[发明专利]图像编码方法、动作识别的方法及计算机设备

权利要求书

1.一种图像编码方法，其特征在于，所述方法包括：

获取执行目标动作的多组人体骨架数据，每组人体骨架数据均包括执行所述目标动作时的关节点数据；

根据所述多组人体骨架数据中的关节点数据，提取所述多组人体骨架数据对应的运动特征矩阵，所述运动特征矩阵包括线速度矩阵；

对所述线速度矩阵进行预处理；

对预处理的线速度矩阵中的多个线速度单元进行编码，得到多个线速度像素帧；

根据所述预处理的线速度矩阵，计算多个线速度像素帧的线速度能量变化值；

按照线速度能量变化值由大到小的顺序，从所述多个线速度像素帧中，提取多个关键线速度像素帧；

将所述多个关键线速度像素帧组成线速度图像，将所述线速度图像作为运动特征图像。

2.根据权利要求1所述的方法，其特征在于，所述关节点数据包括相应关节点在三维坐标系中的坐标；

其中，所述根据所述多组人体骨架数据中的关节点数据，提取所述多组人体骨架数据对应的运动特征矩阵，包括：

将第二组人体骨架数据中的关节点在三维坐标系中的坐标减去第一组人体骨架数据中的相应关节点在三维坐标系中的坐标，得到所述第一组人体骨架数据对应的线速度单元，所述第一组人体骨架数据和所述第二组人体骨架数据为所述多组人体骨架数据中任意相邻的两组人体骨架数据，所述第一组人体骨架数据为所述第二组人体骨架数据的前一组人体骨架数据；

将得到的所有线速度单元组成所述多组人体骨架数据对应的线速度矩阵。

3.根据权利要求2所述的方法，其特征在于，所述对预处理的线速度矩阵中的多个线速度单元进行编码，得到多个线速度像素帧之后，所述方法还包括：

将所述多个线速度像素帧组成线速度图像，将所述线速度图像作为运动特征图像。

4.根据权利要求3所述的方法，其特征在于，所述对所述线速度矩阵进行预处理，包括：

获取所述线速度矩阵中的最大线速度元素值和最小线速度元素值；

根据所述最大线速度元素值和所述最小线速度元素值，对所述线速度矩阵中的每个线速度元素值进行归一化处理，得到归一化的线速度矩阵，所述归一化的线速度矩阵中的每个线速度元素值介于第一数值和第二数值之间，所述第一数值小于所述第二数值。

5.根据权利要求3所述的方法，其特征在于，所述对预处理的线速度矩阵中的多个线速度单元进行编码，得到多个线速度像素帧，包括：

以预处理的每个线速度单元中的关节点在三维坐标系中的坐标为图像通道，对预处理的多个线速度单元进行编码，得到多个线速度像素帧。

6.根据权利要求1所述的方法，其特征在于，所述根据所述预处理的线速度矩阵，计算多个线速度像素帧的线速度能量变化值，包括：

计算第一线速度像素帧中的每个关节点在三维坐标系中的坐标的平方和，并将所有关节点在三维坐标系中的坐标的平方和相加，得到第一线速度像素帧的线速度能量值；

计算第二线速度像素帧中的每个关节点在三维坐标系中的坐标的平方和，并将所有关节点在三维坐标系中的坐标的平方和相加，得到第二线速度像素帧的线速度能量值，所述第一线速度像素帧和所述第二线速度像素帧为任意相邻的两个线速度像素帧，所述第一线速度像素帧为所述第二线速度像素帧的前一个线速度像素帧；

将所述第二线速度像素帧的线速度能量值减去所述第一线速度像素帧的线速度能量值，得到第一线速度像素帧的线速度能量变化值。

7.根据权利要求1至6中任一项所述的方法，其特征在于，所述方法还包括：

将所述目标动作的至少一个运动特征图像以及所述目标动作的标识输入到卷积神经网络CNN模型中，训练得到动作识别模型。