CN109325466B - 一种基于动作识别技术的智能运动指导系统及方法 - Google Patents
一种基于动作识别技术的智能运动指导系统及方法 Download PDFInfo
- Publication number
- CN109325466B CN109325466B CN201811209022.3A CN201811209022A CN109325466B CN 109325466 B CN109325466 B CN 109325466B CN 201811209022 A CN201811209022 A CN 201811209022A CN 109325466 B CN109325466 B CN 109325466B
- Authority
- CN
- China
- Prior art keywords
- motion
- data
- user
- action
- points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
Abstract
本发明提供了一种基于动作识别技术的智能运动指导系统及方法，包括：数据采集模块：包括动作数据采集子模块和用户数据采集子模块，所述动作数据采集子模块用于捕捉人体运动动作；所述用户数据采集子模块用于采集用户的运动动作；数据适应模块：用于将动作数据库中的动作信息与采集到的用户运动数据进行适应性匹配；对比判定模块：用于对采集到的人体动作与标准动作作对比，并给出指导性结论。本发明所述的基于动作识别技术的智能运动指导系统采将动作捕捉技术、机械视觉技术和图形识别技术和独创的运动学习模式相结合，采集用户端数据和标准数据进行多层级对比分析，对用户在学习过程中的动作进行规范化纠正。
Description
技术领域
本发明属于智能设备技术领域，尤其是涉及一种基于动作识别技术的智能运动指导系统及方法。
背景技术
随着我国经济的快速发展，很多人疲于工作，学习，生活等事业，缺乏锻炼，导致很多上班族、学生等人群长期处于一个“亚健康”的状态。运动锻炼是人的刚性需求，缺乏体育锻炼会造成身体机能变差、免疫力下降等一系列问题。为了解决这一问题我国政府早在1995年便开展全民健身运动。目前大众在进行任何一项运动项目时，寻找明师进行面授无疑是目前最好的的教学方式。但明师难觅而且价格偏高，所以多数人选择自学，但效果往往不尽人意。这些人因为训练不得法，不仅起不到锻炼身体的效果，反而会对身体造成伤害。
现有运动类APP的数量多达上千个，主要分为三大类：①以跑步、健步为主的户外运动类应用，如咕咚、悦动圈、益动GPS；②健身塑形类应用，如Keep,薄荷；③单独针对某一部位训练的垂直锻炼类应用，如腹部运动等。现有运动类APP的教学过程单纯的依靠用户对视频的领悟，而没有跟踪辅导纠正指导，无法和人工教学的教学效果相对比，许多人自始至终都不知道自己在按错误的方法和动作进行训练。因此这些人因为训练不得法，不仅起不到练习的效果，反而会对身体造成伤害。
传统运动类APP的教学效果只限于用户对动作视频的模仿能力，无法得到用户训练过程中的反馈信息并作出进一步指导。本专利所采用的智能运动制导系统，专业性强、能充当教师为用户进行随时随地指导纠正并适合我国全民健身指导。
发明内容
有鉴于此，本发明旨在提出一种基于动作识别技术的智能运动指导系统及方法，以解决现有的运动教学过程只能依靠用户对视频的领悟，而没有跟踪辅导纠正指导，无法和人工教学的教学效果相对比，许多人自始至终都不知道自己在按错误的方法和动作进行训练。因此这些人因为训练不得法，不仅起不到练习的效果，反而会对身体造成伤害的情况。
为达到上述目的，本发明的技术方案是这样实现的：
一种基于动作识别技术的智能运动指导系统，包括：
数据采集模块：包括动作数据采集子模块和用户数据采集子模块，所述动作数据采集子模块用于捕捉人体运动动作，并存储至动作数据库,作为标准动作数据；所述用户数据采集子模块用于采集用户的运动动作；
数据适应模块：用于将动作数据库中的动作信息与采集到的用户运动数据进行适应性匹配；
运动模式分析模块：用于分析不同的运动中，应用到的关节及关节角度变化，并将不同运动模式下的应用到的关节，及关节变化角度存入到动作数据库；
对比判定模块：用于对采集到的人体动作与标准动作作对比，并给出指导性结论。
进一步的，所述动作数据采集子模块使用高精度光学动作捕捉系统OptitrackS520e捕捉人体运动动作。
进一步的，所述用户数据采集子模块采用动作捕捉衣及地垫完成；
所述动作捕捉衣，在用户身体表面生成稳定不移位的Marker点，当用户穿着紧身衣做出相应动作时，用摄像机对用户动作进行拍摄，在交由计算机识别其中的Marker点，并将其转化为计算机动作分析中的类骨点，通过分析类骨点的移动状态得出用户的运动模式；
所述地垫带有方向坐标和不同长度标尺，在并在地垫上设计不同身形的用户的脚部站位点，以确定用户脚所处的点并校准用户的站姿朝向，辅助校对摄像头摆放的位置，固定用户脚步的通过计算机的计算得出用户动作的长度，已达到有效降低用户身材比例和在计算机动作数据分析过程中标准数据的差异和足部有可能产生的滑步，脚穿透或悬浮于地面的错误。
进一步的，所述动作捕捉衣上的特定点具有卡环扣和标记线来保证用户衣服身上的点不会错位；
所述地垫上还设置激光光源，用于标记用户的动作范围。
进一步的，所述数据适应模块引用动画处理的技术在数据不失真的前提下对数据进行修改，并且将系统中三维数据和用户端的二维数据进行自适应，将样本在的识别和对比中转化为二维数据。
进一步的，还设有阈值确定模块；为了区分正确动作和错误动作，每个标准动作都设有动作运动范围，超出动作范围的标记为错误动作。
进一步的，所述对比判定模块包括双场景映射单元和双数据对比判定单元；
所述双场景映射子模块用于将采集的用户动作数据和相匹配的二维化标准数据置于同一参考系中，定位关键点，粗化虚化一些骨骼部分，将标准动作数据中的关键点和摄像头捕捉到的关键点进行拟合以便于对比；
所述双数据对比判定单元包括轨迹识别子单元和节点识别子单元；
所述轨迹识别子单元采用阶段性取帧法对用户的运动数据进行采集和类骨点的提取，在将其整合为矩阵，在将其与用同样方法的得到的标准数据矩阵进行对比识别；
所述节点识别子单元用于对标准动作数据进行时间上的递归分类，并设定标签，再用分类器算法与用户的节点数据进行匹配类的匹配，直至找到与之对应的节点数据，并与之进行对比识别。
一种基于动作识别技术的智能运动指导方法，包括：
S1、建立标准动作数据库；
S2、通过动作捕捉衣和地垫对用户的动作数据进行采集；
S3、对采集到的用户动作数据进行分析、处理；
S4、与标准动作数据库中的标准动作对比判定，得出指导性结论。
进一步的，所述步骤S3中，对用户动作数据的分析包括运动模式分析，在不同运动中，人体关节发生的角度变化方式，确定不同的关节负责不同的运动模式，数据化人体关节所有运动规律的继承，将不同的关节引用不同角度变化方式输入系统并建立数据库；
还包括动作阈值的分析，在动作判定过程中，通过对不同的运动动作的深入研究和大量实验得出适用于该动作的阈值，通过大量该领域的专业人员做几种不同的动作，并对动作进行标签分类，再通过分类器算法将这些数据分为测试样本和训练样本，然后通过用以得出动作的正确范围。
进一步的，所述步骤S4中，对比判定方法分为双场景映射方法和双数据对比判定方法两部分；
双场景映射方法，将用户数据和与之相匹配的二维化标准数据置于同一参考系中中，定位关键点，粗化虚化一些骨骼部分，将标准数据中的关键点和摄像头捕捉到的关键点进行拟合以便于对比；
双数据对比判定方法还包括轨迹识别方法和节点识别方法；
轨迹识别方法；采用阶段性取帧法对用户的运动数据进行采集和类骨点的提取，在将其整合为矩阵，在将其与用同样方法的得到的标准数据矩阵进行对比识别。
节点识别方法；先对标准数据进行时间上的递归分类，并设定标签，再用分类器算法与用户的节点数据进行匹配类的匹配。直至找到与之对应的节点数据，并与之进行对比识别；
对比判定结果和实验阈值进行对比，根据对比结果分析出结论对用户进行反馈。
相对于现有技术，本发明所述的基于动作识别技术的智能运动指导系统具有以下优势：
本发明所述的基于动作识别技术的智能运动指导系统采将动作捕捉技术、机械视觉技术和图形识别技术和独创的运动学习模式相结合，采集用户端数据和标准数据进行多层级对比分析，对用户在学习过程中的动作进行规范化纠正，借助云端数据对用户训练信息进行整合分析，得出结论对用户提出运动指导意见。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的基于动作识别技术的智能运动指导系统原理图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
下面将参考附图并结合实施例来详细说明本发明。
