CN112381854A - 基于图像的运动检测方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请涉及基于图像的运动检测技术领域，提供了一种基于图像的运动检测方法、装置、电子设备和存储介质。所述方法包括：获取针对待检测对象采集得到的连续多帧图像；获取所述连续多帧图像中每帧图像的亮度信息；基于所述亮度信息对所述运动动作进行计数。本申请实施例通过运动图像的亮度信息变化，为用户提供了方便快捷的运动计数方法，提高了运动动作统计的效率，可方便用户利用手机自带摄像头，达成了运动计数的目的，满足了用户对运动计数的需求。

Description

基于图像的运动检测方法、装置、电子设备和存储介质

技术领域

本申请涉及图像技术领域，特别是涉及一种基于图像的运动检测方法、装置、电子设备和计算机可读存储介质。

背景技术

用于运动的手机应用程序很多，比如咕咚可以很好的帮助用户进行跑步记录，但是，现在的运动软件大都是利用全球定位系统(英文全称global position system，英文缩写GPS)进行运动记录，无法对俯卧撑这种运动进行记录。

对俯卧撑进行计数的方法主要有使用带有弹压装置的设备，通过检测手掌对弹压装置的压力值的变化去统计俯卧撑的个数，或者使用红外装置，通过人体某一部位接触红外装置的次数来计算俯卧撑的个数等。

利用弹压装置计算俯卧撑使得用户使用不便，需要提供一种新的运动检测方法。

发明内容

基于此，有必要针对上述技术问题，提供一种能够快速准确识别运动动作的图像的运动检测方法、装置、电子设备和存储介质。

本申请实施例提供了一种基于图像的运动检测方法，所述方法包括：

获取针对待检测对象采集得到的连续多帧图像，其中，每帧所述图像与所述待检测对象的运动动作相对应，所述运动动作至少包括两个运动状态；

获取所述连续多帧图像中每帧图像的亮度信息；

基于所述亮度信息对所述运动动作进行计数。

在一个实施例中，所述获取针对待检测对象采集得到的连续多帧图像之前，所述方法还包括：

获取针对待检测对象采集得到的多帧样本图像，其中，每帧所述样本图像与所述待检测对象的样本运动动作相对应，所述样本运动动作包括第一运动状态和第二运动状态；

获取每帧样本图像的亮度信息；

基于所述亮度信息确定第一门限阈值和第二门限阈值，所述第一门限阈值用于识别所述样本图像包含所述样本运动动作的第一运动状态，所述第二门限阈值用于识别所述样本图像包含所述样本动作的第二运动状态，所述第一门限阈值小于第二门限阈值。

在一个实施例中，所述基于亮度信息对所述运动动作进行计数包括：

基于第一门限阈值和第二门限阈值识别所述连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态；

基于所述运动状态的周期变化对所述待检测对象的运动动作进行计数。

在一个实施例中，所述基于第一门限阈值和第二门限阈值识别所述连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态包括：

获取所述第一门限阈值和所述多帧运动图像中每帧运动图像的亮度信息；

在所述多帧运动图像中存在大于或等于所述第一门限阈值的第一运动图像时，确定所述第一运动图像包含所述待检测对象的运动动作的第一运动状态；

在确定所述第一运动图像之后，获取所述第二门限阈值和所述第一运动图像之后的多帧运动图像中每帧运动图像的亮度信息；

在所述第一运动图像之后的多帧运动图像中存在小于所述第二门限阈值的第二运动图像时，确定所述第二运动图像包含所述待检测对象的运动动作的第二运动状态。

在一个实施例中，所述基于所述运动状态的周期变化对所述待检测对象的运动动作进行计数，包括：

以识别到所述第一运动图像包含所述待检测对象的运动动作的第一运动状态为起点，再次识别到所述第三运动图像包含所述待检测对象的运动动作的第一运动状态为终点，作为所述待检测运动对象的运动动作对应的运动周期；

基于所述运动周期的累计次数对所述待检测对象的运动动作进行计数。

在一个实施例中，所述运动状态包括第一运动状态和第二运动状态，基于所述运动周期的累计次数对所述待检测对象的运动动作进行计数，包括：

在识别到所述运动动作的第一运动状态时，对所述可信度值进行加1处理；

在识别到所述运动动作的第一运动状态变化到所述第二运动状态时，对所述可信度值继续进行加1处理；

在识别到所述运动动作的第二运动状态变化到所述第一运动状态时，对所述可信度值继续进行加1处理；

在确定所述可信度值等于预设阈值时，对所述运动动作计数一次，并对所述可信度值进行清零处理，返回所述基于第一门限阈值和第二门限阈值识别所述连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态。

