[发明专利]一种基于骨架的轻量化武术动作识别评分方法及装置

权利要求书

1.一种基于骨架的轻量化武术动作识别评分方法，其特征在于，所述方法包括以下步骤：

获取学生的武术动作帧图，并将该武术动作帧图生成骨架数据；

根据预设的图卷积神经网络层，分析同一帧图的骨架数据的关节类型以及关节之间的相关性；

获取所有动作帧图的聚合数据；

根据所述聚合数据进行武术分类，得到分类输出结果；

对比所述分类输出结果和预设的标准动作数据，以进行武术动作评分。

2.根据权利要求1所述的基于骨架的轻量化武术动作识别评分方法，其特征在于，所述获取学生的武术动作帧图，并将该武术动作帧图生成骨架数据，包括：

获取学生的武术动作帧图，将视频动作分为多个武术动作帧图；

通过深度传感器捕获学生的武术动作数据，每帧所述武术动作帧图中包含人体的多个关节，生成骨架数据；

其中，骨架数据中的骨架数列的所有关节用集合S表示：

其中，表示t帧时类型为k的关节，关节的位置用三维坐标P_t,k来表示，速度为相邻两帧位置之差，用V_t,k表示；

将位置信息进行嵌入：

其中，W₁、W₂均为权重矩阵，b₁和b₂均为偏置系数，σ表示激活函数；

将位置之差进行嵌入：

其中，W₃、W₄均为权重矩阵，b₃和b₄均为偏置系数，σ表示激活函数；

融合和得到动力学参数，记为Z_t,k。

3.根据权利要求2所述的基于骨架的轻量化武术动作识别评分方法，其特征在于，所述根据预设的图卷积神经网络层，分析同一帧图的骨架数据的关节类型以及关节之间的相关性，包括：

针对同一帧图中的关节间进行学习，将关节类型语义合并到图卷积神经网络层中，学习内容自适应图；

通过关节类型语义和动力学数据进行学习内容自适应图连接，得到连接权重与关节间的关系；

对于类型为k的关节用向量j_k来表示，得到对应的嵌入

其中，W₅、W₆均为权重矩阵，b₅和b₆均为偏置系数，σ表示激活函数；

则t帧中类型为k的关节表示为t帧的所有关节由Z_t＝(z_t,1；...；z_t,J)表示，按照：

进行建模同一帧中关节i到j间的边缘权重；

其中，θ和均为转换函数；

计算得到一帧图中所有关节间的亲和性，得到规范化后的邻接矩阵G_t，按照：

Z′_t＝G_tZ_tW_y+Z_tW_z；

得到输出权重矩阵Z'_t，分享给其帧图，其中，W_y和W_z均为变换矩阵。

4.根据权利要求1所述的基于骨架的轻量化武术动作识别评分方法，其特征在于，所述获取所有动作帧图的聚合数据之前，还包括：

将轻量化多模注意力模块插入到所述图卷积神经网络中，通过从空间、时间和特征角度提供不同的注意力，以适应性地重新校准不同数据样本的关节、框架和通道的激活。