[发明专利]健身动作图像的识别方法、装置、设备及存储介质

权利要求书

1.一种健身动作图像的识别方法，其特征在于，所述健身动作图像的识别方法包括：

获取目标健身动作图像序列，并对所述目标健身动作图像序列进行方向梯度直方图特征提取并进行特征处理，得到各健身动作图像对应的目标方向梯度直方图特征；

通过预置模型，对所述目标健身动作图像序列进行特征提取并进行特征组合，得到各健身动作图像对应的特征向量，所述预置模型用于提取人体轮廓点距离特征以及人体运动部位的角度特征和离心率特征；

对所述各健身动作图像对应的目标方向梯度直方图特征和所述各健身动作图像对应的特征向量进行特征组合并进行特征选择，得到各健身动作图像对应的目标特征；

基于所述各健身动作图像对应的目标特征，对所述目标健身动作图像序列进行人体姿态分类识别，得到初始分类结果；

对所述初始分类结果进行基于图像相似度的人体姿态统计分类，得到目标分类结果。

2.根据权利要求1所述的健身动作图像的识别方法，其特征在于，所述通过预置模型，对所述目标健身动作图像序列进行特征提取并进行特征组合，得到各健身动作图像对应的特征向量，包括：

通过预置模型，对所述目标健身动作图像序列中的各健身动作图像进行人体目标质心计算，得到各健身动作图像对应的人体目标质心；

通过所述各健身动作图像对应的人体目标质心，确定各健身动作图像的目标人体轮廓点集，目标人体轮廓点集的人体轮廓点数量为8；

基于所述各健身动作图像的目标人体轮廓点集和所述各健身动作图像对应的人体目标质心，获取所述目标健身动作图像序列中各健身动作图像对应的人体轮廓点距离特征以及人体运动部位的角度特征和离心率特征；

将各健身动作图像对应的人体轮廓点距离特征以及人体运动部位的角度特征和离心率特征进行特征组合，得到各健身动作图像对应的特征向量。

3.根据权利要求2所述的健身动作图像的识别方法，其特征在于，所述基于所述各健身动作图像的目标人体轮廓点集和所述各健身动作图像对应的人体目标质心，获取所述目标健身动作图像序列中各健身动作图像对应的人体轮廓点距离特征以及人体运动部位的角度特征和离心率特征，包括：

计算所述各健身动作图像的目标人体轮廓点集分别与所述各健身动作图像对应的人体目标质心之间的欧式距离，得到各健身动作图像对应的人体轮廓点距离特征；

获取所述各健身动作图像的目标人体轮廓点集分别与所述各健身动作图像对应的人体目标质心之间的轴线，得到多条轴线，并获取基于所述各健身动作图像对应的人体目标质心的水平线；

计算所述多条轴线分别与所述水平线所成的最小角度，得到各健身动作图像对应的人体运动部位的角度特征；

获取所述目标健身动作图像序列中各健身动作图像基于归一化处理和缩放处理后的目标参数因子，通过所述目标参数因子计算各健身动作图像对应的离心率，得到各健身动作图像对应的人体运动部位的离心率特征。

4.根据权利要求1所述的健身动作图像的识别方法，其特征在于，所述获取目标健身动作图像序列，并对所述目标健身动作图像序列进行方向梯度直方图特征提取并进行特征处理，得到各健身动作图像对应的目标方向梯度直方图特征，包括：

获取原始的健身动作图像序列，通过预置中值滤波器对所述原始的健身动作图像序列进行噪声去除，得到目标健身动作图像序列；

通过预置的方向梯度直方图算法，对所述目标健身动作图像序列进行特征提取，得到各健身动作图像对应的初始方向梯度直方图特征；

通过预置的主成分分析算法，对所述各健身动作图像对应的初始方向梯度直方图特征进行降维处理，得到各健身动作图像对应的候选方向梯度直方图特征；

通过预置的基于相关系数的滤波器，对所述各健身动作图像对应的候选方向梯度直方图特征进行降维处理，得到各健身动作图像对应的目标方向梯度直方图特征。

5.根据权利要求1所述的健身动作图像的识别方法，其特征在于，所述对所述初始分类结果进行基于图像相似度的人体姿态统计分类，得到目标分类结果，包括：

计算相邻两帧健身动作图像的相似度，得到相邻相似度；

根据预设周期和所述相邻相似度自适应地分配每帧初始分类结果的权值；

基于所述权值对所述初始分类结果进行人体姿态统计分类，得到目标分类结果。