申请/专利权人：融视数字科技集团有限公司

申请日：2023-12-06

公开（公告）日：2024-06-28

公开（公告）号：CN117542121B

主分类号：G06V40/20

分类号：G06V40/20;G06V20/52;G06V20/40;G06Q50/20

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.06.21#专利申请权的转移;2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本发明公开了一种基于计算机视觉的智能化训练考核系统及方法，其获取由摄像头采集的待考核对象的第一训练动作的训练动作状态监控图像；获取所述第一训练动作的参考动作图像；提取所述训练动作状态监控图像和所述参考动作图像的动作语义特征以得到训练动作语义特征图和参考动作语义特征图；构建所述训练动作语义特征图和所述参考动作语义特征图之间的语义对比特征以得到全局语义对比特征向量；以及，基于所述全局语义对比特征向量，确定所述待考核对象的第一训练动作是否规范。这样，可以实现对训练者的动作类型和状态的识别，并智能化地判断待考核对象当前的训练动作是否规范。

主权项：1.一种基于计算机视觉的智能化训练考核方法，其特征在于，包括：获取由摄像头采集的待考核对象的第一训练动作的训练动作状态监控图像；获取所述第一训练动作的参考动作图像；提取所述训练动作状态监控图像和所述参考动作图像的动作语义特征以得到训练动作语义特征图和参考动作语义特征图；构建所述训练动作语义特征图和所述参考动作语义特征图之间的语义对比特征以得到全局语义对比特征向量；以及基于所述全局语义对比特征向量，确定所述待考核对象的第一训练动作是否规范；其中，构建所述训练动作语义特征图和所述参考动作语义特征图之间的语义对比特征以得到全局语义对比特征向量，包括：对所述训练动作语义特征图和所述参考动作语义特征图进行特征分布优化以得到优化后训练动作语义特征图和优化后参考动作语义特征图；将所述优化后训练动作语义特征图和所述优化后参考动作语义特征图分别通过空间注意力层以得到空间显化训练动作语义特征图和空间显化参考动作语义特征图；以及计算所述空间显化训练动作语义特征图和所述空间显化参考动作语义特征图之间的沿通道维度的各组对应特征矩阵之间的局部特征度量系数以得到由多个局部特征度量系数组成的全局语义对比特征向量；其中，将所述优化后训练动作语义特征图和所述优化后参考动作语义特征图分别通过空间注意力层以得到空间显化训练动作语义特征图和空间显化参考动作语义特征图，包括：使用所述空间注意力层的卷积编码部分对所述优化后训练动作语义特征图和所述优化后参考动作语义特征图分别进行深度卷积编码以得到优化后训练动作卷积特征图和优化后参考动作卷积特征图；将所述优化后训练动作卷积特征图和优化后参考动作卷积特征图输入所述空间注意力层的空间注意力部分以得到优化后训练动作空间注意力图和优化后参考动作空间注意力图；将所述优化后训练动作空间注意力图和优化后参考动作空间注意力图通过Softmax激活函数以得到优化后训练动作空间注意力特征图和优化后参考动作空间注意力特征图；以及计算所述优化后训练动作空间注意力特征图和所述优化后训练动作卷积特征图的按位置点乘以得到所述空间显化训练动作语义特征图；计算所述优化后参考动作空间注意力特征图和所述优化后参考动作卷积特征图的按位置点乘以得到所述空间显化参考动作语义特征图；其中，计算所述空间显化训练动作语义特征图和所述空间显化参考动作语义特征图之间的沿通道维度的各组对应特征矩阵之间的局部特征度量系数以得到由多个局部特征度量系数组成的全局语义对比特征向量，包括：以如下局部特征度量公式来计算所述空间显化训练动作语义特征图和所述空间显化参考动作语义特征图之间的沿通道维度的各组对应特征矩阵之间的局部特征度量系数以得到由多个局部特征度量系数组成的全局语义对比特征向量；其中，所述局部特征度量公式为： 其中，px,y为所述空间显化训练动作语义特征图的特征矩阵中x,y位置的特征值，qx,y为所述空间显化参考动作语义特征图的特征矩阵中x,y位置的特征值，H和W为所述特征矩阵的高度和宽度，Hpi为第i个局部特征度量系数，log表示以2为底的对数函数运算。

全文数据：

权利要求：

百度查询： 融视数字科技集团有限公司 基于计算机视觉的智能化训练考核系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD