【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种投掷动作测评方法、装置、电子设备及存储介质。
技术介绍
1、投掷类的运动项目包括铅球、实心球、铁饼和标枪等。在测评投掷类运动时，通常采用人工的方式判定运动人员在投掷过程中是否存在动作违规。随着计算机视觉技术的快速发展，越来越多的视觉算法应用在投掷运动的动作检测中。
2、现有的基于计算机视觉的投掷动作测评，通常是基于目标检测结合规则算法的方案进行测评。这类解决方案首先通过人体姿态关键点检测算法获取人体的关键点信息，再通过目标检测算法获取投掷物位置以及投掷运动的边界框等信息，再确定人体关键点和投掷物间的位置关系，并基于预设阈值、获取的关键点信息、边界框信息和位置关系等，通过规则算法来判定投掷动作是否存在肩下投掷或向后投掷等违规动作。
3、然而采用现有的方案进行投掷动作测评时，会受人体关键点、投掷物或边界框等目标的检测结果不准确的影响，而导致投掷动作测评的准确度较低。
技术实现思路
1、本专利技术提供一种投掷动作测评方法、装置、电子设备及存储介质，用以解决现有技术中投掷动作测评的准确度较低的缺陷，实现提高投掷动作测评准确度的目的。
2、本专利技术提供一种投掷动作测评方法，包括：
3、获取图像序列，图像序列的各图像中包括待检测目标；
4、将图像序列中的至少一帧图像输入投掷识别模型中的出手识别模块，得到出手识别模块输出的出手图像，出手图像为投掷物脱离待检测目标的初始时刻对应的图像；
5
6、基于手部动作分类得分和脚部动作分类得分，对待检测目标的投掷动作进行测评。
7、根据本专利技术提供的一种投掷动作测评方法，将图像序列中的至少一帧图像输入投掷识别模型中的出手识别模块，得到出手识别模块输出的出手图像，包括：
8、将图像序列中的至少一帧图像输入出手识别模块，通过出手识别模块，从第一帧图像开始，提取当前图像的图像特征，得到当前图像的第一特征向量；
9、基于当前图像的第一特征向量，确定当前图像对应的第一融合特征；
10、基于第一融合特征，确定当前图像的出手分类得分，直至确定出大于第一预设值的出手分类得分对应的图像，并将出手分类得分大于第一预设值的图像确定为出手图像。
11、根据本专利技术提供的一种投掷动作测评方法，基于当前图像的第一特征向量，确定当前图像对应的第一融合特征，包括：
12、将第一特征向量拆分为第一子特征向量和第二子特征向量；
13、在当前图像为非第一帧图像的情况下，将前一帧图像的第二子特征向量与当前图像的第一子特征向量进行拼接，得到当前图像对应的第一融合特征；
14、在当前图像为第一帧图像的情况下，将当前图像的第一子特征向量和零向量进行拼接，得到当前图像对应的第一融合特征。
15、根据本专利技术提供的一种投掷动作测评方法，将图像序列中的至少一帧图像输入出手识别模块，通过出手识别模块，从第一帧图像开始，提取当前图像的图像特征，得到当前图像的第一特征向量，包括：
16、将图像序列中的至少一帧图像输入投掷识别模型中的目标跟踪模块，得到目标跟踪模块输出的待检测目标的位置信息；
17、将图像序列中的至少一帧图像和各图像中的位置信息输入出手识别模块，通过出手识别模块对各图像进行裁剪，得到包括待检测目标的各第一子图像；
18、从第一帧第一子图像开始，提取当前第一子图像的图像特征，得到当前第一子图像的第一子图像特征向量，并将第一子图像特征向量确定为当前图像的第一特征向量。
19、根据本专利技术提供的一种投掷动作测评方法，将目标图像输入投掷识别模型中的手部识别模块，得到手部识别模块输出的手部动作分类得分，包括：
20、将目标图像输入手部识别模块，通过手部识别模块对目标图像中的待检测目标所在的图像区域进行裁剪，得到包括待检测目标的手部区域的第二子图像；
21、针对各第二子图像，提取第二子图像的图像特征，得到第二子图像的第二特征向量；
22、基于各第二特征向量，确定各第二子图像对应的第二融合特征；
23、基于各第二融合特征，确定图像序列对应的手部动作分类得分。
24、根据本专利技术提供的一种投掷动作测评方法，基于各第二特征向量，确定各第二子图像对应的第二融合特征，包括：
25、针对各第二特征向量，将第二特征向量拆分为第三子特征向量和第四子特征向量；
26、将第四子特征向量拆分为第五子特征向量和第六子特征向量；
27、针对各第二子图像，将第二子图像的第三子特征向量、前一帧第二子图像的第五子特征向量和后一帧第二子图像的第六子特征向量进行拼接，得到第二子图像对应的第二融合特征。
28、根据本专利技术提供的一种投掷动作测评方法，将目标图像输入投掷识别模型中的脚部识别模块，得到脚部识别模块输出的脚部动作分类得分，包括：
