一种可变帧率的人体动作分析处理方法、装置及设备与流程

本文属于计算机，具体涉及一种可变帧率的人体动作分析处理方法、装置及系统。

背景技术：

1、随着健康生活观念的兴起，人们居家健身的意识逐渐加强，智能健身镜市场也随之兴起，各类与之相关的产品也应运而生。智能健身镜作为一款将线下健身房延伸到最终用户身边的产品也在不断迭代更新和完善中，从最初不支持ai视频分析，正向终端智能化方向发展，不仅支持语音识别输入，也支持体感输入、ai视频动作辅助分析等。

2、在对实际运动者的动作进行视频采集和分析处理的过程中，存在如下问题：只能通过固定拍摄的视频帧率对运动视频进行分析和处理。当动作频率较高时，可能出现视频分析处理大大超出设备实际处理能力情况，造成动作分析不准确和严重滞后；对于动作较慢的情况，大量的处理能力都在做相对低效的重复分析处理，大量的分析处理设备资源造成较大的浪费，因此如何提高对人体动作分析的效率成为目前亟需解决的技术问题。

技术实现思路

1、针对现有技术的上述问题，本文的目的在于，提供一种可变帧率的人体动作分析处理方法、装置及设备，可以提高人体动作处理分析的效率。

2、为了解决上述技术问题，本文的具体技术方案如下：

3、一方面，本文提供一种可变帧率的人体动作分析处理方法，所述方法包括：

4、获取预设帧率的运动视频文件；

5、对所述运动视频文件中的每个视频帧图像进行关节点识别，以得到基于时域的三维动作数据模型集合；

6、将所述运动视频文件按照预设帧率分配规则进行划分，以确定不同时间段的运动视频文件对应的目标帧率；

7、将不同时间段的运动视频文件的帧率转换成对应的目标帧率，以确定所述运动视频文件的帧率集合；

8、将所述三维动作数据模型集合和所述帧率集合进行封装处理，得到封装文件，以使用户通过所述封装文件进行运动数据分析。

9、进一步地，所述对所述运动视频文件中的每个视频帧图像进行关节点识别，以得到基于时域的三维动作数据模型集合，包括：

10、对所述运动视频文件中的每个视频帧图像进行关节点识别，确定人体的各个关节点信息；

11、根据每个视频图像中各个关节点的信息，得到每个视频帧图像对应的人体三维模型；

12、根据视频帧图像的时序，对全部的人体三维模型进行整合，以得到基于时域的三维动作数据模型集合。

13、进一步地，所述将所述运动视频文件按照预设帧率分配规则进行划分，以确定不同时间段的运动视频文件对应的目标帧率，包括：

14、获取所述运动视频文件对应的运动类型；

15、根据所述运动类型，将所述运动视频文件分成多个子视频，每个子视频的重要程度与相邻子视频的重要程度不同；

16、根据每个子视频的重要程度，确定该子视频对应的目标帧率，其中重要程度越高的子视频的目标帧率越高。

17、进一步地，所述根据所述运动类型，将所述运动视频文件分成多个子视频，进一步包括：

18、获取所述运动类型对应的属性特征，所述属性特征表征所述运动类型的运动目标；

19、根据所述运动类型对应的属性特征，将所述运动类型的运动动作划分为多个节拍，相邻两个节拍关注的运动目标不同；

20、根据多个节拍，将所述运动视频文件分成多个子视频，其中运动目标越接近所述运动类型的运动目标的节拍对应的子视频的重要程度越高。

21、进一步地，所述将所述运动视频文件按照预设帧率分配规则进行划分，以确定不同时间段的运动视频文件对应的目标帧率，还可以包括：

22、计算每一视频帧图像和下一视频帧图像的相似度，得到基于时域的相似度集合；

23、确定所述相似度集合中超过预设值的相似度对应的视频帧图像，将该视频帧图像定义为端部帧，其中运动视频文件的两端视频帧图像也定义为端部帧；

24、根据所述端部帧，将所述运动视频文件划分为多个时间段的运动视频文件；

25、确定每个时间段的运动视频文件中视频帧图像满足视频检测的目标帧率。

26、进一步地，所述将不同时间段的运动视频文件的帧率转换成对应的目标帧率，以确定所述运动视频文件的帧率集合；

27、获取不同时间段中运动视频文件中人体动作的变化频率；

28、根据所述变化频率，确定每个时间段对应的编码方式；

29、根据每个时间段对应的编码方式，将不同时间段的运动视频文件的帧率转换成对应的目标帧率以确定所述运动视频文件的帧率集合。

30、进一步地，所述使用户通过所述封装文件进行运动数据分析，包括：

31、响应用户的健身播放指令，对所述封装文件进行解码得到所述三维动作数据模型集合和所述帧率集合，并通过显示设备播放所述运动视频文件；

32、视频采集设备按照所述帧率集合对用户的运动过程进行视频采集，视频采集设备至少包括所述显示设备；

33、根据所述视频采集设备的采集数据，实时建立用户的实际三维动作数据模型；

34、实时比较所述实际三维动作数据模型和基于时域的三维动作数据模型集合中的同步模型；

35、在比较结果超过预设范围的情况下，在显示设备上生成动作调整提示。

36、进一步地，当所述视频采集设备包括所述显示设备和至少一个终端设备时，所述显示设备和每个所述终端设备的采集视角不相同；

37、所述根据所述视频采集设备的采集数据，实时建立用户的实际三维动作数据模型，进一步包括：

38、实时获取每个视频采集设备的网络参数；

39、根据所述网络参数，计算每个视频采集设备的网络处理能力；

40、根据所述网络处理能力，从全部的所述视频采集设备中确定主控设备；

41、所述主控设备根据每个视频采集设备的网络处理能力和预设分配策略，确定视频采集设备的数据处理时序；

42、根据所述数据处理时序，所述视频处理设备处理所述采集数据，并将处理结果发送至主控设备；

43、所述主控设备对接收到的处理结果进行整合，得到用户的实际三维动作数据模型。

44、另一方面，本文还提供一种可变帧率的人体动作分析处理装置，所述装置包括：

45、获取模块，用于获取预设帧率的运动视频文件；

46、三维动作数据模型集合确定模块，用于对所述运动视频文件中的每个视频帧图像进行关节点识别，以得到基于时域的三维动作数据模型集合；

47、目标帧率确定模块，用于将所述运动视频文件按照预设帧率分配规则进行划分，以确定不同时间段的运动视频文件对应的目标帧率；

48、帧率集合确定模块，用于将不同时间段的运动视频文件的帧率转换成对应的目标帧率，以确定所述运动视频文件的帧率集合；

49、封装模块，用于将所述三维动作数据模型集合和所述帧率集合进行封装处理，得到封装文件，以使用户通过所述封装文件进行运动数据分析。

50、最后，本文还提供一种计算机设备，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计算机程序时实现如上述所述的方法。

51、采用上述技术方案，本文所述的一种可变帧率的人体动作分析处理方法、装置及设备，所述方法包括：获取预设帧率的运动视频文件；对所述运动视频文件中的每个视频帧图像进行关节点识别，以得到基于时域的三维动作数据模型集合；将所述运动视频文件按照预设帧率分配规则进行划分，以确定不同时间段的运动视频文件对应的目标帧率；将不同时间段的运动视频文件的帧率转换成对应的目标帧率，以确定所述运动视频文件的帧率集合；将所述三维动作数据模型集合和所述帧率集合进行封装处理，得到封装文件，以使用户通过所述封装文件进行运动数据分析，本文采用可变帧率的处理方式，根据实际的动作类型进行动态的分析处理，并且尽可能的保证模型数据的准确性和处理的及时性。

52、为让本文的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。