CN110991293A - 姿态识别方法、装置、计算机设备和存储介质 - Google Patents

姿态识别方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN110991293A
CN110991293A CN201911171902.0A CN201911171902A CN110991293A CN 110991293 A CN110991293 A CN 110991293A CN 201911171902 A CN201911171902 A CN 201911171902A CN 110991293 A CN110991293 A CN 110991293A
Authority
CN
China
Prior art keywords
vector
point
human body
key point
keypoint
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911171902.0A
Other languages
English (en)
Inventor
胡佳文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Everest Shenzhen Technology Co Ltd
Original Assignee
Everest Shenzhen Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Everest Shenzhen Technology Co Ltd filed Critical Everest Shenzhen Technology Co Ltd
Priority to CN201911171902.0A priority Critical patent/CN110991293A/zh
Publication of CN110991293A publication Critical patent/CN110991293A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种姿态识别方法、装置、计算机设备和存储介质。所述方法包括：获取深度图像，对深度图像进行关键点检测，获得人体关键点集合，根据人体关键点集合，得到预设的人体不同的部位所构成的向量，根据向量，识别人体姿态，准确识别出摄像机拍摄的各个角度和位置下的人体姿态。

Description

姿态识别方法、装置、计算机设备和存储介质
技术领域
本申请涉及视觉识别技术领域，特别是涉及一种姿态识别方法、装置、计算机设备和存储介质。
背景技术
在视觉识别中，可以识别人体信息，但很难对人体姿态进行识别，如身体、手、脚的姿势和位置的识别，双手水平张开，双脚与肩同宽等姿态的识别。关于上述姿态的识别，从摄像机获取的图像会存在个体的差异，摄像机拍摄的角度和位置影响图像的输入，人体的识别就会受到影响，人体从背景分离出来，做关键点识别的数据就会收到影响，无法直接判断人的姿态的准确性。例如，双手水平张开的时候，摄像头拍摄并不是水平摆放，拍出来人双臂是倾斜的，这无法从图形明确双手是否水平张开，同理还有很多人体的姿态无法直接识别，在视觉识别中对人体的姿态识别就带来了很多不确定性，变得不可靠。
因此，现有技术中存在着摄像机拍摄的角度和位置影响图像的输入，导致人体的姿态无法直接识别，在视觉识别中对人体的姿态识别就带来了很多不确定性，变得不可靠问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够准确进行人体姿态识别的姿态识别方法、装置、计算机设备和存储介质。
一种姿态识别方法，所述方法包括：
获取深度图像；
对所述深度图像进行关键点检测，获得人体关键点集合；
根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量；
根据所述向量，识别人体姿态。
在其中一个实施例中，所述人体关键点集合包括头部关键点、颈部关键点和躯干关键点；
所述根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：
根据所述头部关键点、颈部关键点和躯干关键点，得到以颈部为起点以头部为终点的第一向量，和以颈部为起点以躯干为终点的第二向量；
所述根据所述向量，识别人体姿态，包括：
根据所述第一向量和所述第二向量分别在三轴坐标系投影的夹角，识别头部的姿态。
在其中一个实施例中，所述人体关键点集合包括颈部关键点、躯干关键点、左臀关键点和右臀关键点；
所述根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：
根据所述颈部关键点、躯干关键点、左臀关键点和右臀关键点，得到以躯干为起点以颈部为终点的第三向量，和以躯干为起点以左臀和右臀的中点为终点的第四向量；
所述根据所述向量，识别人体姿态，包括：
根据所述第三向量和所述第四向量分别在三轴坐标系投影的夹角，识别躯干的姿态。
在其中一个实施例中，所述人体关键点集合包括左手肘关键点、左肩膀关键点、左手腕关键点、右手肘关键点、右肩膀关键点和右手腕关键点；
所述根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：
根据所述左手肘关键点、左肩膀关键点、左手腕关键点，得到以左手肘为起点以左肩膀为终点的第五向量，和以左手肘为起点以左手腕为终点的第六向量；
根据所述右手肘关键点、右肩膀关键点、右手腕关键点，得到以右手肘为起点以右肩膀为终点的第七向量，和以右手肘为起点以右手腕为终点的第八向量；
所述根据所述向量，识别人体姿态，包括：
根据所述第五向量和所述第六向量分别在三轴坐标系投影的夹角，识别左手臂的姿态；
根据所述第七向量和所述第八向量分别在三轴坐标系投影的夹角，识别右手臂的姿态。
在其中一个实施例中，所述人体关键点集合包括左膝盖关键点、左臀关键点、左脚跟关键点、右膝盖关键点、右臀关键点和右脚跟关键点；
所述根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：
