(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210595919.4 (22)申请日 2022.05.30 (65)同一申请的已公布的文献号 申请公布号 CN 114694263 A (43)申请公布日 2022.07.01 (73)专利权人 深圳智华科技发展 有限公司 地址 518000 广东省深圳市宝安区西乡街 道共乐社区共和工业路西发B区旭生 研发大厦15 04-1506 (72)发明人 邓鑫　韩艳秋　 (74)专利代理 机构 深圳市恒程创新知识产权代 理有限公司 4 4542 专利代理师 苗广冬 (51)Int.Cl. G06F 3/01(2006.01)G06V 40/20(2022.01) G06T 7/70(2017.01) G06T 7/136(2017.01) G06K 9/62(2022.01) G06V 10/74(2022.01) (56)对比文件 CN 110555412 A,2019.12.10 WO 202104898 8 A1,2021.0 3.18 CN 110221690 A,2019.09.10 CN 10839 9367 A,2018.08.14 CN 114463777 A,2022.05.10 CN 104268138 A,2015.01.07 CN 111160088 A,2020.0 5.15 审查员 黄艳艳 (54)发明名称 动作识别方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及虚拟现实技术领域， 尤其涉及一 种动作识别方法、 装置、 设备及存储介质。 本发明 通过获取人体图像， 并基于人体图像生成目标人 体点云图像， 便于后续进行动作识别， 再通过人 体传感器采集到的传感器信息生成根节点信息， 进而将根节点信息与 目标人体点云图像通过预 设动作识别模型， 从而实现精准的动作识别， 提 高动作识别的效率与实时性， 避免了现有技术根 据用户的动作实时更新虚拟形象时， 动作识别的 准确度不高， 影响用户的体验的技术问题， 提高 了用户的使用体验。 权利要求书2页 说明书10页 附图5页 CN 114694263 B 2022.09.02 CN 114694263 B 1.一种动作识别方法， 其特 征在于， 所述动作识别方法包括： 获取当前 人体图像， 并基于所述当前 人体图像生成目标 人体点云图像； 获取预设传感器采集到的传感器信息， 并根据所述传感器信息确定人体根节点信息； 将所述目标人体点云图像与所述人体根节点信息通过预设动作识别模型进行动作识 别， 获得虚拟人体架构图； 将所述虚拟人体架构图映射至目标虚拟空间； 所述将所述目标人体点云图像与所述人体根节点信息通过预设动作识别模型进行动 作识别， 获得虚拟人体架构图， 包括： 将所述人体根节点信息通过 预设动作识别模型进行动作识别， 获得初始人体架构图； 对所述初始人体架构图与 所述目标人体点云图像进行相似度分析， 获得相似度分析结 果； 根据所述相似度分析 结果更新所述初始人体架构图， 获得虚拟人体架构图。 2.如权利要求1所述的动作识别方法， 其特征在于， 所述获取当前人体图像， 并基于所 述当前人体图像生成目标 人体点云图像， 包括： 获取当前 人体图像， 并获取 所述当前 人体图像中的特 征定位点位置信息； 根据所述当前 人体图像与所述特 征定位点位置信息生成人体点云图像； 根据目标图像分割阈值对所述人体点云图像进行图像分割， 获得目标 人体点云图像。 3.如权利要求2所述的动作识别方法， 其特征在于， 所述根据目标图像分割阈值对所述 人体点云图像进行图像分割， 获得目标 人体点云图像之前， 还 包括： 对所述人体点云图像进行图像灰度处理， 获得灰度处理后的人体点云图像对应的第 一 灰度值与第二灰度值； 根据所述第一灰度值与所述第二灰度值确定初始图像分割阈值； 根据所述初始图像分割阈值对所述灰度处理后的人体点云图像进行图像分割， 获得第 一人体点云 分割图像与第二人体点云 分割图像； 获取所述第 一人体点云分割图像的第 一灰度均值， 并获取所述第 二人体点云分割图像 的第二灰度均值； 根据所述第 一灰度均值与 所述第二灰度均值更新所述初始图像分割阈值， 获得目标图 像分割阈值。 4.如权利要求1所述的动作识别方法， 其特征在于， 所述获取预设传感器采集到的传感 器信息， 并根据所述传感器信息确定人体根节点信息， 包括： 获取预设传感器采集到的传感器信 息， 并提取所述传感器信 息中的传感器三维空间位 置信息； 根据所述传感器三维空间位置信息确定传感器相对空间位置信息； 基于所述传感器三维空间位置信息与所述传感器相对空间位置信息确定人体根节点 信息。 5.如权利要求1所述的动作识别方法， 其特征在于， 所述对所述初始人体架构图与 所述 目标人体点云图像进行相似度分析， 获得相似度分析 结果， 包括： 对所述初始人体架构图进行图像预处 理； 确定预处 理后的初始人体架构图的躯 干定位点与肢体定位 点；权　利　要　求　书 1/2 页 2 CN 114694263 B 2根据所述躯干定位点与肢体定位点将预处理之后的初始人体架构图与所述目标人体 点云图像进行相似度分析， 获得相似度分析 结果。 6.如权利要求5所述的动作识别方法， 其特征在于， 所述根据所述躯干定位点与肢体定 位点将预 处理之后的初始人体架构图与所述目标人体点云图像进 行相似度分析， 获得相似 度分析结果， 包括： 对所述目标 人体点云图像进行定位 点提取， 获得点云定位 点； 将所述躯干定位点与肢体定位点分别与 所述点云定位点进行比较， 获得定位点偏差信 息； 根据所述定位 点偏差信息进行相似度分析， 获得相似度分析 结果。 7.一种动作识别装置， 其特 征在于， 所述动作识别装置包括： 点云获取模块， 用于获取当前人体图像， 并基于所述当前人体图像生成目标人体点云 图像； 根节点获取模块， 用于获取预设传感器采集到的传感器信息， 并根据所述传感器信息 确定人体根节点信息； 架构图生成模块， 用于将所述目标人体点云图像与所述人体根节点信 息通过预设动作 识别模型进行动作识别， 获得虚拟人体架构图； 架构图映射模块， 用于将所述虚拟人体架构图映射至目标虚拟空间； 所述架构图生成模块， 还用于将所述人体根节点信 息通过预设动作识别模型进行动作 识别， 获得初始人体架构图； 对所述初始人体架构图与 所述目标人体点云图像进行相似度分析， 获得相似度分析结 果； 根据所述相似度分析 结果更新所述初始人体架构图， 获得虚拟人体架构图。 8.一种动作识别设备， 其特征在于， 所述动作识别设备包括： 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动作 识别程序， 所述动作 识别程序配置为 实现如 权利要求1至 6中任一项所述的动作识别方法。 9.一种存储介质， 其特征在于， 所述存储介质上存储有动作识别程序， 所述动作识别程 序被处理器执行时实现如权利要求1至 6任一项所述的动作识别方法。权　利　要　求　书 2/2 页 3 CN 114694263 B 3