肢体动作识别方法、装置、机器人及存储介质

摘要

本发明公开了一种肢体动作识别方法、装置、机器人及存储介质，所述方法包括：提取待处理视频中肢体动作信息，所述肢体动作信息包括颜色的变化信息、肢体运动的变化信息以及动作程度信息；根据所述颜色的变化信息和肢体运动的变化信息确定对应的部位特征信息；将所述部位特征信息结合所述动作程度信息生成肢体动作标签；将所述肢体动作标签与预设肢体动作数据库中的肢体动作标签进行对比；根据对比结果确定所述待处理视频中的肢体动作，以实现肢体动作识别。本发明通过将肢体动作信息特征化，并根据相应的肢体动作数据库，进行肢体动作的识别，从而提高肢体动作识别的精细化。

权利要求

1.一种肢体动作识别方法，其特征在于，所述方法包括以下步骤：提取待处理视频中的第一肢体动作信息，所述第一肢体动作信息包括第一颜色的变化信息、第一肢体运动的变化信息以及第一动作程度信息；

根据所述第一颜色的变化信息和第一肢体运动的变化信息确定对应的第一部位特征信息；

将所述第一部位特征信息结合所述第一动作程度信息生成第一肢体动作标签，其中，所述第一肢体动作标签为根据所述第一部位特征信息连点成线，获得到特征三维图形，并将所述特征三维图形结合所述第一动作程度信息生成的；

将所述第一肢体动作标签与预设肢体动作数据库中的肢体动作标签进行对比；

根据对比结果确定所述待处理视频中的肢体动作，以实现肢体动作识别；

其中，所述待处理视频中包括第一环境特征信息；

所述将所述第一部位特征信息结合所述第一动作程度信息生成第一肢体动作标签，具体包括：提取所述待处理视频中的第一环境特征信息，将所述第一部位特征信息、所述第一动作程度信息结合所述第一环境特征信息生成第一肢体动作标签；

其中，根据所述第一颜色的变化信息和第一肢体运动的变化信息确定对应的第一部位特征信息，包括：获取体重分布特征信息，根据所述第一颜色的变化信息、第一肢体运动的变化信息以及体重分布特征信息确定对应的第一部位特征信息。

2.如权利要求1所述的肢体动作识别方法，其特征在于，所述第一部位信息包括第二部位信息和第三部位信息；

所述根据所述第一颜色的变化信息和第一肢体运动的变化信息确定对应的第一部位特征信息之前，所述方法包括：根据第一颜色的变化信息与第二部位特征信息的第一对应关系确定对应的第二部位特征信息；

根据第一肢体运动的变化信息与第三部位特征信息的第二对应关系确定对应的第三部位特征信息。

3.如权利要求1所述的肢体动作识别方法，其特征在于，所述将所述部位特征信息结合所述第一动作程度信息生成第一肢体动作标签，具体还包括：对所述第一动作程度信息进行图像化处理，并将图像化的第一动作程度信息结合所述部位特征信息生成第一肢体动作标签。

4.如权利要求1所述的肢体动作识别方法，其特征在于，所述将所述肢体动作标签与预设肢体动作数据库中的肢体动作标签进行对比之前，所述方法包括：获取样本视频，提取所述样本视频中的第二肢体动作信息，所述第二肢体动作信息包括第二颜色的变化信息、第二肢体运动的变化信息以及第二动作程度信息；

根据所述第二颜色的变化信息和第二肢体运动的变化信息确定对应的第四部位特征信息；

提取所述待处理视频中的第二环境特征信息，将所述第四部位特征信息、所述第二环境特征信息以及所述第二动作程度信息结合生成第二肢体动作标签；

对所述第二肢体动作标签进行分类，根据分类结果建立第二肢体动作与所述第二肢体动作标签的第三对应关系，根据所述第三对应关系生成预设肢体动作数据库。

5.如权利要求1所述的肢体动作识别方法，其特征在于，所述提取待处理视频中的第一肢体动作信息之前，所述方法还包括：提取待处理视频中的各个特征信息，将所述各个特征信息与预设肤色特征信息进行比较；

在所述待处理视频中的各个特征信息中包含所述预设肤色特征信息时，执行所述提取待处理视频中的第一肢体动作信息的步骤。

6.如权利要求1所述的肢体动作识别方法，其特征在于，所述第一肢体动作标签包括第三肢体动作标签和第四肢体动作标签；

所述将所述第一肢体动作标签与预设肢体动作数据库中的肢体动作标签进行对比步骤，具体包括：在所述第三肢体动作标签与所述预设肢体动作数据库中的肢体动作标签一致，且所述第四肢体动作标签与所述预设肢体动作数据库中的肢体动作标签不一致时，发送肢体动作异常的警报信息。

7.一种肢体动作识别装置，其特征在于，所述肢体动作识别装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的肢体动作识别程序，所述肢体动作识别程序配置为实现如权利要求1至6中任一项所述的肢体动作识别方法的步骤。

8.一种机器人，其特征在于，所述机器人包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的肢体动作识别程序，所述肢体动作识别程序配置为实现如权利要求1至6中任一项所述的肢体动作识别方法的步骤。

9.一种存储介质，其特征在于，所述存储介质上存储有肢体动作识别程序，所述肢体动作识别程序被处理器执行时实现如权利要求1至6中任一项所述的肢体动作识别方法的步骤。

说明书

肢体动作识别方法、装置、机器人及存储介质

技术领域

[0001] 本发明涉及视频处理领域，尤其涉及一种肢体动作识别方法、装置、机器人及存储介质。

背景技术

[0002] 人类的视觉系统具有有限的时空敏感性，但是低于人类视觉系统识别能力的一些信号往往含有一定的信息量，比如伴随着血液循环，人们的肤色会伴有轻微的变化，然而这个对人眼来说不可见的变化却可以被用来辅助诊断人体健康。同样的，对于人眼看不见或可见度很小的小振幅运动可以通过放大来揭示有意义的医学行为以及我们周围的精彩世界。

发明内容

[0003] 本发明的主要目的在于提出一种肢体动作识别方法、装置、机器人及存储介质，旨在解决现有技术中肢体动作识别不够精细化的技术问题。

[0004] 为实现上述目的，本发明提供一种肢体动作识别方法，所述方法包括以下步骤：

[0005] 提取待处理视频中的第一肢体动作信息，所述第一肢体动作信息包括第一颜色的变化信息、第一肢体运动的变化信息以及第一动作程度信息；

[0006] 根据所述第一颜色的变化信息和第一肢体运动的变化信息确定对应的第一部位特征信息；

[0007] 将所述第一部位特征信息结合所述第一动作程度信息生成第一肢体动作标签；

[0008] 将所述第一肢体动作标签与预设肢体动作数据库中的肢体动作标签进行对比；

[0009] 根据对比结果确定所述待处理视频中的肢体动作，以实现肢体动作识别。

[0010] 优选地，所述待处理视频中包括第一环境特征信息；

[0011] 所述将所述第一部位特征信息结合所述第一动作程度信息生成第一肢体动作标签，具体包括：

[0012] 提取所述待处理视频中的第一环境特征信息，将所述第一部位特征信息、所述第一动作程度信息结合所述第一环境特征信息生成第一肢体动作标签。

[0013] 优选地，所述提取待处理视频中的第一肢体动作信息之前，所述方法包括：

[0014] 利用欧拉视频放大技术对采集视频进行放大处理，获取放大后的采集视频，将所述放大后的采集视频作为待处理视频，并执行提取所述待处理视频中的第一颜色的变化信息、第一肢体运动的变化信息、第一动作程度信息以及第一环境特征信息的步骤。

[0015] 优选地，所述第一部位信息包括第二部位信息和第三部位信息；

[0016] 所述根据所述第一颜色的变化信息和第一肢体运动的变化信息确定对应的第一部位特征信息之前，所述方法包括：

[0017] 根据第一颜色的变化信息与第二部位特征信息的第一对应关系确定对应的第二部位特征信息；

[0018] 根据第一肢体运动的变化信息与第三部位特征信息的第二对应关系确定对应的第三部位特征信息。

[0019] 优选地，所述将所述部位特征信息结合所述第一动作程度信息生成第一肢体动作标签，具体还包括：

[0020] 对所述第一动作程度信息进行图像化处理，并将图像化的第一动作程度信息结合所述部位特征信息生成第一肢体动作标签。

[0021] 优选地，所述将所述肢体动作标签与预设肢体动作数据库中的肢体动作标签进行对比之前，所述方法包括：

[0022] 获取样本视频，提取所述样本视频中的第二肢体动作信息，所述第二肢体动作信息包括第二颜色的变化信息、第二肢体运动的变化信息以及第二动作程度信息；

[0023] 根据所述第二颜色的变化信息和第二肢体运动的变化信息确定对应的第四部位特征信息；

[0024] 提取所述待处理视频中的第二环境特征信息，将所述第四部位特征信息、所述第二环境特征信息以及所述第二动作程度信息结合生成第二肢体动作标签；

[0025] 对所述第二肢体动作标签进行分类，根据分类结果建立第二肢体动作与所述第二肢体动作标签的第三对应关系，根据所述第三对应关系生成预设肢体动作数据库。

[0026] 优选地，所述提取待处理视频中的第一肢体动作信息之前，所述方法还包括：

[0027] 提取待处理视频中的各个特征信息，将所述各个特征信息与预设肤色特征信息进行比较；

[0028] 在所述待处理视频中的各个特征信息中包含所述预设肤色特征信息时，执行所述提取待处理视频中的第一肢体动作信息的步骤。

[0029] 优选地，所述第一肢体动作标签包括第三肢体动作标签和第四肢体动作标签；

[0030] 所述将所述第一肢体动作标签与预设肢体动作数据库中的肢体动作标签进行对比步骤，具体包括：

[0031] 在所述第三肢体动作标签与所述预设肢体动作数据库中的肢体动作标签一致，且所述第四肢体动作标签与所述预设肢体动作数据库中的肢体动作标签不一致时，发送肢体动作异常的警报信息。

