(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111658042.0 (22)申请日 2021.12.3 0 (71)申请人 中国人民武装警察部队警官 学院 地址 610213 四川省成 都市双流区警校路 一段489号 申请人 西安翔迅科技有限责任公司 (72)发明人 张崇　尹文刚　秦岭　李彬　古丹　 李鑫　孙晓洪　张雷涛　焦嘉琪　 (74)专利代理 机构 西安智邦专利商标代理有限 公司 6121 1 代理人 王少文 (51)Int.Cl. G06V 40/20(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 基于头部姿态捕捉与方位计算的匍匐战术 动作评判方法 (57)摘要 本发明涉及一种动作评判方法， 具体涉及一 种基于头部姿态捕捉与方位计算的匍匐战术动 作评判方法。 解决了现有训练的头部姿态评判没 有一套客观量化的通行标准且无法大规模复制 经验使评判效率较低的技术问题。 本发明方法包 括以下步骤： 1)构建第一主干网络， 实时采集学 员头部图像并识别学员头部图像； 2)计算头部方 位角； 2.1)构建第二主干网络， 第二主干网络为 ResNet50主干网络； 2.2)训练ResNet50主干网络 并获取实际标注数据； 2.3)将识别的学员头部图 像， 输送至训练后的ResNet 50主干网络进行头部 方位角计算； 3)判断当前时刻头部的偏航角、 滚 转角或俯仰角是否落入相应的设定范围内； 若 否， 则按照扣分规则进行相应的扣分操作， 并给 出得分； 若是， 则直接给出得分。 权利要求书2页 说明书4页 附图1页 CN 114399837 A 2022.04.26 CN 114399837 A 1.一种基于头部姿态捕捉与方位计算的匍匐战术动作评判方法， 其特征在于， 包括以 下步骤： 1)构建第一主干网络， 实时采集学员头 部图像并识别学员头 部图像； 2)计算头 部方位角 2.1)构建第二主干网络， 所述第二主干网络为ResNet50主干网络； 所述ResNet50主干 网络包括三个全连接层， 所述三个全连接层分别对应头部方位角的偏航角、 滚转角和俯仰 角； 所述ResNet50主干网络的映射区间范围为[ ‑99,+99]； 每个全 连接层在所述映射区间范 围内单独做预测， 且单独做预测的全连接数均为 二进制数； 2.2)对构建的ResNet50主干网络进行训练， 得到训练后的ResNet50主干网络， 并获取 实际标注数据； 2.3)将步骤1)中识别的学员头部图像， 输送至步骤2.2)训练后的ResNet50主干网络进 行头部方位角计算； 2.3.1)将学员头部图像中头部方位角的偏航角、 滚转角或俯仰角分别映射到[ ‑99,+ 99]区间内， 并分别将映射区间范围中 ‑99到+99共199个数值依次进行分类， 三个为一组， 中 间间隔作为离 散类别； 2.3.2)将步骤2.3.1)得到的离散类别通过softmax函数操作后归一化为概率值， 全连 接层中所有离 散类别数据的概 率值相加为1； 2.3.3)将步骤2.3.2)得到 的概率值和对应 的离散类别相乘并求和， 得到期望值； 通过 期望值和实际标注数据的角度计算均方差， 最终通过端到端训练输出头 部方位角； 3)判断当前时刻头部方位角的偏航角、 滚转角或俯仰角是否落入相应的设定范围内； 若否， 则按照扣分规则进行相应的扣分操作， 并给 出得分； 若是， 则直接给 出得分。 2.根据权利要求1所述的基于头部姿态捕捉与方位计算的匍匐战术动作评判方法， 其 特征在于， 所述 步骤1具体为： 1.1)构建第一主干网络， 所述第一主干网络为Darknet ‑53主干网络； 所述Darknet ‑53 主干网络包括自输入端到输出端依次连接的多个卷积块和全连接层； 每个卷积块包括依次 连接的卷积层、 并行设置的批归一化层和激活层； 所述卷积层由1x1和3x3的卷积核组成； 当 卷积的步长默认为1时， 填充默认为 一致； 当卷积步长为2时， 填充为有效； 1.2)将Darknet ‑53主干网络进行下采样， 每次采样步长为1或2； 然后将D arknet‑53主 干网络的中间层和倒数第二层的上采样进行拼接， 形成新的优化网络， 用于不断迭代新的 样本训练学习， 得到 头部模型； 1.3)通过损失函数优化训练头部模型； 所述损失函数为目标定位偏移量损失、 目标置 信度损失以及目标分类损失中的一种或多种； 1.4)采集待考核学员头 部图像信息， 输送至 头部模型， 识别学员头 部图像。 3.根据权利要求2所述的基于头部姿态捕捉与方位计算的匍匐战术动作评判方法， 其 特征在于， 步骤1.2)中， 所述Darknet ‑53主干网络进行了5次下采样， 每次采样步长为2， 将输出特 征图缩小到原图的1/ 32。 4.根据权利要求1或2或3所述的基于头部姿态捕捉与 方位计算的匍匐战术动作评判方 法， 其特征在于：权　利　要　求　书 1/2 页 2 CN 114399837 A 2步骤2.1)中， 所述ResNet50主干网络的输出先被映射到0～99这个区间范围内， 然后再 将映射值乘以3后再减去9 9， 使区间范围被映射到[ ‑99,+99]这个区间范围。 5.根据权利要求4所述的基于头部姿态捕捉与方位计算的匍匐战术动作评判方法， 其 特征在于： 步骤2.3.1)中所述将映射区间范围中 ‑99到+99共199个数值依次进行分类具体为， 包 含起点‑99度， 终点设为102度且不包 含102度， 每3个数为 一个间隔， 共6 6个间隔。权　利　要　求　书 2/2 页 3 CN 114399837 A 3