本设计将基于OpenCV,采用“关键点提取并归一化”与“分类器”相结合的方式,实现多人正常和异常姿态识别的设计。关键词 OpenCV 人体姿态估计 多分类 行为识别;主要功能是通过MoveNet对前期用于训练的视频内容进行人体骨骼关键点信息的提取,MoveNet将在每帧上将人体骨骼关键点的x和y坐标提取出来,通过一定的算法进行归一化,并保存数据。首先,通过OpenCV将视频读取,通过OpenCV进行简单的视频预处理,进行BGR转RGB的操作,然后加载MoveNet的关键点模型将人体骨骼关键点信息提取出来,对每帧的x和y的坐标进行归一化,将不同大小的骨骼标准化,按帧存入数据库中,这个过程将按WALK、STAND、FALL、FIGHT这四类动作分别进行提取与处理。主要功能对前期数据库内容进行数据分割,生成4个LSTM模型,对分割好的数据进行导入,并和导入对应标签进行迭代训练,最后生成Loss值最低的模型。主要功能对前期数据库内容进行数据分割,生成4个LSTM模型,对分割好的数据进行导入,并和导入对应标签进行迭代训练,最后生成Loss值最低的模型。
1