1.一种人体骨骼动作识别方法,其特征在于,所述方法包括:
通过预设采集装置实时获取人体运动过程中产生的骨骼运动序列,并根据所述骨骼运动序列计算出对应的骨骼特征以及角度特征,且将所述骨骼运动序列划分成对应的训练集以及验证集;
基于预设规则对所述骨骼特征以及所述角度特征进行融合处理,以生成对应的空间特征,并通过预设因果卷积算法实时提取出所述骨骼运动序列中的时间特征;
对预设图卷积以及预设因果卷积进行堆叠处理,以生成对应的时空特征提取模块,并将预设全局池化层以及预设全连接层融合至所述时空特征提取模块中,以生成对应的初始动作识别模型;
通过所述训练集以及所述验证集分别对所述初始动作识别模型进行迭代训练,以生成对应的目标动作识别模型,并通过所述目标动作识别模型识别出与所述骨骼运动序列对应的动作类别;
所述基于预设规则对所述骨骼特征以及所述角度特征进行融合处理,以生成对应的空间特征的步骤包括:当实时获取到所述骨骼特征以及所述角度特征时,实时构建出所述骨骼特征与所述角度特征之间的映射关系,并基于所述映射关系对所述骨骼特征以及所述角度特征进行整合处理,以生成对应的特征骨架;
将所述特征骨架依次输入至预设先验混合图卷积以及预设动态门控图卷积中,并通过所述预设先验混合图卷积计算出与所述特征骨架对应的距离图、通过所述预设动态门控图卷积计算出与所述特征骨架对应的动态图;
根据所述距离图以及所述动态图对应生成所述空间特征;
所述通过所述预设先验混合图卷积计算出与所述特征骨架对应的距离图的步骤包括:在所述特征骨架中的骨架脊柱中随机选取出一目标关节点,并将所述目标关节点设定对应的源节点;
根据所述源节点将所述特征骨架拆分成对应的有根树,并在所述有根树中将距离相同的关节点依次连接在一起、将距离不同的关节点依次连接在一起,以对应生成所述距离图,所述源节点具有唯一性;
所述通过所述预设动态门控图卷积计算出与所述特征骨架对应的动态图的步骤包括:通过预设嵌入函数将所述特征骨架嵌入到低维特征,以生成对应的特征图,并根据所述特征图生成对应的特征矩阵;
根据所述特征矩阵计算出对应的邻接矩阵,并通过所述邻接矩阵对所述特征骨架进行各个关节点之间的特征提取处理,以对应生成所述动态图,所述邻接矩阵具有唯一性。
2.根据权利要求1所述的人体骨骼动作识别方法,其特征在于:所述通过预设采集装置实时获取人体运动过程中产生的骨骼运动序列的步骤包括:通过惯性传感器以及深度摄像头实时捕捉人体产生的连续肢体动作,并在所述连续肢体动作中实时提取出对应的初始骨骼运动序列;
在所述初始骨骼运动序列中提取出对应的骨架序列,并实时检测出与所述骨架序列对应的运动帧数;
对所述骨架序列以及所述运动帧数进行调整,以对应生成所述骨骼运动序列,所述骨架序列以及所述运动帧数均包含有具体的数值。
3.根据权利要求2所述的人体骨骼动作识别方法,其特征在于:所述对所述骨架序列以及所述运动帧数进行调整,以对应生成所述骨骼运动序列的步骤包括:当实时获取到所述骨架序列时,实时检测出所述骨架序列中包含的若干关节点,并实时检测出与每一所述关节点分别对应的三维笛卡尔坐标;
将每一所述关节点的三维笛卡尔坐标均调整至预设位置,并将所述骨架序列的运动帧数统一调整至预设值,以对应生成所述骨骼运动序列。
4.一种人体骨骼动作识别系统,其特征在于,用于实现如权利要求1至3中任意一项所述的人体骨骼动作识别方法,所述系统包括:采集模块,用于通过预设采集装置实时获取人体运动过程中产生的骨骼运动序列,并根据所述骨骼运动序列计算出对应的骨骼特征以及角度特征,且将所述骨骼运动序列划分成对应的训练集以及验证集;
计算模块,用于基于预设规则对所述骨骼特征以及所述角度特征进行融合处理,以生成对应的空间特征,并通过预设因果卷积算法实时提取出所述骨骼运动序列中的时间特征;
融合模块,用于对预设图卷积以及预设因果卷积进行堆叠处理,以生成对应的时空特征提取模块,并将预设全局池化层以及预设全连接层融合至所述时空特征提取模块中,以生成对应的初始动作识别模型;
训练模块,用于通过所述训练集以及所述验证集分别对所述初始动作识别模型进行迭代训练,以生成对应的目标动作识别模型,并通过所述目标动作识别模型识别出与所述骨骼运动序列对应的动作类别。
5.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述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计算机程序时实现如权利要求1至3中任意一项所述的人体骨骼动作识别方法。
6.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至3中任意一项所述的人体骨骼动作识别方法。