本申请实施例提供了一种基于图像的运动检测装置，所述装置包括：

图像获取模块，获取针对待检测对象采集得到的连续多帧图像，其中，每帧所述图像与所述待检测对象的运动动作相对应；

亮度信息获取模块，用于获取所述连续多帧图像中每帧图像的亮度信息；

动作计数模块，用于基于所述亮度信息对所述运动动作进行计数。

本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本申请任意实施例所提供的基于图像的运动检测方法的步骤。

本申请实施例提供了一种存储介质，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本申请任意实施例所提供的基于图像的运动检测方法的步骤。

本申请实施例所提供的基于图像的运动检测方法、装置、电子设备和存储介质，通过获取运动图像的亮度信息，基于所述连续多帧运动图像中每帧运动图像的亮度信息确定运动动作的变化结果，然后基于所述变化的结果对所述运动动作进行计数，本申请实施例通过运动图像的亮度信息变化，为用户提供了方便快捷的运动计数方法，提高了运动动作统计的效率。

附图说明

图1为一个实施例中基于图像的运动检测方法的应用场景图；

图2为一个实施例中基于图像的运动检测方法的流程示意图；

图3为另一个实施例中基于图像的运动检测方法的流程示意图；

图4为一个实施例中基于图像的运动检测装置的结构框图；

图5为一个实施例中电子设备的内部结构图。

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。

本申请提供的基于图像的运动检测方法，可以应用于如图1所示的应用环境中。该基于图像的运动检测方法应用于基于图像的运动检测装置中。该基于图像的运动检测装置可以配置在终端102或者服务器104，或者部分配置在终端102，部分配置在服务器104中，由终端102与服务器104交互完成基于图像的运动检测方法。

其中，终端102与服务器104可以通过网络进行通信。

其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，终端102需具有连续多帧图像的采集功能，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种基于图像的运动检测方法。本实施例主要以该方法应用于图1中的终端102来举例说明。

步骤202，获取针对待检测对象采集得到的连续多帧图像，其中，每帧图像与待检测对象的运动动作相对应，运动动作至少包括两个运动状态。

其中，运动图像由终端设备获取，这些终端设备可以是图像采集设备，图像采集设备可以是包括图像传感器的相机，比如智能手机内置的拍摄组件、数码相机等。

其中，待检测对象为执行某项运动动作的对象，比如执行俯卧撑运动动作的人等，连续多帧图像是指对进行某项运动动作的对象连续采集图像，这些图像信息需包括待检测对象的运动状态，比如在俯卧撑运动中胳膊撑起时的运动状态，胳膊落下时的运动状态等。这里的运动状态是指在一个运动动作中，完成该运动动作所必须达到的运动位置和身体姿态，比如，在俯卧撑运动中，必须达到两种运动状态，一是胳膊完全落下，身体处于最低位置，另一个是胳膊完全撑直，身体处于最高位置。

在用户进行运动时，采集设备按照设定的时间间隔，连续采集同一运动状态的运动图像信息，每帧运动图像中人体所占图像的面积与运动动作的运动状态相关，比如，在俯卧撑运动中，当人体处于胳膊完全撑起，身体达到最高位置的运动状态时，人体图像在运动图像中的面积占比是最大的，当人体处于胳膊完全落下，身体达到最低位置的运动状态时，人体图像在运动图像中的面积占比是最小的，因此，每帧运动图像与运动状态是相关的。

步骤204，获取连续多帧图像中每帧图像的亮度信息。

其中，亮度信息是图像亮度的平均值。由于在不同的运动状态下，人体图像在所采集的运动图像中的占比是不同的，因此，连续多帧运动图像的亮度信息也是不同的，由于在运动到不同位置时人体的姿态不同，但是在某一个姿态时，人体图像在运动图像中的占比是一定的，因为图像采集设备所采集人体的部位、图像的大小、以及摄像头的曝光度等保持不变，由此，可以通过运动图像亮度信息来确定运动动作的变化。

获取每帧图像的亮度信息，终端可以直接对连续多帧图像进行亮度信息提取，得到每帧图像的亮度信息；终端也可以从服务器中下载已经训练的图像亮度信息模型，将获取到的连续多帧图像传输到图像亮度信模型中进行亮度信息提取，得到每帧图像的亮度信息；终端也可以内置图像亮度信息模型，通过该模型对连续多帧图像进行亮度信息进行提取，得到每帧图像的亮度信息。

步骤206，基于亮度信息对运动动作进行计数。

其中，通过亮度信息可以判断出用户在运动时所处的运动状态，通过运动状态的变化可以判断一个运动动作是否完成，从而实现对运动动作的计数。

比如，在俯卧撑运动时，根据运动图像的亮度信息的变化，可以判断用户的运动状态是从下向上运动还是从上向下运动，比如判断了用户的运动状态是从下向上运动时，那么通过亮度信息可以判断用户的运动状态是否达到了设定的运动动作的标准，如果符合了这个标准，则判断用户的运动状态完成了一个运动动作，那么就可以对这个运动动作进行计数。

