本发明专利技术公开了一种人体动作识别方法、装置、设备与计算机可读存储介质，该方法包括：确定待检测图像对应的单帧图像，根据单帧图像得到人体关键点信息；确定所述待检测图像对应的图像累积帧，根据所述图像累积帧得到人体特征图集合；基于所述人体关键点信息和所述人体特征图集合确定所述待检测图像中的人体动作。本发明专利技术通过得到人体关键点信息和人体特征图集合，基于人体关键点信息和人体特征图集合得到更多识别信息，进而确定人体动作，提高了人体动作识别的准确率。动作识别的准确率。动作识别的准确率。
【技术实现步骤摘要】
人体动作识别方法、装置、设备与计算机可读存储介质
[0001]本专利技术涉及人工智能
，尤其涉及人体动作识别方法、装置、设备与计算机可读存储介质。
技术介绍
[0002]使用深度学习技术可以对视频进行推理，进行人体动作识别，目前广泛使用的人体动作识别模型主要是在视频段级别的数据集上训练后，再对视频流输入进行帧级别动作类型输出。目前人体动作识别模型主要是通过人体动作特征提取的方式对人体关节和身体部位进行识别，但是动作特征提取方式和处理方法得到的人体动作特征比较单一，无法得到丰富的人体动作特征信息，导致人体动作识别的准确率不高。
[0003]因此，如何提高人体动作识别的准确率，是急需解决的问题。
技术实现思路
[0004]本专利技术的主要目的在于提出一种人体动作识别方法、装置、设备与计算机可读存储介质，旨在解决如何提高人体动作识别的准确率的问题。
[0005]为实现上述目的，本专利技术提供一种人体动作识别方法，所述人体动作识别方法包括如下步骤：
[0006]确定待检测图像对应的单帧图像，根据单帧图像得到人体关键点信息；
[0007]确定所述待检测图像对应的图像累积帧，根据所述图像累积帧得到人体特征图集合；
[0008]基于所述人体关键点信息和所述人体特征图集合确定所述待检测图像中的人体动作。
[0009]可选地，根据单帧图像得到人体关键点信息的步骤包括：
[0010]确定所述单帧图像中的人体目标框；
[0011]根据预设人体关键点集合确定所述单帧图像中所述人体目标框中的像素点信息，得到所述单帧图像中的人体关键点信息。
[0012]可选地，根据所述图像累积帧得到人体特征图集合，包括：
[0013]确定各所述图像累积帧中人体目标框；
[0014]基于各所述人体目标框对各所述图像累积帧进行特征提取，得到人体特征图集合。
[0015]可选地，基于所述人体关键点信息和所述人体特征图集合确定所述待检测图像中的人体动作的步骤包括：
[0016]确定所述人体特征图集合中每个人体动作对应的第一置信度，得到第一置信度集合；
[0017]确定所述人体关键点信息中每个人体动作对应的第二置信度，得到第二置信度集合；
[0018]根据所述第一置信度集合和所述第二置信度集合确定所述待检测图像中的人体动作。
[0019]可选地，根据所述第一置信度集合和所述第二置信度集合确定所述待检测图像中的人体动作的步骤包括以下两种方式之一：
[0020]将所述第一置信度集合和所述第二置信度集合与预设第一置信度阈值和预设第二置信度阈值进行对比，并根据对比结果确定所述待检测图像中的人体动作；
[0021]根据所述第一置信度集合和所述第二置信度集合确定第三置信度集合，将所述第三置信度集合中的每个第三置信度与预设第三置信度阈值进行对比，并根据对比结果确定所述待检测图像中的人体动作。
[0022]可选地，基于所述人体关键点信息和所述人体特征图集合确定所述待检测图像中的人体动作的步骤包括：
[0023]将所述人体关键点信息和所述人体特征图集合进行整合，得到目标人体特征图集合；
[0024]确定所述目标人体特征图集合中每个人体动作对应的第四置信度，得到第四置信度集合；
[0025]将所述第四置信度集合中的每个第四置信度与预设第四置信度阈值进行对比，并根据对比结果确定所述待检测图像中的人体动作。
[0026]可选地，将所述人体关键点信息和所述人体特征图集合进行整合，得到目标人体特征图集合的步骤包括：
[0027]分别计算所述人体特征图集合中每个人体特征图与所述待检测图像的面积比例，根据所述面积比例，对所述人体关键点信息中的位置信息进行缩放处理；
[0028]将经过缩放处理的人体关键点信息与所述人体特征图集合中对应的人体特征图进行整合，得到目标人体特征图集合。
[0029]此外，为实现上述目的，本专利技术还提供一种人体动作识别装置，所述人体动作识别装置包括：
[0030]第一确定模块，用于确定待检测图像对应的单帧图像，根据单帧图像得到人体关键点信息；
[0031]第二确定模块，用于确定所述待检测图像对应的图像累积帧，根据所述图像累积帧得到人体特征图集合；
[0032]第三确定模块，用于基于所述人体关键点信息和所述人体特征图集合确定所述待检测图像中的人体动作。
[0033]进一步地，所述第一确定模块还用于：
[0034]确定所述单帧图像中的人体目标框；
[0035]根据预设人体关键点集合确定所述单帧图像中所述人体目标框中的像素点信息，得到所述单帧图像中的人体关键点信息。
[0036]进一步地，所述第二确定模块还用于：
[0037]确定各所述图像累积帧中人体目标框；
[0038]基于各所述人体目标框对各所述图像累积帧进行特征提取，得到人体特征图集合。
[0039]进一步地，所述第三确定模块还用于：
[0040]确定所述人体特征图集合中每个人体动作对应的第一置信度，得到第一置信度集合；
[0041]确定所述人体关键点信息中每个人体动作对应的第二置信度，得到第二置信度集合；
[0042]根据所述第一置信度集合和所述第二置信度集合确定所述待检测图像中的人体动作。
[0043]进一步地，所述第三确定模块还用于：
[0044]将所述第一置信度集合和所述第二置信度集合与预设第一置信度阈值和预设第二置信度阈值进行对比，并根据对比结果确定所述待检测图像中的人体动作；
[0045]根据所述第一置信度集合和所述第二置信度集合确定第三置信度集合，将所述第三置信度集合中的每个第三置信度与预设第三置信度阈值进行对比，并根据对比结果确定所述待检测图像中的人体动作。
[0046]进一步地，所述第三确定模块还用于：
[0047]将所述人体关键点信息和所述人体特征图集合进行整合，得到目标人体特征图集合；
[0048]确定所述目标人体特征图集合中每个人体动作对应的第四置信度，得到第四置信度集合；
[0049]将所述第四置信度集合中的每个第四置信度与预设第四置信度阈值进行对比，并根据对比结果确定所述待检测图像中的人体动作。
[0050]进一步地，所述第三确定模块还用于：
[0051]分别计算所述人体特征图集合中每个人体特征图与所述待检测图像的面积比例，根据所述面积比例，对所述人体关键点信息中的位置信息进行缩放处理；
[0052]将经过缩放处理的人体关键点信息与所述人体特征图集合中对应的人体特征图进行整合，得到目标人体特征图集合。
[0053]此外，为实现上述目的，本专利技术还提供一种人体动作识别设备，所述人体动作识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人体动作识别程序，所述人体动作识别程序被所述处理器执行时实现如上所述的人体动作识本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人体动作识别方法，其特征在于，所述人体动作识别方法包括如下步骤：确定待检测图像对应的单帧图像，根据单帧图像得到人体关键点信息；确定所述待检测图像对应的图像累积帧，根据所述图像累积帧得到人体特征图集合；基于所述人体关键点信息和所述人体特征图集合确定所述待检测图像中的人体动作。2.如权利要求1所述的人体动作识别方法，其特征在于，所述根据单帧图像得到人体关键点信息的步骤包括：确定所述单帧图像中的人体目标框；根据预设人体关键点集合确定所述单帧图像中所述人体目标框中的像素点信息，得到所述单帧图像中的人体关键点信息。3.如权利要求1所述的人体动作识别方法，其特征在于，所述根据所述图像累积帧得到人体特征图集合，包括：确定各所述图像累积帧中人体目标框；基于各所述人体目标框对各所述图像累积帧进行特征提取，得到人体特征图集合。4.如权利要求1
‑
3所述的人体动作识别方法，其特征在于，所述基于所述人体关键点信息和所述人体特征图集合确定所述待检测图像中的人体动作的步骤包括：确定所述人体特征图集合中每个人体动作对应的第一置信度，得到第一置信度集合；确定所述人体关键点信息中每个人体动作对应的第二置信度，得到第二置信度集合；根据所述第一置信度集合和所述第二置信度集合确定所述待检测图像中的人体动作。5.如权利要求4中所述的人体动作识别方法，其特征在于，所述根据所述第一置信度集合和所述第二置信度集合确定所述待检测图像中的人体动作的步骤包括以下两种方式之一：将所述第一置信度集合和所述第二置信度集合与预设第一置信度阈值和预设第二置信度阈值进行对比，并根据对比结果确定所述待检测图像中的人体动作；根据所述第一置信度集合和所述第二置信度集合确定第三置信度集合，将所述第三置信度集合中的每个第三置信度与预设第三置信度阈值进行对比，并根据对比结果确定所述待检测图...
【专利技术属性】
技术研发人员：竺浩，姜会秀，刘建平，刘颖峰，
申请(专利权)人：深圳市杉川机器人有限公司，
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。