如图1所示，一种基于动作识别技术的智能运动指导系统，包括：
数据采集模块：包括动作数据采集子模块和用户数据采集子模块，所述动作数据采集子模块用于捕捉人体运动动作，并存储至动作数据库,作为标准动作数据，以供与用户数据进行对比和参考；所述用户数据采集子模块用于采集用户的运动动作；
数据适应模块：用于将动作数据库中的动作信息与采集到的用户运动数据进行适应性匹配；
运动模式分析模块：用于分析不同的运动中，应用到的关节及关节角度变化，并将不同运动模式下的应用到的关节，及关节变化角度存入到动作数据库；
对比判定模块：用于对采集到的人体动作与标准动作作对比，并给出指导性结论。
所述动作数据采集子模块使用高精度光学动作捕捉系统Opti trackS520e捕捉人体运动动作。
所述用户数据采集子模块的动作采集工作采用捕捉衣及地垫完成；
所述动作捕捉衣，这种衣服通过特定点所具有的卡环扣和标记线来保证用户衣服身上的点不会错位。从而在用户身体表面生成稳定不移位的Marker点。用户的动作通过Marker点的动作轨迹和标记线变化程度对计算机的运动捕捉进行辅助。当用户穿着紧身衣做出相应动作时，用摄像机对用户动作进行拍摄，在交由计算机识别其中的Marker点，并将其转化为计算机动作分析中的类骨点。通过分析类骨点的移动状态得出用户的运动模式。此时系统可弱化对于人体躯干的识别，将参考系中的类骨点当成数据核心研究对象。
所述地垫带有方向坐标和不同长度标尺，在并在地垫上设计不同身形的用户的脚部站位点，以确定用户脚所处的点并校准用户的站姿朝向，辅助校对摄像头摆放的位置，固定用户脚步的通过计算机的计算得出用户动作的长度，已达到有效降低用户身材比例和在计算机动作数据分析过程中标准数据的差异和足部有可能产生的滑步，脚穿透或悬浮于地面的错误。
数据适应模块；由于人体体型和骨骼结构的个体性差异，标准数据和用户数据需要进行适应性匹配实现样本的多样化。引用动画处理的技术在数据不失真的前提下对数据进行修改。并且将系统中三维数据和用户端的二维数据进行自适应，将样本在的识别和对比中转化为二维数据。
还设有阈值确定模块；阈值确定模块负责将不同运动进行运动模式分析，并根据不同动作进行阈值确定。
运动模式分析模块：研究分析不同运动中，人体关节可能发生的角度变化方式，确定不同的关节负责不同的运动模式，数据化人体关节所有运动规律的继承，将不同的关节引用不同角度变化方式输入系统并建立数据库。
阈值确定模块：为了区分正确动作和错误动作，在动作判定过程中，通过对不同的运动动作的深入研究和大量实验得出适用于该动作的阈值。通过大量该领域的专业人员做几种不同的动作，并对动作进行标签分类，再通过分类器算法将这些数据分为测试样本和训练样本，然后通过用以得出动作的正确范围。
所述对比判定模块包括双场景映射单元和双数据对比判定单元；
所述双场景映射单元用于将采集的用户动作数据和相匹配的二维化标准数据置于同一参考系中，定位关键点，粗化虚化一些骨骼部分，将标准动作数据中的关键点和摄像头捕捉到的关键点进行拟合以便于对比；
所述双数据对比判定单元包括轨迹识别子单元和节点识别机构子单元；
所述轨迹识别子单元采用阶段性取帧法对用户的运动数据进行采集和类骨点的提取，在将其整合为矩阵，在将其与用同样方法的得到的标准数据矩阵进行对比识别；
所述节点识别子单元先对标准数据进行时间上的递归分类，并设定标签，再用分类器算法与用户的节点数据进行匹配类的匹配，直至找到与之对应的节点数据，并与之进行对比识别。
一种基于动作识别技术的智能运动指导方法，包括：
S1、建立标准动作数据库；
S2、通过动作捕捉衣和地垫对用户的动作数据进行采集；
S3、对采集到的用户动作数据进行分析、处理；
S4、与标准动作数据库中的标准动作对比判定，得出指导性结论。
所述步骤S3中，对用户动作数据的分析包括运动模式分析，在不同运动中，人体关节发生的角度变化方式，确定不同的关节负责不同的运动模式，数据化人体关节所有运动规律的继承，将不同的关节引用不同角度变化方式输入系统并建立数据库；
还包括动作阈值的分析，在动作判定过程中，通过对不同的运动动作的深入研究和大量实验得出适用于该动作的阈值，通过大量该领域的专业人员做几种不同的动作，并对动作进行标签分类，再通过分类器算法将这些数据分为测试样本和训练样本，然后通过用以得出动作的正确范围。
所述步骤S4中，对比判定方法分为双场景映射方法和双数据对比判定方法两部分；
