【技术实现步骤摘要】
本申请涉及动作检测，具体涉及一种目标动作的检测方法及装置。
技术介绍
1、现有技术对动作的检测主要依靠视觉进行动作抓取，可能需要多个摄像头才能完整捕捉，对隐私有一定损害。或者通过射频(rf)波进行动作捕捉，成本较高，对隐私有一定损害。也有部分技术通过惯性传感器的手环进行动作抓取，但精度较低。
技术实现思路
1、本申请旨在提供一种目标动作的检测方法及装置，旨在解决现有技术中动作的检测精度较低的问题。
2、一方面，本申请提供一种目标动作的检测方法，所述目标动作的检测方法包括：
3、获取目标惯性传感器在第一预设时间段内采集的第一运动信息；
4、获取第一红外摄像头在所述第一预设时间段内采集的多张第一二维红外图像；
5、基于第一运动信息确定第一预设时间段内的第一波动指标信息；
6、基于所述目标惯性传感器在各个所述第一二维红外图像上的位置信息确定所述目标惯性传感器的第一运动轨迹；
7、基于所述第一波动指标信息和所述第一运动轨迹判断是否出现目标动作；
8、当判断出现目标动作时，获取所述目标惯性传感器在第二预设时间段内采集的第二运动信息；
9、基于所述第二运动信息确定所述目标惯性传感器的目标轨迹。
10、可选地，所述基于所述第一波动指标信息和所述第一运动轨迹判断是否出现目标动作，包括：
11、获取在所述第一预设时间段内麦克风采集的第一声音信息；
12、基于所述第一波动
13、可选地，所述基于所述第一波动指标信息、所述第一运动轨迹以及所述第一声音信息判断是否出现目标动作，包括：
14、将所述第一波动指标信息输入预先训练的动作分类模型，得到第一动作分类结果，所述第一动作分类结果为较大力度目标动作类型、较小力度目标动作类型或者非目标动作类型；
15、将所述第一运动轨迹输入预先训练的轨迹分类模型，得到第二动作分类结果，所述第二动作分类结果为较大力度目标动作类型、较小力度目标动作类型或者非目标动作类型；
16、将所述第一声音信息输入预先训练的第一声音分类模型，得到第二动作分类结果，所述第二动作分类结果为较大力度目标动作类型、较小力度目标动作类型或者非目标动作类型；
17、若所述第一动作分类结果、所述第二动作分类结果以及第三动作分类结果均为较大力度目标动作类型或者较小力度目标动作类型则确定出现目标动作。
18、可选地，所述目标动作的检测方法，还包括：
19、获取所述第一红外摄像头拍摄的目标皮肤表面的目标皮肤表面图像；
20、将所述目标皮肤表面图像输入部位分割模型，得到所述目标皮肤表面图像上的各个分割部位；
21、将所述目标轨迹显示在所述目标皮肤表面图像上的各个所述分割部位上。
22、可选地，所述目标动作的检测方法，还包括：
23、获取第二红外摄像头在所述第二预设时间段内对目标皮肤表面采集的多张第二二维红外图像，其中，所述第二二维红外图像包含皮肤特征，所述第二红外摄像头与所述目标惯性传感器同步运动；
24、基于多张所述第二二维红外图像进行三维重建，得到三维重建皮肤表面，所述三维重建皮肤表面包括所述三维重建皮肤表面上各个像素点的三维坐标和r通道像素值；
25、基于所述三维重建皮肤表面上各个像素点的三维坐标对所述三维重建皮肤表面上的像素点进行主成分分析，得到第一最佳拟合投影平面；
26、分别计算所述三维重建皮肤表面上各个像素点距离所述第一最佳拟合投影平面的点面距离；
27、将点面距离高于预设距离值的像素点确定为突变像素点；
28、获取所述三维重建皮肤表面上各个所述像素点的r通道像素值；
29、将r通道像素值高于预设像素值的所述像素点确定为异常像素点；
30、基于所述突变像素点的数量占比和所述异常像素点的数量占比确定目标动作的严重等级，其中，所述异常像素点的数量占比越大，所述目标动作的严重等级越高，所述突变像素点的数量占比越大，所述目标动作的严重等级越高。
31、可选地，所述基于所述突变像素点的数量占比和所述异常像素点的数量占比确定目标动作的严重等级，包括：
32、将所述三维重建皮肤表面投影在所述第一最佳拟合投影平面上，得到二维投影图像；
33、将所述二维投影图像输入预先训练的红斑分割模型进行图像分割，得到所述二维投影图像上的多个红斑区域；
34、将所述目标轨迹投影在所述二维投影图像上，得到所述目标轨迹投影在所述二维投影图像上的二维轨迹；