通过获取运动图像的亮度信息，基于连续多帧运动图像中每帧运动图像的亮度信息对运动动作进行计数，为用户提供了方便快捷的运动计数方法，提高了运动动作统计的效率。

在其中一个实施例中，如图3所示，获取针对待检测对象采集得到的连续多帧图像之前还可以包括如下步骤的具体操作：

步骤301，获取针对待检测对象采集得到的多帧样本图像，其中，每帧样本图像与待检测对象的样本运动动作相对应，样本运动动作包括第一运动状态和第二运动状态。

步骤302，获取每帧样本图像的亮度信息。

其中，对图像采集设备采集的多个运动状态的运动图像，均获取其亮度信息，通过亮度信息的差异来获取不同的运动状态信息，也就实现了对运动动作的计数。

步骤303，基于亮度信息确定第一门限阈值和第二门限阈值，第一门限阈值用于识别样本图像包含样本运动动作的第一运动状态，第二门限阈值用于识别样本图像包含样本动作的第二运动状态，第一门限阈值小于第二门限阈值。

其中，在设置第一门限阈值和第二门限阈值时，考虑到运动的实际情况，对具体运动动作是否合格的判断，一般是达到一个上下线即可，可以理解的是，此处的第一门限阈值可以认为运动动作向上的合格线，也就是运动动作一旦向上升高超过这个第一门限阈值，该向上动作就认为是合格了，此处的第二门限阈值可以认为是运动动作向下的合格线，也就是运动动作一旦向下超过这个第二门限阈值，就认为该向下的动作就合格了，就认为到达了第一运动状态和第二运动状态，人体在这两个运动状态时获取的运动图像的亮度信息就是第一门限阈值和第二门限阈值。可以知晓的是，这个第一门限阈值是小于运动的上限运动状态的运动图像的亮度信息的，同时第二门限阈值是大于运动的下限运动状态的运动图像的亮度信息的。在这里需要强调的是，对于不同的运动项目，第一门限阈值和第二门限阈值的大小关系不一，对于一些运动项目，比如俯卧撑、蹲下起立、仰卧起坐、引体向上等运动，第一门限阈值需要大于第二门限阈值，因为在最高运动状态的人体图像在运动图像的占比大于在最低运动状态的人体图像在运动图像的占比，对于以下项目，比如引体向上，第一门限阈值需要小于第二门限阈值，因为在最高运动状态的人体图像在运动图像的占比小于在最低运动状态的人体图像在运动图像的占比。在本申请的实施例中，以第一门限阈值大于第二门限阈值来说明本申请的技术方案，但是对于第一门限阈值小于第二门限阈值，作为本申请的一个相反的实施例，是可以从本申请的技术方案得到的。

具体的，比如在俯卧撑运动中，用户在胳膊撑直时，终端采集的运动图像中人体图像占比较多，用户在胳膊落下时，终端采集的运动图像中人体图像的占比较少，两种运动状态下的运动图像的亮度信息是不一样的，可以知晓的是，当用户到达俯卧撑运动的最低点的运动状态和最高点的运动状态时，其运动图像的亮度信息一定处于两个极值，在一个运动动作中的所有运动图像的亮度信息均处于这两个极值之间。由此，设置的第一门限阈值和第二门限阈值就是判断用户的运动状态是否达到了第一运动状态和第二运动状态，这里的第一门限阈值对应的运动图像的运动状态即为第一运动状态，第二门限阈值对应的运动图像的运动状态即为第二运动状态。在此，设定运动图像的亮度信息的第一门限阈值，用来表示运动动作达到了第一运动状态，设定运动图像的亮度信息的第二门限阈值，用来表示运动动作达到了第二运动状态。

具体的，在俯卧撑运动中，完成一个运动动作可以分成三步，第一步是胳膊撑直，身体处于最高点，即位于第一运动状态；第二步是弯曲落下，到达最低点，即位于第二运动状态；第三步是撑起胳膊，再次到达最高点，即恢复成第一运动状态，可知，要完成一个俯卧撑动作，运动图像的亮度信息需要两次超过第一门限阈值，并且一次低于第二门限阈值。

当设置完第一门限阈值和第二门限阈值以后，需要保持终端采集的运动图像不会受到外部自然条件或终端自身工作参数的影响，保持采集图像大小、亮度、背景图像等的完全一致性，确保采集运动图像不因外部条件和设备硬件本身因素影响其亮度信息。

