本发明专利技术提供一种视频动作识别算法模型的训练方法，该方法获取原始视频，根据用户输入的切分指令对原始视频进行切分后得到多个切分视频，对每个切分视频进行多次图像提取得到多个视频图像，根据用户定义的特定动作对提取到的多个视频图像进行特定动作划分，将划分得到的特定动作图像合成为特定动作视频，按照预设的多个不同间隔频率分别对特定动作视频进行多次图像提取，每次图像提取得到多个样本图像，将每次图像提取得到的多个样本图像分别转换为视频动作识别算法模型的样本文件格式，再将转换格式后的所有样本图像输入到视频动作识别算法模型中对其进行训练，直至视频动作识别算法模型具备识别出视频中的特定动作的能力。力。力。
【技术实现步骤摘要】
一种视频动作识别算法模型的训练方法、存储介质及系统
[0001]本专利技术涉及动作识别
，特别涉及一种视频动作识别算法模型的训练方法、存储介质及系统。
技术介绍
[0002]随着动作智能识别技术的快速发展，其在各行各业应用广泛。在武术演练场景中，可基于动作智能识别技术先识别出演练者的武术动作然后进行动作评分，在此过程中，先录取演练者打出武术动作的武术演练视频，评分系统利用视频动作识别算法模型识别出武术演练视频当中的武术动作，然后对识别出来的武术动作进行评分。
[0003]为使视频动作识别算法模型能够识别出武术演练视频当中的武术动作，需要利用包含有武术教练打完一套标准武术动作的原始视频对视频动作识别算法模型进行训练，在训练过程中，先对原始视频进行多次图像提取得到多个视频图像，再人工将这些视频图像划分为武术动作图像和非武术动作图像，然后将武术动作图像合成为武术动作视频，再按照预设间隔频率对武术动作视频进行多次图像提取后得到多个样本图像，然后将多个样本图像输入到视频动作识别算法模型中进行训练，这样经过训练后的视频动作识别算法模型就能够识别出后续输入其中的演练视频当中的武术动作。对原始视频进行多次图像提取，会先生成对应原始视频的文件夹，再将提取得到的视频图像存储在该文件夹中。武术教练打完一套武术动作的用时一般较长，这样录制得到的原始视频时长比较长，所占内存就比较大，如果直接对原始视频进行多次图像提取，则会在一个文件夹下生成数量非常多的视频图像，这会导致电脑屏幕对刷新、打开文件夹等动作显示得很慢，甚至会卡顿，因此，在对原始视频进行多次图像提取之前，一般会先将原始视频切分为多个时长较短的切分视频，这样对应每个切分视频会生成一个文件夹，再对每个切分视频进行多次图像提取，然后在对应各个切分视频的文件夹下分别生成相应的视频图像，这样每个文件夹中的视频图像就没那么多。但是，将原始视频切分为多个切分视频后，每个切分视频时长可能会较短，这样从切分视频中提取得到的武术动作图像可能会比较少，所合成的武术动作视频时长也就可能比较短，按照预设间隔频率对武术动作视频进行多次图像提取后得到的样本图像数量可能较少，导致样本图像特征多样性不足，若采用特征多样性不足的样本图像对视频动作识别算法模型进行训练则容易出现过拟合现象，一旦出现过拟合现象则会造成训练后的视频动作识别算法模型预测的结果和真实结果之间存在较大的误差。
技术实现思路
[0004]本专利技术要解决的技术问题是从时长较短的武术动作视频中提取样本图像对视频动作识别算法模型进行训练的过程中，如何避免样本图像特征多样性不足。
[0005]为解决上述技术问题，本专利技术提供一种视频动作识别算法模型的训练方法，包括如下步骤：S1.获取原始视频，根据用户输入的切分指令对所述原始视频进行切分后得到多
个切分视频；S2.对每个切分视频进行多次图像提取，得到多个视频图像；S3.根据用户定义的特定动作对提取到的多个视频图像进行划分，划分结果包括特定动作图像和非特定动作图像；S4.将划分得到的特定动作图像合成为特定动作视频，按照预设的多个不同间隔频率分别对所述特定动作视频进行多次图像提取，每次图像提取得到多个样本图像；S5.将每次图像提取得到的多个样本图像分别转换为视频动作识别算法模型的样本文件格式，再将转换格式后的所有样本图像输入到所述视频动作识别算法模型中对其进行训练，直至所述视频动作识别算法模型具备识别出视频中的特定动作的能力。
[0006]优选地，所述步骤S1中，根据用户输入的切分指令对所述原始视频进行等分得到时长相同的多个切分视频。
[0007]优选地，所述步骤S4中，对所述特定动作视频进行图像提取的次数为三次以上。
[0008]优选地，所述步骤S4中，各次图像提取的间隔频率所对应的提取时间与其他次图像提取的间隔频率对应的提取时间不完全重叠。
[0009]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的训练方法中的步骤。
[0010]本专利技术还提供一种视频动作识别算法模型的训练系统，包括相互连接的处理器和如上所述的计算机可读存储介质。
[0011]本专利技术具有以下有益效果：在将划分得到的特定动作图像合成为特定动作视频之后，按照预设的多个不同间隔频率分别对特定动作视频进行多次图像提取，每次图像提取得到多个样本图像，这样有助于增加样本图像的特征多样性，然后将这些样本图像转换为视频动作识别算法模型的样本文件格式，再输入到视频动作识别算法模型中对其进行训练则能避免训练时出现过拟合现象，训练后的视频动作识别算法模型预测的结果和真实结果之间不会存在较大的误差。
附图说明
[0012]图1是视频动作评分系统的连接框图。
[0013]图2是演武台的示意图。
[0014]图3是视频动作评分方法的流程示意图。
[0015]图4是视频动作识别算法模型的训练方法的流程示意图。
具体实施方式
[0016]以下结合具体实施方式对本专利技术创造作进一步详细说明。
[0017]本实施例提供一种应用在武术演练场景下的视频动作评分系统，如图1所示，该系统包括主控设备1、身高体重测量仪2和七台摄像机3，主控设备1分别连接身高体重测量仪2和七台摄像机3。在武术演练场景下，动作演练者需登上演武台4进行武术动作演练，如图2所示，演武台4为矩形，其后方设有布满方格的5米
×
5米方形标定板5，每个方格尺寸为0.1米
×
0.1米，即方格长度为0.1米；身高体重测量仪2设在标定板5前，摄像机3共有七台，分别设在演武台的正前方、左前方、正左方、左后方、右前方、正右方和右后方，这七台摄像机3
都朝向演武台4中央。主控设备1包括相互连接的计算机可读存储介质和处理器，该计算可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现如图3所示的视频动作评分方法，该方法包括如下步骤A、B、C、D、E、F、G、H。
[0018]A.获取动作演练者的身体数据，身体数据包括性别系数、身高、体重和手臂长度。
[0019]动作演练者在进行武术动作演练之前，站在身高体重测量仪2上，主控设备1获取站在身高体重测量仪2上的动作演练者的身体数据，身体数据包括性别系数X、身高h、体重W和手臂长度L。具体地，主控设备1通过身高体重测量仪2直接测得动作演练者的身高h和体重W，与此同时主控设备1利用设在演武台4正前方的摄像机3拍摄站在身高体重测量仪2上的动作演练者和后方标定板5的图像，然后通过人脸识别技术识别该图像中的动作演练者的性别，动作演练者的性别不同则对应生成不同的性别系数X，例如，若主控设备1通过人脸识别技术识别出动作演练者的性别为男性，则可生成性别系数X为1，若主控设备1通过人脸识别技术识别出动作演练者的性别为女性，则可生成性别系数X为1.1。然后主控设备1将正前方的摄像机3拍摄得到的图像输入到人体关键点回归算法DEKR中，获得动作演练者的大臂与小臂的关键点坐标并据此本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种视频动作识别算法模型的训练方法，其特征是，包括如下步骤：S1.获取原始视频，根据用户输入的切分指令对所述原始视频进行切分后得到多个切分视频；S2.对每个切分视频进行多次图像提取，得到多个视频图像；S3.根据用户定义的特定动作对提取到的多个视频图像进行划分，划分结果包括特定动作图像和非特定动作图像；S4.将划分得到的特定动作图像合成为特定动作视频，按照预设的多个不同间隔频率分别对所述特定动作视频进行多次图像提取，每次图像提取得到多个样本图像；S5.将每次图像提取得到的多个样本图像分别转换为视频动作识别算法模型的样本文件格式，再将转换格式后的所有样本图像输入到所述视频动作识别算法模型中对其进行训练，直至所述视频动作识别算法模型具备识别出视频中的特定动作的能力。2.根据权利要求1所述...
【专利技术属性】
技术研发人员：崔卓宇，吴佳伦，张富生，
申请(专利权)人：讯龙广东智能科技有限公司，
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。