[0032] 此外，为实现上述目的，本发明还提出一种肢体动作识别装置，所述肢体动作识别装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的肢体动作识别程序，所述肢体动作识别程序配置为实现如上文所述的肢体动作识别方法的步骤。

[0033] 此外，为实现上述目的，本发明还提出一种机器人，所述机器人包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的肢体动作识别程序，所述肢体动作识别程序配置为实现如上文所述的肢体动作识别方法的步骤。

[0034] 此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有肢体动作识别程序，所述肢体动作识别程序被处理器执行时实现如上文所述的肢体动作识别方法的步骤。

[0035] 本发明提出的肢体动作识别方法，通过提取待处理视频中的肢体动作信息，并对所述肢体动作信息进行处理，生成肢体动作标签，再与预设肢体动作数据库进行对比，从而实现对肢体动作的精细化识别，提高肢体动作识别的准确性。

附图说明

[0036] 图1是本发明实施例方案涉及的硬件运行环境的视频数据库结构示意图；

[0037] 图2为本发明肢体动作识别方法第一实施例的流程示意图；

[0038] 图3为本发明肢体动作识别方法第二实施例的流程示意图；

[0039] 图4为本发明肢体动作识别方法第三实施例的流程示意图；

[0040] 图5为本发明肢体动作识别方法第四实施例的流程示意图；

[0041] 图6为本发明肢体动作识别方法第五实施例的流程示意图；

[0042] 图7为本发明肢体动作识别方法第六实施例的流程示意图；

[0043] 图8为本发明肢体动作识别方法第七实施例的流程示意图；

[0044] 图9为本发明肢体动作识别方法第七实施例的流程示意图。

[0045] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

[0046] 应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

[0047] 参照图1，图1为本发明实施例方案涉及的硬件运行环境的视频数据库结构示意图。

[0048] 如图1所示，该用户终端可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。
用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口
1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器
1001的存储装置。

[0049] 本领域技术人员可以理解，图1中示出的视频数据库结构并不构成对视频数据库的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

[0050] 如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及肢体动作识别程序。

[0051] 在图1所示的视频数据库中，网络接口1004主要用于连接视频接口，与视频接口进行数据通信；用户接口1003主要用于连接用户终端，与终端进行数据通信；本发明视频数据库中的处理器1001、存储器1005可以设置在肢体动作识别装置中，所述肢体动作识别装置通过处理器1001调用存储器1005中存储的肢体动作识别程序，并执行以下操作：

[0052] 提取待处理视频中的第一肢体动作信息，所述第一肢体动作信息包括第一颜色的变化信息、第一肢体运动的变化信息以及第一动作程度信息；

[0053] 根据所述第一颜色的变化信息和第一肢体运动的变化信息确定对应的第一部位特征信息；

[0054] 将所述第一部位特征信息结合所述第一动作程度信息生成第一肢体动作标签；

[0055] 将所述第一肢体动作标签与预设肢体动作数据库中的肢体动作标签进行对比；

[0056] 根据对比结果确定所述待处理视频中的肢体动作，以实现肢体动作识别。

[0057] 进一步地，处理器1001可以调用存储器1005中存储的肢体动作识别程序，还执行以下操作：

[0058] 提取所述待处理视频中的第一环境特征信息，将所述第一部位特征信息、所述第一动作程度信息结合所述第一环境特征信息生成第一肢体动作标签。

[0059] 进一步地，处理器1001可以调用存储器1005中存储的肢体动作识别程序，还执行以下操作：

[0060] 利用欧拉视频放大技术对采集视频进行放大处理，获取放大后的采集视频，将所述放大后的采集视频作为待处理视频，并执行提取所述待处理视频中的第一颜色的变化信息、第一肢体运动的变化信息、第一动作程度信息以及第一环境特征信息的步骤。

