[发明专利]一种人体姿态识别的训练数据处理方法、装置及设备在审

专利信息
申请号: 202210096397.3 申请日: 2022-01-26
公开(公告)号: CN114495169A 公开(公告)日: 2022-05-13
发明(设计)人: 谢佳亮;刘红平 申请(专利权)人: 广州鼎飞航空科技有限公司
主分类号: G06V40/10 分类号: G06V40/10;G06V20/40;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 许庆胜
地址: 510000 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 人体 姿态 识别 训练 数据处理 方法 装置 设备
【说明书】:

发明涉及一种人体姿态识别的训练数据处理方法、装置及设备,该方法步骤包括:通过摄像设备实时获取训练人员不同视角的训练视频图像;采用人体姿态估计对训练视频图像进行识别处理,识别得到训练人员的姿态动作数据;将训练人员的姿态动作数据与模型库的训练规范动作对比,得到训练人员的训练结果。该方法通过摄像设备获取训练人员的训练视频图像,并采用人体姿态估计对训练视频图像进行分析,得到能够与模型库的训练规范动作对比的姿态动作数据,通过对比分析得到训练人员的训练结果,能够准确得到训练人员的所有标准和不合格的训练动作数据并生成训练报告,便于针对性对训练人员制定训练计划,也为科学有效的训练提供训练数据。

技术领域

本发明涉及训练技术领域,尤其涉及一种人体姿态识别的训练数据处理方法、装置及设备。

背景技术

训练业务在各领域作为一种常态工作任务,如部队的军事训练、应急的救援训练等。随着时代的进步,科技的发展,利用现代化高科技手段辅助训练管理,提高训练质量和效率成为必然趋势。

随着科学的进步,数字信息化被广泛应用,构建应急训练智能化管理平台,实现救援训练管理信息的互联互通,为模拟训练、救援实战提供科学依据,成为加快智能应急救援训练信息化发展建设的重要手段。目前应急救援队伍的技术含量不高,应急救援信息保障技术不足,对应急救援体系的建设更加重视,提升日常应急训练质量、确保应急救援工作顺利进行。实现各级应急管理单位充分利用先进的信息化手段,积极探索救护队伍信息化救援训练方式,及时、准确、有效地为救护队提供可供训练和救援的参考方案,初步构建以物联网为基础的各类设备相集成的各种系统,不同程度实现了较完善的智能信息化训练和指挥管理平台,提高了日常训练和救援实战效率。

当前的各种应急训练系统基本都在数据管理和应急指挥协同上较好的解决了应急预案库管理、演练计划与方案设计模块、演练过程跟踪与协作和演练效果评估分析及报告等方面的问题,利用信息化手段为应急训练赋能。但是此类训练系统存在不能准确获取训练人员的训练动作,且该训练系统获取训练人员的数据是通过训练人员穿戴设备得到的,训练过程中,设备容易松动或脱落,使得训练系统获得训练数据不够精确。

发明内容

本发明实施例提供了一种人体姿态识别的训练数据处理方法、装置及设备,用于解决现有训练系统存在无法准确获取训练人员的动作以及训练数据的技术问题。

为了实现上述目的,本发明实施例提供如下技术方案:

一种人体姿态识别的训练数据处理方法,包括以下步骤:

通过摄像设备实时获取训练人员不同视角的训练视频图像;

采用人体姿态估计对所述训练视频图像进行识别处理,识别得到训练人员的姿态动作数据;

将训练人员的姿态动作数据与模型库的训练规范动作对比,得到训练人员的训练结果。

优选地,采用人体姿态估计对所述训练视频图像进行识别处理,识别得到训练人员的姿态动作数据的步骤包括:

根据人体骨架关节模型,采用人体姿态估计对不同视角所述训练视频图像提取训练人员的关节,得到多组关节信息;

采用CNN卷积神经网络对多组所述关节信息进行迭代优化,得到训练人员的一组关键骨骼关节点信息;

通过人体骨架关节模型将一组所述关键骨骼关节点信息中所有关节连线,得到训练人员的姿态动作数据。

优选地,采用CNN卷积神经网络对多组所述关节信息进行迭代优化,得到训练人员的一组关键骨骼关节点信息包括:采用CNN卷积神经网络对多组所述关节信息中相同的关节进行匹配重合,得到对应关节的关键节点。

优选地,采用CNN卷积神经网络对多组所述关节信息中相同的关节进行匹配重合,得到对应关节的关键节点包括:在匹配重合过程中,对多个相同关节采用直接线性变换DLT进行3DPose重建得到对应关节的关键节点。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州鼎飞航空科技有限公司,未经广州鼎飞航空科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210096397.3/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top