-
公开(公告)号：CN118609172B
公开(公告)日：2024-10-11
申请号：CN202411088642.1
申请日：2024-08-09
Applicant: 电子科技大学
IPC: G06V40/10 , G06V10/774 , G06V10/82 , G06V10/74 , G06V10/80 , G06V10/44 , G06V10/771 , G06V10/25 , G06N3/045 , G06N3/0464
Abstract: 本发明提供了一种运动姿态识别模型与评价方法，属于图像识别技术领域。其中的方法包括：标准运动姿态获取、标准运动姿态数据集构建、受测运动姿态识别、运动姿态匹配及运动姿态评价。通过摄像机获取标准运动姿态并构建标准数据集；使用嵌入STV2模块的YOLO‑Pose神经网络模型识别受测运动姿态，提取关节点信息并生成特征矩阵；通过计算关键关节间角度进行姿态匹配；采用基于关键关节间角度的评价方法，对每个关节的偏差百分比进行量化评分，最终得到整体姿态的评分。该发明提供了一种基于人工智能与图像识别技术，综合实现运动姿态识别与运动姿态评价的方法，该方法保证了运动姿态识别的准确性，还通过量化匹配与评价提供了公平的动作完成程度反馈。
-
公开(公告)号：CN118470803A
公开(公告)日：2024-08-09
申请号：CN202410927071.X
申请日：2024-07-11
Applicant: 电子科技大学
Abstract: 本发明提出一种基于多角度特征融合的骨骼点动作识别方法，属于计算机视觉、人工智能领域，便于提取高阶空间运动特征。所提出的角度特征全面捕捉不同身体部位之间的相对运动，同时保持对主体变化的鲁棒性。实验结果表明，角特征是与现有特征的互补，即关节和骨骼表征。通过将角度特征合并到一个简单的动作识别图卷积神经网络中，在几个基准测试上实现了新的最先进的精度，同时保持了更低的计算成本，从而支持在边缘设备上的实时动作识别。
-
公开(公告)号：CN118609172A
公开(公告)日：2024-09-06
申请号：CN202411088642.1
申请日：2024-08-09
Applicant: 电子科技大学
IPC: G06V40/10 , G06V10/774 , G06V10/82 , G06V10/74 , G06V10/80 , G06V10/44 , G06V10/771 , G06V10/25 , G06N3/045 , G06N3/0464
Abstract: 本发明提供了一种运动姿态识别模型与评价方法，属于图像识别技术领域。其中的方法包括：标准运动姿态获取、标准运动姿态数据集构建、受测运动姿态识别、运动姿态匹配及运动姿态评价。通过摄像机获取标准运动姿态并构建标准数据集；使用嵌入STV2模块的YOLO‑Pose神经网络模型识别受测运动姿态，提取关节点信息并生成特征矩阵；通过计算关键关节间角度进行姿态匹配；采用基于关键关节间角度的评价方法，对每个关节的偏差百分比进行量化评分，最终得到整体姿态的评分。该发明提供了一种基于人工智能与图像识别技术，综合实现运动姿态识别与运动姿态评价的方法，该方法保证了运动姿态识别的准确性，还通过量化匹配与评价提供了公平的动作完成程度反馈。
-
公开(公告)号：CN118470803B
公开(公告)日：2024-09-03
申请号：CN202410927071.X
申请日：2024-07-11
Applicant: 电子科技大学
Abstract: 本发明提出一种基于多角度特征融合的骨骼点动作识别方法，属于计算机视觉、人工智能领域，便于提取高阶空间运动特征。所提出的角度特征全面捕捉不同身体部位之间的相对运动，同时保持对主体变化的鲁棒性。实验结果表明，角特征是与现有特征的互补，即关节和骨骼表征。通过将角度特征合并到一个简单的动作识别图卷积神经网络中，在几个基准测试上实现了新的最先进的精度，同时保持了更低的计算成本，从而支持在边缘设备上的实时动作识别。
-
-
-
Search Results
4
records
(took 0.017 seconds)