[0061] 进一步地，处理器1001可以调用存储器1005中存储的肢体动作识别程序，还执行以下操作：

[0062] 根据第一颜色的变化信息与第二部位特征信息的第一对应关系确定对应的第二部位特征信息；

[0063] 根据第一肢体运动的变化信息与第三部位特征信息的第二对应关系确定对应的第三部位特征信息。

[0064] 进一步地，处理器1001可以调用存储器1005中存储的肢体动作识别程序，还执行以下操作：

[0065] 对所述第一动作程度信息进行图像化处理，并将图像化的第一动作程度信息结合所述部位特征信息生成第一肢体动作标签。

[0066] 进一步地，处理器1001可以调用存储器1005中存储的肢体动作识别程序，还执行以下操作：

[0067] 获取样本视频，提取所述样本视频中的第二肢体动作信息，所述第二肢体动作信息包括第二颜色的变化信息、第二肢体运动的变化信息以及第二动作程度信息；

[0068] 根据所述第二颜色的变化信息和第二肢体运动的变化信息确定对应的第四部位特征信息；

[0069] 提取所述待处理视频中的第二环境特征信息，将所述第四部位特征信息、所述第二环境特征信息以及所述第二动作程度信息结合生成第二肢体动作标签；

[0070] 对所述第二肢体动作标签进行分类，根据分类结果建立第二肢体动作与所述第二肢体动作标签的第三对应关系，根据所述第三对应关系生成预设肢体动作数据库。

[0071] 进一步地，处理器1001可以调用存储器1005中存储的肢体动作识别程序，还执行以下操作：

[0072] 提取待处理视频中的各个特征信息，将所述各个特征信息与预设肤色特征信息进行比较；

[0073] 在所述待处理视频中的各个特征信息中包含所述预设肤色特征信息时，执行所述提取待处理视频中的第一肢体动作信息的步骤。

[0074] 进一步地，处理器1001可以调用存储器1005中存储的肢体动作识别程序，还执行以下操作：

[0075] 在所述第三肢体动作标签与所述预设肢体动作数据库中的肢体动作标签一致，且所述第四肢体动作标签与所述预设肢体动作数据库中的肢体动作标签不一致时，发送肢体动作异常的警报信息。

[0076] 本实施例通过提取待处理视频中的肢体动作信息，并对所述肢体动作信息进行处理，生成肢体动作标签，再与预设的预设肢体动作数据库进行对比，从而实现对肢体动作的精细化识别，提高肢体动作识别的准确性。

[0077] 基于上述硬件结构，提出本发明肢体动作识别方法实施例。

[0078] 参照图2，图2为本发明肢体动作识别方法第一实施例的流程示意图。

[0079] 在第一实施例中，所述肢体动作识别方法包括以下步骤：

[0080] 步骤S10，提取待处理视频中的第一肢体动作信息，所述第一肢体动作信息包括第一颜色的变化信息、第一肢体运动的变化信息以及第一动作程度信息；

[0081] 需要说明的是，一般情况下，在同样光照的条件下，人体的微小运动会带来颜色的变化，本实施例通过欧拉视频方法技术，对待处理视频进行放大处理，获取放大后的颜色的变化信息、肢体运动的变化信息以及动作程度信息，但不限于欧拉视频方法技术，还可为其他可实现相同或相似功能的技术，本实施例对此不作限制。

[0082] 为了提高肢体动作识别的准确性，获取肢体动作信息中的颜色的变化信息，肢体运动的变化信息以及动作程度信息，同样光照的条件下，人体的细微动作会带来颜色的变化，例如在同样光照的条件下，人体的呼吸动作会带来鼻部的上升和下降，通过上升和下降会带来颜色的变化。

[0083] 所述肢体的运行的变化信息可包括呼吸动作、眨眼动作、心跳动作、脉搏动作以及膝盖动作等微小动作。

[0084] 所述动作程度信息可为表示人体发生肢体动作的幅度、强度以及频率，例如人体在跑步时，手臂会运动进行挥动，在运动的开始时间，人体会精力相对充沛，在此时，手臂的挥动频率会相对较高，但是随着运动时间的加成，以及人体的精力的消耗，手臂的挥动频率会慢慢减弱，将所述动作程度信息作为肢体动作识别的参考信息之一，提高肢体动作识别的的精细化。

[0085] 步骤S20，根据所述第一颜色的变化信息和第一肢体运动的变化信息确定对应的第一部位特征信息；

[0086] 为了提高肢体动作识别的准确性，首先要确定作出响应肢体动作对应的部位信息，在本实施例中，根据部位信息的具体特征来确定对应的部位信息，例如根据颜色变化特征确认面部位置，根据呼吸动作特征确认眼睛位置，根据眨眼动作特征确认眼睛位置，根据心跳动作特征确认心脏位置，根据脉搏动作特征确认手腕位置，根据腿部动作特征确认膝盖位置。

[0087] 为了进一步提高确认部位特征信息的准确性，还可通过获取体重分布特征确认脚板位置，从而通过颜色变化信息、肢体运动的变化信息以及体重分布特征信息更精确的确定部位信息。

[0088] 步骤S30，将所述第一部位特征信息结合所述第一动作程度信息生成第一肢体动作标签；

[0089] 为了提高肢体动作识别的准确性，将所述肢体动作信息进行符号化，从而在进行肢体动作识别时，可更精确的识别出肢体动作。

[0090] 需要说明的是，为了更准确的建立肢体动作标签，还可在确认出部位信息之后，将所述部位信息连点成线，获得到特征三维图形，并将所述特征三维图形结合动作程度信息生成肢体动作标签，例如，在人体发生肢体动作时，分别确认其双眼、鼻子、手腕、膝盖以及脚板的位置，然后将所述部位连点成线，生成特征三维图形，再将所述特征三维图形与动作程度信息结合生成肢体动作标签。

[0091] 所述肢体动作标签可为记录肢体动作与对应的状态信息。例如肢体动作标签为婴儿将要醒来的肢体动作标签，所述肢体动作标签记录了婴儿快要醒来的肢体动作信息，例如眼睛部位将要睁开等微小的面部动作，通过获取到的婴儿微小的面部动作信息，从而生成对应的肢体动作标签。

[0092] 步骤S40，将所述第一肢体动作标签与预设肢体动作数据库中的肢体动作标签进行对比；

[0093] 为了提高肢体动作识别的准确性，在本实施例中通过将所述肢体动作标签与预设肢体动作数据库中的肢体动作标签进行对比，通过对比结果确定肢体动作识别的准确性。

[0094] 所述预设肢体动作数据库为预先建立完成的数据库，所述数据库包括肢体动作标签与肢体运动信息的对应关系，根据所述对应关系进行肢体动作精细化的识别，从而提高肢体动作识别的准确性。

[0095] 需要说明的是，为了对肢体动作进行精细化识别，可预先建立肢体动作数据库，所述预设肢体动作数据库的建立方法如下：

[0096] 首先，获取肢体动作样本视频，提取所述样本视频中的肢体动作信息，所述肢体动作信息包括颜色的变化信息、肢体运动的变化信息以及动作程度信息；根据所述颜色的变化信息和肢体运动的变化信息确定对应的部位特征信息；

[0097] 然后，为了进一步提高肢体动作识别的准确性，提取所述待处理视频中的环境特征信息，将所述部位特征信息、所述环境特征信息以及所述动作程度信息结合生成肢体动作标签，由上可知，可通过加入环境信息提高识别肢体动作的准确性，例如，采集视频中的人体在进行蹲下的肢体动作，通过系统判断该人体可能在进行休息还可能在拾取地上的某物，但是在环境信息的提取过程中，在人体旁边提取到鞋子的物品信息，则可判断该人体可能在进行穿鞋子的肢体动作，从而提高识别人体肢体动作的准确性。

[0098] 最后，对所述肢体动作标签进行分类，根据分类结果建立肢体动作与所述肢体动作标签的对应关系，根据所述对应关系生成预设肢体动作数据库。

[0099] 为了快速识别到肢体动作，将所述肢体动作标签进行分类，例如站立，则所述肢体动作标签对应的肢体动作信息都以站立相关的肢体动作，从而根据肢体动作标签可快速识别到肢体动作，从而提高识别肢体动作的响应时间。

[0100] 步骤S50，根据对比结果确定所述待处理视频中的肢体动作，以实现肢体动作识别。

[0101] 本实施例通过提取待处理视频中的肢体动作信息，并对所述肢体动作信息进行处理，生成肢体动作标签，再与预设的预设肢体动作数据库进行对比，从而实现对肢体动作的精细化识别，提高肢体动作识别的准确性。

[0102] 进一步地，如图3所示，基于第一实施例提出本发明肢体动作识别方法第二实施例，在本实施例中，所述待处理视频中包括第一环境特征信息；

[0103] 所述步骤S30，具体包括：

[0104] 步骤S301，提取所述待处理视频中的第一环境特征信息，将所述第一部位特征信息、所述第一动作程度信息结合所述第一环境特征信息生成第一肢体动作标签。

[0105] 为了进一步提高肢体动作识别的准确性，提取所述待处理视频中的环境特征信息，将所述部位特征信息、所述环境特征信息以及所述动作程度信息结合生成肢体动作标签，由上可知，可通过加入环境信息提高识别肢体动作的准确性，例如，采集视频中的人体在进行蹲下的肢体动作，通过系统判断该人体可能在进行休息还可能在拾取地上的某物，但是在环境信息的提取过程中，在人体旁边提取到鞋子的物品信息，则可判断该人体可能在进行穿鞋子的肢体动作，从而提高识别人体肢体动作的准确性。

[0106] 本实施例提供的方案，通过进行环境特征信息的提取，并将部位特征信息、所述动作程度信息结合所述环境特征信息生成肢体动作标签，从而提高肢体动作标签的精细化，提高肢体动作识别的正确性。

[0107] 进一步地，如图4所示，基于第一实施例提出本发明肢体动作识别方法第三实施例，在本实施例中，所述步骤S10之前，所述方法包括：

[0108] 步骤S00，利用欧拉视频放大技术对采集视频进行放大处理，获取放大后的采集视频，将所述放大后的采集视频作为待处理视频，并执行提取所述待处理视频中的第一颜色的变化信息、第一肢体运动的变化信息、第一动作程度信息以及第一环境特征信息的步骤。

[0109] 需要说明的是，在本实施例中的肢体动作信息，可为微小的肢体动作信息，所述微小的肢体动作信息可为脉搏动作信息、呼吸动作信息、眨眼动作信息、心跳动作信息等，所述微小的肢体动作信息有时并不是通过人眼可看见的，通过欧拉视频放大技术从而扩展了肢体动作信息，可通过该技术对更微小的肢体动作进行识别。

[0110] 在本实施例中，通过欧拉视频放大技术对采集视频进行放大处理，获取放大后的采集视频，将所述放大后的采集视频作为待处理视频，从而能更精确的识别到待处理视频中的特征信息。

[0111] 为了识别对应的部位信息，可通过提取所述待处理视频中的颜色的变化信息、肢体运动的变化信息、动作程度信息以及环境特征信息从而对部位信息进行精细化的识别。

[0112] 本实施例提供的方案，通过利用欧拉视频放大技术对采集视频进行放大处理，从而提取到更细微的肢体动作信息，通过所述更细微的肢体动作信息从而提高对部位信息的识别。

[0113] 进一步地，如图5所示，基于第一实施例提出本发明肢体动作识别方法第四实施例，在本实施例中，所述第一部位信息包括第二部位信息和第三部位信息；

[0114] 所述步骤S20之前，所述方法包括：

[0115] 步骤S201，根据第一颜色的变化信息与第二部位特征信息的第一对应关系确定对应的第二部位特征信息；

[0116] 需要说明的是，在确定部位特征信息之前，进行肢体动作识别装置可为经过基本特征信息学习的肢体动作识别装置，该肢体动作识别装置可为自带基本学习功能的能力，在该肢体动作识别装置中存储有颜色特征信息与部位特征信息的对应关系，通过该对应关系，可确定部位信息，例如通过颜色变化特征信息确认面部位置信息。

[0117] 步骤S202，根据第一肢体运动的变化信息与第三部位特征信息的第二对应关系确定对应的第三部位特征信息。

[0118] 为了进一步提高确定部位特征信息的准确性，在进行部位特征信息识别中，该肢体动作识别装置中存储有肢体运动的变化信息与部位特征信息的对应关系，通过该对应关系，可确定部位信息，例如通过肢体运动的变化特征信息确认其他部位的特征信息，其中可根据部位信息的具体特征来确定对应的部位信息，例如根据颜色变化特征确认面部位置，根据呼吸动作特征确认眼睛位置，根据眨眼动作特征确认眼睛位置，根据心跳动作特征确认心脏位置，根据脉搏动作特征确认手腕位置，根据腿部动作特征确认膝盖位置。

[0119] 本实施例提供的方案，通过在肢体识别装置中预先存储基本肢体动作与部位信息的对应关系，通过该对应关系，识别出肢体动作对应的部位特征信息。

[0120] 进一步地，如图6所示，基于第一实施例提出本发明肢体动作识别方法第五实施例，在本实施例中，所述步骤S30，具体包括：

[0121] 步骤S302，对所述第一动作程度信息进行图像化处理，并将图像化的第一动作程度信息结合所述部位特征信息生成第一肢体动作标签。

[0122] 所述动作程度信息可为表示人体发生肢体动作的幅度、强度以及频率，例如人体在跑步时，手臂会运动进行挥动，在运动的开始时间，人体会精力相对充沛，在此时，手臂的挥动频率会相对较高，但是随着运动时间的加成，以及人体的精力的消耗，手臂的挥动频率会慢慢减弱，将所述动作程度信息作为肢体动作识别的参考信息之一，提高肢体动作识别的的精细化。

[0123] 在本实施例中，通过将人体发生肢体动作的幅度、强度以及频率进行图像化，并结合部位信息构建的三维图像生成肢体动作标签，增强肢体动作符号化的精确性和可读性。

[0124] 本实施例提供的方案，通过将动作程度信息进行图像化，并结合部位信息构建的三维图像生成肢体动作标签，增强肢体动作符号化的精确性和可读性。

[0125] 进一步地，如图7所示，基于第一实施例提出本发明肢体动作识别方法第六实施例，在本实施例中，所述步骤S40之前，所述方法包括：

[0126] 步骤S401，获取样本视频，提取所述样本视频中的第二肢体动作信息，所述第二肢体动作信息包括第二颜色的变化信息、第二肢体运动的变化信息以及第二动作程度信息；

[0127] 步骤S402，根据所述第二颜色的变化信息和第二肢体运动的变化信息确定对应的第四部位特征信息；

[0128] 步骤S403，提取所述待处理视频中的第二环境特征信息，将所述第四部位特征信息、所述第二环境特征信息以及所述第二动作程度信息结合生成第二肢体动作标签；

[0129] 步骤S404，对所述第二肢体动作标签进行分类，根据分类结果建立第二肢体动作与所述第二肢体动作标签的第三对应关系，根据所述第三对应关系生成预设肢体动作数据库。

[0130] 在本实施例中，建立精细化的肢体动作数据库，通过该数据库与采集视频中的肢体动作信息生成的肢体动作标签进行对比，通过对比结果，提高肢体动作识别的准确性。

[0131] 进行数据库建立的具体步骤如下：

[0132] 首先，获取肢体动作样本视频，提取所述样本视频中的肢体动作信息，所述肢体动作信息包括颜色的变化信息、肢体运动的变化信息以及动作程度信息；根据所述颜色的变化信息和肢体运动的变化信息确定对应的部位特征信息；

[0133] 然后，为了进一步提高肢体动作识别的准确性，提取所述待处理视频中的环境特征信息，将所述部位特征信息、所述环境特征信息以及所述动作程度信息结合生成肢体动作标签，由上可知，可通过加入环境信息提高识别肢体动作的准确性，例如，采集视频中的人体在进行蹲下的肢体动作，通过系统判断该人体可能在进行休息还可能在拾取地上的某物，但是在环境信息的提取过程中，在人体旁边提取到鞋子的物品信息，则可判断该人体可能在进行穿鞋子的肢体动作，从而提高识别人体肢体动作的准确性。

[0134] 最后，对所述肢体动作标签进行分类，根据分类结果建立肢体动作与所述肢体动作标签的对应关系，根据所述对应关系生成预设肢体动作数据库。

[0135] 为了快速识别到肢体动作，将所述肢体动作标签进行分类，例如站立，则所述肢体动作标签对应的肢体动作信息都以站立相关的肢体动作，从而根据肢体动作标签可快速识别到肢体动作，从而提高识别肢体动作的响应时间。

[0136] 通过建立更精细化的数据库，并通过所述数据库可对机器人进行深度学习、训练，从而可使所述机器人具有识别精细肢体动作的能力，例如智能机器人通过视频检测、数据库信息比对、肢体动作识别等流程以后，确认一位闭着眼睛的老人家是否已睡着了，并确认其呼吸是否正常。如果检测到睡眠窒息症的肢体动作特征，那么就将警告信息即时传送给其亲人或者看护人员。

[0137] 本实施例提供的方案，通过建立精细化的肢体动作数据库，将该数据库与采集视频中的肢体动作标签进行对比，从而提高肢体动作识别的准确性。

[0138] 进一步地，如图8所示，基于第一实施例提出本发明肢体动作识别方法第七实施例，在本实施例中，所述步骤S10之前，所述方法包括：

[0139] 步骤S00，提取待处理视频中的各个特征信息，将所述各个特征信息与预设肤色特征信息进行比较；

[0140] 需要说明的是，在进行肢体动作信息提取之前，为了提高提取的肢体动作信息的准确性，首先判断所述待处理视频中是否有人体的存在，在所述待处理视频中是有人体的存在时，提取所述待处理视频中的人体的肢体动作信息。

[0141] 为了识别出人体的特征信息，通过对待处理视频中的各个特征信息进行判断，判断将所述各个特征信息中是否含有肤色特征信息，如果含有肤色特征信息信息，则说明所述待处理视频中有人的存在，如果待处理视频中不含有肤色特征信息信息，则说明所述待处理视频中没有人的特征信息，则不再进行后续的判断，提高进行肢体动作识别的效率。

[0142] 步骤S01，在所述待处理视频中的各个特征信息中包含所述预设肤色特征信息时，执行所述提取待处理视频中的第一肢体动作信息的步骤。

[0143] 本实施例提供的方案，通过对待处理视频进行肤色特征信息的判断，判断是否有人体的存在，提高进行肢体动作识别的效率。

[0144] 进一步地，如图9所示，基于第一实施例提出本发明肢体动作识别方法第八实施例，在本实施例中，所述第一肢体动作标签包括第三肢体动作标签和第四肢体动作标签；

[0145] 所述步骤S50，具体包括：

[0146] 步骤S501，在所述第三肢体动作标签与所述预设肢体动作数据库中的肢体动作标签一致，且所述第四肢体动作标签与所述预设肢体动作数据库中的肢体动作标签不一致时，发送肢体动作异常的警报信息。

[0147] 需要说明的是，在预设肢体动作数据库中，对于待处理视频中的肢体动作标签可包括多个肢体动作标签，例如手部的肢体动作标签、头部的肢体动作标签等。

[0148] 在所述肢体动作标签与预设数据库中的肢体动作标签进行对比时，待处理视频中的多个肢体动作标签可出现一部分肢体动作标签与预设肢体动作数据库中的肢体动作标签一致，一部分肢体动作标签与预设肢体动作数据库中的肢体动作标签不一致的情况，在这种情况下，可发送肢体动作异常的警报信息，从而提高肢体动作识别的精确度。例如，人体的手部的肢体动作标签和腿部的肢体动作标签与预设肢体数据库中的肢体动作标签一致，但是头部的肢体动作标签与预设肢体数据库中的肢体动作标签不一致，则出现头部肢体动作异常的情况，在这种情况下，可发送头部肢体动作异常的警报信息。

[0149] 为了提高肢体动作识别的准确性，在肢体动作信息为异常的肢体动作信息，则发送肢体动作异常的警报信息，例如通过视频检测、数据库信息比对、肢体动作识别等流程以后，确认一位闭着眼睛的老人家是否已睡着了，并确认其呼吸是否正常。如果检测到睡眠窒息症的肢体动作特征，那么就将警告信息即时传送给其亲人或者看护人员。

[0150] 本实施例提供的方案，通过识别出异常肢体动作信息，从而提高用户体验。

[0151] 此外，本发明实施例还提出一种存储介质，所述存储介质上存储有肢体动作识别程序，所述肢体动作识别程序被处理器执行时实现如下操作：

[0152] 提取待处理视频中的第一肢体动作信息，所述第一肢体动作信息包括第一颜色的变化信息、第一肢体运动的变化信息以及第一动作程度信息；

[0153] 根据所述第一颜色的变化信息和第一肢体运动的变化信息确定对应的第一部位特征信息；

[0154] 将所述第一部位特征信息结合所述第一动作程度信息生成第一肢体动作标签；

[0155] 将所述第一肢体动作标签与预设肢体动作数据库中的肢体动作标签进行对比；

[0156] 根据对比结果确定所述待处理视频中的肢体动作，以实现肢体动作识别。

[0157] 进一步地，所述肢体动作识别程序被处理器执行时还实现如下操作：

[0158] 提取所述待处理视频中的第一环境特征信息，将所述第一部位特征信息、所述第一动作程度信息结合所述第一环境特征信息生成第一肢体动作标签。

[0159] 进一步地，所述肢体动作识别程序被处理器执行时还实现如下操作：

[0160] 利用欧拉视频放大技术对采集视频进行放大处理，获取放大后的采集视频，将所述放大后的采集视频作为待处理视频，并执行提取所述待处理视频中的第一颜色的变化信息、第一肢体运动的变化信息、第一动作程度信息以及第一环境特征信息的步骤。

[0161] 进一步地，所述肢体动作识别程序被处理器执行时还实现如下操作：

[0162] 根据第一颜色的变化信息与第二部位特征信息的第一对应关系确定对应的第二部位特征信息；

[0163] 根据第一肢体运动的变化信息与第三部位特征信息的第二对应关系确定对应的第三部位特征信息。

[0164] 进一步地，所述肢体动作识别程序被处理器执行时还实现如下操作：

[0165] 对所述第一动作程度信息进行图像化处理，并将图像化的第一动作程度信息结合所述部位特征信息生成第一肢体动作标签。

[0166] 进一步地，所述肢体动作识别程序被处理器执行时还实现如下操作：

[0167] 获取样本视频，提取所述样本视频中的第二肢体动作信息，所述第二肢体动作信息包括第二颜色的变化信息、第二肢体运动的变化信息以及第二动作程度信息；

[0168] 根据所述第二颜色的变化信息和第二肢体运动的变化信息确定对应的第四部位特征信息；

[0169] 提取所述待处理视频中的第二环境特征信息，将所述第四部位特征信息、所述第二环境特征信息以及所述第二动作程度信息结合生成第二肢体动作标签；

[0170] 对所述第二肢体动作标签进行分类，根据分类结果建立第二肢体动作与所述第二肢体动作标签的第三对应关系，根据所述第三对应关系生成预设肢体动作数据库。

[0171] 进一步地，所述肢体动作识别程序被处理器执行时还实现如下操作：

[0172] 提取待处理视频中的各个特征信息，将所述各个特征信息与预设肤色特征信息进行比较；

[0173] 在所述待处理视频中的各个特征信息中包含所述预设肤色特征信息时，执行所述提取待处理视频中的第一肢体动作信息的步骤。

[0174] 进一步地，所述肢体动作识别程序被处理器执行时还实现如下操作：

[0175] 在所述第三肢体动作标签与所述预设肢体动作数据库中的肢体动作标签一致，且所述第四肢体动作标签与所述预设肢体动作数据库中的肢体动作标签不一致时，发送肢体动作异常的警报信息。

[0176] 本实施例提出的肢体动作识别方法，通过提取待处理视频中的肢体动作信息，并对所述肢体动作信息进行处理，生成肢体动作标签，再与预设肢体动作数据库进行对比，从而实现对肢体动作的精细化识别，提高肢体动作识别的准确性。

[0177] 需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

[0178] 上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

[0179] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

[0180] 以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。