(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210282954.0 (22)申请日 2022.03.22 (71)申请人 康键信息技 术 （深圳） 有限公司 地址 518052 广东省深圳市前海深港合作 区前湾一路1号A栋201室 （入驻深圳市 前海商务秘书 有限公司） (72)发明人 陈波　 (74)专利代理 机构 北京市京大律师事务所 11321 专利代理师 姚维 (51)Int.Cl. G06V 40/20(2022.01) G06K 9/62(2022.01) G06V 10/764(2022.01) G06V 10/44(2022.01) (54)发明名称 健身动作图像的识别方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及人工智能技术领域， 应用于智慧 医疗领域中， 提供一种健身动作图像的识别方 法、 装置、 设备及存储介质， 用于提高图像中健身 动作的识别准确性。 健身动作图像的识别方法包 括： 对目标健身动作图像序列进行方向梯度直方 图特征提取和特征处理， 得到各健身动作图像对 应的目标方向梯度直方图特征和各健身动作图 像对应的特征向量； 对各健身动作图像对应的目 标方向梯度直方图特征和特征向量进行特征组 合和特征选择， 得到各健身动作图像对应的目标 特征； 基于目标特征对目标健身动作图像序列进 行人体姿态分类识别并进行基于图像相似度的 人体姿态统计分类， 得到目标分类结果。 此外， 本 发明还涉及区块链技术， 目标健身动作图像序列 可存储于区块链中。 权利要求书3页 说明书18页 附图3页 CN 114613015 A 2022.06.10 CN 114613015 A 1.一种健身动作图像的识别方法， 其特 征在于， 所述 健身动作图像的识别方法包括： 获取目标健身动作图像序列， 并对所述目标健身动作图像序列进行方向梯度直方图特 征提取并进行 特征处理， 得到各健身动作图像对应的目标 方向梯度直方图特 征； 通过预置模型， 对所述目标健身动作图像序列进行特征提取并进行特征组合， 得到各 健身动作图像对应的特征向量， 所述预置模型用于提取人体轮廓点距离特征以及人体运动 部位的角度特 征和离心率特 征； 对所述各健身动作图像对应的目标方向梯度直方图特征和所述各健身动作图像对应 的特征向量进行 特征组合并进行 特征选择， 得到各健身动作图像对应的目标 特征； 基于所述各健身动作图像对应的目标特征， 对所述目标健身动作图像序列进行人体姿 态分类识别， 得到初始分类结果； 对所述初始分类结果进行基于图像相似度的人体姿态统计分类， 得到目标分类结果。 2.根据权利要求1所述的健身动作图像的识别方法， 其特征在于， 所述通过预置模型， 对所述目标健身动作图像序列进 行特征提取并进 行特征组合， 得到各健身动作图像对应的 特征向量， 包括： 通过预置模型， 对所述目标健身动作图像序列中的各健身动作图像进行人体目标质心 计算， 得到各健身动作图像对应的人体目标质心； 通过所述各健身动作图像对应的人体目标质心， 确定各健身动作图像的目标人体轮廓 点集， 目标人体轮廓点集的人体 轮廓点数量 为8； 基于所述各健身动作图像的目标人体轮廓点集和所述各健身动作图像对应的人体目 标质心， 获取所述目标健身动作图像序列中各健身动作图像对应的人体轮廓点距离特征以 及人体运动部位的角度特 征和离心率特 征； 将各健身动作图像对应的人体轮廓点距离特征以及人体运动部位的角度特征和离心 率特征进行特征组合， 得到各健身动作图像对应的特 征向量。 3.根据权利要求2所述的健身动作图像的识别方法， 其特征在于， 所述基于所述各健身 动作图像的目标人体轮廓点集和所述各健身动作图像对应的人体目标质心， 获取所述目标 健身动作图像序列中各健身动作图像对应的人体轮廓点距离特征以及人体运动部位的角 度特征和离心率特 征， 包括： 计算所述各健身动作图像的目标人体轮廓点集分别与所述各健身动作图像对应的人 体目标质心之间的欧式距离， 得到各健身动作图像对应的人体 轮廓点距离特 征； 获取所述各健身动作图像的目标人体轮廓点集分别与所述各健身动作图像对应的人 体目标质心之间的轴线， 得到多条轴线， 并获取基于所述各健身动作图像对应的人体目标 质心的水平线； 计算所述多条轴 线分别与 所述水平线所成的最小角度， 得到各健身动作图像对应的人 体运动部位的角度特 征； 获取所述目标健身动作图像序列中各健身动作图像基于归一化处理和缩放处理后的 目标参数因子， 通过所述 目标参数因子计算各健身动作图像对应的离心率， 得到各健身动 作图像对应的人体运动部位的离心率特 征。 4.根据权利要求1所述的健身动作图像的识别方法， 其特征在于， 所述获取目标健身动 作图像序列， 并对所述目标健身动作图像序列进 行方向梯度直方图特征提取并进 行特征处权　利　要　求　书 1/3 页 2 CN 114613015 A 2理， 得到各健身动作图像对应的目标 方向梯度直方图特 征， 包括： 获取原始的健身动作图像序列， 通过预置中值滤波器对所述原始的健身动作图像序列 进行噪声 去除， 得到目标健身动作图像序列； 通过预置的方向梯度直方图算法， 对所述目标健身动作图像序列进行特征提取， 得到 各健身动作图像对应的初始方向梯度直方图特 征； 通过预置的主成分分析算法， 对所述各健身动作图像对应的初始方向梯度直方图特征 进行降维处 理， 得到各健身动作图像对应的候选方向梯度直方图特 征； 通过预置的基于相关系数的滤波器， 对所述各健身动作图像对应的候选方向梯度直方 图特征进行降维处 理， 得到各健身动作图像对应的目标 方向梯度直方图特 征。 5.根据权利要求1所述的健身动作图像的识别方法， 其特征在于， 所述对所述初始分类 结果进行基于图像相似度的人体姿态统计分类， 得到目标分类结果， 包括： 计算相邻两帧健身动作图像的相似度， 得到相邻相似度； 根据预设周期和所述相邻相似度自适应地分配 每帧初始分类结果的权值； 基于所述权值对所述初始分类结果进行 人体姿态统计分类， 得到目标分类结果。 6.根据权利要求5所述的健身动作图像的识别方法， 其特征在于， 所述计算相邻 两帧健 身动作图像的相似度， 得到相邻相似度， 包括： 对相邻两帧健身动作图像进行边 缘方向直方图提取， 得到相邻两帧边 缘方向直方图； 获取所述相邻 两帧边缘方向直方图的像素点数， 以及所述相邻 两帧边缘方向直方图的 像素点数的标准差； 基于所述相邻两帧边缘方向直方图的像素点数和所述相邻两帧边缘方向直方图的像 素点数的标准差， 计算相邻两帧健身动作图像的相似度， 得到相邻相似度。 7.根据权利要求1 ‑6中任一项所述的健身动作图像的识别方法， 其特征在于， 所述对所 述初始分类结果进行基于图像相似度的人体姿态统计分类， 得到目标分类结果之后， 还包 括： 获取业务课程信息的识别精度需求， 以及所述目标分类结果的识别精度； 基于所述业务课程信 息的识别精度需求和所述目标分类结果的识别精度， 对所述目标 健身动作图像序列进行筛除。 8.一种健身动作图像的识别装置， 其特 征在于， 所述 健身动作图像的识别装置包括： 提取模块， 用于获取目标健身动作图像序列， 并对所述目标健身动作图像序列进行方 向梯度直方图特征提取并进行特征 处理， 得到各健身动作图像对应的目标方向梯度直方图 特征； 组合模块， 用于通过预置模型， 对所述目标健身动作图像序列进行特征提取并进行特 征组合， 得到各健身动作图像对应的特征向量， 所述预置模型用于提取人体轮廓点距离特 征以及人体运动部位的角度特 征和离心率特 征； 选择模块， 用于对所述各健身动作图像对应的目标方向梯度直方图特征和所述各健身 动作图像对应的特征向量进行特征组合并进 行特征选择， 得到各健身动作图像对应的目标 特征； 识别模块， 用于基于所述各健身动作图像对应的目标特征， 对所述目标健身动作图像 序列进行 人体姿态分类识别， 得到初始分类结果；权　利　要　求　书 2/3 页 3 CN 114613015 A 3