CN108697921B - 用于评估动作表现的系统、方法、装置和标记物 - Google Patents

Abstract

本申请提供了一种用于评估运动员的动作表现的系统(200)、装置(100)和标记物(300)。该系统(200)包括用于捕捉运动员执行测试过程中的多个图像的图像捕捉器(210)；和用于分析捕捉到的图像并取得测试的表现得分的图像分析器(220)。装置(100)包括用于固定图像捕捉器的图像捕捉器安装部(113)和用于执行测试的至少一件运动设备(120，130，140)。运动设备(120，130，140)被配置成连接到一图像捕捉器支架上，使得运动设备与图像捕捉器之间的距离固定。标记物(300)可附着于运动员的身体部位，标记物包括用于反射红外光的反光部(311)。

Description

用于评估动作表现的系统、方法、装置和标记物

技术领域

本申请涉及一种用于评估用户的运动表现的系统、方法、装置和标记物。

背景技术

在专业运动领域，有必要定期对运动员的个人能力进行可靠、准确的评估。随着年轻运动员的成长，有必要定期评估他们在体力、敏捷性、运动控制能力等方面的增长。同样地，当一名运动员从受伤中康复时，可能需要以可量化的方式评估其恢复的进展。

这种评估通常由运动科学专业人员进行，他们通过观察运动员进行一系列预先设定的身体运动或锻炼，以下简称测试来进行评估。体育科学专业人员根据他们的判断和训练来考虑运动员的潜在弱点，并提出补救措施以解决不足之处的训练计划。这个过程本身就很消耗时间，并涉及很大程度的主观判断，因此缺乏可重复性和一致性。

为了使这种评估更具可重复性，开发了诸如功能性动作筛查(FunctionalMovement Screen，FMS)之类的框架。FMS涉及一系列标准化测试，其中运动科学专业人员接受培训以观察测试从而识别出象征身体缺陷或弱点的特定反应，并对运动员进行1分，2分或3分的评分。即使FMS有助于提供一定程度的可重复性，但它仍然基本上取决于运动科学专业人员的判断。此外，尽管使用这些粗略的分数有助于提供可重复性，但它对运动员能力的评估也是粗略的。此外，运动的分类分析对于检测青年或成年运动员的生物力学变化还不够敏感。

当必须在短时间内进行大量评估时，这些困难则会更加严重。例如，在职业足球协会中，足球俱乐部在年龄组中安排了大量的年轻运动员。整个年龄组往往需要在一个晚上进行评估，并且需要在每6或12个星期重复一次评估，以便成长中的运动员的进步能够得到密切监测，从而为他们提供能开发他们运动潜力的最佳机会。

采用电影工业中通常使用的运动捕捉系统(例如，由VICON提供的系统)来记录运动以用于运动表现的后续评估。这样的系统需要运动员穿着特殊设计的套装或者在身体的某些部位(脚，膝盖，臀部，肩膀，肘部，手腕等)添加特殊设计的标记，然后用几台摄像机跟踪这些标记在三维空间中的位置。然而，这些系统运输较为困难，并且通常需要配置特别的空间，还需要重要的配置(例如，由操作员进行一系列预定义的动作)，价格还非常昂贵。另外，这些系统本质上仅仅依靠每个标记的位置数据，而不考虑标记之间的身体位置所提供的有价值的视觉信息。

捕捉运动以用于随后评估运动表现的另一选择是附接到运动员身体的相关部位的加速度计。然而，加速度计很重，这会影响运动员的运动，而且加速度计的制造和购买也很昂贵。另一个选择是使用力板，其依靠传感器(例如应变仪，压电传感器)来测量在锻炼期间施加到板的力。然而，该系统的缺点在于它们提供的数据纯粹是基于随着时间施加到板表面的力。而不记录和捕捉身体的运动，也不能跟踪和测量整个身体的复杂运动。

本申请的目的是克服至少一部分上述困难以及本领域技术人员从下面的描述中显而易见的其它困难。

本申请的另一个目的在于提供一种系统和方法，该系统和方法可以准确评估运动发展，并能提供适当的训练计划以解决所识别的缺陷。特别地，本申请的目的是提供一种系统，该系统易于运输，且能够快速组装和拆卸，并物有所值，同时还能及时有效地、准确地评估大批运动员的运动。

发明内容

本申请提供了一种如所附权力要求的装置和方法。其它本申请的特征可以从附属权利要求和以下描述中可知。

本申请第一方面提供了一种评估运动员的运动表现的系统，包括用于捕捉运动员执行测试过程中的多个图像的图像捕捉器，和用于分析捕捉到的所述图像并取得所述测试的表现得分的图像分析器。

其中，所述图像捕捉器为单个图像捕捉器。所述图像捕捉器为单视场的图像捕捉器。所述图像捕捉器包括用于采用可见光谱来捕捉图像的可见光传感器。所述图像捕捉器还包括用于感测物体到所述红外深度传感器之间的距离的红外深度传感器。所述图像捕捉器可以是能捕捉每个像素的红、绿、蓝和深度值的RGBD照相机。该图像捕捉器可用于捕捉红外图像。该图像捕捉器还可用于捕捉运动的图像，其中，多个图像中的每一个是运动图像中的帧。

所述图像分析器包括身体位置识别器，以根据捕捉的图像识别运动员的身体的位置。身体位置识别器可以用于生成至少一个关节的空间位置信息，可以是身体的多个关节，例如臀部，膝盖，脚踝，肩膀，肘部和腕部中的一个或多个或全部。空间位置信息可以是3D空间中的关节的笛卡尔坐标。具体以图像捕捉器作为原点。身体位置识别器可用于基于一个或多个脚位置、地面反作用力和腿相对于固定参考点的角度来计算运动员的质心。身体位置识别器可用于通过确定表示运动员的身体的3D点云的平均质量来计算运动员的质心。

所述图像捕捉器被设置在与一个或多个运动设备相距预设距离的位置。图像分析器用于根据空间位置信息和预设距离确定运动员身体的实际位置。

图像分析器包括标记物识别器，标记物识别器用于识别附着在运动员身体部位上的标记物，具体是识别运动员的身体部位。标记物识别器还用于根据识别出的所述标记物的位置生成所述运动员身体部位的空间位置信息。其中，身体部位可以是运动员的脚部，标记物识别器用于生成该脚部的空间位置信息。身体部位可以是运动员的后背，标记物识别器用于生成该后背的空间位置信息。

标记物识别器用于识别所述标记物的一对反光带。具体可以根据图像捕捉器的可见光传感器的过度曝光来识别。标记物识别器可用于根据在反光带之间的像素确定标记物的深度信息。标记物识别器还可以根据标记物的颜色识别标记物附着在哪个脚上。

标记物识别器可以根据颜色强度的增加来识别所述标记物何时静止或接近静止。具体可以根据一个或多个像素红色，绿色或蓝色值之一的增加。

图像分析器包括校准单元，所述校准单元用于根据一个或多个校准元件的实际位置或预期位置的差来调整所述空间位置信息。校准元件可以是直立块。校准单元用于在规则时间间隔，具体可以是每个捕捉的图像的时间间隔内计算校准元件的实际位置和预期位置之间的差。

校准单元可用于：确定用于校正x，y和z轴方向上的偏移，和/或图像捕捉器的俯仰，横摆和坡度中的一个或多个的变换矩阵；存储所述变换矩阵，并且将所述变换矩阵应用于捕捉的所述图像。校准单元计算校准元件延伸出来的中心扫描线。校准单元可确定中心扫描线的峰值的位置，每个峰值对应一个校准元件，并采用确定的位置计算：俯仰角、横摆角、侧倾角、X-偏移、Y-偏移和Z-偏移中的一个或多个。

校准单元用于接收用户输入的识别所述图像捕捉器捕捉的所述图像的多个点，识别已知的在装置中平行的两条线，具体可以根据一对垫子的内边缘和识别的点来识别；根据所述两条线的交点推断出消失点。校准单元根据所述两条线和所述识别的点来计算多个扫描线或扫描区域。

系统可包括表现得分生成器，用于确定测试的运动表现得分。所述表现得分生成器用于通过确定测试期间相关身体部位和/或一运动设备所行进的距离来确定所述测试的运动表现得分。具体可以通过比较身体部位和/或运动设备在测试开始和结束时的空间位置并确定它们之间的距离来生成得分。运动表现得分可以是步幅长度、蹲深度、爬行距离、手臂旋转或由运动员操纵的设备的移动距离中的一个或多个。

所述系统包括用于识别测试失败的失败识别器，其中所述识别指测试中不当的执行。不当的执行包括测试期间的用户的错误和/或不良形态，例如不正确的身体姿势或在运动中的不稳定。失败识别器用于确定失败的类别。类别可以是失败相关的身体部位。

失败识别器可以用于在一个或多个身体部位周围限定碰撞盒，如果身体部位碰撞到该碰撞盒则识别测试失败。失败识别器还可以用于在确定质心碰撞到所述碰撞盒的时候识别测试失败。

