[发明专利]姿态识别方法、装置、可读存储介质及电子设备

说明书

本发明实施例提供了一种姿态识别方法、装置、可读存储介质及电子设备，方法包括：获得连续的n个时刻的待识别点云数据，将连续的n个时刻的待识别点云数据输入目标识别模型中的第一网络模型，以得到n个时刻中第t时刻的待识别点云数据的目标三维张量矩阵，将n个时刻对应的n个目标三维张量矩阵输入目标识别模型中的第二网络模型，以得到人体的人体姿态识别结果。由于本发明实施例的人体姿态识别结果是通过训练得到的识别精度较高的目标识别模型，并基于连续连续的n个时刻的人体点云数据进行人体姿态识别，输出人体姿态识别结果，从而提高了人体姿态识别结果的准确性。

技术领域

本发明涉及计算机技术领域，特别是涉及一种姿态识别方法、装置、可读存储介质及电子设备。

背景技术

目前，部分人群由于各种原因导致腿脚不灵活，在日常生活中，随时有发生跌倒的风险，跌倒直接威胁该类人群的身体健康。因此，人体姿态识别已经成为一个极具意义的研究热点。

现有技术中，基于图像进行人体姿态识别，以识别人体的人体姿态，人体姿态包括站立、行走、坐姿、跌到等。然而，直接利用图像进行人体姿态识别的方法，得到的人体姿态识别结果准确率较低。

发明内容

本发明实施例的目的在于提供一种姿态识别方法、装置、可读存储介质及电子设备，以解决人体姿态识别结果准确率较低的问题。具体技术方案如下：

在本发明实施的第一方面，首先提供了一种当前姿态识别方法，执行于区块链节点，包括：

获得连续的n个时刻的待识别点云数据，其中，所述待识别点云数据包括激光雷达采集的关于室内人体的点云数据；

将连续的所述n个时刻的待识别点云数据输入目标识别模型中的第一网络模型，以得到所述n个时刻中第t时刻的待识别点云数据的目标三维张量矩阵，其中，所述目标识别模型为基于连续的n个时刻的样本点云数据，对预先构建的识别模型训练得到的；

将所述n个时刻对应的n个目标三维张量矩阵输入所述目标识别模型中的第二网络模型，以得到所述人体的人体姿态识别结果；

其中，所述n个时刻包括第k时刻至第k+n-1个时刻，k为大于等于0的整数，n为大于等于1的整数，k≤t≤k+n-1。

在本发明实施的第二方面，还提供了一种姿态识别装置，包括：

第一获得模块，用于获得连续的n个时刻的待识别点云数据，其中，所述待识别点云数据包括激光雷达采集的关于室内人体的点云数据；

第二获得模块，用于将连续的所述n个时刻的待识别点云数据输入目标识别模型中的第一网络模型，以得到所述n个时刻中第t时刻的待识别点云数据的目标三维张量矩阵，其中，所述目标识别模型为基于连续的n个时刻的样本点云数据，对预先构建的识别模型训练得到的；

识别模块，用于将所述n个时刻对应的n个目标三维张量矩阵输入所述目标识别模型中的第二网络模型，以得到所述人体的人体姿态识别结果；

其中，所述n个时刻包括第k时刻至第k+n-1个时刻，k为大于等于0的整数，n为大于等于1的整数，k≤t≤k+n-1。

本发明实施例的第三方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现上述所述的方法的步骤。

本发明的第四方面，提供了一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述所述的方法的步骤。