【技术实现步骤摘要】
本专利技术涉及人体动作识别，具体为一种基于计算机视觉的人体动作识别系统及方法。
技术介绍
1、计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指shannon定义的，可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。
2、目前所使用的人体动作识别系统，在对人体进行识别过程中，并不能有效的对人体关节点进行提取，并无法根据人体姿态对人体进行调整，导致整体训练效果不佳，为此我们提出一种基于计算机视觉的人体动作识别系统及方法。
技术实现思路
1、本专利技术的目的在于提供一种基于计算机视觉的人体动作识别系统及方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于计算机视觉的人体动作识别系统，所述基于计算机视觉的人体动作识别系统包括：
3、终端模块，负责对下属所有模块进行控制；
4、图像采集模块，负责使用图像采集设备对人体动作进行拍摄，获取连续的图像数据；
5、人体检测跟踪模块，利用终端模块提供计算机视觉算法，对图像数据中的
6、动作特征提取模块，负责对人体检测跟踪模块所跟踪到的人体姿势序列中提取关键的动作特征；
7、动作分类识别模块，负责根据终端模块提供深度学习模型，对动作特征提取模块所提取的动作特征进行分类和识别，判断人体所作的具体动作；
8、分析模块，负责对动作识别结果进行分析，并对其姿势进行矫正。
9、优选的，所述动作特征提取模块所提取到的动作特征包括关节角度、人体运动轨迹和速度。
10、一种基于计算机视觉的人体动作识别方法，该基于计算机视觉的人体动作识别方法包括以下步骤：
11、s1、使用者根据所需对终端模块植入对应的人体标准姿势，并启动所有下属模块，根据终端模块上所显示，检查下属模块是否启动正常；
12、s2、图像采集模块实用摄像机对人体动作进行多视角采集，并对所采集到的图像数据进行处理，最终获得连续的图像数据，并将图像数据传输至人体检测跟踪模块；
13、s3、人体检测跟踪模块接收数据，使用基于深度学习的姿态估计算法检测视频中的人体，并对人体的位置和姿势进行确定；
14、s4、动作特征提取模块从人体检测跟踪模块所检测的人体姿势序列中提取关节点信息；
15、s5、动作分类识别模块根据关节点信息，对人体的动作进行标识，使用机器学习的方法对动作进行分类，根据分类的结果对输入的人体动作进行识别；
16、s6、分析模块对动作分类识别模块所识别的结果进行分析，并与终端模块所植入的对应人体标准姿势进行比对分析，判断人体姿势是否准确，并对其进行矫正。
17、优选的，所述s4中所提取的关节点信息包括关节点的位置坐标、关节点间的连接关系。
18、优选的，所述s5中机器学习的方法为特征提取的传统机器学习方法。
19、优选的，所述s3中使用基于深度学习的使用基于深度学习的姿态估计算法检测视频中的人体，并对人体的位置和姿势进行确定包括以下具体步骤：
20、s3.1、根据人体检测跟踪模块所接收的数据，标准图像数据中人体的关节点位置和姿势信息；
21、s3.2、使用卷积神经网络构建神经网络模型，对所接收的数据进行预处理；
22、s3.3、人体检测跟踪模块调取终端模块中植入对应的人体标准姿势，将其输入到模型中进行训练，通过反向传播算法优化模型的参数；
23、s3.4、使用验证集对训练好的模型进行评估，计算关节点位置和姿势的准确率、召回率，通过调整模型参数可以有效的提高性能；
24、s3.5、使用训练好的模型对新的视频数据进行推理，检测人体并确定其位置和姿势。
25、优选的，所述s3.2中对数据进行预处理包括图像归一化和数据增强，可以有效的提高模型的泛化能力。
26、优选的，所述s4中提取关节点信息包括以下具体步骤：
27、s4.1、通过人体检测跟踪模块获取到的人体姿势序列，确定需要提取的关节点，对每个关节点提取其在序列中的位置坐标、角度和速度；
28、s4.2、对提取到的关节点信息，进行过滤和平滑处理，取出噪声和异常值，使得提取到的关节点信息更加准确和稳定；
29、s4.3、将每个关节点的信息进行编码，生成特征表示，根据需求选择对动作有较大影响的关节点特征，进行特征选择，去除冗余和不相关的特征；
30、s4.4、将所选择的关节点特征进行提取，得到最终的动作特征，对所提取到的动作特征进行归一化处理，使得不同样本之间的特征具有相同的尺度，以方便后续分类和识别。
31、优选的，所述s5中对动作进行分类，根据分类的结果进行识别包括以下具体步骤：
32、s5.1、动作分类识别模块根据所接收到的关节点信息，从人体关节点信息中提取特征，其中每个样本都包含人体关节点信息和对应的动作标签，以便于机器学习分类算法的训练和预测；
33、s5.2、使用及其学习算法对提取的特征和对应的动作标签进行训练，使用测试数据集评估训练出的分类器的性能；
34、s5.3、使用训练好的分类器对输入的人体动作进行识别，通过提取关节点信息并提供给分类器，模型就会输出对应的动作标签。
35、优选的，所述s2中对图像数据进行处理包括去噪、图像增强和视频帧提取。
36、与现有技术相比，本专利技术提供了一种基于计算机视觉的人体动作识别系统及方法，具备以下有益效果：
37、1、该基于计算机视觉的人体动作识别系统及方法，通过人体检测跟踪模块对人体的位置和姿势进行确定后，动作特征提取模块根据所检测的人体姿势序列中提取关节点新型，使得人体姿势动作更加清晰明了，并通过分析模块对动作分类识别模块所识别的结果进行分析，判断人体姿势是否准确并及时对其进行矫正。
38、2、该基于计算机视觉的人体动作识别系统及方法，通过在对关节点信息进行提取时，通过对关节点信息进行处理，使得提取到的关节点信息更加准确和稳定，将所选择的关节点特征进行提取，得到最终的动作特征，对所提取到的动作特征进行归一化处理，使得不同样本之间的特征具有相同的尺度，以方便后续分类和识别。
39、3、该基于计算机视觉的人体动作识别系统及方法，通过从人体关节点信息中提取特征，其中每个样本都包含人体关节点信息和对应的动作标签，以便于机器学习分类算法的训练和预本文档来自技高网...
【技术保护点】
1.一种基于计算机视觉的人体动作识别系统，其特征在于：所述基于计算机视觉的人体动作识别系统包括：
2.根据权利要求1所述的一种基于计算机视觉的人体动作识别系统，其特征在于：所述动作特征提取模块所提取到的动作特征包括关节角度、人体运动轨迹和速度。
3.一种基于计算机视觉的人体动作识别方法，其特征在于：该基于计算机视觉的人体动作识别方法包括以下步骤：
4.根据权利要求3所述的一种基于计算机视觉的人体动作识别方法，其特征在于：所述S4中所提取的关节点信息包括关节点的位置坐标、关节点间的连接关系。
5.根据权利要求3所述的一种基于计算机视觉的人体动作识别方法，其特征在于：所述S5中机器学习的方法为特征提取的传统机器学习方法。
6.根据权利要求3所述的一种基于计算机视觉的人体动作识别方法，其特征在于：所述S3中使用基于深度学习的使用基于深度学习的姿态估计算法检测视频中的人体，并对人体的位置和姿势进行确定包括以下具体步骤：
7.根据权利要求6所述的一种基于计算机视觉的人体动作识别方法，其特征在于：所述S3.2中对数据进行
8.根据权利要求3所述的一种基于计算机视觉的人体动作识别方法，其特征在于：所述S4中提取关节点信息包括以下具体步骤：
9.根据权利要求3所述的一种基于计算机视觉的人体动作识别方法，其特征在于：所述S5中对动作进行分类，根据分类的结果进行识别包括以下具体步骤：
10.根据权利要求3所述的一种基于计算机视觉的人体动作识别方法，其特征在于：所述S2中对图像数据进行处理包括去噪、图像增强和视频帧提取。
...【技术特征摘要】
1.一种基于计算机视觉的人体动作识别系统，其特征在于：所述基于计算机视觉的人体动作识别系统包括：
2.根据权利要求1所述的一种基于计算机视觉的人体动作识别系统，其特征在于：所述动作特征提取模块所提取到的动作特征包括关节角度、人体运动轨迹和速度。
3.一种基于计算机视觉的人体动作识别方法，其特征在于：该基于计算机视觉的人体动作识别方法包括以下步骤：
4.根据权利要求3所述的一种基于计算机视觉的人体动作识别方法，其特征在于：所述s4中所提取的关节点信息包括关节点的位置坐标、关节点间的连接关系。
5.根据权利要求3所述的一种基于计算机视觉的人体动作识别方法，其特征在于：所述s5中机器学习的方法为特征提取的传统机器学习方法。
6.根据权利要求3所述的一种基于计算机视觉的...
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。