29、将目标图像输入脚部识别模块，通过脚部识别模块对目标图像中的待检测目标所在的图像区域进行裁剪，得到包括待检测目标的脚部区域的第三子图像；
30、针对各第三子图像，提取第三子图像的图像特征，得到第三子图像的第三特征向量；
31、基于各第三特征向量，确定各第三子图像对应的第三融合特征；
32、基于各第三融合特征，确定图像序列对应的脚部动作分类得分。
33、根据本专利技术提供的一种投掷动作测评方法，基于各第三特征向量，确定各第三子图像对应的第三融合特征，包括：
34、针对各第三特征向量，将第三特征向量拆分为第七子特征向量和第八子特征向量；
35、将第八子特征向量拆分为第九子特征向量和第十子特征向量；
36、针对各第三子图像，将第三子图像的第七子特征向量、前一帧第三子图像的第九子特征向量和后一帧第三子图像的第十子特征向量进行拼接，得到第三子图像对应的第三融合特征。
37、本专利技术还提供一种投掷动作测评装置，包括：
38、获取单元，用于获取图像序列，图像序列的各图像中包括待检测目标；
39、处理单元，用于将图像序列中的至少一帧图像输入投掷识别模型中的出手识别模块，得到出手识别模块输出的出手图像，出手图像为投掷物脱离待检测目标的初始时刻对应的图像；
40、处理单元，还用于将目标图像分别输入投掷识别模型中的手部识别模块和脚部识别模块，得到手部识别模块输出的手部动作分类得分，以及脚部识别模块输出的脚部动作分类得分；目标图像包括出手图像、图像序列中出手图像前第一预设数量的第一图像和图像序列中出手图像后第二预设数量的第本文档来自技高网...
【技术保护点】
1.一种投掷动作测评方法，其特征在于，包括：
2.根据权利要求1所述的投掷动作测评方法，其特征在于，所述将所述图像序列中的至少一帧图像输入投掷识别模型中的出手识别模块，得到所述出手识别模块输出的出手图像，包括：
3.根据权利要求2所述的投掷动作测评方法，其特征在于，所述基于所述当前图像的第一特征向量，确定所述当前图像对应的第一融合特征，包括：
4.根据权利要求2所述的投掷动作测评方法，其特征在于，将所述图像序列中的至少一帧图像输入所述出手识别模块，通过所述出手识别模块，从第一帧图像开始，提取当前图像的图像特征，得到所述当前图像的第一特征向量，包括：
5.根据权利要求1-4任一项所述的投掷动作测评方法，其特征在于，将目标图像输入所述投掷识别模型中的手部识别模块，得到所述手部识别模块输出的手部动作分类得分，包括：
6.根据权利要求5所述的投掷动作测评方法，其特征在于，所述基于各所述第二特征向量，确定各所述第二子图像对应的第二融合特征，包括：
7.根据权利要求1-4任一项所述的投掷动作测评方法，其特征在于，将目标图
8.根据权利要求7所述的投掷动作测评方法，其特征在于，所述基于各所述第三特征向量，确定各所述第三子图像对应的第三融合特征，包括：
9.一种投掷动作测评装置，其特征在于，包括：
10.一种电子设备，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计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述投掷动作测评方法。
11.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述投掷动作测评方法。
...【技术特征摘要】
1.一种投掷动作测评方法，其特征在于，包括：
2.根据权利要求1所述的投掷动作测评方法，其特征在于，所述将所述图像序列中的至少一帧图像输入投掷识别模型中的出手识别模块，得到所述出手识别模块输出的出手图像，包括：
3.根据权利要求2所述的投掷动作测评方法，其特征在于，所述基于所述当前图像的第一特征向量，确定所述当前图像对应的第一融合特征，包括：
4.根据权利要求2所述的投掷动作测评方法，其特征在于，将所述图像序列中的至少一帧图像输入所述出手识别模块，通过所述出手识别模块，从第一帧图像开始，提取当前图像的图像特征，得到所述当前图像的第一特征向量，包括：
5.根据权利要求1-4任一项所述的投掷动作测评方法，其特征在于，将目标图像输入所述投掷识别模型中的手部识别模块，得到所述手部识别模块输出的手部动作分类得分，包括：
6.根据权利要求5所述的投掷动作测评方...
【专利技术属性】
技术研发人员：谌鹏，陈茂东，丁东成，程大龙，常欢，罗鹏飞，殷兵，胡金水，
申请(专利权)人：科大讯飞华南人工智能研究院广州有限公司，
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。