【技术实现步骤摘要】
跳跃动作识别方法、装置、计算机设备及存储介质
[0001]本专利技术涉及动作识别领域，尤其涉及一种跳跃动作识别方法、装置、计算机设备及存储介质。
技术介绍
[0002]随着信号处理、模式识别、人工智能等
的快速发展，人体动作识别技术的应用价值逐渐提高，其中，人体的动作识别是指通过传感器完成对人体动作信息的获取与特征提取，进而使得计算机设备能够主动识别人体动作的类型。当前人体动作识别技术广泛应用智能监控、医疗康复、人机交互、体育运动分析等领域。
[0003]跳跃动作的识别是人体动作识别的重要研究内容，若通过穿戴式设备进行跳跃动作识别，需要用户佩戴好穿戴式设备之后，才能进行跳跃动作识别。然而，穿戴式设备会对用户的跳跃动作造成影响，导致用户的跳跃动作变形，进而导致设备无法准确识别到用户的跳跃动作。若通过图像采集设备如彩色相机、红外相机等获取用户的跳跃动作图像帧，容易受光照条件、遮挡物等环境因素影响，同样会导致设备无法准确识别到用户的跳跃动作。显然，现有的人体动作识别设备应用限制较大，不能准确地识别用户的跳跃动作。
技术实现思路
[0004]有鉴于此，本专利技术的目的是为了克服现有技术中的不足，提供跳跃动作识别方法、装置、计算机设备及存储介质，以解决无法准确识别到用户的跳跃动作的问题。
[0005]第一方面，本申请提供一种跳跃动作识别方法，应用于包括体感设备的计算机设备，所述方法包括：
[0006]通过所述体感设备检测用户的人体动作，得到包括关节点坐标数据的跳跃动作数据；>[0007]获取所述跳跃动作数据的特征参数，基于所述特征参数构建跳跃动作样本集，其中，所述特征参数包括髋关节的速度、腕关节的速度、踝关节的速度；
[0008]将所述跳跃动作样本集输入至预设的神经网络，训练得到跳跃动作识别神经网络；
[0009]将待识别动作数据输入至所述跳跃动作识别神经网络，得到所述跳跃动作识别神经网络输出的动作类别。
[0010]结合第一方面，在第一种可能的实现方式中，所述通过所述体感设备检测用户的人体动作，得到包括关节点坐标数据的跳跃动作数据，包括：
[0011]通过所述体感设备获取用户的髋关节的速度、腕关节的速度、踝关节的速度；
[0012]当所述髋关节的速度、所述腕关节的速度、所述踝关节的速度中任意一个速度的绝对值大于或等于预设速度阈值时，采集包括关节点坐标数据的跳跃动作数据，直到所述髋关节的速度、所述腕关节的速度、所述踝关节的速度中任意一个速度的绝对值小于所述预设速度阈值。
[0013]结合第一方面，在第二种可能的实现方式中，所述跳跃动作数据包括逐帧排列的跳跃动作图像帧；
[0014]所述特征参数还包括所述跳跃动作图像帧的帧数、预设帧的跳跃动作图像帧中的关节速度、预设坐标轴的区间、所述预设坐标轴的均方根、所述预设坐标轴的波长；
[0015]所述髋关节的速度包括所述髋关节沿预设坐标轴的最大速度，所述腕关节的速度包括所述腕关节沿预设坐标轴的最大速度，所述踝关节的速度包括所述踝关节沿预设坐标轴的最大速度。
[0016]结合第一方面，在第三种可能的实现方式中，所述体感设备为Kinnect传感器。
[0017]结合第一方面，在第四种可能的实现方式中，所述预设的神经网络为BP神经网络，所述BP神经网络包括输入层、输出层及预设数量的隐含层。
[0018]结合第一方面，在第五种可能的实现方式中，所述获取所述跳跃动作数据的特征参数，基于所述特征参数构建跳跃动作样本集，包括：
[0019]获取所述跳跃动作数据的特征参数，归一化处理所述特征参数，得到归一化特征，基于所述归一化特征构建所述跳跃动作样本集。
[0020]结合第一方面，在第六种可能的实现方式中，所述获取所述跳跃动作数据的特征参数，基于所述特征参数构建跳跃动作样本集，包括：
[0021]获取所述跳跃动作数据的特征参数和类别，基于所述特征参数和所述类别构建所述跳跃动作样本集。
[0022]第二方面，本申请提供一种跳跃动作识别装置，应用于包括体感设备的计算机设备，所述装置包括：
[0023]数据获取模块，用于通过所述体感设备检测用户的人体动作，得到包括关节点坐标数据的跳跃动作数据；
[0024]样本集构建模块，用于获取所述跳跃动作数据的特征参数，基于所述特征参数构建跳跃动作样本集，其中，所述特征参数包括髋关节的速度、腕关节的速度、踝关节的速度；