根据所述左膝盖关键点、左臀关键点、左脚跟关键点，得到以左膝盖为起点以左臀为终点的第九向量，和以左膝盖为起点以左脚跟为终点的第十向量；
根据所述右膝盖关键点、右臀关键点、右脚跟关键点，得到以右膝盖为起点以右臀为终点的第十一向量，和以右膝盖为起点以右脚跟为终点的第十二向量；
所述根据所述向量，识别人体姿态，包括：
根据所述第九向量和所述第十向量分别在三轴坐标系投影的夹角，识别左腿部的姿态；
根据所述第十一向量和所述第十二向量分别在三轴坐标系投影的夹角，识别右腿部的姿态。
在其中一个实施例中，所述人体关键点集合包括左肩膀关键点、躯干关键点、左手肘关键点、右肩膀关键点、躯干关键点和右手肘关键点；
所述根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：
根据所述左肩膀关键点、躯干关键点、左手肘关键点，得到以左肩膀为起点以躯干为终点的第十三向量，和以左肩膀为起点以左手肘为终点的第十四向量；
根据所述右肩膀关键点、躯干关键点、右手肘关键点，得到以右肩膀为起点以躯干为终点的第十五向量，和以右肩膀为起点以右手肘为终点的第十六向量；
所述根据所述向量，识别人体姿态，包括：
根据所述第十三向量和所述第十四向量分别在三轴坐标系投影的夹角，识别左手臂的姿态；
根据所述第十五向量和所述第十六向量分别在三轴坐标系投影的夹角，识别右手臂的姿态。
在其中一个实施例中，所述人体关键点集合包括左臀关键点、躯干关键点、左膝盖关键点、右臀关键点、躯干关键点和右膝盖关键点；
所述根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：
根据所述左臀关键点、躯干关键点、左膝盖关键点，得到以左臀为起点以躯干为终点的第十七向量，和以左臀为起点以左膝盖为终点的第十八向量；
根据所述右臀关键点、躯干关键点、右膝盖关键点，得到以右臀为起点以躯干为终点的第十九向量，和以右臀为起点以右膝盖为终点的第二十向量；
所述根据所述向量，识别人体姿态，包括：
根据所述第十七向量和所述第十八向量分别在三轴坐标系投影的夹角，识别左腿部的姿态；
根据所述第十九向量和所述第二十向量分别在三轴坐标系投影的夹角，识别右腿部的姿态。
一种姿态识别装置，所述装置包括：
获取模块，用于获取深度图像；
检测模块，用于对所述深度图像进行关键点检测，获得人体关键点集合；
向量获取模块，用于根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量；
识别模块，用于根据所述向量，识别人体姿态。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取深度图像；
对所述深度图像进行关键点检测，获得人体关键点集合；
根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量；
根据所述向量，识别人体姿态。
一种计算机可读存储介质，其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以下步骤：
获取深度图像；
对所述深度图像进行关键点检测，获得人体关键点集合；
根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量；
根据所述向量，识别人体姿态。
上述姿态识别方法、装置、计算机设备和存储介质，获取深度图像，对深度图像进行关键点检测，获得人体关键点集合，根据人体关键点集合，得到预设的人体不同的部位所构成的向量，根据向量，识别人体姿态。其中，由于由于深度摄像头采集的深度图像中每个像素点的坐标为对应位置点在以深度摄像头为原点建立的空间坐标系中的坐标，因此，本申请可以直接根据包含人体的各个关键点的三维坐标的人体关键点集合，得到预设的人体不同的部位所构成的向量，又因为向量具有角度信息，根据向量可以解决摄像机拍摄的角度和位置影响图像的输入的问题，准确识别出摄像机拍摄的各个角度和位置下的人体姿态。
附图说明
图1为一个实施例中姿态识别方法的流程示意图；
图2为一个实施例中人体关键点的示意图；
图3为一个实施例中姿态识别装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种姿态识别方法，以该方法应用于图1中的姿态识别装置为例进行说明，包括以下步骤：
步骤S101，获取深度图像；
具体的，利用摄像设备获取深度图像。
其中，摄像设备用于捕捉目标对象的各种动作，将目标对象的动作形成图片或视频影像。摄像设备中除了能够执行录像或拍照操作之外，摄像设备还可以运行各种应用程序，通过这些应用程序，摄像设备能够对图片或视频影像进行处理，得到深度图像。或者，摄像设备包含深度摄像头，通过深度摄像头可以直接得到深度图像。
其中，深度图像中每个像素点的坐标为对应位置点在以深度摄像头为原点建立的空间坐标系中的坐标。
步骤S102，对所述深度图像进行关键点检测，获得人体关键点集合；
具体的，对所述深度图像进行人体背景分离处理，得到人体深度图像，对所述人体深度图像进行关键点检测，获得人体关键点集合。
其中，关键点检测、人体背景分离处理属于现有技术，此处不再加以赘述。
参见图2，以人体为例，通过人体关键点来描述人体。人体关键点集合可以是包含了人体不同部位的关键点，例如，关键点集合中可以包括头部关键点P0、颈部关键点P1、躯干关键点P2、左肩膀关键点P3、左手肘关键点P4、左手腕关键点P5、右肩膀关键点P6、右手肘关键点P7、右手腕关键点P8、左臀关键点P9、左膝盖关键点P10、左脚跟关键点P11、右臀关键点P12、右膝盖关键点P13、右脚跟关键点P14。
其中，关键点检测可以采用诸如CPM(ConvolutionalPose Machine，卷积姿态检测器)，PAF(PartAffinityFields，局部亲和立场检测方法)等方式来进行。在此对于关键点的检测方法不作限定。
步骤S103，根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量；
其中，参见图2，以人体为例，部位包括头部P0、颈部P1、躯干P2、左肩膀P3、左手肘P4、左手腕P5、右肩膀P6、右手肘P7、手腕P8、左臀P9、左膝盖P10、左脚跟P11、右臀P12、右膝盖P13、右脚跟P14。
