CN105534528A - 一种基于体感识别的无接触体质测试系统及测试方法 - Google Patents

Abstract

本发明公开了一种基于体感识别的无接触体质测试系统，包括Kinect？V2识别模块、数据存储模块、骨骼识别模块、运动识别模块和结算模块；本发明可以方便的完成多项运动测试，可以准确的检测测试者运动过程和有效运动成绩，并通过分析运动过程给测试者打分，在提高效率的同时又有效的减少了大量的人力物力。

Description

一种基于体感识别的无接触体质测试系统及测试方法

技术领域：

本发明是属于人机交互领域，具体涉及一种基于体感识别的无接触体质测试系统及测试方法。

技术背景：

近年来，我国大学生体质正在不停的下降，力量，速度，肺活量等体能素质持续下降，肥胖比例也不断的提高。据有效调查表明，更多的大学生待在宿舍的宿舍时间占整体生活时间的75％。为了改变这一现状，国家教育部颁布《国家体育锻炼标准》，彻底的贯彻落实健康第一的指导思想，切实加强学校体育工作，促进学生积极地参加体育锻炼，同时要求学校每年对在校生进行一次体质健康测试，项目包括：引体向上，立定跳远，深蹲等。

目前的各大高校的体质测试设备的简陋，容易造成测试设备的损坏，维修率高。同时现在的设备大部分都存在着操作繁琐和实时性差等缺点，例如引体向上类的一些项目仍需要人工统计

发明内容：

本发明对体质检测的不足，提出了一种基于体感识别的无接触体质测试系统及测试方法。该系统采用KinectV2的人体骨骼识别和追踪技术，可以准确的测量出运动测试者运动，并完成记数，测距，打分等功能。在大量减少工作量的同时还可以确保数据的准确性。

定义：

有限状态机：在运动过程中关键运动姿势状态组成有序序列，其中每个关键运动姿势状态为状态机中状态节点；

状态节点：有限状态机中每个关键运动姿势状态；

骨骼节点：以KinectV2识别的25个人体骨骼节点为标准；骨骼节点数据为KinectV2坐标系中X轴，Y轴，Z轴上的距离；

骨骼节点之间角度：角度的计算设计三个骨骼节点；第一骨骼节点到第二骨骼节点的向量，第二骨骼节点到第三骨骼节点向量的夹角；

一种基于体感识别的无接触体质测试系统，包括KinectV2识别模块、数据存储模块、骨骼识别模块、运动识别模块和结算模块；

所述KinectV2识别模块：通过KinectV2的骨骼识别和骨骼追踪特点识别人体骨骼节点；

所述数据存储模块包括KinectV2采集的数据，标准骨骼数据，标准运动数据；

KinectV2采集的数据为每一帧的骨骼节点数据，即骨骼节点相对KinectV2坐标(x,y,z)；

标准骨骼数据部分存储的是由多组运动姿势的骨骼节点之间角度组成，以时序排列；其中一个骨骼序列存储格式为(θ_r1,θ_r2,…,θ_rn)，其中θ为骨骼节点之间相对角度，n为具体运动姿势所需检测的角度数量；

标准运动数据部分存储的是运动过程中的状态节点；状态节点与标准骨骼数据中的骨骼序列一一对应；

所述骨骼识别模块：在运动测试者进行运动检测时，KinectV2采集运动中的人体骨骼节点，同时计算每一帧的骨骼之间角度序列，即m；检测角度序列(θ_t1,θ_t2,…,θ_tn)与标准骨骼数据中的(θ_r1,θ_r2,…,θ_rn)作相似度差值距离计算；计算方式如下

$d=\sqrt{\underset{i=1}{\overset{n}{\Σ}}{({\mathrm{\θ}}_{ti}-{\mathrm{\θ}}_{ri})}^2}$