通过获取运动图像的亮度信息，设定第一门限阈值和第二门限阈值，可以更加精确的采集运动图像，更加准确的判断运动图像所处的运动状态，进而可以更加准确的进行运动动作计数。

在一个实施例中，基于亮度信息对运动动作进行计数包括：基于第一门限阈值和第二门限阈值识别连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态。基于运动状态的周期变化对待检测对象的运动动作进行计数。

下面以俯卧撑运动具体说明，俯卧撑运动的一个动作周期包括如下三个分解动作，首先胳膊撑直，身体处于最高状态；其次胳膊落下，身体处于最低状态；最后胳膊撑起，身体恢复最高状态。因此，完成一个动作周期的俯卧撑运动，用户必须完成三个分解动作，也即连续多帧运动图像的亮度信息中是否按次序累计出现一次大于第一门限阈值、一次小于第二门限阈值，再一次大于第一门限阈值也即运动动作由第一运动状态到第二运动状态再恢复到第一运动状态。具体的，当第一次出现的运动图像的亮度信息大于第一门限阈值，说明起始状态处于第一运动状态，符合起始动作的要求；第二次的运动图像的亮度信息小于第二门限阈值，说明到达了第二运动状态，符合中间动作的要求；第三次出现的运动图像的亮度信息再一次大于第一门限阈值，说明又恢复到第一运动状态，符合结束动作的要求，一个周期内累计完成了三次判决，即认为完成了一次俯卧撑动作。

通过将一个周期内的运动动作分解，把一个周期内的运动动作设定多个门限阈值，通过比较运动图像的亮度信息与门限阈值的关系判断运动动作是否符合预设规则，使运动动作判断更加科学，运动动作的计数也更加精准。

在一个实施例中，基于第一门限阈值和第二门限阈值识别连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态包括：获取第一门限阈值和多帧运动图像中每帧运动图像的亮度信息；在多帧运动图像中存在大于或等于第一门限阈值的第一运动图像时，确定第一运动图像包含待检测对象的运动动作的第一运动状态；在确定第一运动图像之后，获取第二门限阈值和第一运动图像之后的多帧运动图像中每帧运动图像的亮度信息；在第一运动图像之后的多帧运动图像中存在小于第二门限阈值的第二运动图像时，确定第二运动图像包含待检测对象的运动动作的第二运动状态。

具体的，此处第一运动状态也即是亮度信息为第一门限阈值的运动图像所对应的运动状态，由于第一运动图像的亮度信息大于或者等于第一门限阈值，因此，第一运动图像的亮度信息也大于或等于第一运动状态所对应运动图像的亮度信息，那么，第一运动图像的运动状态一定包含了第一运动状态；同样的，此处的第二运动状态也即是亮度信息为第二门限阈值的运动图像所对应的运动状态，由于第二运动图像的亮度信息小于第二门限阈值，因此，第二运动图像的亮度信息也小于第二运动状态所对应运动图像的亮度信息，那么，第二运动图像的运动状态一定包含了第二运动状态。

由于不同的运动项目在完成一个动作周期时各个分解动作不同，需要设置的比对规则也不完全一样，因此，具体的比对规则需要按照实际情况去设置，对于涉及人体图像在运动图像中占比变化的运动项目，比如俯卧撑、仰卧起坐、蹲下起立、引体向上等运动，可以设置人体图像在运动图像中面积占比最大的运动图像的亮度信息作为第一门限阈值，设置人体图像在运动图像中占比最小的运动图像的亮度信息作为第二门限阈值。相应的对比规则可以设定为：终端首先比较连续多帧运动图像的亮度信息与第一门限阈值的关系，如果出现某一帧图像的亮度信息大于第一门限阈值，则对该帧图像以后采集的连续多帧运动图像的亮度信息与第二门限阈值比较；如果出现某一帧图像的亮度信息小于第二门限阈值，则对该帧图像以后采集的连续多帧运动图像的亮度信息与第一门限阈值比较；如果出现某一帧图像的亮度信息大于第一门限阈值，则完成了一个运动动作周期的比对。

需要强调的是，在对连续多帧运动图像的亮度信息与第一门限阈值和第二门限阈值的比对的过程中，终端首先与第一门限阈值比对，确保运动动作的开始状态是符合要求的；当运动动作的初始状态符合要求后，即不再关注第一图像后的连续多帧运动图像的亮度信息与第一门限阈值的关系，只关注第一图像后的连续多帧运动图像的亮度信息与第二门限阈值的关系；直到出现某一帧图像的亮度信息小于第二门限阈值；此后，即不再关注第二图像后的连续多帧运动图像的亮度信息与第二门限阈值的关系，只关注第二图像后的连续多帧运动图像的亮度信息与第一门限阈值的关系，直到出现某一帧图像的亮度信息大于第一门限阈值，也就是完成了一个运动动作的周期。

比如，在俯卧撑运动中，首先比较连续多帧运动图像的亮度信息与第一门限阈值的关系，即判断运动初始状态是否符合要求，如果某一帧运动图像的亮度信息大于或等于第一门限阈值，可以将此帧图像标记为第一运动图像，说明第一运动图像符合运动初始状态的条件，也即完成了运动动作的初始动作。当判断完成了运动初始动作以后，在一个动作周期内，即需要考虑运动动作的第二个分解动作；于是，将第一运动图像之后的连续多帧图像的亮度信息与第二门限阈值比较，如果出现某一帧图像的亮度信息小于第二门限阈值，可以将此帧图像标记为第二运动图像，说明第二运动图像符合设置的第二个分解动作的动作状态，即用于胳膊落下的幅度符合要求。进一步，需要考虑胳膊再次撑起的高度是否达到第三个分解动作的运动状态，那么需要比较第二运动图像之后的连续多帧运动图像的亮度信息与第一门限阈值的关系。如果出现某一帧运动图像的亮度信息大于或者等于第一门限阈值，可以将此运动图像标记为第三运动图像，那么说明第三运动图像符合设置的第三个分解动作的动作状态，即用于胳膊撑直的幅度符合要求，这样就完成了一个俯卧撑的动作周期的判断。

需要特别说明的是，如果用户在进行俯卧撑运动时，如果运动图像的亮度信息一直在第一门限阈值和第二门限阈值之间，即所有运动图像的亮度信息均是小于第一门限阈值且大于第二门限阈值，那么所有的运动动作均认为是不符合要求的，运动动作计数为零。另一方面，在比较运动图像的亮度信息分别与第一门限阈值和第二门限阈值的关系时，必须按照设定的比对规则进行。比如，在俯卧撑运动中，如果运动图像的亮度信息完成了与第一门限阈值、第二门限阈值的比较，需要进行第三个分解动作的判断，即运动图像再次与第一门限阈值比较，获取第三运动图像，如果第二运动图像后的所有运动图像的亮度信息都没有大于或者等于第一门限阈值，那么后面所有的运动图像均未完成第三个分解动作，即不会对该运动动作进行计数。

在一个实施例中，基于运动状态的周期变化对待检测对象的运动动作进行计数，包括：以识别到第一运动图像包含待检测对象的运动动作的第一运动状态为起点，再次识别到第三运动图像包含待检测对象的运动动作的第一运动状态为终点，作为待检测运动对象的运动动作对应的运动周期；基于运动周期的累计次数对待检测对象的运动动作进行计数。

在一个实施例中，基于运动变化结果对运动动作进行计数，包括：初始化可信度值；基于运动周期的累计可信度值对待检测对象的运动动作进行计数。

其中，可信度是一个动作周期内，对具体分解动作的判断情况，如果达到合格的分解动作的条件，则可信度加1，如果未达到合格的动作，则可信度不变，对于一个运动项目，每一个运动动作周期设定几个判决条件，则可信度到达设定判决条件的个数时，才认为完成了一个运动动作，否则，该运动动作不计数。

具体地，对连续多帧运动图像的亮度信息进行判断是按照规则顺序执行的，按顺序每完成一次判断即更新一次可信度值，如果没有完成顺序中的某个判断项目，则一直等待该判断项目的完成，否则可信度值不更新。不同动作的可信度值有不同的设定阈值，但无论是何种动作，只要可信度值达到设定阈值，即判断完成了一个运动动作的周期，即完成了一次运动动作。

在一个实施例中，基于运动周期的累计可信度值对待检测对象的运动动作进行计数，包括：在识别到运动动作的第一运动状态时，对可信度值进行加1处理；在识别到运动动作的第一运动状态变化到第二运动状态时，对可信度值继续进行加1处理；在识别到运动动作的第二运动状态变化到第一运动状态时，对可信度值继续进行加1处理。

具体的，一个运动动作被判定为到达了第一运动状态，则确定该运动动作完成了一个运动动作周期的第一个动作，对可信度值进行加1。如果一个运动动作在判定完第一运动状态后，又被判定为到达了第二运动状态，则确定该运动动作完成了这个运动动作周期的第二个动作，对可信度值进行再加1。如果一个运动动作在判定完第二运动状态后，又被判定为到达了第一运动状态，则确定该运动动作完成了这个运动动作周期的第三个动作，对可信度值继续加1。

在确定可信度值等于预设阈值时，对运动动作计数一次，并对可信度值进行清零处理，返回基于第一门限阈值和第二门限阈值识别连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态。