失败识别器可以用于生产具有预定尺寸大小的碰撞盒。该预定尺寸可以基于一个或多个可调节参数。可调参数可以手动调整。可调参数还可以基于运动数据，具体可以是质心，而自动调整。

失败识别器可以用于检测运动员的脚跟、膝外翻、着地时运动员脚部移动、运动员臀部的过度移动、运动员的质心从身体移动的距离大于预定距离中的一个或多个，具体可以是脚以及肩膀和/或脚踝的不稳定性。

所述系统用于捕捉执行多个测试的运动。系统可包括一个训练计划生成器，该训练计划生成器用于根据所述多个测试的所述表现得分，具体可以根据多个测试中的失败，生成训练计划。训练计划生成器可用于根据失败确定补偿训练，具体可以根据与失败关联的一个或多个身体部位。训练计划生成器还可以通过比较对应于左侧和右侧的测试的表现评分来判断运动员身体的不平衡现象。

所述系统包括第一计算设备，第一计算设备包括所述图像分析器。

所述系统包括第二计算设备，用于通过网络连接并远程控制第一计算设备。

所述系统包括第二计算设备，所述第二计算设备包括用于控制所述系统的用户界面。用户界面用于接收开始测试的输入。用户界面还用于接收选择被执行的测试的输入。用户界面可以显示测试结果，具体还可以是表现得分和/或失败的细节。用户界面还用于接收运动员的运动数据，具体包括运动员的名字、年龄、性别和体质测量中的一个或多个。

所述系统，优选第二计算设备，可以包括存储优选多个运动员的多个测试的存储器。所述系统包括远程服务器。远程服务器可包括训练计划生成器。远程服务器可以用于批量接收结果。远程服务器可以用于将生成的训练计划发送到用户设备。

所述系统可包括以下第二方面中定义的装置，和/或如一下第三方面中定义的标记物。

本申请第二方面提供了一种装置，应用于上述第一方面的系统。该装置包括：用于固定所述图像捕捉器的图像捕捉器安装部；和用于执行所述测试至少一件运动设备；其中所述运动设备被配置成连接到一图像捕捉器支架上，使得所述运动设备与所述图像捕捉器之间的距离固定。

至少一个所述运动设备包括深蹲架，所述深蹲架包括直立杆和水平凸起部，所述水平凸起部滑动连接在所述直立杆上。所述深蹲架包括三个平面状部件，该三个平面状部件可以通过开槽卡接的形式连接在一起以形成刚性结构。

所述至少一个运动设备包括垫子。至少一个运动设备包括一对垫子。垫子包括一个或多个脚部位置标记物。所述垫子还包括一设置在其上的纵向杆和滑动连接在该纵向杆上的横跨件。

所述装置还包括图像捕捉器支架，该图像捕捉器支架包括安装部。图像捕捉器支架包括基座部和延伸臂，该延伸臂可以是从基座部垂直延伸的支撑臂。该安装部在支撑臂距离基座部的远端。基座部包括三个平面状部件，该三个平面状部件可以通过开槽卡接的形式连接在一起以形成刚性结构。

所述装置包括地板部分，所述一个或多个运动设备和图像捕捉支架连接在所述地板部分上。地板部分可以包括多个框架。这些支架适用于相互锁定连接。

所述装置包括一个或多个校准元件。该校准元件可以包括多个连接在一个或多个框架内的竖立的校准块。校准元件可以包括固定反射式红外标记，或者随延伸方向而改变颜色的彩色元件。校准元件可以通过磁力连接到一个或多个框架上。

本申请的第三个方面提供了一种标记物，应用于上述第一方面的系统或以下第五方面的方法。所述标记物可附着于运动员的身体部位，所述标记物包括用于反射红外光的反光部。

反光部包括一对反光带。该对反光带之间具有间隙。该对反光带为相互平行且相互间具有间隙的反光带。反光部可以高度反射特定颜色的光，具体可以是红色、绿色和蓝色中的一种。由于可以高度反射光，该标记物可以着相同的颜色。标记物可以包括具有反光部位的身体部位。该身体部位具有包括该反光部的平坦前表面。该标记物附着在所述本体部上，以使得在测试中，所述本体部基本垂直于所述系统的图像捕捉器的深度轴。

身体部位可以是脚。标记物可以附着在脚的上表面，具体可以是该脚穿的鞋子的鞋带上。标记物可以包括一个夹持部，该夹持部连接在身体部位的鞋带上。夹持部包括一个或多个钩在鞋带上的钩体，以使标记物固定在脚部的上表面上。夹持部可以从身体部位上拆卸。

所述身体部位可以是后背。标记物可拆卸连接在后背上。当标记物在四肢时，标记可以设置为基本垂直于深度轴。

本申请的第四个方面提供一种部件套件，该部件包括第一方面的系统和第二方面的装置。

上述部件套件包括至少一个上述第三个方面的标记物。

上述第四个方面的部件套件的附件特征在上文的第一个方面和第二个方面中做了限定，并且相互之间可以结合。

本申请第五个方面提供一种评估运动员的运动表现的计算机实现的方法，该方法包括：捕捉执行测试的运动员的多个图像；和分析所捕捉的图像以得出运动表现得分。

第五个方面的方法的附加特征在上文的第一个方面和第二个方面中做了限定，并且相互之间可以结合。

本申请还提供了一种具有存储器和处理器的计算设备，该处理器用于执行上述任一方法。

本申请的第六个方面提供了一种计算机可读存储介质，该计算机可读存储介质存储有指令，当所述指令由计算机执行时能实现上述第五个方面的方法的步骤。该刻度存储介质可以是永久或瞬时存储介质。

本申请的第七个方面提供了一种计算机程序，包括指令，当计算机执行该计算机程序是，计算机执行上述第五个方面的方法的步骤。

尽管本申请已经示出和描述一些实施例，但对于本领域技术人员来讲，在不背离发明的范围的情况下，还可以做出各种改变和修改，正如附加权利要求中所定义的那样。

附图说明

为了更好地理解本申请，并且为了显示如何实施本申请的实施例，现将参考其中的示例性附图：

图1是本申请用于评估运动表现的装置实施例的透视图；

图2是本申请用于评估运动表现的装置实施例的平面图；

图3是图2的装置的透视图；

图4A-4E是本申请的装置中深蹲架的底座部实施例的示意图；

图5是本申请的装置中地板部分的连接杆实施例的透视图；

图6是本申请的装置中地板部分的联锁框架实施例的透视图；

图7A是附着在用户的脚上的标记物实施例的透视图；

图7B是图7A的标记物的分解示意图；

图7C是附着在用户后腰上的标记物实施例的透视图；

图8是本申请运动表现评估系统实施例的原理框图；

图9是图8的系统中图像分析器实施例的原理框图；

图10是识别标记物的方法实施例的流程图；

图11是图8中的系统识别出测试失败的示意图；

图12是图1-6的装置从图像捕捉器的视角观察的透视图；

图13(a)和图13(b)是Y-Z平面的像素值曲线图；

图14(a)和图14(b)是X-Z平面的像素值曲线图；以及

图15是Y-Z平面的像素值曲线图。

在图中，对应的标号指示相应的元件。本领域的技术人员可以知道，图中只是简单清楚地表现元件，并不一定是按比例绘制的。例如，相对于其他元件，图中一些元件的尺寸可能被放大，以帮助提高对各实施例的理解。此外，常见但很好理解的元件而且，在商业上可行的实施例中有用或必要的、常见但公知的元件没有详细描绘，以便于不妨碍多个实施例中的视图。

具体实施方式

这里描述的示例实施例中的至少一些可以使用专用硬件来部分地或全部地构建。在此使用的诸如“组件”，“模块”或“单元”之类的术语可以包括但不限于硬件设备，诸如分立或集成组件形式的电路，现场可编程门阵列(FPGA)或专用集成电路(ASIC)，执行某些任务或提供相关的功能。在一些实施例中，所描述的元件可以被配置为存储在有形的，持久的，可寻址的存储介质上，并且可以被配置为在一个或多个处理器上执行。在一些实施例中，这些功能元件可以包括诸如软件组件、面向对象的软件组件、类别组件和任务组件，过程、功能、属性、过程、子程序、程序代码段、驱动程序、固件、微码、电路、数据、数据库、数据结构、表格、数组和变量。尽管已经参照在此讨论的组件，模块和单元描述了示例实施例，但是这样的功能单元可以组合成更少的单元或者分成附加的单元。本文已经描述了可选特征的各种组合，并且将理解，所描述的特征可以以任何合适的组合进行组合。特别地，任何一个示例性实施例的特征可以适当地与任何其他实施例的特征组合，除非这些组合是互斥的。在整个说明书中，术语“包括”或“包含”意味着包括指定的组件，但不排除其他组件的存在。

总的来说，本申请明的示例涉及一种系统，该系统包括相对于多件运动设备处于固定位置的图像捕捉器。摄像机捕获在运动设备上执行测试的用户的图像和红外信息(即，预定锻炼或运动，诸如跳跃、爬行、深蹲或跨步)，其由系统分析以产生反映测试中表现的定量测量(例如跳跃距离，深蹲深度)，或确定测试未被正确执行(即，确定发生失败)的表现评分。

评估运动表现的装置

图1-3显示了评估运动表现的示例性装置100。该装置100包括图像捕捉支架110和多件运动设备120，130，140。

运动设备包括深蹲架120，第一垫130和第二垫140。装置100通常安装在一大致呈矩形的地平面上，其中图像捕捉支架110设置在矩形的一条短边上，深蹲架120设置在矩形的相对的另一短边上，一地板部分150在图像捕捉支架110和深蹲架120之间延伸。第一垫130设置在深蹲架120和地板部分150的一侧，第二垫140设置在深蹲架120和地板部分150的另一侧，以形成矩形的长边。

图像捕捉支架110包括一基座部111。如图1-3所示，基座部111是由一个航空箱形成的，该航空箱被可用于至少接收装置100的其它部分以便于运输。

在另一个实施例中，基座部111是由多个可拆卸组装在一起的部件组装而成。在一实施例中，这些部件是基本上是平坦的，从而容易以紧凑的方式进行打包运输。在一个实施例中，运输过程中可以采用帆布袋来存放这些部件。举例而言，这些部件可以包括基本呈矩形的水平基板、设置在该水平基板的外周边缘上的垂直板和设置在垂直板上的支撑件，该支撑件通常同时垂直于水平基板和垂直板。在一实施例中，支撑件上设有多个凸片，每块水平基板和每块垂直板上都设有用于容置该凸片的凹槽。因此，这三种平面状部件可以形成一个刚性支撑结构。

图像捕捉器支架110进一步包括支撑臂112，支撑臂112沿基本垂直于基座部111的方向向上延伸。支撑臂112可拆卸连接到基座部111上，例如，通过一托架来连接支撑臂112，该托架限定有一插槽，支撑臂112的一端插接在该插槽内。支撑臂112的远端，即，远离基座部111的一端包括一安装部113，该安装部113用于安装图像捕捉器210，这将在下面进行详细描述。安装部113用于固定图像捕捉器210，使得运动器材120，130，140位于图像捕捉器210的视场范围内。在一个实施例中，安装部113用于固定图像捕捉器210以使图像捕捉器210或其感测元件(例如相机透镜，红外传感器)从水平面向下倾斜，例如大约35-45°。在另一实施例中，倾斜角度与水平面成31.5°。

深蹲架120包括一底座部121。在一实施例中，底座部121由三个平面部件121a、121b和121c组装而成，其组装方式与上述基座部111的三个平面状部件的组装方式类似。但是，垂直板121a设置在基板121c内，使得基板121c的一部分在垂直板121a的前方朝向图像捕获器支架110延伸。该结构在图4A-4E中详细示出。

底座部121固定有一直立杆122，直立杆122从基板121c垂直向上延伸。直立杆122包括可滑动安装在直立杆122上的水平凸起部123。在一个实施例中，直立杆122可拆卸连接到底座部121上。在一个实施例中，水平凸起部123可拆卸连接到直立杆122上。水平凸起部123适于在深蹲测试期间与使用者的臀部接触。

地板部分150将图像捕捉器支架110连接到深蹲架120上，以使在系统操作期间，图像捕捉器支架110和深蹲架120之间保持固定的距离。在一个实施例中，地板部分150包括多个框架151a-d。这些框架151a-d基本呈矩形，并且设有相应的凸起和凹陷(例如，类似于连接拼图碎片的燕尾形齿)，从而为相邻的框架151之间形成可拆卸连接。在一个实施例中，深蹲架120和/或图像捕捉器支架110锁定在地板部分150。

举例而言，如图5所示，一设有凸起和凹陷154a的连接杆154连接在深蹲架120的最接近地板部分150的边缘，例如，通过将螺栓穿过连接杆154的通孔154b和深蹲架120上对应的通孔121d而将连接杆154固定在深蹲架120上。连接杆154呈阶梯状，以使其能固在基板121c的上表面。同时，凸起和凹陷154a还能与地板部分150接触。可选地，连接杆154还可以被夹设在深蹲架120上，或者深蹲架120也可以包括对应的凸起/凹陷。可以理解地，可以提供相应的布置以将图像捕捉器支架110固定到地板部分150。

在另一些实施例中，深蹲架120和/或图像捕捉器支架110被设置在多个联锁框架151中的一个的顶部上，其中深蹲架120和/或图像捕捉器支架110的重量使其相对于地板部分150固定。联锁框架151的周围可以设置凸缘(图未示)，以将深蹲架120和/或图像捕捉器支架110固定在联锁框架151上的适当位置。

如图1和图2所示，联锁框架151包括与深蹲架120基本对齐的第一对框架151a，151b以及与深蹲架120到图像捕捉器210的纵向轴线错位的第二对框架151c，151d。这样的设置可以确保设置在图像捕捉器支架110上的图像捕捉器与深蹲架120的中心对齐。

在一实施例中，装置100还可以包括一个或多个校准元件。校准元件被设置在图像捕捉器210的视野中，以便于将由系统200测量所得的距离与已知到图像捕捉器210之间的距离的元件的已知距离进行比较，具体请参考下面关于校准单元226中的描述。在一实施例中，校准元件布置在图像捕捉器210的扫描线上，例如，从图像捕获器210延伸出去的线上。

举例而言，地板部分150包括形成校准元件的多个校准块152，如图6所示，校准块152基本上是直立的元件，并以规则间隔设置在深蹲架120和图像捕捉器110之间的地板部分150上。在一个实施例中，校准块152设置在横跨构件153上，该横跨构件153横跨一个或多个框架151。在一个实施例中，每个横跨构件153可拆卸连接到各个框架151上，例如，通过对应的凸起/凹陷部卡接。如图6所示，每个横跨构件153可以由多个部分153a，153b形成，这些部分153a，153b通过相应的卡接凸起/凹陷部可拆卸连接。进一步地，每个校准块152可以通过磁力连接到框架151上。

在一些实施例中，校准元件还包括固定反射式红外标记。在另一些实施例中，校准元件还可以包括随远离图像捕捉器210的方向而改变颜色的彩色元件，其颜色沿其延伸范围而变化。可以理解的是，位于预定距离的、形成设备的任意部件均可以作为校准元件。

第一垫130和第二垫140基本呈矩形，并且被设置在深蹲架120和地板部分150相对的两侧。每一个第一垫130和第二垫140均被定位，以使其短边中的一个与底座部121远离图像捕捉器110的边缘大致平齐。

具体而言，第一垫130、第二垫140以及深蹲架120和/或地板部分150包括相应的标记，以使它们能够容易地与彼此对齐。在一个实施例中，第一垫130和第二垫140固定在深蹲架120和/或地板部分150上，使得在使用期间，它们的位置能相对于图像捕捉器支架110固定。例如，第一垫130和第二垫140可以包括夹子或者其它合适的固定装置(图未示)。在另一个实施例中，第一垫130和第二垫140中的任一者或二者的底部都设置有高摩擦元件，以防止第一垫130和第二垫140相对于图像捕捉器支架110移动。例如，第一垫130的底部设置有8个三角粘垫。

在一个实施例中，第一垫130用于跳跃式测试，因此，第一垫130包括一个或多个脚位置指示器132，用于指示测试的开始位置。第一垫130还包括刻度，刻度可以向距离跳跃的使用者和操作者提供视觉指示。

在一个实施例中，第二垫140用于平衡类型测试和爬行类型测试。第二垫140包括脚位置指示器143，用于指示测试的开始位置。在一个实施例中，第二垫140包括用于在测试开始时测试用户放置在垫子140上的手的位置的手位置指示器144。

第二垫140上设有沿第二垫140的中心纵向延伸的纵向杆141以及一横跨件142。在一个实施例中，纵向杆141可拆卸设置在第二垫140上。横跨件142可滑动安装在纵向杆141上，并适用于在测试期间由使用者用脚移动。

在使用的时候，装置100的组装如下。

首先，图像捕捉器支架110的组装为：通过将平面状部件插接在一起而形成基座部111，并将支撑臂112连接在基座部111上。图像捕捉器210安装在安装部113的距离支撑臂112较远的一端。

其次，图像捕捉器210的组装为：将平面部件121a-c插接在一起形成底座部121，并将直立杆122安装到底座部121上。

随后，通过将框架151彼此连接并且连接到深蹲架120以及图像捕获器支架110，而将地板部分150组装在深蹲架120和图像捕捉器支架110之间。然后通过将横跨构件153附接到框架151a，b而将校准块152设置在地板部分150上。

最后，第一垫130和第二垫140分别设置并安装在地板部分150的两端。再将纵向杆141连接在第二垫140上

可以理解的是，装置100组装步骤的顺序可以有多种。例如，地板部分150可以在深蹲架120和图像捕捉器支架110之前安装。进一步可以理解的是，装置100拆卸的步骤可以通过与上述过程相反的过程来执行。

