[发明专利]基于3D卷积长短期记忆网络的儿童运动姿态自动识别方法

说明书

本发明公开了基于3D卷积长短期记忆网络的儿童运动姿态自动识别方法，包括如下步骤：步骤S1、使用非尖端或尖端及以上的摄像头录制三段被检查者在室内自然行走的视频，分别是在室内自然行走的视频、摄像头高度水平固定在被检查者髂棘处、摄像机设置距被检查者5m处的视频，并且三段视频的角度分别为正面、背面、侧面；步骤S2、将采集到的图像视频使用卡尔曼滤波技术对运动目标信息进行最优估计，实现对运动目标跟踪图像的最优采集；步骤S3、对最优运动目标跟踪图像进行预处理，得到增强图像。本发明通过非尖端或尖端及以上的摄像头采集的动态视频侦测人体全身的疾病，且对应的方式多样化，起到预警、矫正训练的作用。

技术领域

本发明涉及智能医疗技术领域，具体为基于3D卷积长短期记忆网络的儿童运动姿态自动识别方法。

背景技术

长短期记忆网络(LSTM，Long Short-Term Memory)是一种时间循环神经网络，是为了解决一般的RNN(循环神经网络)存在的长期依赖问题而专门设计出来的，所有的RNN都具有一种重复神经网络模块的链式形式。在标准RNN中，这个重复的结构模块只有一个非常简单的结构，例如一个tanh层。

目前通过计算机视觉对人体疾病进行诊断的技术日趋成熟，特别是对人体的形体方面的疾病，比如驼背、腰椎弓形等，在儿童群体出现问题的趋势越来越年轻化，同时目前这类技术多为通过人体带上传感器进行检查，通过穿戴式系统进行协助，操作过程繁琐，费时费力。目前现有技术面向人群多为成人，成人运动学参数与模型无法针对儿童使用。同时，在目前传统的技术网络结构中多为通过输入被检查者的图片进行检查，对图片的处理进行人体姿态的获取难度大，不容易做出准确的人体姿态判断，以至于导致诊断结果出现误差大，不准确，使得通过计算机视觉进行诊断的技术变得不可靠。因此，设计一种基于3D卷积长短期记忆网络的儿童运动姿态自动识别方法是很有必要的。

发明内容

针对上述情况，为克服现有技术的缺陷，本发明提供基于3D卷积长短期记忆网络的儿童运动姿态自动识别方法，本发明通过非尖端或尖端及以上的摄像头采集的动态视频侦测人体全身的疾病，且对应的方式多样化，起到预警、矫正训练的作用。

为实现上述目的，本发明提供如下技术方案：基于3D卷积长短期记忆网络的儿童运动姿态自动识别方法，包括如下步骤：

步骤S1、使用非尖端或尖端及以上的摄像头录制三段被检查者在室内自然行走的视频，分别是在室内自然行走的视频、摄像头高度水平固定在被检查者髂棘处、摄像机设置距被检查者5m处的视频，并且三段视频的角度分别为正面、背面、侧面；

步骤S2、将采集到的图像视频使用卡尔曼滤波技术对运动目标信息进行最优估计，实现对运动目标跟踪图像的最优采集；

步骤S3、对最优运动目标跟踪图像进行预处理，得到增强图像；

步骤S4、采用python语言中的deeppose网络对获取的视频进行处理，通过处理获取人体姿态样板；

步骤S5、采用python语言中谷歌的深度学习框架keras对人体姿态样板进行预测；然后采用python语言中的深度学习框架keras对每种疾病单独搭建基于ConvLSTM的分类网络结构进行二分类预测；

步骤S6、经过分析后给出可能的病状结果报告，提示预警或矫正方法。

优选的，所述步骤S2中基于卡尔曼滤波技术的最优运动目标跟踪图像采集包括如下步骤：

1)通过采集图像视频中的目标图像序列获得目标在图像视频当中的初始位置和信息，将这些信息赋予卡尔曼滤波器，进行初始化设置；

2)利用卡尔曼滤波对目标在下一帧图像视频当中的位置进行估计，得出估计值，为接下来一帧的检测缩小范围；