(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 202210159457.1 (22)申请日 2022.02.21 (71)申请人 首都体育学院 地址 100191 北京市海淀区北三环西路1 1 号高德楼 201 (72)发明人 周志雄　王秋睿　 (51)Int.Cl. G06V 40/10(2022.01) G06V 40/20(2022.01) G06V 10/62(2022.01) G06V 10/766(2022.01) G06V 10/80(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于差分时间三维人体结构化深度回 归模型的身体活动强度估计方法 (57)摘要 本发明专利提供了一种基于差分时间三维 人体结构化深度回归模型的身体活动强度估计 方法。 其特征在于： (1)对于 人一段动作中每相隔 0.5秒的动作所对应的三维人体骨骼关键点， 计 算其不同人体骨骼关键点坐标的空间位移的绝 对值， 并将各骨骼关键点的空间位移的绝对值组 成位移向量， 记作差分时间的人体结构化运动特 征； 将差分时间的人体结构化运动特征作为深度 回归模型的输入， 并最终回归估计其运动量； (2) 深度回归模 型仅包含一个卷积层、 一个全连接层 和一个线性回归层； (3)最终的结果是每秒内所 有帧估计的运动量的平均值作为该秒运动量的 最后评价结果。 权利要求书1页 说明书2页 附图1页 CN 114519867 A 2022.05.20 CN 114519867 A 1.本发明专利提供了一种基于差分时间三维人体结构化深度回归模型的身体活动强 度估计方法。 其特征在于如下步骤： (1)对于人一段动作中每相隔0.5秒的动作所对应的三 维人体骨骼关键点， 计算其不同人体骨骼关键点坐标的空间位移的绝对值， 并将各骨骼关 键点的空间位移的绝对值组成位移向量， 记作差分时间的人体结构化运动特征； 将差分时 间的人体结构化运动特征作为深度回归模 型的输入， 并最 终回归估计其运动量； (2)深度回 归模型仅包含一个卷积层、 一个全连接层和一个线性回归层； (3)最 终的结果是每秒内所有 帧估计的运动量的平均值作为该秒运动量的最后评价结果。权　利　要　求　书 1/1 页 2 CN 114519867 A 2一种基于差分时间三维人体结构化深度回归模型的身体活动 强度估计方 法 一、 技术领域 [0001]人体运动量评估、 三维人体骨骼关键点估计、 计算机 视觉、 人工智能 二、 背景技术 [0002]2.1通用技 术方法介绍 [0003]单目人体3D骨骼关键点估计方法是利用单张图片或同一视角下的多帧图片对人 体的肩、 肘、 腕、 髋、 膝、 踝等关节等关键 部位生成空间坐标的方法。 [0004]卷积神经网络是利用卷积核在图片或特征上滑动提取特征的方法， 是广泛采用的 技术。 [0005]线性回归 模型公式为y＝ax+b， 利用特 征x和标签y 之间的结果计算系数a和b。 [0006]2.2相似方法介绍 [0007]已有的身体 活动强度方法主要基于硬件设备实现。 通常这类设备包含了各类传感 器， 并以6轴加速度计计算不同时刻人体不同部位在三 维空间上的加速度与角度转动， 从而 估计人的身体活动强度。 [0008]本申请的方法是一种基于计算机视觉和深度学习神经网络进行人的身体活动强 度评估的方法。 本申请方法利用已有的三维人体骨骼关键点估计方法的结果作为算法基 础， 并进一 步估算人体各个关键 部位的空间位移， 从而达 到评估目的。 三、 发明内容 [0009]本申请在融合了创新技术和已有方法的基础上， 本专利实现了一种基于差分时间 三维人体结构化深度回归 模型的身体活动强度估计方法。 [0010]首先， 对于人一段动作中每相隔0.5秒的动作所对应的三维人体骨骼关键点， 计算 其不同人体骨骼关键点的空间位移的绝对值， 并将各骨骼关键点的空间位移的绝对值组成 位移向量， 记作差分时间的人体结构化运动特征。 其次， 将差 分时间的人体结构化运动特征 作为深度回归模型的输入， 并最 终回归估计其运动量。 其中， 深度回归模型仅包含一个卷积 层、 一个全连接层和一个线性回归层。 最后， 对每秒内所有帧所对应的估计的运动量的平均 值作为该秒运动量的最后评价结果。 四、 附图说明 [0011]图1是本申请的方法的神经网络的结构图。 [0012]该方法将相隔0.5秒的两帧(t时刻和t+i时刻)的三维人体骨骼关键点坐标相减并 取空间位移的绝对值， 将各个骨骼关键点对应的绝对值空间位移组成特征向量， 输入到本 方法提出包括了一个卷积层和一个全连接层的深度模型中， 并用线性回归模型估计其0.5 秒的运动量。 [0013]将差分时间的人体结构化运动特征作为深度回归模型的输入， 并最终回归估计其说　明　书 1/2 页 3 CN 114519867 A 3