[发明专利]基于骨架的行为检测方法、终端设备及计算机存储介质

说明书

本申请实施例公开了一种基于骨架的行为检测方法、终端设备及计算机存储介质，涉及生物检测领域中的肢体动作检测技术，其中方法包括：获取原始图像数据，基于图像检测算法在所述原始图像数据中确定骨架关节点，获取所述骨架关节点的关节点坐标；基于预设转换规则对所述关节点坐标进行转换，获得关节特征向量；基于图像分类算法和所述关节特征向量对所述原始图像数据进行分类识别，获得行为检测结果，可以提高骨架行为检测的准确率和鲁棒性。

技术领域

本申请涉及计算机视觉技术领域，尤其涉及一种基于骨架的行为检测方法、终端设备及计算机存储介质。

背景技术

基于视觉的人体运动分析是计算机视觉领域中一个非常活跃的研究方向，它包含运动检测、目标分类和跟踪以及对人的运动进行理解和识别等内容。这些内容之间的关系是层层递进的：运动人体的检测是目标分类和跟踪的基础，在解决这些基本问题的基础上，就可以进行人体动作识别。运动特征的选择直接影响人体动作识别方法的识别效果。单一特征往往受到人体外观、环境、摄像机设置等因素的影响不同，其适用范围不同，识别效果也是有限的。目前主流方法是计算机通过对传感器(摄像机)采集的原始图像或图像序列数据进行处理和分析，识别到视频中的人物，学习并理解其中人的动作和行为，一般的方法对有遮挡的情况识别效果不好，另外还可能存在准确度不高、鲁棒性低等缺点。

发明内容

本申请实施例提供一种基于骨架的行为检测方法、终端设备及计算机存储介质，可以提高骨架行为检测的准确率和鲁棒性。

第一方面，本申请实施例提供了一种基于骨架的行为检测方法，所述方法包括：

获取原始图像数据，基于图像检测算法在所述原始图像数据中确定骨架关节点，获取所述骨架关节点的关节点坐标；

基于预设转换规则对所述关节点坐标进行转换，获得关节特征向量；

基于图像分类算法和所述关节特征向量对所述原始图像数据进行分类识别，获得行为检测结果。

作为一种可能的实施方式，所述基于预设转换规则针对所述关节点坐标进行转换，获得关节特征向量包括：

以每三个所述关节点坐标为顶点确定预设规格的N个辅助三角形，获得所述N个辅助三角形中每个辅助三角形的三个角度；

将所述每个辅助三角形的三个角度作为向量坐标，构建所述关节特征向量，所述N为正整数。

作为一种可能的实施方式，所述将所述每个辅助三角形的三个角度作为向量坐标，构建所述关节特征向量包括：

将所述N个辅助三角形中每个辅助三角形的三个角度作为一个第一向量的坐标，得到N个第一向量的坐标；

获得所述每个辅助三角形的三个角度的平均值，根据所述平均值由大到小的顺序对所述N个第一向量进行排序，获得多维度的所述关节特征向量。

作为一种可能的实施方式，所述以每三个所述关节点坐标为顶点确定预设规格的N个辅助三角形之后，所述方法还包括：

在检测到所述辅助三角形的角度存在缺失的情况下，将所述辅助三角形的缺失角度设置为0，或者将不存在角度缺失的辅助三角形的角度平均值作为所述缺失角度。

作为一种可能的实施方式，所述方法还包括：

在检测到所述辅助三角形的角度存在缺失的情况下，获取所述原始图像数据的前后各m帧数据；

获得所述前后各m帧数据的关节特征向量，基于所述前后各m帧数据的关节特征向量和高斯滤波器计算获得所述缺失角度对应的新特征，所述M为正整数。

作为一种可能的实施方式，所述图像分类算法包括随机森林算法、支持向量机方法、梯度提升树算法、神经网络算法中的任意一种或者多种。