其中，部位和人体关键点是一一对应关系，其在人体上的位置是一样的，因此，用相同的字符表示。
其中，预设的人体不同的部位是多个部位的组合，包括：头部P0、颈部P1和躯干P2；颈部P1、躯干P2、左臀P9和右臀P12等等。
步骤S104，根据所述向量，识别人体姿态。
上述姿态识别方法，获取深度图像，对深度图像进行关键点检测，获得人体关键点集合，根据人体关键点集合，得到预设的人体不同的部位所构成的向量，根据向量，识别人体姿态。其中，由于由于深度摄像头采集的深度图像中每个像素点的坐标为对应位置点在以深度摄像头为原点建立的空间坐标系中的坐标，因此，本申请可以直接根据包含人体的各个关键点的三维坐标的人体关键点集合，得到预设的人体不同的部位所构成的向量，又因为向量具有角度信息，根据向量可以解决摄像机拍摄的角度和位置影响图像的输入的问题，准确识别出摄像机拍摄的各个角度和位置下的人体姿态。
在一个实施例中，若所述人体关键点集合包括头部关键点、颈部关键点和躯干关键点；则步骤S103根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：根据所述头部关键点、颈部关键点和躯干关键点，得到以颈部为起点以头部为终点的第一向量，和以颈部为起点以躯干为终点的第二向量；步骤S104所述根据所述向量，识别人体姿态，包括：根据所述第一向量和所述第二向量分别在三轴坐标系投影的夹角，识别头部的姿态。
在本发明实施例中，若人正常站直，头部关键点(x0，y0，z0)、颈部关键点(x1，y1，z1)和躯干关键点(x2，y2，z2)所对应的xyz坐标应该为：x0＝x1＝x2，y0>y1>y2，z0＝z1＝z2。因为存在摄像头拍摄角度和位置的影响，x0＝x1，y0>y1和z0＝z1的公式是可能存在偏差的，所以需要引入空间角度关系。如果头部关键点(x0，y0，z0)、颈部关键点(x1，y1，z1)和躯干关键点(x2，y2，z2)这三点空间上在一条直线上，可以定义为人体头部是站直的姿势，如果头部关键点(x0，y0，z0)、颈部关键点(x1，y1，z1)和躯干关键点(x2，y2，z2)因为摄像头拍摄角度和位置的影响存在角度，则可以理解为以颈部P1为起点以头部P0为终点的第一向量，和以颈部P1为起点以躯干P2为终点的第二向量，根据第一向量和第二向量分别在三轴坐标系投影的夹角，识别头部的姿态。其中，头部的姿态包括头部向前倾、头部向后倾、头部向左倾或头部向右倾。
在一个实施例中，若所述人体关键点集合包括颈部关键点、躯干关键点、左臀关键点和右臀关键点；则步骤S103根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：根据所述颈部关键点、躯干关键点、左臀关键点和右臀关键点，得到以躯干为起点以颈部为终点的第三向量，和以躯干为起点以左臀和右臀的中点为终点的第四向量；步骤S104所述根据所述向量，识别人体姿态，包括：根据所述第三向量和所述第四向量分别在三轴坐标系投影的夹角，识别躯干的姿态。
在本发明实施例中，若人正常站直，颈部关键点P1、躯干关键点P2的x和z是基本一致的，x应该位于左臀关键点P9右臀关键点P12的中间位置，所以空间位置关系应该为：x9<x1＝x2<x12，y1>y2>y9＝y12，z1＝z2＝z9＝z12。因为存在摄像头拍摄角度和位置的影响，上面的公式是可能存在偏差的，所以需要引入空间角度关系。如果颈部关键点(x1，y1，z1)、躯干关键点(x2，y2，z2)、左臀关键点(x9，y9，z9)和右臀关键点(x12，y12，z12)的中点((x9-x12)2，(y9-y12)/2，(z9-z12)/2)这三点空间上在一条直线上，可以定义为人体上身是站直的姿势，如果颈部关键点(x1，y1，z1)、躯干关键点(x2，y2，z2)、左臀关键点(x9，y9，z9)和右臀关键点(x12，y12，z12)的中点((x9-x12)2，(y9-y12)/2，(z9-z12)/2)因为摄像头拍摄角度和位置的影响存在角度，则可以理解为以躯干P2为起点以颈部P1为终点的第三向量，和以躯干P2为起点和以左臀P9和右臀P12的中点为终点的第四向量，根据第三向量和第四向量分别在三轴坐标系投影的夹角，识别躯干上身的姿态。其中，躯干上身的姿态包括上身向前倾、上身向后倾、上身向左倾或上身向右倾。
在一个实施例中，若所述人体关键点集合包括左手肘关键点、左肩膀关键点、左手腕关键点、右手肘关键点、右肩膀关键点和右手腕关键点；则步骤S103根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：根据所述左手肘关键点、左肩膀关键点、左手腕关键点，得到以左手肘为起点以左肩膀为终点的第五向量，和以左手肘为起点以左手腕为终点的第六向量；根据所述右手肘关键点、右肩膀关键点、右手腕关键点，得到以右手肘为起点以右肩膀为终点的第七向量，和以右手肘为起点以右手腕为终点的第八向量；步骤S104所述根据所述向量，识别人体姿态，包括：根据所述第五向量和所述第六向量分别在三轴坐标系投影的夹角，识别左手臂的姿态；根据所述第七向量和所述第八向量分别在三轴坐标系投影的夹角，识别右手臂的姿态。
在本发明实施例中，因为左右臂同理，本发明实施例以右臂为例进行说明，若人正常站直，双臂水平张开，如图2所示，右肩膀关键点(x6，y6，z6)、右手肘关键点(x7，y7，z7)、手腕关键点(x8，y8，z8)所对应的xyz坐标应该为：x6<x7<x8，y6＝y7＝y8，z6＝z7＝z8。因为存在摄像头拍摄角度和位置的影响，上面的公式是可能存在偏差的，所以需要引入空间角度关系。如果右肩膀关键点(x6，y6，z6)、右手肘关键点(x7，y7，z7)、手腕关键点(x8，y8，z8)这三点空间上在一条直线上，可以定义为右手臂伸直，如果右肩膀关键点(x6，y6，z6)、右手肘关键点(x7，y7，z7)、手腕关键点(x8，y8，z8)因为摄像头拍摄角度和位置的影响存在角度，则可以理解为以右手肘P7为起点以右肩膀P6为终点的第七向量，和以右手肘P7为起点以右手腕P8为终点的第八向量，根据第七向量和第八向量分别在三轴坐标系投影的夹角，识别右手臂的姿态。其中，右手臂的姿态包括向前弯曲、向后弯曲、向左弯曲或向右弯曲。
