一种基于人体姿态识别的军事训练方法及系统与流程

本发明涉及数字化军事训练，具体而言，涉及一种基于人体姿态识别的军事训练方法及系统。

背景技术：

1、军事训练中包括战术基础动作训练，参训人员众多，对参训人员大量的动作数据依靠传感器包括穿戴式传感设备采集获得。现有的对训练人员的动作完成质量以及规范程度的分析与考核主要是通过人工收集传感器采集到的所有参训人员的训练动作数据，按照动作标准作出分析和评判。

2、可见，现有的训练分析主观性太强，容易存在主观偏差，分析效率较低；而且传感器的使用，对参训人员形成干扰，使参训人员在注意力方面有一定程度的分散，影响了训练效果。

技术实现思路

1、鉴于此，本发明的目的在于通过视频ai、大数据等技术对官兵在通用科目、障碍场训练科目等训练过程进行无感全方位监视，同时对动作完成过程、完成质量进行针对性的分析，快速定位训练过程中的问题，协助建立针对性训练提升计划。

2、人体姿态识别是将人体模型抽象为多个关键点，检测实时视频图像中人体关键点的位置，构建人体虚拟骨架图，通过跟踪分析人体各虚拟关键点的动态变化进一步进行动作姿态识别、异常行为检测等处理，在检测分析人体行为表达过程中，将人体姿态简化为姿态关键点，并通过这些姿态关键点对人体姿态表达的语义进行分类识别，结合动作标准可以进一步进行动作完成质量的评估；

3、但是，现有的人体姿态关键点姿态识别技术面临如下的几方面技术难点和痛点：

4、（1）由于不同摄像机角度下捕获到的姿态关键点的空间位置、视角方向各不相同，姿态位移尺度的变换会存在转换精度不高的因素；

5、（2）由于不同外观、性别、衣物等不同行为个体的差异，差异个体的姿态变换造成相同人体姿态的尺寸大小、表观形状不完全相同；

6、（3）人体姿态检测过程中造成的人体骨骼关键点丢失，或者关键点漂移等，形成较多的关键点噪声与关键点缺失；

7、（4）在不同的背景和光照条件下对人体姿态关键点姿态识别与关键点的跟踪，会出现不同环境因素下姿态变换与关键点的丢失；

8、（5）对运动人体姿态语义视频进行分割时，需要判断出不同动作完成的时序过程，；比如，单杠引体向上动作，需要分割出人体从抓杠上杠，到做完后下杠的全部过程，这给人体姿态表达视频区域的有效分割带来很大挑战。

9、由于现有的上述动态人体关键点姿态识别技术的难点和痛点，人体姿态识别还存在很大的不确定性和复杂性，对基于深度学习的人体姿态分析的技术提出了更大的挑战。

10、本发明训练方法首先获取训练现场的监控视频画面，通过卷积编码的方式进行视觉特征提取，然后通过线性回归的方式从视觉特征中解析得到人体特征图，最后以不同的人体姿态特征作为数据集形成人体模型参考图，依托已完成的训练模型通过模型参考图与人体特征相结合分析完成人体的姿态识别。

11、本发明提供一种基于人体姿态识别的军事训练方法，包括以下步骤：

12、s1、开始训练任务前利用人脸识别设备或其他人证核验设备识别、记录参加训练的人员信息；

13、本发明此步骤经过人脸识别、动作确认等环节（按需求确定）后，系统自动启动训练过程识别；

14、s2、利用视频采集设备对训练科目进行区域覆盖，通过人体姿态识别及跨镜追踪reid技术对参训人员训练进行全方位监视与跟踪，无感获得参训人员的训练过程数据；

15、所述视频采集设备包括：固定式或移动式摄像机；

16、s3、通过视觉ai算法将人体模型抽象为多个关节节点，通过跟踪分析各关节节点的动态变化，精准识别出参训人员的动作姿态、轨迹和时间信息，依据训练标准分析出完成质量，为下一步建立针对性训练计划、提升训练质量提供帮助。

17、进一步地，所述s2步骤的所述无感获得参训人员的训练过程数据的方法包括：

18、通过智能ai摄像头对训练场景、人员进行全方位监视，获取训练实时视频画面。

19、进一步地，所述s3步骤的所述过视觉ai算法将人体模型抽象为多个关节节点的方法包括：

20、通过视频ai技术对参训人员运动动作进行捕捉，以人体核心关节点作为核心，建立虚拟ai骨骼框架图。

21、进一步地，所述s3步骤的所述跟踪分析各关节节点的动态变化的方法包括：

22、训练过程持续跟踪，通过智能识别算法持续采集、分析人体姿态，并与算法模型的训练标准进行比较，判断该动作完成是否达标。

23、进一步地，所述判断该动作完成是否达标的方法包括：

24、对于人体姿态完成情况符合算法模型要求，记为动作达标并记录完成情况；

25、如动作不达标则记录该动作与算法模型中的标定动作的差异，为后续进行动作的点评提供依据。

26、进一步地，所述s3步骤之后还包括：

27、当持续训练的条件达到既定终止条件时（例如：时间达到边界条件、动作姿态达到边界条件），自动停止进行人体动作分析，并形成本次训练的完成报告。

28、本发明还提供一种基于人体姿态识别的军事训练系统，执行如上述所述的基于人体姿态识别的军事训练方法，包括：

29、记录人员信息模块：利用人脸识别设备或其他人证核验设备识别、记录参加训练的人员信息；

30、采集训练数据模块：利用视频采集设备固定式或移动式摄像机对训练科目进行区域覆盖，通过人体姿态识别及跨镜追踪reid技术对参训人员训练进行全方位监视与跟踪，无感获得参训人员的训练过程数据；

31、分析判断模块：通过视觉ai算法将人体模型抽象为多个关节节点，通过跟踪分析各关节节点的动态变化，精准识别出参训人员的动作姿态、轨迹和时间信息，依据训练标准分析出完成质量，为下一步建立针对性训练计划、提升训练质量提供帮助。

32、进一步地，所述分析判断模块包括：

33、动作捕捉子模块：通过视频ai技术对参训人员运动动作进行捕捉，以人体核心关节点作为核心，建立虚拟ai骨骼框架图；

34、跟踪分析子模块：通过智能识别算法持续采集、分析人体姿态，并与算法模型的训练标准进行比较，判断该动作完成是否达标。

35、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述所述基于人体姿态识别的军事训练方法的步骤，以及上述所述的基于人体姿态识别的军事训练系统。

36、本发明还提供一种计算机设备，所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述基于人体姿态识别的军事训练方法的步骤，以及上述所述的基于人体姿态识别的军事训练系统。

37、与现有技术相比，本发明的有益效果在于：

38、本发明军事训练方法实现了训练场基础训练科目的智能识别与分析；能够无感获取训练数据，从而减少了对参训人员的干扰；实现了对每个动作的完成质量的精准分析。

技术特征：

1.一种基于人体姿态识别的军事训练方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于人体姿态识别的军事训练方法，其特征在于，所述s2步骤的所述无感获得参训人员的训练过程数据的方法包括：

3.根据权利要求2所述的基于人体姿态识别的军事训练方法，其特征在于，所述s3步骤的所述过视觉ai算法将人体模型抽象为多个关节节点的方法包括：

4.根据权利要求1所述的基于人体姿态识别的军事训练方法，其特征在于，所述s3步骤的所述跟踪分析各关节节点的动态变化的方法包括：

5.根据权利要求4所述的基于人体姿态识别的军事训练方法，其特征在于，所述判断该动作完成是否达标的方法包括：

6.根据权利要求5所述的基于人体姿态识别的军事训练方法，其特征在于，所述s3步骤之后还包括：

7.一种基于人体姿态识别的军事训练系统，其特征在于，执行如权利要求1-6任一项所述的基于人体姿态识别的军事训练方法，包括：

8.根据权利要求7所述的基于人体姿态识别的军事训练系统，其特征在于，所述分析判断模块包括：

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1-6任一项所述基于人体姿态识别的军事训练方法的步骤，以及权利要求7或8所述的基于人体姿态识别的军事训练系统。

10.一种计算机设备，所述计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述基于人体姿态识别的军事训练方法的步骤，以及权利要求7或8所述的基于人体姿态识别的军事训练系统。

技术总结
本发明提供一种基于人体姿态识别的军事训练方法及系统，所述方法包括以下步骤：开始训练任务前利用人脸识别设备或其他人证核验设备识别、记录参训人员信息；利用视频采集设备对训练科目进行区域覆盖，通过人体姿态识别及跨镜追踪ReID对参训人员训练进行全方位监视与跟踪，无感获得训练过程数据；通过视觉AI算法将人体模型抽象为多个关节节点，通过跟踪分析各关节节点的动态变化，精准识别出参训人员的动作姿态、轨迹和时间信息，依据训练标准分析出完成质量，帮助下一步建立针对性训练计划、提升训练质量。本发明实现了训练科目的智能识别与分析；能够无感获取训练数据，减少了对参训人员的干扰；实现了对每个动作完成质量的精准分析。

技术研发人员：王顺起,刘闯
受保护的技术使用者：北京中微盛鼎科技有限公司
技术研发日：
技术公布日：2024/1/13