需要特别说明的是，在一些运动动作中，比如俯卧撑、仰卧起坐、引体向上、蹲下起立运动，对运动动作的判定需要严格按照判定顺序执行，比如，对于一个运动动作，首先完成了第一运动状态的判断，如果一直没有通过第二运动状态的判断，而直接恢复到第一运动状态，此时，不对是否恢复第一运动状态进行判断，而是继续等待运动动作到达第二运动状态，如果不到达第二运动状态，则可信度值永远不会更新，此时可信度值的统计还是第一运动状态时的可信度值，直到运动动作到达了第二运动状态，才能继续判断运动动作是否恢复到第一运动状态。

计算机预先设置好运动检测规则，就可以有效避免用户在进行运动时，对不合格的动作进行计数，确保了运动动作的标准性，每一个运动动作的计数都是合格的。

应该理解的是，虽然图2-3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2-3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。

在一个实施例中，如图4所示，提供了一种基于图像的运动检测装置，包括：图像获取模块、亮度信息获取模块和动作计数模块。

图像获取模块，用于获取针对待检测对象采集得到的连续多帧图像，其中，每帧图像与待检测对象的运动动作相对应，运动动作至少包括两个运动状态。

亮度信息获取模块，用于获取连续多帧图像中每帧图像的亮度信息。

动作计数模块，用于基于亮度信息对运动动作进行计数。

具体的，在本申请的另一个实施例中，亮度信息获取模块还用于获取针对待检测对象采集得到的多帧样本图像，其中，每帧样本图像与待检测对象的样本运动动作相对应，样本运动动作包括第一运动状态和第二运动状态；获取每帧样本图像的亮度信息；基于亮度信息确定第一门限阈值和第二门限阈值，第一门限阈值用于识别样本图像包含样本运动动作的第一运动状态，第二门限阈值用于识别样本图像包含样本动作的第二运动状态，第一门限阈值小于第二门限阈值。

具体的，在本申请的另一个实施例中，动作计数模块还基于第一门限阈值和第二门限阈值识别连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态；基于运动状态的周期变化对待检测对象的运动动作进行计数。

具体的，在本申请的另一个实施例中，动作计数模块还用于通过亮度信息获取模块获取第一门限阈值和多帧运动图像中每帧运动图像的亮度信息后；在多帧运动图像中存在大于或等于第一门限阈值的第一运动图像时，确定第一运动图像包含待检测对象的运动动作的第一运动状态；在确定第一运动图像之后，获取第二门限阈值和第一运动图像之后的多帧运动图像中每帧运动图像的亮度信息；在第一运动图像之后的多帧运动图像中存在小于第二门限阈值的第二运动图像时，确定第二运动图像包含待检测对象的运动动作的第二运动状态。

具体的，在本申请的另一个实施例中，动作计数模块还用于以识别到第一运动图像包含待检测对象的运动动作的第一运动状态为起点，再次识别到第三运动图像包含待检测对象的运动动作的第一运动状态为终点，作为待检测运动对象的运动动作对应的运动周期；基于运动周期的累计次数对待检测对象的运动动作进行计数。

具体的，在本申请的另一个实施例中，动作计数模块还用于初始化可信度值；基于运动周期的累计可信度值对待检测对象的运动动作进行计数。

具体的，在本申请的另一个实施例中，动作计数模块还用于在识别到运动动作的第一运动状态时，对可信度值进行加1处理；在识别到运动动作的第一运动状态变化到第二运动状态时，对可信度值继续进行加1处理；在识别到运动动作的第二运动状态变化到第一运动状态时，对可信度值继续进行加1处理；在确定可信度值等于预设阈值时，对运动动作计数一次，并对可信度值进行清零处理，返回基于第一门限阈值和第二门限阈值识别连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态。

本申请的基于图像的运动检测装置通过图像获取模块获取运动图像，通过亮度信息获取模块连续多帧图像中每帧图像的亮度信息，并根据预设的第一门限阈值、第二门限阈值与运动图像的亮度信息进行比较，对运动动作进行计数，能够有效方便的进行运动计数，统计的运动计数数据更加标准科学。

关于基于图像的运动检测装置的具体限定可以参见上文中对于基于图像的运动检测方法的限定，在此不再赘述。上述基于图像的运动检测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，提供了一种电子设备，该电子设备内部结构图可以如图5所示。该电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子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和计算机程序。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。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该计算机程序被处理器执行时以实现一种基于图像的运动检测方法。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图5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电子设备的限定，具体的电子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，本申请提供的基于图像的运动检测装置可以实现为一种计算机程序的形式，计算机程序可在如图5所示的电子设备上运行。电子设备的存储器中可存储组成该基于图像的运动检测装置的各个程序模块，比如，图4所示的图像获取模块、亮度信息获取模块和动作计数模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的基于图像的运动检测方法中的步骤。

在一个实施例中，处理器执行计算机程序时，实现以下步骤：获取针对待检测对象采集得到的连续多帧图像，其中，每帧图像与待检测对象的运动动作相对应，运动动作至少包括两个运动状态；获取续多帧图像中每帧图像的亮度信息；基于亮度信息对运动动作进行计数。

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：获取针对待检测对象采集得到的连续多帧图像之前，获取针对待检测对象采集得到的多帧样本图像，其中，每帧样本图像与待检测对象的样本运动动作相对应，样本运动动作包括第一运动状态和第二运动状态；获取每帧样本图像的亮度信息；基于亮度信息确定第一门限阈值和第二门限阈值，第一门限阈值用于识别样本图像包含样本运动动作的第一运动状态，第二门限阈值用于识别样本图像包含样本动作的第二运动状态，第一门限阈值小于第二门限阈值。

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：基于第一门限阈值和第二门限阈值识别连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态；基于运动状态的周期变化对待检测对象的运动动作进行计数。

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：获取第一门限阈值和多帧运动图像中每帧运动图像的亮度信息；在多帧运动图像中存在大于或等于第一门限阈值的第一运动图像时，确定第一运动图像包含待检测对象的运动动作的第一运动状态；在确定第一运动图像之后，获取第二门限阈值和第一运动图像之后的多帧运动图像中每帧运动图像的亮度信息；在第一运动图像之后的多帧运动图像中存在小于第二门限阈值的第二运动图像时，确定第二运动图像包含待检测对象的运动动作的第二运动状态。

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：以识别到第一运动图像包含待检测对象的运动动作的第一运动状态为起点，再次识别到第三运动图像包含待检测对象的运动动作的第一运动状态为终点，作为待检测运动对象的运动动作对应的运动周期；基于运动周期的累计次数对待检测对象的运动动作进行计数。

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：初始化可信度值；基于运动周期的累计可信度值对待检测对象的运动动作进行计数。

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：在识别到运动动作的第一运动状态时，对可信度值进行加1处理；在识别到运动动作的第一运动状态变化到第二运动状态时，对可信度值继续进行加1处理；在识别到运动动作的第二运动状态变化到第一运动状态时，对可信度值继续进行加1处理；在确定可信度值等于预设阈值时，对运动动作计数一次，并对可信度值进行清零处理，返回基于第一门限阈值和第二门限阈值识别连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态。

本申请处理器执行计算机程序时通过图像获取模块获取运动图像，通过亮度信息获取模块连续多帧图像中每帧图像的亮度信息，并根据预设的第一门限阈值、第二门限阈值与运动图像的亮度信息进行比较，对运动动作进行计数，能够有效方便的进行运动计数，统计的运动计数数据更加标准科学。

在一个实施例中，提供了一种计算机可读存储介质，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，计算机程序被处理器执行时实现以下步骤：获取针对待检测对象采集得到的连续多帧图像，其中，每帧图像与待检测对象的运动动作相对应，运动动作至少包括两个运动状态；获取续多帧图像中每帧图像的亮度信息；基于亮度信息对运动动作进行计数。

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：获取针对待检测对象采集得到的连续多帧图像之前，获取针对待检测对象采集得到的多帧样本图像，其中，每帧样本图像与待检测对象的样本运动动作相对应，样本运动动作包括第一运动状态和第二运动状态；获取每帧样本图像的亮度信息；基于亮度信息确定第一门限阈值和第二门限阈值，第一门限阈值用于识别样本图像包含样本运动动作的第一运动状态，第二门限阈值用于识别样本图像包含样本动作的第二运动状态，第一门限阈值小于第二门限阈值。

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：基于第一门限阈值和第二门限阈值识别连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态；基于运动状态的周期变化对待检测对象的运动动作进行计数。

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：获取第一门限阈值和多帧运动图像中每帧运动图像的亮度信息；在多帧运动图像中存在大于或等于第一门限阈值的第一运动图像时，确定第一运动图像包含待检测对象的运动动作的第一运动状态；在确定第一运动图像之后，获取第二门限阈值和第一运动图像之后的多帧运动图像中每帧运动图像的亮度信息；在第一运动图像之后的多帧运动图像中存在小于第二门限阈值的第二运动图像时，确定第二运动图像包含待检测对象的运动动作的第二运动状态。

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：以识别到第一运动图像包含待检测对象的运动动作的第一运动状态为起点，再次识别到第三运动图像包含待检测对象的运动动作的第一运动状态为终点，作为待检测运动对象的运动动作对应的运动周期；基于运动周期的累计次数对待检测对象的运动动作进行计数。

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：初始化可信度值；基于运动周期的累计可信度值对待检测对象的运动动作进行计数。