35、获取所述二维轨迹经过的所述红斑区域的数量占比；
36、基于所述突变像素点的数量占比、所述异常像素点的数量占比以及所述二维轨迹经过的所述红斑区域的数量占比确定所述目标动作的严重等级，其中，所述二维轨迹经过的所述红斑区域的数量占比越高，所述目标动作的严重等级越高。
37、可选地，所述基于所述突变像素点的数量占比、所述异常像素点的数量占比以及所述二维轨迹经过的所述红斑区域的数量占比确定所述目标动作的严重等级，包括：
38、获取在所述第二预设时间段内麦克风采集的第二声音信息，所述第二红外摄像头、所述目标惯性传感器以及麦克风同步运动；
39、计算所述第二声音信息输入预先训练的第二声音分类模型，得到所述第二声音信息的幅度，所述第二声音分类模型用于输出声音类别，所述声音类别用于表示声音的幅度；
40、基于所述突变像素点的数量占比、所述异常像素点的数量占比、所述二维轨迹经过的所述红斑区域的数量占比以及所述第二声音信息的幅度确定所述目标动作的严重等级，其中，所述第二声音信息的幅度越高，所述目标动作的严重等级越高。
41、一方面，本申请提供一种目标动作的检测方法装置，所述目标动作的检测方法装置包括：
42、第一获取单元，用于获取目标惯性传感器在第一预设时间段内采集的第一运动信息；
43、第二获取单元，用于获取第一红外摄像头在所述第一预设时间段内采集的多张第一二维红外图像；
44、第一确定单元，用于基于第一运动信息确定第一预设时间段内的第一波动指标信息；
45、第二确定单元，用于基于所述目标惯性传感器在各个所述第一二维红外图像上的位置信息确定所述目标惯性传感器的第一运动轨迹；
46、判断单元，用于基于所述第一波动指标信息和所述第一运动轨迹判断是否出现目标动作；
47、第三获取单元，用于当判断出现目标动作时，获取所述目标惯性传感器在第二预设时间段内采集的第二运动信息；
48、第三确定单元，用于基于所述第二运动信息确定所述目标惯性传感器的目标轨迹。
49、一方面，本申请还提供一种电子设备，所述电子本文档来自技高网...
【技术保护点】
1.一种目标动作的检测方法，其特征在于，所述目标动作的检测方法包括：
2.根据权利要求1所述的目标动作的检测方法，其特征在于，所述基于所述第一波动指标信息和所述第一运动轨迹判断是否出现目标动作，包括：
3.根据权利要求2所述的目标动作的检测方法，其特征在于，所述基于所述第一波动指标信息、所述第一运动轨迹以及所述第一声音信息判断是否出现目标动作，包括：
4.根据权利要求1所述的目标动作的检测方法，其特征在于，所述目标动作的检测方法，还包括：
5.根据权利要求1所述的目标动作的检测方法，其特征在于，所述目标动作的检测方法，还包括：
6.根据权利要求5所述的目标动作的检测方法，其特征在于，所述基于所述突变像素点的数量占比和所述异常像素点的数量占比确定目标动作的严重等级，包括：
7.根据权利要求6所述的目标动作的检测方法，其特征在于，所述基于所述突变像素点的数量占比、所述异常像素点的数量占比以及所述二维轨迹经过的所述红斑区域的数量占比确定所述目标动作的严重等级，包括：
8.一种目标动作的检测方法装置，其特
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至7任一项所述的目标动作的检测方法中的步骤。
...【技术特征摘要】
1.一种目标动作的检测方法，其特征在于，所述目标动作的检测方法包括：
2.根据权利要求1所述的目标动作的检测方法，其特征在于，所述基于所述第一波动指标信息和所述第一运动轨迹判断是否出现目标动作，包括：
3.根据权利要求2所述的目标动作的检测方法，其特征在于，所述基于所述第一波动指标信息、所述第一运动轨迹以及所述第一声音信息判断是否出现目标动作，包括：
4.根据权利要求1所述的目标动作的检测方法，其特征在于，所述目标动作的检测方法，还包括：
5.根据权利要求1所述的目标动作的检测方法，其特征在于，所述目标动作的检测方法，还包括：
6.根据权利要求5所述的目标动作的检测方...
【专利技术属性】
技术研发人员：张心程，林宁，
申请(专利权)人：上海星元辉健康科技有限公司，
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。