[发明专利]人体动作识别方法及系统

权利要求书

1.一种人体动作识别方法，其特征在于，所述人体动作识别方法包括以下步骤：获取采集的人体视频图像，对所述人体视频图像中的人体进行动作序列分割，并提取分割后的动作序列，获得若干时序帧；采用预设网络模型对若干时序帧进行特征提取，获得特征矩阵；采用预设的LSTM网络模型，对所述特征矩阵进行分类识别，得到人体动作识别结果；

所述获取采集的人体视频图像，对所述人体视频图像中的人体进行动作序列分割，并提取分割后的动作序列，获得若干时序帧的步骤包括：获取采集的人体视频图像，对所述人体视频图像中的人体进行动作序列分割，将分割后的动作序列输入预训练识别模型进行识别，并获得预测分数，将预测分数低于预设分数阈值的动作序列舍弃，将预测分数高于预设分数阈值的动作序列保存，得到保存的动作序列的若干时序帧。

2.根据权利要求1所述的人体动作识别方法，其特征在于，所述采用预设网络模型对若干时序帧进行特征提取，获得特征矩阵的步骤包括：采用inception-v3网络模型对若干时序帧按照时间顺序进行图像特征提取，每张图像可以获得2048维特征向量，一个序列可以获得2048*S的特征矩阵，其中，S为该序列的总帧数。

3.根据权利要求1所述的人体动作识别方法，其特征在于，所述采用预设的LSTM网络模型，对所述特征矩阵进行分类识别，得到人体动作识别结果的步骤包括：所述LSTM网络模型包括若干LSTM单元，第一个LSTM单元采用初始网络状态和序列的第一个时间步进行预测，并将更新的网络状态输出到下一个LSTM单元，其中，每个LSTM单元从前一单元获取更新的网络状态并输出预测和新的更新的网络状态。

4.根据权利要求1-3中任一项所述的人体动作识别方法，其特征在于，所述获取采集的人体视频图像，对所述人体视频图像中的人体进行动作序列分割，并提取分割后的动作序列，获得若干时序帧的步骤之前还包括：设计LSTM网络模型。

5.根据权利要求4所述的人体动作识别方法，其特征在于，所述设计LSTM网络模型的步骤包括：确定特征向量维度和LSTM隐含层单元个数；根据预设的若干个动作类别进行监督训练，得到LSTM网络模型。

6.根据权利要求4所述的人体动作识别方法，其特征在于，所述人体动作识别至少包括：网球运动员动作识别。

7.一种人体动作识别系统，其特征在于，包括存储器、处理器、以及存储在所述存储器上的人体动作识别程序，所述人体动作识别程序被所述处理器运行时实现如权利要求1-6中所述的人体动作识别方法的步骤。