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：在识别到运动动作的第一运动状态时，对可信度值进行加1处理；在识别到运动动作的第一运动状态变化到第二运动状态时，对可信度值继续进行加1处理；在识别到运动动作的第二运动状态变化到第一运动状态时，对可信度值继续进行加1处理；在确定可信度值等于预设阈值时，对运动动作计数一次，并对可信度值进行清零处理，返回基于第一门限阈值和第二门限阈值识别连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态。

本申请计算机程序被处理器执行时通过图像获取模块获取运动图像，通过亮度信息获取模块连续多帧图像中每帧图像的亮度信息，并根据预设的第一门限阈值、第二门限阈值与运动图像的亮度信息进行比较，对运动动作进行计数，能够有效方便的进行运动计数，统计的运动计数数据更加标准科学。

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、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，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，比如静态随机存取存储器(Static Random Access Memory，SRAM)和动态随机存取存储器(Dynamic Random Access Memory，DRAM)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)

1.一种基于图像的运动检测方法，其特征在于，所述方法包括：

获取针对待检测对象采集得到的连续多帧图像，其中，每帧所述图像与所述待检测对象的运动动作相对应，所述运动动作至少包括两个运动状态；

获取所述连续多帧图像中每帧图像的亮度信息；

基于所述亮度信息对所述运动动作进行计数。

2.根据权利要求1所述的方法，其特征在于，所述获取针对待检测对象采集得到的连续多帧图像之前，所述方法还包括：

获取针对待检测对象采集得到的多帧样本图像，其中，每帧所述样本图像与所述待检测对象的样本运动动作相对应，所述样本运动动作包括第一运动状态和第二运动状态；

获取每帧样本图像的亮度信息；

基于所述亮度信息确定第一门限阈值和第二门限阈值，所述第一门限阈值用于识别所述样本图像包含所述样本运动动作的第一运动状态，所述第二门限阈值用于识别所述样本图像包含所述样本动作的第二运动状态，所述第一门限阈值小于第二门限阈值。

3.根据权利要求1所述的方法，其特征在于，所述基于亮度信息对所述运动动作进行计数包括：

基于第一门限阈值和第二门限阈值识别所述连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态；

基于所述运动状态的周期变化对所述待检测对象的运动动作进行计数。

4.根据权利要求3所述的方法，其特征在于，所述基于第一门限阈值和第二门限阈值识别所述连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态包括：

获取所述第一门限阈值和所述多帧运动图像中每帧运动图像的亮度信息；

在所述多帧运动图像中存在大于或等于所述第一门限阈值的第一运动图像时，确定所述第一运动图像包含所述待检测对象的运动动作的第一运动状态；

在确定所述第一运动图像之后，获取所述第二门限阈值和所述第一运动图像之后的多帧运动图像中每帧运动图像的亮度信息；

在所述第一运动图像之后的多帧运动图像中存在小于所述第二门限阈值的第二运动图像时，确定所述第二运动图像包含所述待检测对象的运动动作的第二运动状态。

5.根据权利要求1所述的方法，其特征在于，所述基于所述运动状态的周期变化对所述待检测对象的运动动作进行计数，包括：

以识别到所述第一运动图像包含所述待检测对象的运动动作的第一运动状态为起点，再次识别到所述第三运动图像包含所述待检测对象的运动动作的第一运动状态为终点，作为所述待检测运动对象的运动动作对应的运动周期；

基于所述运动周期的累计次数对所述待检测对象的运动动作进行计数。

6.根据权利要求3所述的方法，其特征在于，所述基于所述亮度信息对所述运动动作进行计数包括：

初始化可信度值；

基于所述运动周期的累计可信度值对所述待检测对象的运动动作进行计数。

7.根据权利要求6所述的方法，其特征在于，所述基于所述运动周期的累计可信度值对所述待检测对象的运动动作进行计数，包括：

在识别到所述运动动作的第一运动状态时，对所述可信度值进行加1处理；

在识别到所述运动动作的第一运动状态变化到所述第二运动状态时，对所述可信度值继续进行加1处理；

在识别到所述运动动作的第二运动状态变化到所述第一运动状态时，对所述可信度值继续进行加1处理；

在确定所述可信度值等于预设阈值时，对所述运动动作计数一次，并对所述可信度值进行清零处理，返回所述基于第一门限阈值和第二门限阈值识别所述连续多帧运动图像中每帧运动图像所包含的待检测对象的运动动作的运动状态。

8.一种基于图像的运动检测装置，其特征在于，所述装置包括：

图像获取模块，用于获取针对待检测对象采集得到的连续多帧图像，其中，每帧所述图像与所述待检测对象的运动动作相对应；

亮度信息获取模块，用于获取所述连续多帧图像中每帧图像的亮度信息；

动作计数模块，用于基于所述亮度信息对所述运动动作进行计数。

9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，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。

Images