一种基于深度学习的人体姿态行为检测方法
摘要文本
本发明涉及电数据处理技术领域，具体涉及一种基于深度学习的人体姿态行为检测方法。本发明将运动过程分为多个单一姿态过程并提取每个单一姿态过程中每个类型的关节运动数据的周期，分析每个单一姿态过程中每个类型下不同周期之间的数据差异，进而确定异常数据点。根据异常数据点的分布确定异常时刻，对异常时刻下对应周期的意思异常程度分布和疑似异常数据点的数量确定真实异常时刻。利用真实异常时刻确定对应人体姿态图像的标签信息，进而获得训练好的姿态识别网络。本发明通过准确识别运动过程中的真实异常时刻，实现对人体姿态图像的自动化赋标签，进而提高了姿态识别网络的训练效率和准确性。
申请人信息
- 申请人:北京卓视智通科技有限责任公司
- 申请人地址:100080 北京市海淀区西三旗昌临813号10号楼1层1002
- 发明人: 北京卓视智通科技有限责任公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于深度学习的人体姿态行为检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311598061.8 |
| 申请日 | 2023/11/28 |
| 公告号 | CN117690182A |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G06V40/20 |
| 权利人 | 北京卓视智通科技有限责任公司 |
| 发明人 | 何晓罡; 吴柯维; 朱小平; 张辉华; 延瑾瑜; 郭杨; 吴银 |
| 地址 | 北京市海淀区西三旗昌临813号10号楼1层1002 |
专利主权项内容
1.一种基于深度学习的人体姿态行为检测方法，其特征在于，所述方法包括：获取运动过程中的人体姿态图像，以及所述人体姿态图像采集过程中采集到人体速度序列和不同类型的关节运动数据序列；根据所述人体速度序列中局部数据变化特征获得所述运动过程中的单一姿态过程；获取每个类型的所述关节运动数据序列在每个单一姿态过程中的周期；在每个所述单一姿态过程中，根据每个类型的所述关节运动数据序列上不同周期之间相同位置数据点之间的差异，获得每个数据点的疑似异常程度，根据所述疑似异常程度筛选出疑似异常数据点；根据不同类型之间同一时刻下的所述疑似异常数据点的分步，筛选出疑似异常时刻；在每个所述单一姿态过程中，根据每个疑似异常时刻在对应的每个周期中的所述疑似异常程度的分布信息和所述疑似异常数据点的数量获得每个疑似异常时刻的真实异常性，根据所述真实异常性筛选出真实异常时刻；对所述真实异常时刻对应的所述人体姿态图像赋予标签信息，根据所述人体姿态图像和对应的所述标签信息获得姿态识别网络的训练数据，根据训练好的所述姿态识别网络识别出实时人体姿态图像中的姿态行为。 来自马克数据网