可以理解地，装置100还可以包括其它附加部件，例如额外的运动设备120，130，140。

标记物

请参阅图7A，7B和7C，显示了一个附着在用户身上的标记物300。标记物300被优化以使系统200能够使用图像捕捉器210能够返回标记物300所附着到的身体部位的精确3D信息。

具体地，图7A和图7B所显示的标记物300附着在用户的脚F上。具体而言，标记物300附着在穿在脚F上的鞋子S的鞋带L上。在脚F上附着标记物300以便于识别脚F的位置和方向。

如图7A所示，标记物300包括夹持部320和本体部310。夹持部320包括上钩体321和下钩体322，上钩体321和下钩体322能够钩在鞋带L上，从而使得标记物300固定在脚F的上表面。举例而言，上钩体321和下钩体322分别设置在大致呈方形的中间连接部323的顶部和底部。中间连接部323连接在本体部320的背面310b。在一个实施例中，中间连接部323可拆卸连接在本体部310的背面，例如，通过设置在背面310b和中间连接部323上的尼龙搭扣连接在一起。

本体部310具有平坦前表面310a。本体部310的平坦前表面310a|由不透明、颜色鲜艳的材料形成，并具有使反射率最小化的无光泽表面。本体部310被设置为，在测试期间，一旦标记物3附着到脚F上，平坦前表面310a基本垂直于图像捕捉器210的深度轴或z轴(如下定义)。

两条反射带311设置在平坦前表面310a上，其间具有间隙。因此，两条反射带311被主体材料的平面部分分开。在一个实施例中，两条反射带311为设置在平坦前表面310a的相对的边缘上的两条矩形条带。在一个实施例中，本体部310大致呈矩形，其上边缘310c凸出地弯曲，从而具有位于矩形的一侧上的半圆形的外观。

在一个实施例中，反射带311被设置为具有高度反射特定颜色的光。例如，反射带311可以反射红色，绿色或蓝色光中的一种。在一个实施例中，本体部310和反射带311被着色为与它们反射的光相同的颜色。

在一个实施例中，一个标记物300在使用期间附着到用户的每只脚。在一个示例中，两个标记物300可以被布置为反射不同的颜色。例如用于右脚的红光反射标记物300和用于左脚的蓝光反射标记物300。标记物300的操作将在下面关于系统200的操作部分进行详细讨论。

可以理解地，还可以提供另外的标记物附着到身体的其他部位。图7C示出了可附着到使用者的背部B的标记物300，以便例如在爬行测试期间识别使用者的臀部的位置和方向。类似于标记物300，本实施例的标记物300包括由主体材料形成的平面部分310a分开的两条反射带311，并且还设置成在测试期间基本垂直于图像捕捉器210的深度轴或z轴。标记物300的主体部分310安装在基部320上，该基部320可固定在后背B上，例如可以通过其下侧的高摩擦表面附着在后背B上。

运动表现评估系统概述

图8是用于评估运动表现的系统200实施例的示意性框图。系统200被布置为基于用户在执行测试时在装置100上的移动来评估运动表现。

系统200包括图像捕捉器210、第一计算设备230、第二计算设备250和远程系统260。

图像捕捉器210用于捕捉在装置100上运动的用户的图像。具体地，图像捕捉器210用于捕捉用户的运动图像(即视频镜头)。图像捕获器210包括可使用可见光来捕捉图像的可见光传感器211。图像捕捉器210还包括红外深度传感器212，红外深度传感器212可采用红外光来感测物体到传感器之间的距离。在一个实施例中，红外深度传感器212包括红外发射器和红外接收器。因此，红外深度传感器212可以用作飞行时间传感器，其可以通过发送红外光来测量深度，并可以通过从红外深度传感器212观察物体的反射来测量发送的光从发射到返回所花费的时间。

图像捕捉器210可以作为RGBD(红色，绿色，蓝色和深度)相机，其中可见光传感器211捕捉2D红色，绿色和蓝色像素数据，有效地形成关于图像捕捉器210的x轴和y轴，其中，红外深度传感器212则提供每个像素的深度信息。深度信息对应于在z轴或深度轴上，即，从相机所在位置沿相机指向的方向延伸的轴上，与图像捕捉器的距离。

在一个实施例中，图像捕捉器210还用于采用红外传感器212或额外的红外摄像机来捕捉2D红外图像。

在一个实施例中，图像捕捉器210为

Xbox

传感器，其配备有具有30Hz的帧频的1080p彩色照相机和具有分辨率为512×424、频率为30赫兹，视场为70×60的红外深度传感器。

第一计算设备230连接到图像捕捉器210，并且可以从图像捕捉器210接收数据。图像捕捉器210与第一计算设备230之间的连接可以采取任何合适的形式，包括USB连接，HDMI连接，FireWire连接或其他有线或无线数据链路。在一些实施例中，数据链路还可以向图像捕捉器210供电。上述连接还可以包括一个或多个网络连接。

第一计算设备230通过通信单元231连接到第二计算设备250。该连接可以是采用任何合适形式的网络连接，例如安全的有线和/或无线通信链路，包括本地和广域网络，这对于本领域技术人员而言将是熟悉的。通信单元231包括合适的网络硬件和控制软件，包括一个或多个网卡和相关联的驱动程序。

第一计算设备230可以是任何合适的计算设备，包括台式或膝上型计算机。在一个实施例中，通信单元230可以是诸如NUC(NextUnit of Computing)计算机的迷你PC或小型PC，例如，Gigabyte^TM Brix。有利地，第一计算设备230被配置为由第二计算设备250控制，因此可以不需要包括传统的输入/输出外围设备，诸如键盘，鼠标或监视器。在一个实施例中，第一计算设备230包括控制器232，该控制器232用于控制第一计算设备230和存储器233的操作。控制器232包括一个或多个处理器以及包括操作系统的控制软件。存储器233被配置为永久或瞬时地存储系统操作所需的任何数据。

第一计算设备230包括图像分析器220，该图像分析器220分析所接收的数据以获得测试表现的得分，和/或确定测试已经失败。下面更详细地描述图像分析器220。

在一个实施例中，第一计算设备230包括一指示单元234，用于提供一视觉或听觉信号以指示测试开始。例如，指示单元234包括扬声器，其可以通过声音(如铃声或蜂鸣器)来指示测试正在开始，并能对测试进行倒计时。可以理解地，指示单元234可替代地或附加地包括在第二计算设备250中。

在一个实施例中，第二计算设备250可以是膝上型或平板电脑。第二计算设备250包括用户界面240，通过该用户界面240，操作员可以例如通过发起特定测试来控制第一计算设备230。在一个实施例中，用户界面240还用于显示测试的结果。用户界面240还用于接收与测试对象有关的运动员数据(例如姓名，年龄，性别，身体测量结果)。

在一个实施例中，第二计算设备250包括控制器252以控制第二计算设备250和存储装置253的操作。控制器252可以包括一个或多个处理器以及包括操作系统的控制软件。存储器253用于永久地或瞬时地存储系统操作所需的任何数据。存储器253被特别配置为存储测试的结果。

第二计算设备250还包括通信单元251，用于管理与第一计算设备230的网络连接。通信单元251可以包括合适的网络硬件和控制软件，包括一个或多个网卡和相关的驱动程序。另外，通信单元251还可以管理第二计算设备250和远程系统260之间的通信。

在一个实施例中，第二计算设备250还可以以将测试的结果发送到远程系统260，例如通过上传测试的结果。在一个实施例中，结果是批量传输的——例如，单个用户完成了所有的测试之后，或者，一组用户完成了所有的测试的一届会话之后。或者，可以在从第一计算设备230接收信息后实时发送测试结果。

在一个实施例中，第二计算设备250可以以两种模式中的任一种进行操作：批量采集模式和视频分析模式。如果选择了批量采集模式，则整个测试阶段的结果被存储然后批量传输到远程系统260，以用于随后形成训练计划。如果选择视频分析模式，则用户界面240进一步用于在每个测试结束之后或者测试进行中实时地显示结果(即，表现得分和测试失败)和正在进行的测试的视频镜头。然后将视频分析模式下捕捉的测试结果传输到远程系统260，以供后续生成训练计划。

远程系统260例如是经由一个或多个局域网或广域网(包括因特网)可访问的远程服务器。在一个实施例中，远程系统260是被配置为向连接的设备的浏览器提供网页的网络服务器。在其它一些实施例中，远程系统260可以是远程文件服务器。在一些实施例中，远程系统260是基于云计算的远程系统。

在一个实施例中，远程系统260包括控制器262以控制远程系统260和存储器263的操作。控制器262可以包括一个或多个处理器以及包括操作系统的控制软件。存储器263用于永久地或瞬时地存储系统操作所需的任何数据。存储器263被具体配置为存储从第二计算设备250接收的测试的结果。

远程系统260包括通信单元261。该通信单元261用于管理远程系统260和第二计算设备250之间以及远程系统260和一个或多个用户设备U之间的网络连接。

在一个实施例中，远程系统260被配置为允许通过通信单元261从第二计算设备250上传测试结果。在一个实施例中，远程系统260包括训练计划生成器270，用于根据测试的结构生成训练计划。下面将对训练计划生成器270进行更详细的讨论。