双场景映射方法，将用户数据和与之相匹配的二维化标准数据置于同一参考系中，定位关键点，粗化虚化一些骨骼部分，将标准数据中的关键点和摄像头捕捉到的关键点进行拟合以便于对比；
双数据对比判定方法还包括轨迹识别方法和节点识别方法；
轨迹识别的方法；采用阶段性取帧法对用户的运动数据进行采集和类骨点的提取，在将其整合为矩阵，在将其与用同样方法的得到的标准数据矩阵进行对比识别。
节点识别的方法：先对标准数据进行时间上的递归分类，并设定标签，再用分类器算法与用户的节点数据进行匹配类的匹配。直至找到与之对应的节点数据，并与之进行对比识别；
对比判定结果和实验阈值进行对比，根据对比结果分析出结论对用户进行反馈。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于动作识别技术的智能运动指导系统，其特征在于，包括：
数据采集模块：包括动作数据采集子模块和用户数据采集子模块，所述动作数据采集子模块用于捕捉人体运动动作，并存储至动作数据库,作为标准动作数据；所述用户数据采集子模块用于采集用户的运动动作；
数据适应模块：用于将动作数据库中的动作信息与采集到的用户运动数据进行适应性匹配；
运动模式分析模块：用于分析不同的运动中，应用到的关节及关节角度变化，并将不同运动模式下的应用到的关节，及关节变化角度存入到动作数据库；
对比判定模块：用于对采集到的人体动作与标准动作作对比，并给出指导性结论；
所述对比判定模块包括双场景映射单元和双数据对比判定单元；
所述双场景映射子模块用于将采集的用户动作数据和相匹配的二维化标准数据置于同一参考系中，定位关键点，粗化虚化一些骨骼部分，将标准动作数据中的关键点和摄像头捕捉到的关键点进行拟合以便于对比；
所述双数据对比判定单元包括轨迹识别子单元和节点识别子单元；
所述轨迹识别子单元采用阶段性取帧法对用户的运动数据进行采集和类骨点的提取，在将其整合为矩阵，在将其与用同样方法的得到的标准数据矩阵进行对比识别；
所述节点识别子单元用于对标准动作数据进行时间上的递归分类，并设定标签，再用分类器算法与用户的节点数据进行匹配类的匹配，直至找到与之对应的节点数据，并与之进行对比识别；
所述用户数据采集子模块采用动作捕捉衣及地垫完成；
所述动作捕捉衣，在用户身体表面生成稳定不移位的Marker点，当用户穿着紧身衣做出相应动作时，用摄像机对用户动作进行拍摄，在交由计算机识别其中的Marker点，并将其转化为计算机动作分析中的类骨点，通过分析类骨点的移动状态得出用户的运动模式；
所述地垫带有方向坐标和不同长度标尺，在并在地垫上设计不同身形的用户的脚部站位点，以确定用户脚所处的点并校准用户的站姿朝向，辅助校对摄像头摆放的位置，固定用户脚步的通过计算机的计算得出用户动作的长度，已达到有效降低用户身材比例和在计算机动作数据分析过程中标准数据的差异和足部有可能产生的滑步，脚穿透或悬浮于地面的错误；
所述动作捕捉衣上的特定点具有卡环扣和标记线来保证用户衣服身上的点不会错位；
所述地垫上还设置激光光源，用于标记用户的动作范围。
2.根据权利要求1所述的基于动作识别技术的智能运动指导系统，其特征在于：所述动作数据采集子模块使用高精度光学动作捕捉系统Optitrack S520e捕捉人体运动动作。
3.根据权利要求1所述的基于动作识别技术的智能运动指导系统，其特征在于：所述数据适应模块引用动画处理的技术在数据不失真的前提下对数据进行修改，并且将系统中三维数据和用户端的二维数据进行自适应，将样本在的识别和对比中转化为二维数据。
4.根据权利要求1所述的基于动作识别技术的智能运动指导系统，其特征在于：
还设有阈值确定模块；为了区分正确动作和错误动作，每个标准动作都设有动作运动范围，超出动作范围的标记为错误动作。
5.一种基于动作识别技术的智能运动指导方法，其特征在于，包括：
S1、建立标准动作数据库；
S2、通过动作捕捉衣和地垫对用户的动作数据进行采集；
S3、对采集到的用户动作数据进行分析、处理；
S4、与标准动作数据库中的标准动作对比判定，得出指导性结论；
步骤S2中，所述动作捕捉衣，在用户身体表面生成稳定不移位的Marker点，当用户穿着紧身衣做出相应动作时，用摄像机对用户动作进行拍摄，在交由计算机识别其中的Marker点，并将其转化为计算机动作分析中的类骨点，通过分析类骨点的移动状态得出用户的运动模式；
