合进行状态分析处理，得到每一张连线图像的状态分析结果；当所述连线图像的状态为屈腿状态时，获取所述连线图像的前一帧图像与后一帧图像；当所述前一帧图像与后一帧图像的状态分析结果均为直立状态时，得到所述连线图像的跳跃状态识别结果为跳跃动作。5.根据权利要求4所述的方法，其特征在于，对所述连线图像集合进行状态...

【专利技术属性】
技术研发人员：莫锡舟，
申请(专利权)人：天翼爱音乐文化科技有限公司，
类型：发明
国别省市：