当d小于系统中的匹配阈值d_T时，则匹配成功，即成功识别该序列对应的状态节点；

所述运动识别模块：根据所有的状态节点识别情况，把已识别状态节点与该运动的有限状态机做比对；当识别状态节点个数占所有状态节点个数的75％以上，认为运动检测成功；

所述结算模块的含义：根据状态节点的相似度给予评分；每一项运动有n个状态节点，n个节点的相似度为k₁:k₂:k₃…k_n，总分为m；运动评分S为

$S=\frac{m\underset{i=1}{\overset{n}{\Σ}}{k}_i}{n}.$

一种基于体感识别的无接触体质测试方法，具体包括以下步骤：

步骤一：当运动测试者选择的检测运动后，根据运动检测界面的提示进行运动；

步骤二：通过骨骼识别模块进行运动过程的分析

在运动测试者进行运动检测时，KinectV2采集运动中的人体骨骼节点，同时计算每一帧的骨骼之间角度序列，即m；检测角度序列(θ_t1,θ_t2,…,θ_tn)与标准骨骼数据中的(θ_r1,θ_r2,…,θ_rn)作相似度差值距离计算；计算方式如下

$d=\sqrt{\underset{i=1}{\overset{n}{\Σ}}{({\mathrm{\θ}}_{ti}-{\mathrm{\θ}}_{ri})}^2}$

步骤三：当d大于系统中的匹配阈值d_T时，重复步骤二，当d小于等于系统中的匹配阈值d_T时，则匹配成功，即成功识别该序列对应的状态节点，并进入下一步；

步骤四：识别运动过程，并通过运动识别模块完成对整个运动检测

根据所有的状态节点识别情况，把已识别状态节点与整个状态机做比对；当识别状态节点个数占所有状态节点个数的75％以上，认为运动检测成功；当识别状态节点个数小于等于所有状态节点个数的75％时，返回步骤一；

步骤五：利用的结算模块机制实现打分

根据状态节点的相似度给予评分。每一项运动有n个状态节点，n个节点的相似度为k₁:k₂:k₃…k_n，总分为m。运动评分S为

$S=\frac{m\underset{i=1}{\overset{n}{\Σ}}{k}_i}{n}$

本发明的有益效果：可以方便的完成多项运动测试(包括立定跳远，引体向上，深蹲等)，可以准确的检测测试者运动过程和有效运动成绩，并通过分析运动过程给测试者打分，在提高效率的同时又有效的减少了大量的人力物力。

附图说明

图1为本发明体质测试系统框架结构图；

图2为本发明数据存储层结构图；

图3为本发明运动识别流程图；

图4.1为引体向上运动姿势转换图；

图4.2为引体向上运动姿势转换图；

图4.3为引体向上运动姿势转换图；

图4.4为引体向上运动姿势转换图；

图4.5为引体向上运动姿势转换图；

图5为引体向上有限状态机图。

具体实施方式

如图1所示，本发明一种基于体感识别的无接触体质测试系统，提出了一种具有一机多测、多人检测、无接触等特点的体质测试系统。该系统采用KinectV2的人体骨骼识别和追踪技术，可以准确的测量出运动测试者运动，并完成记数，测距，打分等功能。在大量减少工作量的同时还可以确保数据的准确性。

本发明是基于体感技术的无接触体质测试系统，包括KinectV2识别模块、骨骼识别模块、数据存储模块、运动识别模块、结算模块、主界面。

有限状态机：在运动过程中关键运动姿势状态组成有序序列，其中每个关键运动姿势状态为状态机中状态节点。

状态节点：有限状态机中每个关键运动姿势状态。

骨骼节点数据定义：以KinectV2识别的25个人体骨骼节点为标准。骨骼节点数据为KinectV2坐标系中X轴，Y轴，Z轴上的距离。

骨骼节点之间角度定义：角度的计算设计三个骨骼节点。骨骼节点1到骨骼节点2的向量，与骨骼节点2到骨骼节点3向量的夹角。

所述KinectV2识别模块：通过KinectV2识别的骨骼识别和骨骼追踪特点识别人体骨骼节点。

如图2所示，所述数据存储模块包括KinectV2采集的数据，标准骨骼数据，标准运动数据；

KinectV2采集的数据为每一帧的骨骼节点数据，即骨骼节点相对KinectV2坐标(x,y,z)。

标准骨骼数据部分存储的是由多组运动姿势的骨骼节点之间角度组成，以时序排列；其中一个骨骼序列存储格式为(θ_r1,θ_r2,…,θ_rn)，其中θ为骨骼节点之间相对角度，n为具体运动姿势所需检测的角度数量。

