[发明专利]健身动作图像的识别方法、装置、设备及存储介质

说明书

本发明涉及人工智能技术领域，应用于智慧医疗领域中，提供一种健身动作图像的识别方法、装置、设备及存储介质，用于提高图像中健身动作的识别准确性。健身动作图像的识别方法包括：对目标健身动作图像序列进行方向梯度直方图特征提取和特征处理，得到各健身动作图像对应的目标方向梯度直方图特征和各健身动作图像对应的特征向量；对各健身动作图像对应的目标方向梯度直方图特征和特征向量进行特征组合和特征选择，得到各健身动作图像对应的目标特征；基于目标特征对目标健身动作图像序列进行人体姿态分类识别并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。此外，本发明还涉及区块链技术，目标健身动作图像序列可存储于区块链中。

技术领域

本发明涉及人工智能的智能决策领域，尤其涉及一种健身动作图像的识别方法、装置、设备及存储介质。

背景技术

随着社会发展，人们的健身需求正在上涨，在巨大需求下，对于涉及健身的各项技术也随之发展起来，例如，图像中健身动作的识别。其中，在数字医疗领域(智慧医疗领域)中，随着图像识别技术的兴起，图像中健身动作的识别，可以支持疾病辅助诊断、健康管理、远程会诊等功能。目前，图像中健身动作的识别方法一般都是通过识别健身动作图像中的人体骨骼关节点来进行健身动作的识别。

但是，上述方法在很多场景下较难识别相似度动作的相同特征，例如，深蹲动作中有相扑深蹲动作和缓冲深蹲动作，相扑深蹲动作和缓冲深蹲动作两者较为相似，在健身理疗场景下，相扑深蹲动作和缓冲深蹲动作两者较难识别，从而造成图像中健身动作的识别准确性较低。

发明内容

本发明提供一种健身动作图像的识别方法、装置、设备及存储介质，用于提高图像中健身动作的识别准确性。

本发明第一方面提供了一种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。

可选的，在本发明第一方面的第一种实现方式中，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。