所述地垫带有方向坐标和不同长度标尺，在并在地垫上设计不同身形的用户的脚部站位点，以确定用户脚所处的点并校准用户的站姿朝向，辅助校对摄像头摆放的位置，固定用户脚步的通过计算机的计算得出用户动作的长度，已达到有效降低用户身材比例和在计算机动作数据分析过程中标准数据的差异和足部有可能产生的滑步，脚穿透或悬浮于地面的错误；
所述动作捕捉衣上的特定点具有卡环扣和标记线来保证用户衣服身上的点不会错位；
所述地垫上还设置激光光源，用于标记用户的动作范围；
所述步骤S3中，对用户动作数据的分析包括运动模式分析，在不同运动中，人体关节发生的角度变化方式，确定不同的关节负责不同的运动模式，数据化人体关节所有运动规律的继承，将不同的关节引用不同角度变化方式输入系统并建立数据库；
还包括动作阈值的分析，在动作判定过程中，通过对不同的运动动作的深入研究和大量实验得出适用于该动作的阈值，通过大量领域的专业人员做几种不同的动作，并对动作进行标签分类，再通过分类器算法将这些数据分为测试样本和训练样本，用以得出动作的正确范围；
所述步骤S4中，对比判定方法分为双场景映射方法和双数据对比判定方法两部分；
双场景映射方法，将用户数据和与之相匹配的二维化标准数据置于同一参考系中，定位关键点，粗化虚化一些骨骼部分，将标准数据中的关键点和摄像头捕捉到的关键点进行拟合以便于对比；
双数据对比判定方法还包括轨迹识别方法和节点识别方法；
轨迹识别方法；采用阶段性取帧法对用户的运动数据进行采集和类骨点的提取，在将其整合为矩阵，在将其与用同样方法的得到的标准数据矩阵进行对比识别；
节点识别方法；先对标准数据进行时间上的递归分类，并设定标签，再用分类器算法与用户的节点数据进行匹配类的匹配，直至找到与之对应的节点数据，并与之进行对比识别；
对比判定结果和实验阈值进行对比，根据对比结果分析出结论对用户进行反馈。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811209022.3A CN109325466B (zh) | 2018-10-17 | 2018-10-17 | 一种基于动作识别技术的智能运动指导系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811209022.3A CN109325466B (zh) | 2018-10-17 | 2018-10-17 | 一种基于动作识别技术的智能运动指导系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109325466A CN109325466A (zh) | 2019-02-12 |
| CN109325466B true CN109325466B (zh) | 2022-05-03 |
Family
ID=65262840
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811209022.3A Active CN109325466B (zh) | 2018-10-17 | 2018-10-17 | 一种基于动作识别技术的智能运动指导系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109325466B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111916178A (zh) * | 2019-05-09 | 2020-11-10 | 宁波睿特菲体育科技有限公司 | 健身管理方法和健身管理系统 |
| CN110752003A (zh) * | 2019-09-04 | 2020-02-04 | 山东鲁能软件技术有限公司 | 基于人工智能技术模式识别的应用于健康预防的识别技术 |
| CN110909621A (zh) * | 2019-10-30 | 2020-03-24 | 中国科学院自动化研究所南京人工智能芯片创新研究院 | 一种基于视觉的健身指导系统 |
| CN112057833A (zh) * | 2020-09-09 | 2020-12-11 | 刘圆芳 | 一种羽毛球正手高远球挥拍动作识别方法 |
| CN112348942B (zh) * | 2020-09-18 | 2024-03-19 | 当趣网络科技(杭州)有限公司 | 一种健身交互方法和系统 |
| CN114264239B (zh) * | 2021-12-28 | 2022-07-15 | 深圳市微特精密科技股份有限公司 | 一种运动平台激光校准系统 |
| TWI823478B (zh) * | 2022-07-18 | 2023-11-21 | 新加坡商鴻運科股份有限公司 | 人工智慧之動作管理方法、電子設備及存儲介質 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101996311A (zh) * | 2009-08-10 | 2011-03-30 | 深圳泰山在线科技有限公司 | 一种瑜珈动作识别方法及系统 |
| CN102218214A (zh) * | 2010-04-13 | 2011-10-19 | 上海薄荷信息科技有限公司 | 一种捕捉运动信息的装置及相应的系统 |
| CN105512621A (zh) * | 2015-11-30 | 2016-04-20 | 华南理工大学 | 一种基于Kinect的羽毛球动作指导系统 |
| CN105635669A (zh) * | 2015-12-25 | 2016-06-01 | 北京迪生数字娱乐科技股份有限公司 | 基于三维运动捕捉数据与实拍视频的动作对比系统及方法 |
| CN106097787A (zh) * | 2016-08-18 | 2016-11-09 | 四川以太原力科技有限公司 | 基于虚拟现实的肢体教学方法与教学系统 |
| CN107243141A (zh) * | 2017-05-05 | 2017-10-13 | 北京工业大学 | 一种基于运动识别的动作辅助训练系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101847239A (zh) * | 2009-03-26 | 2010-09-29 | 幻境湾网络科技（北京）有限公司 | 一种智能试衣系统、方法及人机交互装置 |
| KR20160021118A (ko) * | 2013-05-13 | 2016-02-24 | 엠포트 피티와이 엘티디 | 신체 치수 및 형상 정보의 사용자-구동 결정의 활성화 및 네트워크 환경에 걸친 그 정보의 이용을 위한 디바이스, 프레임워크 및 방법론 |
| US11243611B2 (en) * | 2013-08-07 | 2022-02-08 | Nike, Inc. | Gesture recognition |
| CN104700433B (zh) * | 2015-03-24 | 2016-04-27 | 中国人民解放军国防科学技术大学 | 一种基于视觉的实时人体全身体运动捕捉方法及其系统 |
| CN106249894A (zh) * | 2016-08-08 | 2016-12-21 | 南方科技大学 | 虚拟现实交互系统和方法 |
| EP3479296A4 (en) * | 2016-08-10 | 2020-02-19 | Zeekit Online Shopping Ltd. | SYSTEM, DEVICE AND METHOD FOR VIRTUAL DRESSING USING IMAGE PROCESSING, MACHINE LEARNING AND COMPUTER VISION |
| CN106293091A (zh) * | 2016-08-15 | 2017-01-04 | 周红林 | 一种基于智能地毯的交互系统 |
| CN206483128U (zh) * | 2017-02-15 | 2017-09-12 | 四川建筑职业技术学院 | 一种基于体感游戏的健身训练指导系统 |
-
2018
- 2018-10-17 CN CN201811209022.3A patent/CN109325466B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101996311A (zh) * | 2009-08-10 | 2011-03-30 | 深圳泰山在线科技有限公司 | 一种瑜珈动作识别方法及系统 |
| CN102218214A (zh) * | 2010-04-13 | 2011-10-19 | 上海薄荷信息科技有限公司 | 一种捕捉运动信息的装置及相应的系统 |
| CN105512621A (zh) * | 2015-11-30 | 2016-04-20 | 华南理工大学 | 一种基于Kinect的羽毛球动作指导系统 |
| CN105635669A (zh) * | 2015-12-25 | 2016-06-01 | 北京迪生数字娱乐科技股份有限公司 | 基于三维运动捕捉数据与实拍视频的动作对比系统及方法 |
| CN106097787A (zh) * | 2016-08-18 | 2016-11-09 | 四川以太原力科技有限公司 | 基于虚拟现实的肢体教学方法与教学系统 |
| CN107243141A (zh) * | 2017-05-05 | 2017-10-13 | 北京工业大学 | 一种基于运动识别的动作辅助训练系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109325466A (zh) | 2019-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109325466B (zh) | 一种基于动作识别技术的智能运动指导系统及方法 | |
| CN109934111B (zh) | 一种基于关键点的健身姿态估计方法及系统 | |
| CN106650687B (zh) | 一种基于深度信息和骨骼信息的姿势矫正方法 | |
| CN106611157B (zh) | 一种基于光流定位和滑动窗口检测的多人姿态识别方法 | |
| Kitsikidis et al. | Dance analysis using multiple kinect sensors | |
| CN109011508A (zh) | 一种智能教练系统及方法 | |
| CN107243141A (zh) | 一种基于运动识别的动作辅助训练系统 | |
| CN111144217A (zh) | 一种基于人体三维关节点检测的动作评价方法 | |
| Dikovski et al. | Evaluation of different feature sets for gait recognition using skeletal data from Kinect | |
| CN108171278B (zh) | 一种基于运动训练数据的运动模式识别方法和系统 | |
| CN107103298A (zh) | 基于图像处理的引体向上计数系统及计数方法 | |
| CN110448870B (zh) | 一种人体姿态训练方法 | |
| CN106295544B (zh) | 一种基于Kinect的视角不变性步态识别方法 | |
| CN103827891A (zh) | 使用全球生成的多维姿势数据检测身体运动的系统和方法 | |
| WO2017161734A1 (zh) | 通过电视和体感配件矫正人体动作及系统 | |
| Anilkumar et al. | Pose estimated yoga monitoring system | |
| CN113762133A (zh) | 基于人体姿态识别的自重健身辅助教练系统、方法、终端 | |
| Yang et al. | Human upper limb motion analysis for post-stroke impairment assessment using video analytics | |
| CN113920326A (zh) | 基于人体骨骼关键点检测的摔倒行为识别方法 | |
| CN115482580A (zh) | 一种基于机器视觉骨骼追踪术的多人评测系统 | |
| CN103310191B (zh) | 运动信息图像化的人体动作识别方法 | |
| CN111383735A (zh) | 一种基于人工智能的无人化健身分析方法 | |
| CN106599873A (zh) | 基于三维姿态信息的人物身份识别方法 | |
| He et al. | A new Kinect-based posture recognition method in physical sports training based on urban data | |
| CN111539364B (zh) | 基于特征融合和多分类器投票的多体感人体行为识别算法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |