肢体动作识别方法、装置、计算机设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113903080A(43)申请公布日2022.01.07(21)申请号202111014672.4G06N3/08(2006.01)(22)申请日2021.08.31(71)申请人北京影谱科技股份有限公司地址100125北京市朝阳区朝阳公园南路3号楼6层601内702室(72)发明人朱州(74)专利代理机构北京知呱呱知识产权代理有限公司11577代理人郑兴旺(51)Int.Cl.G06V40/20(2022.01)G06V10/774(2022.01)G06V10/82(2022.01)G06K9/62(2022.01)G06N3/04(2006.01)权利要求书2页说明书7页附图4页(54)发明名称肢体动作识别方法、装置、计算机设备及存储介质(57)摘要本申请公开了一种肢体动作识别方法、装置、计算机设备及存储介质，属于图像识别领域。所述方法包括：获取目标时序图片集，目标时序图片集为具有时间序列的一组肢体动作的图片集合；将目标时序图片集依次输入至第一网络中，获取第一网络输出的目标张量，第一网络用于将目标时序图片处理为特征矩阵，目标张量用于表征目标时序图片集对应的特征矩阵集合，将目标张量输入至第二网络中，得到肢体动作识别结果，以及从目标张量提取出至少一个子张量输入至第二网络中得到各个子张量所对应的动作类别概率，根据加权求和得到肢体动作识别结果。本申请的技术方案可以解决在进行肢体识别时由于动作的持续性不一致导致具有较低准确性的问题。CN113903080ACN113903080A权利要求书1/2页1.一种肢体动作识别方法,其特征在于，所述方法包括：获取目标时序图片集，所述目标时序图片集为具有时间序列的一组肢体动作的图片集合；将所述目标时序图片集依次输入至第一网络中，获取所述第一网络输出的目标张量，所述第一网络用于将目标时序图片处理为特征矩阵，所述目标张量用于表征所述目标时序图片集对应的特征矩阵集合；将所述目标张量输入至第二网络中，得到肢体动作识别结果。2.根据权利要求1所述的方法，其特征在于，在获取所述第一网络输出的目标张量后，所述方法还包括：将所述目标张量提取出至少一个子张量；将所述至少一个子张量分别输入至所述第二网络中，得到所述至少一个子张量中各个子张量所对应的动作类别概率；将所述各个子张量所对应的动作类别概率进行加权求和得到肢体动作识别结果。3.根据权利要求2所述的方法，其特征在于，所述子张量为目标时序图片集中的连续帧图片所对应的特征矩阵的集合。4.根据权利要求2所述的方法，其特征在于，所述子张量至少包括目标时序图片集中的结束帧图片所对应的特征矩阵。5.根据权利要求1所述的方法，其特征在于，将所述目标时序图片集依次输入至第一网络中，获取所述第一网络输出的目标张量，包括：将所述目标时序图片集依次输入至所述第一网络中，得到具有时间序列的多个特征矩阵；将所述多个特征矩阵在时间维度上进行累加得到所述第一网络输出的目标张量。6.根据权利要求1所述的方法，其特征在于，所述获取目标时序图片集，包括：获取目标视频，所述目标视频包括至少一组肢体动作；将所述目标视频进行抽帧得到至少一个所述目标时序图片集。7.一种肢体动作识别装置，其特征在于，所述装置包括：获取模块，用于获取目标时序图片集，所述目标时序图片集为具有时间序列的一组肢体动作的图片集合；第一网络模块，用于在所述目标时序图片集依次输入至第一网络中，获取所述第一网络输出的目标张量；第二网络模块，用于将所述目标张量输入至第二网络中，得到肢体动作识别结果。8.根据权利要求7所述的装置，其特征在于，所述第二网络模块，还用于：将所述目标张量提取出至少一个子张量；将所述至少一个子张量分别输入至所述第二网络中，得到所述至少一个子张量中各个子张量所对应的动作类别概率；将所述各个子张量所对应的动作类别概率进行加权求和得到肢体动作识别结果。9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6任一所述的肢体动作识别方法。2CN113903080A权利要求书2/2页10.一种计算机可读存储介质，其特征在于，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如权利要求1至6任一所述的肢体动作识别方法。3CN113903080A说明书1/7页肢体动作识别方法、装置、计算机设备及存储介质技术领域[0001]本发明涉及图像识别领域，特别涉及一种肢体动作识别方法、装置、计算机设备及存储介质。背景技术[0002]随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如智能设备等领域，而动作识别技术能够使智能设备理解交互对象的动作并做出相应的回应，例