在一个实施例中，远程系统260允许用户(如评估的主体或其教练)访问所生成的训练计划。例如，训练计划可以通过网络界面下载。

图像分析的详细描述

现在将参阅图9详细描述图像分析器220。图像分析器220包括身体位置识别器221，标记物识别器222和测试评估模块223。

身体位置识别器221用于基于从图像捕捉器210接收的数据来识别用户的身体的位置。在一个实施例中，身体位置识别器221采用从红外深度传感器212捕捉到的深度信息来表示身体位置。此外，身体位置识别器221在识别过程中采用捕捉的可见光图像和/或红外图像。

在一个实施例中，身体位置识别器221识别用户的多个关节的空间位置，包括臀部，膝盖，脚踝，肩膀，肘部和腕部中的一个或多个(优选全部)。从这些位置可以确定关于身体位置的相关信息。身体位置识别器221生成在给定时间索引处——例如，捕捉的图像的每个帧处的每个关节的空间位置信。在一个实施例中，空间位置信息是3D空间中的关节的笛卡尔坐标(即，x，y，z坐标)，其中，图像捕捉器210作为原点。在一个实施例中，图像分析器220利用每个时间索引处可用的可见图像数据(即，RGB数据)，红外数据和深度信息来确定位置。关节可以连接在一起以识别被跟踪身体的虚拟骨架。

在一个实施例中，身体位置识别器221的预处理步骤的一部分(例如关节的识别)可以是配备有

传感器的软件开发套件的一部分，或者可以包括其他商业上的或公开的可用的姿态估计和身体位置确定的算法。

在一个实施例中，身体位置识别器221用于计算运动员的质心。在一个实施例中，身体位置识别器221被配置为基于深度信息和可见图像数据像素信息两者将围绕所识别的骨架的像素转换为3D点云。计算云中的每个点的质量，然后计算点云的总和平均值。这个平均值(以位置矢量表示)被用作质量中心的量度。在进一步的实施例中，身体位置识别器221另外地或可选地基于脚部位置、地面反作用力和腿部的角度来计算质心。

在一个实施例中，身体位置识别器221用于计算和存储开始测试前站在图像捕获器的固定位置(例如，在第一垫130上的180cm处)的运动员的质心。

已经发现身体的某些部位的识别对于测试表现的适当评估是关键的。脚的位置是尤其重要，并且还发现，使用单个图像捕捉器210从单个视点捕捉图像来进行识别本质上是困难的。因为脚的上表面通常被定位为大致平行于地板并且非常接近到地板上，所以经常被误认为是地板。同样，髋关节的位置对于爬行测试很重要，并且可能会出现问题。相应地，标记物识别器222被配置为通过确定关于附接有标记物300的身体部位的位置和方向的精确和可靠的信息来扩充由身体位置识别器221生成的空间位置信息。

标记物标识器222可以通过识别附着于其上的标记物300来识别身体部位的位置和取向。上述标记物300被特别配置为使用图像捕捉器210返回精确的3D信息。特别地，反射带311过度曝光可见光传感器211，从而允许在由其捕捉的2D RGB数据中容易识别。

然而，反射带311的非常高的反射率还导致反射带311周围的异常光学条件，因此对红外深度传感器212准确地确定靠近反射带311的深度信息的能力有不利影响。因此，标记物识别器222被配置为识别图像中反射带311不受异常光学条件影响的部分的像素。特别地，标记识别器222被配置为识别在反射带311之间的间隙中形成平坦前表面310a的无光泽、鲜艳着色的材料。平坦前表面310a的基本垂直的布置和平面结构以及材料的无光泽、不透明的性质使由反射带311引起的光学干扰最小化。

在一个实施例中，标记识别器222可操作以识别标记物300的一对反射带311的位置并且获得它们之间的中心点。在标记物300上使用一对反射带311而不是单条，有助于可靠地确定身体部位的位置。在一个示例中，标记物识别器222可操作以确定反射带311之间的多个虚拟点。可对这些多个点进行平均以降低噪声，或可结合分析以确定标记物300的取向，并因此确定它附着的身体部位。

标记物识别器222使用由身体位置识别器221标识的脚踝位置并且在其周围的区域中搜索具有非常高的红外值的像素——即具有特别高的反射率的区域——以此对应于标记物300的一个条带311。

在一个实施例中，标记物识别器222可操作以基于由可见光传感器211捕获的RGB信息来确定标记物300的颜色。

在一个实施例中，可见光传感器211准确地捕捉运动中的标记物300的颜色的能力受其快门速度的限制。应该理解的是，快门可以是机械或电子快门。在许多可见光传感器中，基于环境照明，快门速度是固定的和/或自动变化的。因此，例如在快门速度为5ms的情况下，即使在快速动态运动期间鲜艳的标记物也会模糊。因此，静态时具有(200，10，10)RGB值的鲜红色像素在运动中可能会模糊到RGB值为(22，20，20)。

标记物识别器222可操作以通过检测标记物300上明亮和纯色的呈现来利用慢快门速度来识别标记物300何时静止或接近静止。具体地，在标记物300在脚上的示例中，标记物识别器222可操作以确定脚与地面接触。这是因为在测试过程中，脚只在与地面接触时才静止。因此，标记物300的亮色表明它是静止的。地面和脚之间的接触时刻(例如在跳跃着陆的瞬间)的识别，可以计算地面反作用力，这将在下面讨论。

此外，在不同颜色标记物300以预定方式附着到每只脚的示例中，标记物识别器222可以确定标记物300被放置在哪个脚上。

进一步地，标记物识别器222用于消除噪声，因为当标记物300静止时出现的任何振荡像素均可能是噪声。

在一个实施例中，标记物识别器222还被配置为计算标记物300的位置和脚的前部之间的距离。因此，该距离随后可以被添加到跳跃测试的着地时标记物300的位置，从而为脚的前部的位置提供精确的得分。在一个示例中，该距离可以在测试开始时进行计算，例如可以与计算质心同时进行。

现在将参照图10描述用于识别标记物300的示例算法。该算法从图像获取2D像素阵列作为输入，该图像形成围绕身体的相关部分的预定大小的图像区域，以作为标记物300附着的位置。例如，围绕由身体位置识别器221标识的脚踝位置。

首先对阵列中的像素的红外值进行平滑处理(S101)，然后识别阵列中的最大红外值(S102)。随后，识别红外值为最大红外值的85％的所有像素并将其添加到列表(S103)。如果没有找到像素，则返回零(S104，S109)。否则，检查像素列表以找出相隔给定距离的像素对以及与各反射带311对应的像素(S105)。基于这些像素对来识别标记物300的中心点(S106)。

使用识别的点，然后从红外深度信息建立该中心点的深度值，并且由此计算空间坐标。另外，可以使用相应时间索引处的可见光图像来确定标记物300的颜色(S107)。

在返回相关值之前，执行完整性检查(S108)，其中检查深度值和/或3D坐标以证实它们在图像捕获器210的预定范围内(例如0.5m至3m)。如果检查通过，则返回确定的数据(S110)。

返回图9，图像分析器220还包括校准单元226。校准单元226可操作以确保由身体位置识别器221和/或标记识别器222识别的空间位置信息的准确性。

装置100旨在提供图像捕获器210与运动设备120，130，140之间的固定空间关系，使得真实世界的距离测量结果可以从空间位置数据推算。然而，在使用中，装置100可能被撞击，图像捕捉器210可能意外移动，或者制造和组装公差可能导致图像捕捉器210相对于运动设备120，130，140的位置改变，从而影响测量精度。

因此，校准单元226可操作以基于校准元件(如校准块152)的位置来调整空间位置信息。校准块152相对于运动器材120，130，140固定，并因此为在其上执行的测试提供固定的参照系。

在一个实施例中，校准单元226用每个校准块152的预期位置(例如坐标和/或深度值)预编程。校准单元226通过搜索周围的预期位置来检测每个校准块152的实际位置。如果校准块152不在预期位置，则计算检测位置和预期位置之间的差值。这能有效地给出预期位置和检测位置之间的偏移(也称为残差)，该偏移可以通过身体位置识别器221和/或标记物识别器222应用于空间位置信息，从而对其进行校正。

在一个实施例中，校准单元226以规则的时间间隔计算校准块152的实际位置和预期位置之间的差值。在一个示例中，针对捕获的视频的每个帧计算差值。因此，系统200在操作期间有效地自校准，并且不需要单独进行用户控制的校准过程来补偿装置100在使用期间的移动。该移动可能为，例如，当装置100设置在具有弹性的地板上时，运动员跳跃时可能发生的运动。另外，深度信息的低频移动可以在逐帧的基础上被补偿。

在某些情况下，用户需要在初始组装之后校准装置100和系统200，使得由系统200确定的X，Y，Z坐标适当地对应于真实世界位置。导致这种校准的原因有多种，包括组件的制造公差、装置安装的底面不平坦以及由于气候条件或不适当的存储导致组件的收缩、膨胀或轻微变形。因此，校准单元226被配置为执行初始校准过程，其将参照图12-15进行解释。

图12从图像捕捉器210的角度示出装置100。用户可以通过例如在图像中点击来识别装置100上的5个点P1-P5。点P1和P2分别是深蹲架120的底板121c的前角，点P3和P4是第一垫130和第二垫140的最靠近底板部分150的前角。点P5是深蹲架120的垂直板121a的顶点。在一个示例中，用户必须识别和点击的装置100上的每个点都是高度反射性的(例如通过用高反光带标记)，以便于识别出它们。

在识别点P1-P5之后，校准单元226推断两条线A和B，其中线A通过点P1和P4，且线B通过点P2和P3。然后计算这两条线A和B的交点Z，这是图像的消失点。在某些情况下，消失点Z可能是图像帧外的一个点。

第一垫130和第二垫140的宽度是已知量，相应地，校准单元226可以基于已知的宽度来识别每个垫的外拐角(即远离地板部分150的拐角)。然后可以计算通过相应拐角和消失点Z的线C和E，以便确定第一垫130和第二垫140的外边缘。纵向杆141设置在第二垫140宽度方向上固定百分比的位置(例如，第二垫140的宽度的45％的位置处)，并且因此可以在与线C和E相似的基础上建立线D。设备的中心线F(即从图像捕捉器210延伸穿过，通过校准块152到直立杆122)也可以通过将P3和P4之间的中心点与消失点Z连接来确定。

随后，校准单元226使用线A和C来确定第一垫130的面积。线F用于确定装置100的中心扫描线。因为深蹲架120的水平凸起部123的运动的扫描线是从中心扫描线直接朝上而形成，因此，该水平凸起部123的运动的扫描线可以通过中心扫描线确定。线D可用于确定纵向杆141上的横跨件142的位置的扫描线。因此，系统200能够在正确的位置搜索相关活动。

中心扫描线的识别位置可以用来校正图像捕捉器210的定位中的俯仰，横摆或坡度。

图13(a)示出沿着中心扫描线的Y-Z平面(即装置100的侧视图)中的像素值的图。线1301包括Y轴方向上的多个峰值1302，由于Y值的突然变化可以识别出这些峰值1302。沿着中心扫描线的每一个峰值1302对应于相应的校准块152。校准块152各自具有已知的高度，因此可以用于确定图像捕捉器210的俯仰角。例如，线1303由一个或多个峰值之间延伸而计算出来，以及线1303和Z轴之间的角度1304可被计算并存储为俯仰角。校准单元226可以确定扫描线所需的旋转，使得每个峰值1302具有相同的Y值。

此外，如图13(b)所示，峰值1302之间的波谷在Y轴方向上的偏移1305可被计算出来。

图14(a)和(b)示出X-Z平面中的像素值(即装置100的鸟瞰图)的曲线图。执行与上面所述的类似的过程来校正线1401在X-Z平面中的横摆和偏移。峰值1302的位置可以从上面概述的过程中得知，并且可以用于计算横摆角1404。一旦横摆角已知，就可以确定X方向上的偏移1405。

可以理解的是，可以以类似的方式，例如使用从P1到P2和/或P3到P4导出的扫描线来计算侧倾角(即，XY平面中的角度)。

图15是示出Y-Z平面中的像素值的另一图。为了确定Z轴方向上的偏移，在每个峰值1302的位置具有在Z方向上添加到峰值1302的值(例如几个像素)以形成位置1502。由于每个峰值1302是校准块152的顶部，每个位置1502都是相应校准块152的正面上的点。每个相应校准块152的面的实际Z坐标1503是由系统200预先确定和存储的，因此Z轴方向上的偏移1504可以通过从正面位置1502减去实际的Z坐标1503来确定。

在一个示例中，校准单元226将计算出的X，Y和Z偏移以及横摆角，俯仰角(以及可选的侧倾角)存储在存储器233中。校准单元226确定用于应用所确定的偏移和角度的变换矩阵，并且随后将变换应用于由图像捕捉器210捕获的所有图像。

返回图9，测试评估模块223包括表现得分生成器225，该表现得分生成器225可操作以确定给定测试的表现得分。测试评估模块223可以通过例如控制器232从第二计算设备250接收指示将要执行哪个测试的信号。基于该信息，测试评估模块223的表现得分生成器225评估测试期间的用户的空间位置数据，并确定表现得分。

表现得分是测试中的表现的定量度量，例如距离。举例而言，如果测试是一个跨步测试，则表现得分是步幅的长度。如果测试涉及操纵纵向杆141的横跨件142，则表现得分是横跨件142已经沿着纵向杆141行进的距离。如果测试涉及深蹲，则表现得分是蹲下的深度——即，水平凸起部123沿着直立杆122移动的距离。在一个实施例中，得分以米，厘米或毫米为单位。

相关分数可以基于以下几个方面确定：由标记物识别器222识别标记物300的移动、通过确定装置100的相关部分的位置或者通过使用标记物300来确定运动员身体上在测试的起始位置上的一个标志并追踪该标志的运动。该标志可能是身体的突出部分(例如“骨骼”)。举例而言，可以从脚上的标记物300确定髌骨的位置。

例如，可以通过跟踪脚标记物300的运动或通过识别图12中所示的扫描线D上的横跨件142的位置来确定纵向杆141行进的距离。从相对具有反射性的横跨件142到相对非反射性的第二垫140的红外强度的突变可以识别横跨件142的位置。

类似地，通过识别沿着中心扫描线F的Z轴方向上的峰值，可以确定水平凸起部123的位置，因为水平凸起部123比深蹲架120的其余部分相对更靠近图像捕捉器210。可选地或另外地，红外标记可以布置在水平凸起部123上。在一个示例中，相对未反射的贴片(图未示)设置在垂直板121a上靠近其与基板121c的接合处，以防止由于基板121c被误认为是水平凸起部123而引起的Z轴方向的峰值。

对于第一垫130上的跳跃运动，脚部着地的位置可能通过标记物300来确定。这可以通过跟踪运动员跳跃期间的质心的垂直运动补偿或替换。具体地，由于用户起跳前会有一个屈膝动作，这会使质心的垂直运动形成第一波谷，运动员在空中时，则会形成一个峰值，运动员着地时，会形成第二波谷。着地点可以相应地确定为在第二波谷时质心垂直到地面的点。

可以理解地，从标记物300的测量中，质心和装置100的相关部分的位置(例如，纵向杆141或者水平凸起部123)可以结合(如，取加权平均数或未加权平均数)，或者，标记物300的测量可以作为主要信息来源以及其它信息作为备份以防标记物300不能识别标记的图像。

在某些实施例中，基于质心的距离测量可以是运动员的原始动力的更相关的测量，因为它较少依赖于着陆技术。此外，质心的运动的进一步运动学处理(起跳时的速度和加速度)也可以得到更详细的运动表现分析。

在测试开始的时候，表现得分生成器225通过确定相关的身体部分和设备的位置来建立表现得分。

应该认识到，相关的表现得分取决于所讨论的测试。以下将更详细地讨论示例测试和表现得分的附带指示。

失败识别器224可操作地识别测试的不正确执行。不正确的执行包括用户错误地执行(即跳跃而不是大步行走)和不良形式的识别，例如不正确的身体姿势或在运动中的不稳定。在一个实施例中，失败识别器224可操作地判断并记录失败的性质，包括它所关联的主体部分。

在一个实施例中，失败识别器224用于在特定的身体部位周围的特定范围内绘制碰撞盒。如果身体部分撞击到碰撞盒，则测试失败。可选地或另外地，如果运动员的质心(或其投影)撞击到碰撞箱，则失败识别器224可确定测试失败。

举例而言，图11显示了由于在跳跃着陆时发生膝外翻(即膝盖过度向内倾斜)而失败的测试。用户U被表示为基于深度信息的多个点，并且多个标记物500指示关节的位置。左脚和右脚的空间信息分别由标记物510L和510R表示，并且左膝和右膝的空间信息分别由标记物520L和520R表示。因此，基于脚和膝盖之间的角度，质心531可以推断为地板上的点530。

膝盖之间示出了本实施例的碰撞盒540——如果膝盖标记物520L/R接触碰撞盒540，则膝盖太靠近在一起并因此发生外翻。因此，失败识别器224判断测试失败。

在一个实施例中，碰撞盒540的位置基于从已知的脚底接触位置(即，如由失败识别器222识别)朝向质量中心延伸的矢量来计算。已知从接触位置到质心的矢量是地面反作用力矢量(GRF)，并具有大小和方向。在一个实施例中，如果GRF位于膝盖的外部(外侧)，则膝盖标记520将撞击盒子540，但是如果GRF位于膝盖内部(内侧)上，则不会撞击盒子540。

在进一步的实施例中，可以围绕脚或与地面的其他接触点绘制碰撞盒，碰撞盒用于检测质点530的中心。这样做时，系统200能够检查支撑基底和重心(即，质心在地板上的投影)之间的动态关系。因此，如果质心点530在着陆时脚部过度向前或向后，则确定测试失败。

在一个实施例中，失败识别器224提供明确的信息(例如通过/失败)以及运动员通过/未通过测试的程度。例如，失败识别器224可以指示运动员失败的差距距离(例如10cm或5cm)。因此，即使测试失败，在训练/康复计划期间也可以监测进展。

在更进一步的实施例中，碰撞盒被用于确定从地面抬起的脚后跟，在跳跃着地时脚的移动(即从初始着陆位置过度移动)，臂相对于身体的错误位置以及臀部的过度运动等等。

在一个实施例中，失败情况是可以被修改或更新的参数。例如，可以调整被确定为测试失败的质心必须行进向后移动或向前移动的距离，可以调整允许的脚后跟抬起量，可以调整膝盖允许的倾斜角度等。在一个示例中，这些参数可以经由用户界面(即，配置的屏幕)和/或通过编辑配置文件来调整。

在一些实施例中，可基于运动数据自动调整失败情况。特别地，基于运动员的质心来缩放碰撞盒，例如在站立位置的测试之前计算的存储质心。这可以在评估一个人的平衡时(例如在跳跃测试之后)正常化容差。例如，与非常矮的人相比，非常高的人会发现更难保持在给定的容差范围内，即使非常高的人具有更好的神经肌肉控制。类似地，长腿和短身体(即高质心)的人比短腿和长身体(即低质心)的人也会更难保持在给定的容差范围内。

在其它一些实施例中，运动员的身高、体重、年龄、性别、成熟状态和其它人体测量信息中的一个或多个或多或少都可能会导致严重的失败情况。此外，由负责执行测试的主办机构持有的运动员准备训练和/或最近的训练负荷历史记录均可能会被考虑在内。此外，还可以生成与运动员的身高和/或体重成比例的任意碰撞盒的尺寸。

在一些实施例中，运动数据的各个方面经由身体位置识别器221自动确定。例如，运动员的身高可以基于已经识别的相关关节之间的距离来确定。在一些示例中，运动数据的各个方面可以通过例如用户界面240来输入。

测试的详细说明

以下给出七个示例性测试的简要说明，以及由此识别的表现的测量以及测试被认为失败的条件。应该理解的是，这七个测试仅仅是一组示例性测试，并不是本申请全部的情况。可以使用各种其他的具有关联的自动识别的表现评分和失败情况的测试。该测试还可以有适合某一年龄段的运动员的运动表现的回归版本。但是，这七项测试旨在提供运动表现的代表性度量。

在一个实施例中，如果测试失败，则记录该次失败并重复测试，如最多重复三次。如果这些尝试都没有成功，则整体记录失败。

适当时对身体的每一侧重复测试(即左腿，右腿，左臂和右臂)。

测试1和2——控制跨步和最大跨步

控制跨步测试的目的是尽可能远地跳跃，从一条腿开始并控制另一条腿着陆。该测试从脚部位置指示器132处开始，在第一垫子130上进行测试。

失败：着地腿的脚发生移动；着地腿的膝外翻；运动员摔到一边，且不能及时回到合适的着地位置；在着地期间运动员的身体(例如质心)移动离支撑基部太远。

最大跨步测试的目的是尽可能地从一条腿跳到另一条腿，并且不需要控制着陆。该测试从脚部位置指示器132开始，在第一垫子130上进行测试。

失败：参与者跳错了腿；如果参与者在单腿步伐中双腿跳跃，则不计算跳数。

控制跨步和最大跨步用于评估单侧下体的力量和控制能力。特别是，控制跨步衡量运动员在运动模式中的单侧减速和力量吸收能力。最大跨步衡量在运动模式中单向水平力量的产生。两项比较可以确定运动员是否处于动力不足或动力过度的状态。这些测试的回归版本是对于年龄较小的年龄组(例如9-11岁)的双腿控制和最大幅度跳跃。

每种情况下的表现得分是跨步的距离。该测试是针对每条腿进行的。

测试3——单腿平衡

选择单腿平衡测试来观察单腿的运动控制能力。在试点研究之后，选择Y平衡(或称A平衡)的前伸。它是衡量体位控制和脚踝以及站立腿部的髋关节的活动性/稳定性的指标。

该测试在第二垫140上进行，并且该测试的目的是用单腿站立，并且另一条腿尽在保持控制中可能远地沿着纵向杆141滑动横跨件142。

失败：脚跟抬起；站立的腿过度摆动；站立的腿的膝盖外翻；运动员的身体移动距离质心太远。

表现得分是横跨件142沿着纵向杆141行进的距离。

测试4-熊爬

熊爬测试评估的是腿/臂之间相互的协调能力以及核心和骨盆旋转的稳定性。它的概念与FMS中的旋转稳定性测试类似，但要求更加动态和协调。

该测试在第二垫140上进行。该测试的目的是在控制骨盆和臀部的同时向前和向后爬行。

失败：臀部过度翘起；臀部过度摆动到一边；臀部过度升高。

表现得分为在正确的移动下的爬行距离。

测试5和6——颈后深蹲和过顶深蹲

颈后深蹲和过顶深蹲评估脚踝、膝盖和臀部的受控全范围的屈曲度和伸展度。此外，过顶深蹲更重视上身和肩部/肩胛的控制。

这两个测试均在深蹲架120上进行。颈后深蹲的目的是在水平突出部123上并将杆靠着后腰尽可能深地蹲下，同时保持控制。过顶深蹲的目的是在水平突出部123上尽可能深地蹲下，同时用户控制着头顶上的杆并保持控制。

颈后深蹲涉及3种与踝关节、髋关节和姿势相关的失败：脚后跟从地面抬起；任一膝盖外翻；运动员的身体移动距离质心太远。过顶深蹲涉及3种与脚踝和肩部有关的失败：脚跟从地面上抬起；运动员的手臂向前移动太远；运动员的手臂扭到一边。

表现得分是深蹲的深度。

测试7——手臂伸展

手臂伸展测试是用来观察肩部和胸椎的全方位的运动控制。该测试在深蹲架120上进行。测试的目的是靠着垂直板121a坐着，并尽可能控制手臂伸展。

与肩部有关的失败：移动臂弯曲；移动的手臂不是向后移动而是移动到一侧。

表现评分是执行正确的受控移动所通过的度数。

训练计划生成说明

转到图8，训练计划生成器270被配置成基于运动员在测试上的结果而生成训练计划。具体而言，训练计划生成器270从存储在存储器263中的训练数据库中检索适当的训练细节，并将其编译以形成计划。

在一个实施例中，训练计划基于在测试期间识别到的失败而生成。训练计划生成器270可操作以根据各个测试所涉及的身体区域来汇总各个测试的失败。特别是，测试的失败可以分为四个重点区域之一(脚踝、臀部、姿势和肩部)。例如，用户可能有4个关于脚踝的失败，3个关于髋关节的失败，1个关于肩膀的失败。

在一个实施例中，侧重于最频繁的2次失败(例如脚踝和髋部)的程序自动生成，以帮助运动员在下一次测试会话之前改善。例如，训练计划生成器270被配置为检索每个重点区域的移动性和稳定性练习，和/或针对每个重点区域的力量和协调练习。

例如，如果确定只有一个重点区域是适当的，例如因为一个区域具有比其它任何区域具有明显多的失败，则训练计划生成器270被配置为使练习加倍——即，即通过检索针对给定的重点区域的两个合适的运动和稳定性练习。

如果评估显示没有普遍的失败区域(例如完全没有失败或者几个失败分布在几个身体部位)，则生成一般的训练计划，一般的训练计划包括混合练习，该混合练习以在四个重点区域的移动为主，同时以额外的力量和协调练习为辅。

在一个实施例中，生成计划总共包括六个练习。

在一个实施例中，训练计划生成器270可操作以从测试结果确定用户是否具有不平衡(即，在一侧较弱)的现象。此外，训练计划生成器270可操作以确定该不平衡现象是否是集中在下半身或上半身。通过比较可能在左侧和右侧之间进行相比的测试的表现得分来检测不平衡，例如，控制跨步，平衡测试和手臂伸展。具体地，训练计划生成器270可以判断特定测试的对应左侧版本和右侧版本的表现分数之间的差异超过预定阈值来确定存在不平衡。因此，针对较弱的一侧的训练计划中包含一组额外的练习。如果发现多个不平衡，则该计划则可以包括以就最大数额超过阈值而言的额外练习。

在一个实施例中，训练计划生成器270被配置为生成包括详细说明如何执行选择的练习的指令的文档(例如PDF)。或者，训练计划生成器270被配置为生成用户可访问的网页，其包括详细说明如何执行选择的练习的指令。该说明可以采取视频指示的形式。

系统使用说明

在使用中，系统200的操作员(例如教练)首先如上所述组装装置100。

一旦装置100被组装好，系统200则被用于评估运动。操作员使用用户界面240输入运动的细节，然后选择其中一个测试。选择测试后，第二计算设备250控制第一计算设备230启动测试。在一些示例中，在发出声音以指示测试开始之前，指示单元234开始倒数直至测试开始。

随后，第一计算设备230的图像捕捉器210捕捉执行测试的运动员的图像。图像分析器220分析捕捉的图像以评估测试是否失败。如果确定失败，则记录失败的性质。如果测试成功，则计算并记录表现得分。

接下来，从第一计算设备230向第二计算设备250发送结果(即，失败或表现得分)，该结果被显示在用户界面240上并存储在存储器253中。如果记录失败，该过程重复进行直到通过。重复的次数可以是有限的，例如每次测试总共有三次尝试。

一旦特定测试结束，操作员选择下一个测试，并且以相应的方式执行。当一名运动员完成了所有的测试后，下一名运动员将重复这个过程。

在测试会话结束时，存储在存储器253中的测试结果经由通信单元261被上传到远程系统260的存储器263。随后，训练计划生成器270分析测试结果并生成训练计划。生成的训练计划可以由被评估的运动员操作的用户设备U(例如，计算机，平板电脑或智能手机)访问，使得他们可以执行其中的矫正练习。

上述系统，装置和方法提供了快速且准确地评估运动员的运动表现的手段。该系统和设备易于运输，可以快速组装和拆卸，并能自动自我校准。因此，该系统和设备易于运输(例如到专业足球学院)和部署。

此外，上述系统，设备和方法提供了在一系列预定测试中可以重复和可靠地量化运动员的运动表现的手段。使用运动跟踪自动导出量化测试中实际表现的数值分数，并且还自动识别每个测试的特定失败情况。

有利的是，这些评分和失败情况可以用于自动生成合适的训练计划，以克服可能导致不合格表现的缺点，或者避免在某些情况下(例如膝外翻)危及生命的伤害。

有利地的，使用上述系统，设备和方法来评估大量运动员，可以避免主观性，还可以重复测试以使得运动员能够持续发展，并且花费的时间相对较少。

注意与本申请相关的与本说明书同时提交或在本说明书之前提交的所有论文和文献，这些论文和文献对于本说明书是公开以供公众查阅的，并且所有这些论文和文献的内容通过引用并入本文进行参考。

本说明书(包括任何所附权利要求，摘要和附图)中公开的所有特征和/或所公开的任何方法或过程的所有步骤可以以任何形式来组合，除非其中有至少一些特征和/或步骤是相互排斥的。

除非另有明确说明，否则本说明书(包括任何所附权利要求，摘要和附图)中公开的每个特征可以被用于相同，等同或类似目的的特征替代。因此，除非另有明确说明，否则所公开的每个特征仅是一系列等同或类似特征的一个例子。

本申请不限于前述实施例的细节。本申请延伸到本说明书(包括任何所附权利要求书，摘要和附图)中公开的特征的任何新颖特征或任何新颖组合，或公开的任何新方法或过程的任何新颖组合或任何新组合。

Claims (23)

1.一种评估运动员的运动表现的系统，其特征在于，包括：

图像捕捉器，用于捕捉运动员执行测试过程中的多个图像；和

图像分析器，用于分析捕捉到的所述图像并取得所述测试的表现得分，

其中，所述图像捕捉器包括：

可见光传感器，用于采用可见光谱来捕捉图像；和

红外深度传感器，用于感测物体到所述红外深度传感器之间的距离，

以及，

所述图像分析器包括标记物识别器，所述标记物识别器用于识别附着在运动员身体部位上的标记物并根据识别出的所述标记物的位置生成所述运动员身体部位的空间位置信息，

所述标记物包括用于反射红外光的反光部，所述反光部包括中间具有间隙的一对反光带，无光泽的材料在所述间隙中形成平坦表面，

其中，所述标记物识别器还用于利用慢快门速度根据所述图像中所述标记物颜色强度的增加来识别所述标记物何时静止或接近静止。

2.根据权利要求1所述的系统，其特征在于，所述图像分析器包括身体位置识别器，以根据捕捉的图像识别运动员的身体的位置。

3.根据权利要求2所述的系统，其特征在于，所述身体位置识别器用于计算运动员的质心。

4.根据权利要求3所述的系统，其特征在于，

所述图像捕捉器被设置在与一个或多个运动设备相距预设距离的位置；和

所述图像分析器用于根据空间位置信息和预设距离确定运动员身体的实际位置。

5.根据权利要求1所述的系统，其特征在于，所述图像分析器包括校准单元，所述校准单元用于根据一个或多个校准元件的实际位置或预期位置的差来调整所述空间位置信息。

6.根据权利要求1所述的系统，其特征在于，包括一校准单元，所述校准单元可操作以：

确定用于校正x，y和z轴方向上的偏移和/或图像捕捉器的俯仰、横摆和坡度中的一个或多个的变换矩阵；

存储所述变换矩阵，并且

将所述变换矩阵应用于捕捉的所述图像。

7.根据权利要求1所述的系统，其特征在于，包括一校准单元，所述校准单元用于：

接收用户输入的识别所述图像捕捉器捕捉的所述图像的多个点；

根据识别的点识别已知的在装置中平行的两条线；

根据所述两条线的交点推断出消失点；以及

根据所述两条线和所述识别的点来计算多个扫描线或扫描区域。

8.根据权利要求1所述的系统，其特征在于，包括表现得分生成器，所述表现得分生成器用于通过确定测试期间相关身体部位和/或一运动设备所行进的距离来确定所述测试的运动表现得分。

9.根据权利要求8所述的系统，其中所述运动表现得分可以是步幅长度、下蹲深度、爬行距离、手臂旋转或由运动员操纵的设备的移动距离中的一个或多个。

10.根据权利要求1所述的系统，其特征在于，包括失败识别器，用于识别测试失败，其中，所述失败是由于测试期间的用户的错误和/或不良形态而导致所述测试的不正确执行。

11.根据权利要求1所述的系统，其特征在于，

所述系统用于捕捉执行多个测试的运动；和

所述系统包括训练计划生成器，用于根据所述多个测试的所述表现得分生成训练计划。

12.根据权利要求1-11任一项所述的系统，其特征在于，包括：

第一计算设备，包括所述图像分析器，并且连接到所述图像捕捉器，和

第二计算设备，用于通过网络连接并远程控制所述第一计算设备。

13.一种装置，应用于权利要求1-12任一项所述的系统，其特征在于，还包括：

图像捕捉器安装部，用于固定所述图像捕捉器；和

至少一件运动设备，用于执行所述测试；

图像捕捉器支架，设有所述图像捕捉器安装部；

其中，所述运动设备被配置成连接到所述图像捕捉器支架上，使得所述运动设备与所述图像捕捉器之间的距离固定，

所述装置还包括地板部分，所述至少一件运动设备和所述图像捕捉器支架安装在所述地板部分上，所述地板部分还包括多个竖立的校准块，所述校准块以规则间隔设置在所述运动设备和所述图像捕捉器之间。

14.根据权利要求13所述的装置，其特征在于，至少一个所述运动设备包括深蹲架，所述深蹲架包括直立杆和水平凸起部，所述水平凸起部滑动连接在所述直立杆上。

15.根据权利要求14所述的装置，其特征在于，至少一个所述运动设备包括至少一个垫子。

16.根据权利要求15所述的装置，其特征在于，所述垫子上设置有一纵向杆，一横跨件滑动连接在所述纵向杆上。

17.一种标记物，应用于权利要求1-12任一项所述的系统，其特征在于，所述标记物可附着于运动员的身体部位，所述标记物包括用于反射红外光的反光部，所述反光部包括中间具有间隙的一对反光带，无光泽的材料在所述间隙中形成平坦表面，

其中，标记物识别器还用于利用慢快门速度根据所述图像中所述标记物颜色强度的增加来识别所述标记物何时静止或接近静止。

18.根据权利要求17所述的标记物，其特征在于，所述反光部高度反射特定颜色的光。

19.根据权利要求17或18所述的标记物，其特征在于，包括本体部，所述本体部具有一平坦前表面，所述反光部设置在所述平坦前表面上，所述标记物附着在所述运动员的身体部位上，以使得在测试中，所述本体部基本垂直于所述系统的图像捕捉器的深度轴。

20.根据权利要求19所述的标记物，其特征在于，所述本体部附着在脚或后腰上。

21.一种部件套件，其特征在于，包括权利要求1-12任一项的所述的系统，权利要求13-16任一项的所述的装置以及至少一个权利要求17-20任一项所述的标记物。

22.一种评估运动员的运动表现的计算机实现的方法，其特征在于，包括：

捕捉执行测试的运动员的多个图像；和

分析所捕捉的图像以得出运动表现得分，

其中，分析所捕捉的图像以得出运动表现得分包括：

识别附着在运动员身体部位上的标记物并根据识别出的所述标记物的位置生成所述运动员身体部位的空间位置信息，

其中，所述标记物包括用于反射红外光的反光部，所述反光部包括中间具有间隙的一对反光带，无光泽的材料在所述间隙中形成平坦表面，

其中，标记物识别器还用于利用慢快门速度根据所述图像中所述标记物颜色强度的增加来识别所述标记物何时静止或接近静止。

23.一种计算机可读存储介质，存储有指令，其特征在于，所述指令在由计算机执行时实现如权利要求22所述的方法。

Images