在一个实施例中，若所述人体关键点集合包括左膝盖关键点、左臀关键点、左脚跟关键点、右膝盖关键点、右臀关键点和右脚跟关键点；则步骤S103根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：根据所述左膝盖关键点、左臀关键点、左脚跟关键点，得到以左膝盖为起点以左臀为终点的第九向量，和以左膝盖为起点以左脚跟为终点的第十向量；根据所述右膝盖关键点、右臀关键点、右脚跟关键点，得到以右膝盖为起点以右臀为终点的第十一向量，和以右膝盖为起点以右脚跟为终点的第十二向量；步骤S104所述根据所述向量，识别人体姿态，包括：根据所述第九向量和所述第十向量分别在三轴坐标系投影的夹角，识别左腿部的姿态；根据所述第十一向量和所述第十二向量分别在三轴坐标系投影的夹角，识别右腿部的姿态。
在本发明实施例中，因为左右腿同理，本发明实施例以右腿为例进行说明，若人正常站直，如图2所示，右臀关键点(x12，y12，z12)、右膝盖关键点(x13，y13，z13)、右脚跟关键点(x14，y14，z14)所对应的xyz坐标应该为：x12＝x13＝x14，y12>y13>y14，z12＝z13＝z14。因为存在摄像头拍摄角度和位置的影响，上面的公式是可能存在偏差的，所以需要引入空间角度关系。如果右臀关键点(x12，y12，z12)、右膝盖关键点(x13，y13，z13)、右脚跟关键点(x14，y14，z14)这三点空间上在一条直线上，可以定义为腿伸直，如果三点存在角度，即可认为腿存在弯曲，理解为以右膝盖P13为起点以右臀P12为终点的第十一向量，和以右膝盖P13为起点以右脚跟P14为终点的第十二向量，根据第十一向量和第十二向量分别在三轴坐标系投影的夹角，识别右腿的姿态。其中，右腿的姿态包括向前弯曲、向后弯曲、向左弯曲或向右弯曲。
在一个实施例中，若所述人体关键点集合包括左肩膀关键点、躯干关键点、左手肘关键点、右肩膀关键点、躯干关键点和右手肘关键点；则步骤S103根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：根据所述左肩膀关键点、躯干关键点、左手肘关键点，得到以左肩膀为起点以躯干为终点的第十三向量，和以左肩膀为起点以左手肘为终点的第十四向量；根据所述右肩膀关键点、躯干关键点、右手肘关键点，得到以右肩膀为起点以躯干为终点的第十五向量，和以右肩膀为起点以右手肘为终点的第十六向量；步骤S104所述根据所述向量，识别人体姿态，包括：根据所述第十三向量和所述第十四向量分别在三轴坐标系投影的夹角，识别左手臂的姿态；根据所述第十五向量和所述第十六向量分别在三轴坐标系投影的夹角，识别右手臂的姿态。
在本发明实施例中，因为左右手臂同理，本发明实施例以右手臂为例进行说明，若人正常站直，如图2所示，躯干关键点(x2，y2，z2)、右肩膀关键点(x6，y6，z6)、右手肘关键点(x7，y7，z7)所对应的xyz坐标应该为：x2<x6<x7，y2<y6＝y7，z2＝z6＝z7。因为存在摄像头拍摄角度和位置的影响，上面的公式是可能存在偏差的，所以需要引入空间角度关系。如果三点存在角度，即可认为右手臂存在弯曲，理解为以右肩膀P6为起点以躯干P1为终点的第十五向量，和以右肩膀P6为起点以右手肘P7为终点的第十六向量，根据第十五向量和第十六向量分别在三轴坐标系投影的夹角，识别右手臂的姿态。其中，右手臂的姿态包括向前伸、向后伸、向左伸或向右伸。
在一个实施例中，若所述人体关键点集合包括左臀关键点、躯干关键点、左膝盖关键点、右臀关键点、躯干关键点和右膝盖关键点；则步骤S103根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：根据所述左臀关键点、躯干关键点、左膝盖关键点，得到以左臀为起点以躯干为终点的第十七向量，和以左臀为起点以左膝盖为终点的第十八向量；根据所述右臀关键点、躯干关键点、右膝盖关键点，得到以右臀为起点以躯干为终点的第十九向量，和以右臀为起点以右膝盖为终点的第二十向量；所述步骤S104根据所述向量，识别人体姿态，包括：根据所述第十七向量和所述第十八向量分别在三轴坐标系投影的夹角，识别左腿部的姿态；根据所述第十九向量和所述第二十向量分别在三轴坐标系投影的夹角，识别右腿部的姿态。
在本发明实施例中，因为左右腿同理，本发明实施例以右腿为例进行说明，若人正常站直，如图2所示，躯干关键点(x2，y2，z2)、右臀关键点(x12，y12，z12)、右膝盖关键点(x13，y13，z13)所对应的xyz坐标应该为：x2<x12＝x13，y2>y12>y13，z2＝z12＝z13。因为存在摄像头拍摄角度和位置的影响，上面的公式是可能存在偏差的，所以需要引入空间角度关系。如果三点存在角度，即可认为右腿存在弯曲，理解为以右臀P12为起点以躯干P2为终点的第十九向量，和以右臀P12为起点以右膝盖P13为终点的第二十向量，根据第十九向量和第二十向量分别在三轴坐标系投影的夹角，识别右腿的姿态。其中，右腿的姿态包括向前伸、向后伸、向左伸或向右伸。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在本发明实施例中，利用上述方法识别人体姿态，可以解决图像识别因拍摄位置和角度影响无法定义人体姿态的问题，可以进行人体实时图像和标准动作(标准动作是一个预设的动作，例如人正常站直为标准动作)的比较计算，从而得出与标准动作的细微差别。可以有利于人体动作运动时的趋势识别，将静态的识别运用在动态的动作和行为判断上。
在一个实施例中，如图3所示，提供了一种姿态识别装置，包括：
获取模块301，用于获取深度图像；
检测模块302，用于对所述深度图像进行关键点检测，获得人体关键点集合；
向量获取模块303，用于根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量；
识别模块304，用于根据所述向量，识别人体姿态。
在一个实施例中，所述人体关键点集合包括头部关键点、颈部关键点和躯干关键点；
所述向量获取模块303用于：
根据所述头部关键点、颈部关键点和躯干关键点，得到以颈部为起点以头部为终点的第一向量，和以颈部为起点以躯干为终点的第二向量；
所述识别模块304用于：