标准运动数据部分存储的是运动过程中的状态节点。状态节点与标准骨骼数据中的骨骼序列一一对应。

所述骨骼识别模块：在运动测试者进行运动检测时，KinectV2采集运动中的人体骨骼节点，同时计算每一帧的骨骼之间角度序列，即m。检测角度序列(θ_t1,θ_t2,…,θ_tn)与标准骨骼数据中的(θ_r1,θ_r2,…,θ_rn)作相似度差值距离计算。计算方式如下

$d=\sqrt{\underset{i=1}{\overset{n}{\Σ}}{({\mathrm{\θ}}_{t1}-{\mathrm{\θ}}_{r1})}^2}$

当d小于系统中的匹配阈值d_T时，则匹配成功，即成功识别该序列对应的状态节点。

所述运动识别模块：根据所有的状态节点识别情况，把已识别状态节点与整个状态机做比对。当识别状态节点个数占所有状态节点个数的75％以上，认为运动检测成功。

所述结算模块的含义：状态节点的相似度计算运动的完成度，并给予评分。每一项运动有n个状态节点，n个节点的相似度为k₁:k₂:k₃…k_n，总分为m。运动评分S为

$S=\frac{m\underset{i=1}{\overset{n}{\Σ}}{k}_i}{n}$

所述主界面：主要显示测试者运动过程，运动成绩，运动的次数以及最终成绩。

如图3所示，本发明的操作方法：当运动测试者选择的检测运动后，根据运动检测界面的提示进行正确的运动，通过骨骼识别模块进行运动过程的分析，从而识别运动过程，然后通过运动识别模块完成对整个运动检测，并利用的结算模块机制实现打分，测距等功能。测试者可在主界面查看自己的成绩。

以引体向上为例，引体向上的运动姿势转换过程和有限状态机分别对附图中图4.1、图4.2、图4.3、图4.4、图4.5和图5。本系统的设定和的夹角为α，和的夹角为β，和的夹角为γ，和的夹角δ。故检测中的按时序排列的角度矩阵为

$N_T=\left[\begin{array}{cccc}{\mathrm{\α}}_{t1}& {\mathrm{\β}}_{t1}& {\mathrm{\γ}}_{t1}& {\mathrm{\δ}}_{t1}\\ {\mathrm{\α}}_{t2}& {\mathrm{\β}}_{t2}& {\mathrm{\γ}}_{t2}& {\mathrm{\δ}}_{t2}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ {\mathrm{\α}}_{t5}& {\mathrm{\β}}_{t5}& {\mathrm{\γ}}_{t5}& {\mathrm{\δ}}_{t5}\end{array}\right]$

标准骨骼数据中的引体向上角度矩阵为

$N_R=\left[\begin{array}{cccc}{\mathrm{\α}}_{r1}& {\mathrm{\β}}_{r1}& {\mathrm{\γ}}_{r1}& {\mathrm{\δ}}_{r1}\\ {\mathrm{\α}}_{r2}& {\mathrm{\β}}_{r2}& {\mathrm{\γ}}_{r2}& {\mathrm{\δ}}_{r2}\\ {\mathrm{\α}}_{r3}& {\mathrm{\β}}_{r3}& {\mathrm{\γ}}_{r3}& {\mathrm{\δ}}_{r3}`\end{array}\right]$

N_R中的三个角度序列对应的图5中状态节点直臂悬垂和引体。将N_T中5个向量分别与N_R中3个标准向量作比对，记录与N_R中的数据最相近相似度。记录的相似度与匹配阈值d_T比较。若都小于，则完成一个引体向上运动。以其中一个向量为例，比对结果d如下

$d=\sqrt{{({\mathrm{\α}}_{t1}-{\mathrm{\α}}_{r1})}^2+{({\mathrm{\β}}_{t1}-{\mathrm{\β}}_{r1})}^2+{({\mathrm{\γ}}_{t1}-{\mathrm{\γ}}_{r1})}^2+{({\mathrm{\δ}}_{t1}-{\mathrm{\δ}}_{r1})}^2}.$

Claims (2)

1.一种基于体感识别的无接触体质测试系统，

定义：

有限状态机：在运动过程中关键运动姿势状态组成有序序列，其中每个关键运动姿势状态为状态机中状态节点；

状态节点：有限状态机中每个关键运动姿势状态；

骨骼节点：以KinectV2识别的25个人体骨骼节点为标准；骨骼节点数据为KinectV2坐标系中X轴，Y轴，Z轴上的距离；

骨骼节点之间角度：角度的计算设计三个骨骼节点；第一骨骼节点到第二骨骼节点的向量，第二骨骼节点到第三骨骼节点向量的夹角；

其特征在于：包括KinectV2识别模块、数据存储模块、骨骼识别模块、运动识别模块和结算模块；

所述KinectV2识别模块：通过KinectV2的骨骼识别和骨骼追踪特点识别人体骨骼节点；

所述数据存储模块包括KinectV2采集的数据，标准骨骼数据，标准运动数据；

KinectV2采集的数据为每一帧的骨骼节点数据，即骨骼节点相对KinectV2坐标(x,y,z)；

标准骨骼数据部分存储的是由多组运动姿势的骨骼节点之间角度组成，以时序排列；其中一个骨骼序列存储格式为(θ_r1,θ_r2,…,θ_rn)，其中θ为骨骼节点之间相对角度，n为具体运动姿势所需检测的角度数量；

标准运动数据部分存储的是运动过程中的状态节点；状态节点与标准骨骼数据中的骨骼序列一一对应；

所述骨骼识别模块：在运动测试者进行运动检测时，KinectV2采集运动中的人体骨骼节点，同时计算每一帧的骨骼之间角度序列，即m；检测角度序列(θ_t1,θ_t2,…,θ_tn)与标准骨骼数据中的(θ_r1,θ_r2,…,θ_rn)作相似度差值距离计算；计算方式如下

$d=\sqrt{\underset{i=1}{\overset{n}{\Σ}}{({\mathrm{\θ}}_{ti}-{\mathrm{\θ}}_{ri})}^2}$

当d小于系统中的匹配阈值d_T时，则匹配成功，即成功识别该序列对应的状态节点；

所述运动识别模块：根据所有的状态节点识别情况，把已识别状态节点与该运动的有限状态机做比对；当识别状态节点个数占所有状态节点个数的75％以上，认为运动检测成功；

所述结算模块的含义：根据状态节点的相似度给予评分；每一项运动有n个状态节点，n个节点的相似度为k₁:k₂:k₃…k_n，总分为m；运动评分S为

$S=\frac{m\underset{i=1}{\overset{n}{\Σ}}{k}_i}{n}.$ 。

2.一种基于体感识别的无接触体质测试方法，其特征在于：

步骤一：当运动测试者选择的检测运动后，根据运动检测界面的提示进行运动；

步骤二：通过骨骼识别模块进行运动过程的分析

在运动测试者进行运动检测时，KinectV2采集运动中的人体骨骼节点，同时计算每一帧的骨骼之间角度序列，即m；检测角度序列(θ_t1,θ_t2,…,θ_tn)与标准骨骼数据中的(θ_r1,θ_r2,…,θ_rn)作相似度差值距离计算；计算方式如下

$d=\sqrt{\underset{i=1}{\overset{n}{\Σ}}{({\mathrm{\θ}}_{ti}-{\mathrm{\θ}}_{ri})}^2}$

步骤三：当d大于系统中的匹配阈值d_T时，重复步骤二，当d小于等于系统中的匹配阈值d_T时，则匹配成功，即成功识别该序列对应的状态节点，并进入下一步；

步骤四：识别运动过程，并通过运动识别模块完成对整个运动检测

根据所有的状态节点识别情况，把已识别状态节点与整个状态机做比对；当识别状态节点个数占所有状态节点个数的75％以上，认为运动检测成功；当识别状态节点个数小于等于所有状态节点个数的75％时，返回步骤一；

步骤五：利用的结算模块机制实现打分

根据状态节点的相似度给予评分；每一项运动有n个状态节点，n个节点的相似度为k₁:k₂:k₃…k_n，总分为m；运动评分S为

$S=\frac{m\underset{i=1}{\overset{n}{\Σ}}{k}_i}{n}.$ 。