摘 要：本文主要介紹了SIFT算法結(jié)合人體姿態(tài)估計的應(yīng)用，在人體學(xué)習(xí)運動的過程中，系統(tǒng)實時捕捉用戶動作，利用火柴人進行用戶動作模擬。通過對比各個訓(xùn)練動作的特征，對用戶的錯誤動作進行提示，并給出合理建議。

關(guān)鍵詞：SIFT;人體姿態(tài)估計;神經(jīng)網(wǎng)絡(luò)

一、簡介

近年來在生活的各個方面，或多或少都有人工智能的體現(xiàn)。除了生活必要方面，互聯(lián)網(wǎng)軟件的發(fā)展也有助于人們的精神文明建設(shè)和培養(yǎng)。利用軟件對用戶運動的監(jiān)測也逐漸興起。

二、研究背景

在軟件中，針對用戶體驗角度而言，傳統(tǒng)的運動方式一般是用戶結(jié)合教學(xué)視頻進行學(xué)習(xí)。用戶打開感興趣的模塊，點擊想要學(xué)習(xí)的課程，便可以進行學(xué)習(xí)。這種教學(xué)模式一定程度上雖然已經(jīng)較為方便，但其局限性在于用戶不能看到自己的學(xué)習(xí)情況，動作正誤等，對于其學(xué)習(xí)效果就不能得到保證。

如果在學(xué)習(xí)過程中，系統(tǒng)可以捕捉用戶學(xué)習(xí)視頻，并進行分析，進而提示用戶動作情況、錯誤信息等，便有利于用戶對自己的動作及時進行矯正。站在用戶的角度，這種學(xué)習(xí)模式很大程度上滿足了用戶的需求，學(xué)習(xí)軟件亦可以更加智能，對用戶的歷史學(xué)習(xí)數(shù)據(jù)進行分析，找出用戶學(xué)習(xí)特點，根據(jù)其個人情況，提出個性化建議等。

三、算法分析與實現(xiàn)

對于捕捉到的用戶學(xué)習(xí)視頻，應(yīng)剔除背景，想人體模型提取出來，并且尋找出人體各個關(guān)鍵部位，從而進行相對位置分析。

（一）視頻預(yù)處理

對于攝像頭錄制的視頻，應(yīng)當(dāng)先分割成若干圖片，分割是按照幀進行處理。對于每一張圖片，結(jié)合人體大致形狀，將背景素材剔除。這樣，便于后期對人體關(guān)鍵點的提取。

（二）關(guān)鍵點提取

對于剔除背景后的圖片，應(yīng)當(dāng)提取人體關(guān)鍵部位。結(jié)合SIFT算法，將每個點表示為八維向量，每個點的八維向量順序不同、模長不同，便可以作為唯一標(biāo)識符。八維向量模型如圖1

（三）神經(jīng)網(wǎng)絡(luò)訓(xùn)練

對于所提取的人體部位數(shù)據(jù)，可能會存在較大的誤差。所以將圖片數(shù)據(jù)放入卷積神經(jīng)網(wǎng)絡(luò)，進行迭代訓(xùn)練。在網(wǎng)絡(luò)學(xué)習(xí)過程中調(diào)用激活函數(shù)，增強模型的魯棒性;使得模型不過分依賴所給數(shù)據(jù)，從而具有更廣泛的應(yīng)用范圍。

（四）人體動作火柴人模擬

對于提取出來的關(guān)鍵點，結(jié)合人體關(guān)鍵身體部位，進行火柴人模擬。一方面，方便用戶清晰看到自己動作的框架，可以及時發(fā)現(xiàn)錯誤;另一方面，系統(tǒng)根據(jù)各個身體部位的位置關(guān)系，找出一系列的典型錯誤，經(jīng)過串行的判斷條件，得出當(dāng)前動作的錯誤個數(shù)與種類，從而對用戶動作進行打分，給出合理的改進建議。

四、結(jié)語

在實際應(yīng)用場景中，系統(tǒng)錄制用戶動作進行分析，很大程度上方便了用戶的學(xué)習(xí)過程。對于用戶學(xué)習(xí)動作錯誤情況提示，不僅可以采用界面文字提示，也可以采用語音提示的方式，讓用戶感受到“私人教練”的體驗，達到邊學(xué)習(xí)邊反饋的功能。

參考文獻

[1]張慶輝，萬晨霞，秦淑英，卞山峰.基于卷積神經(jīng)網(wǎng)絡(luò)的道路目標(biāo)檢測算法[J].計算機工程與設(shè)計，2019，40（07）：2052-2058.

[2]張闖，楊咸兆，徐齊全，陳蘇婷.基于SIFT特征的哈?？焖贆z索與圖像匹配[J].現(xiàn)代電子技術(shù)，2019，42（12）：127-131.

[3]馮健穎.基于卷積神經(jīng)網(wǎng)絡(luò)的人體姿態(tài)估計研究[D].哈爾濱工業(yè)大學(xué)，2018.

作者簡介：

李婷婷（1997～）本科，研究方向為軟件工程。