根据所述第一向量和所述第二向量分别在三轴坐标系投影的夹角，识别头部的姿态。
在一个实施例中，所述人体关键点集合包括颈部关键点、躯干关键点、左臀关键点和右臀关键点；
所述向量获取模块303用于：
根据所述颈部关键点、躯干关键点、左臀关键点和右臀关键点，得到以躯干为起点以颈部为终点的第三向量，和以躯干为起点以左臀和右臀的中点为终点的第四向量；
所述识别模块304用于：
根据所述第三向量和所述第四向量分别在三轴坐标系投影的夹角，识别躯干的姿态。
在一个实施例中，所述人体关键点集合包括左手肘关键点、左肩膀关键点、左手腕关键点、右手肘关键点、右肩膀关键点和右手腕关键点；
所述向量获取模块303用于：
根据所述左手肘关键点、左肩膀关键点、左手腕关键点，得到以左手肘为起点以左肩膀为终点的第五向量，和以左手肘为起点以左手腕为终点的第六向量；
根据所述右手肘关键点、右肩膀关键点、右手腕关键点，得到以右手肘为起点以右肩膀为终点的第七向量，和以右手肘为起点以右手腕为终点的第八向量；
所述识别模块304用于：
根据所述第五向量和所述第六向量分别在三轴坐标系投影的夹角，识别左手臂的姿态；
根据所述第七向量和所述第八向量分别在三轴坐标系投影的夹角，识别右手臂的姿态。
在一个实施例中，所述人体关键点集合包括左膝盖关键点、左臀关键点、左脚跟关键点、右膝盖关键点、右臀关键点和右脚跟关键点；
所述向量获取模块303用于：
根据所述左膝盖关键点、左臀关键点、左脚跟关键点，得到以左膝盖为起点以左臀为终点的第九向量，和以左膝盖为起点以左脚跟为终点的第十向量；
根据所述右膝盖关键点、右臀关键点、右脚跟关键点，得到以右膝盖为起点以右臀为终点的第十一向量，和以右膝盖为起点以右脚跟为终点的第十二向量；
所述识别模块304用于：
根据所述第九向量和所述第十向量分别在三轴坐标系投影的夹角，识别左腿部的姿态；
根据所述第十一向量和所述第十二向量分别在三轴坐标系投影的夹角，识别右腿部的姿态。
在一个实施例中，所述人体关键点集合包括左肩膀关键点、躯干关键点、左手肘关键点、右肩膀关键点、躯干关键点和右手肘关键点；
所述向量获取模块303用于：
根据所述左肩膀关键点、躯干关键点、左手肘关键点，得到以左肩膀为起点以躯干为终点的第十三向量，和以左肩膀为起点以左手肘为终点的第十四向量；
根据所述右肩膀关键点、躯干关键点、右手肘关键点，得到以右肩膀为起点以躯干为终点的第十五向量，和以右肩膀为起点以右手肘为终点的第十六向量；
所述识别模块304用于：
根据所述第十三向量和所述第十四向量分别在三轴坐标系投影的夹角，识别左手臂的姿态；
根据所述第十五向量和所述第十六向量分别在三轴坐标系投影的夹角，识别右手臂的姿态。
在一个实施例中，所述人体关键点集合包括左臀关键点、躯干关键点、左膝盖关键点、右臀关键点、躯干关键点和右膝盖关键点；
所述向量获取模块303用于：
根据所述左臀关键点、躯干关键点、左膝盖关键点，得到以左臀为起点以躯干为终点的第十七向量，和以左臀为起点以左膝盖为终点的第十八向量；
根据所述右臀关键点、躯干关键点、右膝盖关键点，得到以右臀为起点以躯干为终点的第十九向量，和以右臀为起点以右膝盖为终点的第二十向量；
所述识别模块304用于：
根据所述第十七向量和所述第十八向量分别在三轴坐标系投影的夹角，识别左腿部的姿态；
根据所述第十九向量和所述第二十向量分别在三轴坐标系投影的夹角，识别右腿部的姿态。
关于姿态识别装置的具体限定可以参见上文中对于姿态识别方法的限定，在此不再赘述。上述姿态识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储关键点等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种姿态识别方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取深度图像；
对所述深度图像进行关键点检测，获得人体关键点集合；
根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量；
根据所述向量，识别人体姿态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述头部关键点、颈部关键点和躯干关键点，得到以颈部为起点以头部为终点的第一向量，和以颈部为起点以躯干为终点的第二向量；
根据所述第一向量和所述第二向量分别在三轴坐标系投影的夹角，识别头部的姿态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述颈部关键点、躯干关键点、左臀关键点和右臀关键点，得到以躯干为起点以颈部为终点的第三向量，和以躯干为起点以左臀和右臀的中点为终点的第四向量；
根据所述第三向量和所述第四向量分别在三轴坐标系投影的夹角，识别躯干的姿态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述左手肘关键点、左肩膀关键点、左手腕关键点，得到以左手肘为起点以左肩膀为终点的第五向量，和以左手肘为起点以左手腕为终点的第六向量；
根据所述右手肘关键点、右肩膀关键点、右手腕关键点，得到以右手肘为起点以右肩膀为终点的第七向量，和以右手肘为起点以右手腕为终点的第八向量；
根据所述第五向量和所述第六向量分别在三轴坐标系投影的夹角，识别左手臂的姿态；
根据所述第七向量和所述第八向量分别在三轴坐标系投影的夹角，识别右手臂的姿态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述左膝盖关键点、左臀关键点、左脚跟关键点，得到以左膝盖为起点以左臀为终点的第九向量，和以左膝盖为起点以左脚跟为终点的第十向量；
根据所述右膝盖关键点、右臀关键点、右脚跟关键点，得到以右膝盖为起点以右臀为终点的第十一向量，和以右膝盖为起点以右脚跟为终点的第十二向量；
根据所述第九向量和所述第十向量分别在三轴坐标系投影的夹角，识别左腿部的姿态；
根据所述第十一向量和所述第十二向量分别在三轴坐标系投影的夹角，识别右腿部的姿态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述左肩膀关键点、躯干关键点、左手肘关键点，得到以左肩膀为起点以躯干为终点的第十三向量，和以左肩膀为起点以左手肘为终点的第十四向量；