[0025]神经网络训练模块，用于将所述跳跃动作样本集输入至预设的神经网络，训练得到跳跃动作识别神经网络；
[0026]神经网络识别模块，用于将待识别动作数据输入至所述跳跃动作识别神经网络，得到所述跳跃动作识别神经网络输出的动作类别。
[0027]第三方面，本申请提供一种计算机设备，所述计算机设备包括体感设备、存储器及处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器执行时，实现如第一方面所述的跳跃动作识别方法。
[0028]第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如第一方面所述的跳跃动作识别方法。
[0029]本申请提供了一种跳跃动作识别方法，应用于包括体感设备的计算机设备，所述方法包括：通过所述体感设备检测用户的人体动作，得到包括关节点坐标数据的跳跃动作数据；获取所述跳跃动作数据的特征参数，基于所述特征参数构建跳跃动作样本集；将所述跳跃动作样本集输入至预设的神经网络，训练得到跳跃动作识别神经网络；将待识别动作数据输入至所述跳跃动作识别神经网络，得到所述跳跃动作识别神经网络输出的动作类
别。通过体感设备获取人体关节的关节点坐标数据，避免了采集跳跃动作数据时受光照条件、遮挡物等环境因素影响。通过训练得到跳跃动作识别神经网络识别跳跃动作类别，提高了计算机设备识别跳跃动作的准确率。
附图说明
[0030]为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对本专利技术保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
[0031]图1示出了本专利技术实施例提供的跳跃动作识别方法的流程图；
[0032]图2示出了本专利技术实施例提供的人体关节的示例图；
[0033]图3示出了本专利技术实施例提供的跳跃动作识别装置的结构示意图。
具体实施方式
[0034]下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0035]通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种跳跃动作识别方法，其特征在于，应用于包括体感设备的计算机设备，所述方法包括：通过所述体感设备检测用户的人体动作，得到包括关节点坐标数据的跳跃动作数据；获取所述跳跃动作数据的特征参数，基于所述特征参数构建跳跃动作样本集，其中，所述特征参数包括髋关节的速度、腕关节的速度、踝关节的速度；将所述跳跃动作样本集输入至预设的神经网络，训练得到跳跃动作识别神经网络；将待识别动作数据输入至所述跳跃动作识别神经网络，得到所述跳跃动作识别神经网络输出的动作类别。2.根据权利要求1所述的跳跃动作识别方法，其特征在于，所述通过所述体感设备检测用户的人体动作，得到包括关节点坐标数据的跳跃动作数据，包括：通过所述体感设备获取用户的髋关节的速度、腕关节的速度、踝关节的速度；当所述髋关节的速度、所述腕关节的速度、所述踝关节的速度中任意一个速度的绝对值大于或等于预设速度阈值时，采集包括关节点坐标数据的跳跃动作数据，直到所述髋关节的速度、所述腕关节的速度、所述踝关节的速度中任意一个速度的绝对值小于所述预设速度阈值。3.根据权利要求1所述的跳跃动作识别方法，其特征在于，所述跳跃动作数据包括逐帧排列的跳跃动作图像帧；所述特征参数还包括所述跳跃动作图像帧的帧数、预设帧的跳跃动作图像帧中的关节速度、预设坐标轴的区间、所述预设坐标轴的均方根、所述预设坐标轴的波长；所述髋关节的速度包括所述髋关节沿预设坐标轴的最大速度，所述腕关节的速度包括所述腕关节沿预设坐标轴的最大速度，所述踝关节的速度包括所述踝关节沿预设坐标轴的最大速度。4.根据权利要求1所述的跳跃动作识别方法，其特征在于，所述体感设备为Kinnect传感器。5.根据权利要求1所述的跳跃动作识别方法，其特征在于，所述预设的神...
【专利技术属性】
技术研发人员：黄伟聪，
申请(专利权)人：广东天物新材料科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。