System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,尤其涉及一种姿态识别方法、装置、设备及存储介质。
技术介绍
1、如今的姿态识别,往往是简单的通过传统算法提取得到的空间点云进行高度上的判断,来确定待识别目标的姿态,但是,由于空间点云的稀疏特性,并不能很好区分高度信息相似的姿态(如跌倒、坐地、下蹲等),由此导致姿态识别的精准度不高。
2、上述内容仅用于辅助理解本专利技术的技术方案,并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供一种姿态识别方法、装置、设备及存储介质,旨在解决现有技术姿态识别的精准度不高的技术问题。
2、为实现上述目的,本专利技术提供了一种姿态识别方法,所述方法包括以下步骤:
3、通过点云提取模型对待识别目标的低分辨雷达数据进行点云提取,获得稠密点云数据;
4、依据对应的采集时间对所述稠密点云数据进行排序,获得稠密点云序列;
5、通过预设姿态识别模型对所述稠密点云序列进行姿态识别,获得所述待识别目标对应的姿态信息。
6、在本申请的一种可能的实施方式中,所述通过点云提取模型对待识别目标的低分辨雷达数据进行点云提取,获得稠密点云数据的步骤之前,还包括:
7、获取点云序列样本集,根据点云序列样本集构建姿态训练样本集;
8、对所述姿态训练样本集进行遍历,并将遍历到的姿态链样本作为当前训练样本;
9、将所述当前训练样本输入初始姿态识别模型进行姿态预测,获得预测运动状
10、获取所述当前训练样本对应的运动状态及姿态标签;
11、通过预设状态损失函数根据所述预测运动状态及所述运动状态计算状态预测损失值;
12、通过预设姿态损失函数根据所述预测姿态标签及所述姿态标签计算姿态预测损失值;
13、根据所述状态预测损失值及所述姿态预测损失值对所述初始姿态识别模型进行参数调整;
14、在遍历结束时,将所述初始姿态识别模型作为预设姿态识别模型。
15、在本申请的一种可能的实施方式中,所述根据点云序列样本集构建姿态训练样本集的步骤,包括:
16、对所述点云序列样本集进行遍历,并将遍历到的点云序列样本作为当前序列样本;
17、为所述当前序列样本设置对应的运动状态及姿态标签;
18、根据所述当前序列样本、所述运动状态及所述姿态标签构建姿态训练样本;
19、在遍历结束时,根据获得的姿态训练样本构建姿态训练样本集。
20、在本申请的一种可能的实施方式中,所述为所述当前序列样本设置对应的运动状态及姿态标签的步骤,包括:
21、从所述当前序列样本中提取能量信息及速度信息;
22、根据所述能量信息及所述速度信息判断所述当前序列样本对应的样本目标是否处于静止状态;
23、若所述样本目标处于静止状态,则将所述当前序列样本对应的运动状态设置为静止,并从所述当前序列样本中提取高度信息;
24、根据所述高度信息为所述当前序列样本设置对应的姿态标签。
25、在本申请的一种可能的实施方式中,所述根据所述高度信息为所述当前序列样本设置对应的姿态标签的步骤,包括:
26、若所述高度信息大于第一预设高度阈值,则将所述当前序列样本对应的姿态标签设置为站立;
27、若所述高度信息小于或等于所述第一预设高度阈值,且所述高度信息大于第二预设高度阈值,则将所述当前序列样本对应的姿态标签设置为俯身;
28、若所述高度信息小于或等于所述第二预设高度阈值,且所述高度信息大于第三预设高度阈值,则将所述当前序列样本对应的姿态标签设置为蹲坐;
29、若所述高度信息小于或等于所述第三预设高度阈值,则将所述当前序列样本对应的姿态标签设置为跌倒。
30、在本申请的一种可能的实施方式中,所述根据所述能量信息及所述速度信息判断所述当前序列样本对应的样本目标是否处于静止状态的步骤之后,还包括:
31、若所述样本目标不处于静止状态,则将所述当前序列样本对应的运动状态设置为移动,并从所述当前序列样本中提取最终高度及高度变化信息;
32、根据所述最终高度及所述高度变化信息为所述当前序列样本设置对应的姿态标签。
33、在本申请的一种可能的实施方式中,所述根据所述最终高度及所述高度变化信息为所述当前序列样本设置对应的姿态标签的步骤,包括:
34、若所述高度变化信息为高度连续下降,且所述最终高度小于预设跌倒高度阈值,则将所述当前序列样本对应的姿态标签设置为跌倒;
35、若所述高度变化信息不为高度连续下降,或所述最终高度大于或等于所述预设跌倒高度,则将所述当前序列样本对应的姿态标签设置为非跌倒。
36、此外,为实现上述目的,本专利技术还提出一种姿态识别装置,所述姿态识别装置包括以下模块:
37、点云生成模块,用于通过点云提取模型对待识别目标的低分辨雷达数据进行点云提取,获得稠密点云数据;
38、序列构建模块,用于依据对应的采集时间对所述稠密点云数据进行排序,获得稠密点云序列;
39、姿态识别模块,用于通过预设姿态识别模型对所述稠密点云序列进行姿态识别,获得所述待识别目标对应的姿态信息。
40、此外,为实现上述目的,本专利技术还提出一种姿态识别设备,所述姿态识别设备包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的姿态识别程序,所述姿态识别程序被处理器执行时实现如上所述的姿态识别方法的步骤。
41、此外,为实现上述目的,本专利技术还提出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姿态识别程序,所述姿态识别程序执行时实现如上所述的姿态识别方法的步骤。
42、本专利技术通过点云提取模型对待识别目标的低分辨雷达数据进行点云提取,获得稠密点云数据;依据对应的采集时间对稠密点云数据进行排序,获得稠密点云序列;通过预设姿态识别模型对稠密点云序列进行姿态识别,获得待识别目标对应的姿态信息。由于会先采用点云提取模型,将低分辨的毫米波雷达数据转化为稠密点云数据,之后再通过姿态识别模型对排序后的稠密点云序列结合运动状态及高度变化等多方面进行姿态识别,获得待识别目标对应的姿态信息,保证可以对高度区分度不大的动作进行区分,提高了姿态监测的准确性。
本文档来自技高网...【技术保护点】
1.一种姿态识别方法,其特征在于,所述姿态识别方法包括以下步骤:
2.如权利要求1所述的姿态识别方法,其特征在于,所述通过点云提取模型对待识别目标的低分辨雷达数据进行点云提取,获得稠密点云数据的步骤之前,还包括:
3.如权利要求2所述的姿态识别方法,其特征在于,所述根据点云序列样本集构建姿态训练样本集的步骤,包括:
4.如权利要求3所述的姿态识别方法,其特征在于,所述为所述当前序列样本设置对应的运动状态及姿态标签的步骤,包括:
5.如权利要求4所述的姿态识别方法,其特征在于,所述根据所述高度信息为所述当前序列样本设置对应的姿态标签的步骤,包括:
6.如权利要求4所述的姿态识别方法,其特征在于,所述根据所述能量信息及所述速度信息判断所述当前序列样本对应的样本目标是否处于静止状态的步骤之后,还包括:
7.如权利要求6所述的姿态识别方法,其特征在于,所述根据所述最终高度及所述高度变化信息为所述当前序列样本设置对应的姿态标签的步骤,包括:
8.一种姿态识别装置,其特征在于,所述姿态识别装置包括以下模块:<
...【技术特征摘要】
1.一种姿态识别方法,其特征在于,所述姿态识别方法包括以下步骤:
2.如权利要求1所述的姿态识别方法,其特征在于,所述通过点云提取模型对待识别目标的低分辨雷达数据进行点云提取,获得稠密点云数据的步骤之前,还包括:
3.如权利要求2所述的姿态识别方法,其特征在于,所述根据点云序列样本集构建姿态训练样本集的步骤,包括:
4.如权利要求3所述的姿态识别方法,其特征在于,所述为所述当前序列样本设置对应的运动状态及姿态标签的步骤,包括:
5.如权利要求4所述的姿态识别方法,其特征在于,所述根据所述高度信息为所述当前序列样本设置对应的姿态标签的步骤,包括:
6.如权利要求4所述的姿态识别方法,其特征在于,所述根据所述能量信息及所述速度信息判断...
【专利技术属性】
技术研发人员:徐阳,
申请(专利权)人:杭州海康威视数字技术股份有限公司,
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。