根据所述右肩膀关键点、躯干关键点、右手肘关键点，得到以右肩膀为起点以躯干为终点的第十五向量，和以右肩膀为起点以右手肘为终点的第十六向量；
根据所述第十三向量和所述第十四向量分别在三轴坐标系投影的夹角，识别左手臂的姿态；
根据所述第十五向量和所述第十六向量分别在三轴坐标系投影的夹角，识别右手臂的姿态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述左臀关键点、躯干关键点、左膝盖关键点，得到以左臀为起点以躯干为终点的第十七向量，和以左臀为起点以左膝盖为终点的第十八向量；
根据所述右臀关键点、躯干关键点、右膝盖关键点，得到以右臀为起点以躯干为终点的第十九向量，和以右臀为起点以右膝盖为终点的第二十向量；
根据所述第十七向量和所述第十八向量分别在三轴坐标系投影的夹角，识别左腿部的姿态；
根据所述第十九向量和所述第二十向量分别在三轴坐标系投影的夹角，识别右腿部的姿态。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取深度图像；
对所述深度图像进行关键点检测，获得人体关键点集合；
根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量；
根据所述向量，识别人体姿态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述头部关键点、颈部关键点和躯干关键点，得到以颈部为起点以头部为终点的第一向量，和以颈部为起点以躯干为终点的第二向量；
根据所述第一向量和所述第二向量分别在三轴坐标系投影的夹角，识别头部的姿态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述颈部关键点、躯干关键点、左臀关键点和右臀关键点，得到以躯干为起点以颈部为终点的第三向量，和以躯干为起点以左臀和右臀的中点为终点的第四向量；
根据所述第三向量和所述第四向量分别在三轴坐标系投影的夹角，识别躯干的姿态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述左手肘关键点、左肩膀关键点、左手腕关键点，得到以左手肘为起点以左肩膀为终点的第五向量，和以左手肘为起点以左手腕为终点的第六向量；
根据所述右手肘关键点、右肩膀关键点、右手腕关键点，得到以右手肘为起点以右肩膀为终点的第七向量，和以右手肘为起点以右手腕为终点的第八向量；
根据所述第五向量和所述第六向量分别在三轴坐标系投影的夹角，识别左手臂的姿态；
根据所述第七向量和所述第八向量分别在三轴坐标系投影的夹角，识别右手臂的姿态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述左膝盖关键点、左臀关键点、左脚跟关键点，得到以左膝盖为起点以左臀为终点的第九向量，和以左膝盖为起点以左脚跟为终点的第十向量；
根据所述右膝盖关键点、右臀关键点、右脚跟关键点，得到以右膝盖为起点以右臀为终点的第十一向量，和以右膝盖为起点以右脚跟为终点的第十二向量；
根据所述第九向量和所述第十向量分别在三轴坐标系投影的夹角，识别左腿部的姿态；
根据所述第十一向量和所述第十二向量分别在三轴坐标系投影的夹角，识别右腿部的姿态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述左肩膀关键点、躯干关键点、左手肘关键点，得到以左肩膀为起点以躯干为终点的第十三向量，和以左肩膀为起点以左手肘为终点的第十四向量；
根据所述右肩膀关键点、躯干关键点、右手肘关键点，得到以右肩膀为起点以躯干为终点的第十五向量，和以右肩膀为起点以右手肘为终点的第十六向量；
根据所述第十三向量和所述第十四向量分别在三轴坐标系投影的夹角，识别左手臂的姿态；
根据所述第十五向量和所述第十六向量分别在三轴坐标系投影的夹角，识别右手臂的姿态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述左臀关键点、躯干关键点、左膝盖关键点，得到以左臀为起点以躯干为终点的第十七向量，和以左臀为起点以左膝盖为终点的第十八向量；
根据所述右臀关键点、躯干关键点、右膝盖关键点，得到以右臀为起点以躯干为终点的第十九向量，和以右臀为起点以右膝盖为终点的第二十向量；
根据所述第十七向量和所述第十八向量分别在三轴坐标系投影的夹角，识别左腿部的姿态；
根据所述第十九向量和所述第二十向量分别在三轴坐标系投影的夹角，识别右腿部的姿态。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种姿态识别方法，其特征在于，所述方法包括：
获取深度图像；
对所述深度图像进行关键点检测，获得人体关键点集合；
根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量；
根据所述向量，识别人体姿态。
2.根据权利要求1所述的方法，其特征在于，所述人体关键点集合包括头部关键点、颈部关键点和躯干关键点；
所述根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：
根据所述头部关键点、颈部关键点和躯干关键点，得到以颈部为起点以头部为终点的第一向量，和以颈部为起点以躯干为终点的第二向量；
所述根据所述向量，识别人体姿态，包括：
根据所述第一向量和所述第二向量分别在三轴坐标系投影的夹角，识别头部的姿态。
3.根据权利要求1所述的方法，其特征在于，所述人体关键点集合包括颈部关键点、躯干关键点、左臀关键点和右臀关键点；
所述根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：
根据所述颈部关键点、躯干关键点、左臀关键点和右臀关键点，得到以躯干为起点以颈部为终点的第三向量，和以躯干为起点以左臀和右臀的中点为终点的第四向量；
所述根据所述向量，识别人体姿态，包括：
根据所述第三向量和所述第四向量分别在三轴坐标系投影的夹角，识别躯干的姿态。
4.根据权利要求1所述的方法，其特征在于，所述人体关键点集合包括左手肘关键点、左肩膀关键点、左手腕关键点、右手肘关键点、右肩膀关键点和右手腕关键点；
所述根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：
根据所述左手肘关键点、左肩膀关键点、左手腕关键点，得到以左手肘为起点以左肩膀为终点的第五向量，和以左手肘为起点以左手腕为终点的第六向量；
根据所述右手肘关键点、右肩膀关键点、右手腕关键点，得到以右手肘为起点以右肩膀为终点的第七向量，和以右手肘为起点以右手腕为终点的第八向量；
所述根据所述向量，识别人体姿态，包括：
根据所述第五向量和所述第六向量分别在三轴坐标系投影的夹角，识别左手臂的姿态；
根据所述第七向量和所述第八向量分别在三轴坐标系投影的夹角，识别右手臂的姿态。
5.根据权利要求1所述的方法，其特征在于，所述人体关键点集合包括左膝盖关键点、左臀关键点、左脚跟关键点、右膝盖关键点、右臀关键点和右脚跟关键点；
所述根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：
根据所述左膝盖关键点、左臀关键点、左脚跟关键点，得到以左膝盖为起点以左臀为终点的第九向量，和以左膝盖为起点以左脚跟为终点的第十向量；
根据所述右膝盖关键点、右臀关键点、右脚跟关键点，得到以右膝盖为起点以右臀为终点的第十一向量，和以右膝盖为起点以右脚跟为终点的第十二向量；
所述根据所述向量，识别人体姿态，包括：
根据所述第九向量和所述第十向量分别在三轴坐标系投影的夹角，识别左腿部的姿态；
根据所述第十一向量和所述第十二向量分别在三轴坐标系投影的夹角，识别右腿部的姿态。
6.根据权利要求1所述的方法，其特征在于，所述人体关键点集合包括左肩膀关键点、躯干关键点、左手肘关键点、右肩膀关键点、躯干关键点和右手肘关键点；
所述根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：
根据所述左肩膀关键点、躯干关键点、左手肘关键点，得到以左肩膀为起点以躯干为终点的第十三向量，和以左肩膀为起点以左手肘为终点的第十四向量；
根据所述右肩膀关键点、躯干关键点、右手肘关键点，得到以右肩膀为起点以躯干为终点的第十五向量，和以右肩膀为起点以右手肘为终点的第十六向量；
所述根据所述向量，识别人体姿态，包括：
根据所述第十三向量和所述第十四向量分别在三轴坐标系投影的夹角，识别左手臂的姿态；
根据所述第十五向量和所述第十六向量分别在三轴坐标系投影的夹角，识别右手臂的姿态。
7.根据权利要求1所述的方法，其特征在于，所述人体关键点集合包括左臀关键点、躯干关键点、左膝盖关键点、右臀关键点、躯干关键点和右膝盖关键点；
所述根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量，包括：
根据所述左臀关键点、躯干关键点、左膝盖关键点，得到以左臀为起点以躯干为终点的第十七向量，和以左臀为起点以左膝盖为终点的第十八向量；
根据所述右臀关键点、躯干关键点、右膝盖关键点，得到以右臀为起点以躯干为终点的第十九向量，和以右臀为起点以右膝盖为终点的第二十向量；
所述根据所述向量，识别人体姿态，包括：
根据所述第十七向量和所述第十八向量分别在三轴坐标系投影的夹角，识别左腿部的姿态；
根据所述第十九向量和所述第二十向量分别在三轴坐标系投影的夹角，识别右腿部的姿态。
8.一种姿态识别装置，其特征在于，所述装置包括：
获取模块，用于获取深度图像；
检测模块，用于对所述深度图像进行关键点检测，获得人体关键点集合；
向量获取模块，用于根据所述人体关键点集合，得到预设的人体不同的部位所构成的向量；
识别模块，用于根据所述向量，识别人体姿态。
9.一种计算机设备，包括存储器及处理器，所述存储器上存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN201911171902.0A 2019-11-26 2019-11-26 姿态识别方法、装置、计算机设备和存储介质 Pending CN110991293A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911171902.0A CN110991293A (zh) 2019-11-26 2019-11-26 姿态识别方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911171902.0A CN110991293A (zh) 2019-11-26 2019-11-26 姿态识别方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN110991293A true CN110991293A (zh) 2020-04-10

Family

ID=70087041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911171902.0A Pending CN110991293A (zh) 2019-11-26 2019-11-26 姿态识别方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN110991293A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111601092A (zh) * 2020-06-10 2020-08-28 路邦科技授权有限公司 一种智能急救识别救护系统及其监控方法、行为识别方法
CN111639602A (zh) * 2020-05-29 2020-09-08 华中科技大学 一种行人遮挡及朝向检测方法
CN111985339A (zh) * 2020-07-22 2020-11-24 深圳市自行科技有限公司 基于姿态估计的行人交通行为识别系统和方法
CN113229807A (zh) * 2021-05-17 2021-08-10 四川大学华西医院 人体康复评估装置、方法、电子设备及存储介质
CN113989283A (zh) * 2021-12-28 2022-01-28 中科视语(北京)科技有限公司 3d人体姿态估计方法、装置、电子设备与存储介质
CN114783059A (zh) * 2022-04-20 2022-07-22 浙江东昊信息工程有限公司 一种基于深度相机的寺庙香客参拜管理方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104391573A (zh) * 2014-11-10 2015-03-04 北京华如科技股份有限公司 一种基于单姿态传感器识别投掷动作的方法及装置
CN107169456A (zh) * 2017-05-16 2017-09-15 湖南巨汇科技发展有限公司 一种基于坐姿深度图像的坐姿检测方法
CN107767419A (zh) * 2017-11-07 2018-03-06 广州深域信息科技有限公司 一种人体骨骼关键点检测方法及装置
CN109447672A (zh) * 2018-08-30 2019-03-08 深圳壹账通智能科技有限公司 应用推荐方法、装置、存储介质和计算机设备
CN110321795A (zh) * 2019-05-24 2019-10-11 平安科技（深圳）有限公司 用户姿态识别方法、装置、计算机装置及计算机存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104391573A (zh) * 2014-11-10 2015-03-04 北京华如科技股份有限公司 一种基于单姿态传感器识别投掷动作的方法及装置
CN107169456A (zh) * 2017-05-16 2017-09-15 湖南巨汇科技发展有限公司 一种基于坐姿深度图像的坐姿检测方法
CN107767419A (zh) * 2017-11-07 2018-03-06 广州深域信息科技有限公司 一种人体骨骼关键点检测方法及装置
CN109447672A (zh) * 2018-08-30 2019-03-08 深圳壹账通智能科技有限公司 应用推荐方法、装置、存储介质和计算机设备
CN110321795A (zh) * 2019-05-24 2019-10-11 平安科技（深圳）有限公司 用户姿态识别方法、装置、计算机装置及计算机存储介质

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111639602A (zh) * 2020-05-29 2020-09-08 华中科技大学 一种行人遮挡及朝向检测方法
CN111639602B (zh) * 2020-05-29 2022-04-12 华中科技大学 一种行人遮挡及朝向检测方法
CN111601092A (zh) * 2020-06-10 2020-08-28 路邦科技授权有限公司 一种智能急救识别救护系统及其监控方法、行为识别方法
CN111985339A (zh) * 2020-07-22 2020-11-24 深圳市自行科技有限公司 基于姿态估计的行人交通行为识别系统和方法
CN113229807A (zh) * 2021-05-17 2021-08-10 四川大学华西医院 人体康复评估装置、方法、电子设备及存储介质
CN113989283A (zh) * 2021-12-28 2022-01-28 中科视语(北京)科技有限公司 3d人体姿态估计方法、装置、电子设备与存储介质
CN113989283B (zh) * 2021-12-28 2022-04-05 中科视语(北京)科技有限公司 3d人体姿态估计方法、装置、电子设备与存储介质
CN114783059A (zh) * 2022-04-20 2022-07-22 浙江东昊信息工程有限公司 一种基于深度相机的寺庙香客参拜管理方法和系统

Similar Documents

Publication Publication Date Title
CN110991293A (zh) 姿态识别方法、装置、计算机设备和存储介质
CN108346165B (zh) 机器人与三维传感组件联合标定方法与装置
CN109448090B (zh) 图像处理方法、装置、电子设备及存储介质
CN109285190B (zh) 对象定位方法、装置、电子设备和存储介质
JP6701930B2 (ja) オーサリング装置、オーサリング方法およびオーサリングプログラム
CN108090463B (zh) 对象控制方法、装置、存储介质和计算机设备
CN111862299A (zh) 人体三维模型构建方法、装置、机器人和存储介质
CN111273772B (zh) 基于slam测绘方法的增强现实交互方法、装置
CN108153421B (zh) 体感交互方法、装置及计算机可读存储介质
CN113635311B (zh) 固定标定板的眼在手外标定方法和系统
CN108430032B (zh) 一种实现vr/ar设备位置共享的方法及设备
CN113190120B (zh) 位姿获取方法、装置、电子设备及存储介质
CN113329179B (zh) 拍摄对位方法、装置、设备及存储介质
CN112184768A (zh) 基于激光雷达的sfm重建方法、装置和计算机设备
CN111626105A (zh) 姿态估计方法、装置及电子设备
CN110855891A (zh) 基于人体姿态调整摄像角度的方法、装置和机器人
CN112629565B (zh) 像机与惯性测量单元旋转关系校准方法、装置和设备
JP2013171083A (ja) 情報端末装置
CN110176035B (zh) 标志点的定位方法、装置、计算机设备和存储介质
CN111179342A (zh) 物体位姿的估计方法、装置、存储介质和机器人
CN113446933B (zh) 用于多三维传感器的外参标定方法、装置和系统
CN111246113B (zh) 图像处理方法、装置、设备及存储介质
CN115665361A (zh) 虚拟环境中的视频融合方法和在线视频会议通信方法
CN115278071B (zh) 图像处理方法、装置、电子设备和可读存储介质
CN118172384A (zh) 目标对象的位姿确定方法、装置、计算机设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination