一种基于人体姿态的实时视频动作计数方法

本申请提供了一种基于人体姿态的实时视频动作计数方法。该方法包括：获取输入的视频片段，以及需要计数的动作类别文本；针对输入视频片段，使用实时人体姿态估计方法BlazePose逐帧提取，获得人体姿态序列；使用轻量化Transformer模型编码所述姿态序列，并引入交叉注意力融合所述类别文本的语义，从而获得包含周期性动作语义的表征序列；将所得表征序列的每一表征解码为单通道密度图，并使用Sigmoid函数调整密度图取值区间；对密度图进行帧级概率累加，得到整个视频片段中某动作类别的重复次数，即目标输出。本申请通过设计轻量化模型降低计算开销，实现了视频动作的实时计数，提升了模型的推理效率与准确性，适用于健身监测、运动评估等需要高实时性的场景。