CN109543652B - 一种智慧滑雪训练器及其训练结果显示方法、云服务器 - Google Patents

一种智慧滑雪训练器及其训练结果显示方法、云服务器 Download PDF

Info

Publication number
CN109543652B
CN109543652B CN201811490255.5A CN201811490255A CN109543652B CN 109543652 B CN109543652 B CN 109543652B CN 201811490255 A CN201811490255 A CN 201811490255A CN 109543652 B CN109543652 B CN 109543652B
Authority
CN
China
Prior art keywords
skiing
image
cloud server
video
training
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
Application number
CN201811490255.5A
Other languages
English (en)
Other versions
CN109543652A (zh
Inventor
魏成生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Okstar Sports Industry Co ltd
Original Assignee
Beijing Okstar Sports Industry Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Okstar Sports Industry Co ltd filed Critical Beijing Okstar Sports Industry Co ltd
Priority to CN201811490255.5A priority Critical patent/CN109543652B/zh
Publication of CN109543652A publication Critical patent/CN109543652A/zh
Application granted granted Critical
Publication of CN109543652B publication Critical patent/CN109543652B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
    • A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B69/00—Training appliances or apparatus for special sports
    • A63B69/18—Training appliances or apparatus for special sports for skiing
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
    • A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
    • A63B2024/0012—Comparing movements or motion sequences with a registered reference
    • A63B2024/0015—Comparing movements or motion sequences with computerised simulations of movements or motion sequences, e.g. for generating an ideal template as reference to be achieved by the user
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B2071/065—Visualisation of specific exercise parameters
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/80—Special sensors, transducers or devices therefor
    • A63B2220/806—Video cameras
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/62—Measuring physiological parameters of the user posture

Abstract

本发明公开了一种智慧滑雪训练器及其训练结果显示方法、云服务器，所述的训练结果显示方法包括：云服务器接收来自采集模块采集的训练数据，所述训练数据包括采集有滑雪者在所述滑雪训练装置运动时的滑雪姿势的视频图像；所述云服务器对所述视频图像进行处理，获取所述训练者滑雪姿势是否标准的分析结果；所述云服务器将所述分析结果发送至显示终端予以显示。该训练结果显示方法通过云服务器对采集模块采集的视频图像进行处理，进而得到能够标准滑雪者滑雪姿态特征数据，并经其与模板数据库中预存的滑雪标准姿态特征数据进行匹配，进而实现对滑雪者在使用滑雪训练装置时的滑雪姿态的准确判断，便于后续滑雪者对其滑雪姿态进行纠正。

Description

一种智慧滑雪训练器及其训练结果显示方法、云服务器
技术领域
本发明涉及一种体育运动器材，具体涉及一种智慧滑雪训练器及其训练结果显示方法、云服务器。
背景技术
随着北京市申办2022年冬奥会成功，人们参与滑雪运动的热情日趋高涨，可由于地域、气候和季节等原因，天然滑雪场无法长年使用，而人造雪场维护成本较高，全民健身室外器材滑雪训练器材又寥寥无几，不能满足人们滑雪运动的需求。
发明内容
针对上述问题，本发明提供一种智慧滑雪训练器及其训练结果显示方法、云服务器。
本发明的目的采用以下技术方案来实现：
本发明第一方面提供了一种智慧滑雪训练器的训练结果显示方法，所述智慧滑雪训练器包括滑雪训练装置，所述方法包括：
云服务器接收来自采集模块采集的训练数据，所述训练数据包括采集有滑雪者在所述滑雪训练装置运动时的滑雪姿势的视频图像；
所述云服务器对所述视频图像进行处理，获取所述滑雪者滑雪姿势是否标准的分析结果；
所述云服务器将所述分析结果发送至显示终端予以显示；
所述的对所述视频图像进行处理，包括：
所述云服务器对视频图像进行分组、去重操作，得到待测视频图像集
Figure GDA0002385684380000011
D为待测视频图像的个数；
对所述待测视频图像集
Figure GDA0002385684380000012
中的视频图像进行过滤，以去除相应视频图像中的随机噪声；
对过滤后的视频图像进行分割，以获取相应的过滤后的视频图像中的人形图像；
提取所述人形图像中的滑雪姿态特征数据，并与模板数据库中预存的滑雪标准姿态特征数据进行匹配，当匹配度高于设定的阈值，判定该滑雪者的滑雪姿势标准，否则，判定该滑雪者的滑雪姿势不标准。
优选地，所述云服务器对视频图像进行分组，具体为：
(1)计算所述视频图像中两个图像的相似度值，若相似度值大于设定的相似度阈值，则该两个图像的内容相同，并将所述的两个图像归属为同一组，其中，任意两个图像的相似度值的计算公式为：
Figure GDA0002385684380000021
式中，Sim(Ha,Hb)为图像Ha和图像Hb之间的相似度值，M和N分别为图像的行数和列数，
Figure GDA0002385684380000022
分别为图像Ha、图像Hb在RGB空间中坐标(m,n)处的像素点的水平梯度矢量值，
Figure GDA0002385684380000023
分别为图像Ha、图像Hb在RGB空间中坐标(m,n)处的像素点的垂直梯度矢量值，其中,在RGB空间中各个像素点的水平梯度矢量值的计算式子是：
Figure GDA0002385684380000024
在RGB空间中各个像素点的垂直梯度矢量值的计算式子是：
Figure GDA0002385684380000025
Gxr、Gxg和Gxb分别为像素点在R、G、B三个色彩通道下的水平梯度值，Gyr、Gyg和Gyb分别为像素点在R、G、B三个色彩通道下的垂直梯度值；
遍历所述视频图像中所有图像，即可得到K组图像集合
Figure GDA0002385684380000026
k为第k组，且k＝1,2，…,K，Lk为第k组图像集合中视频图像的个数。
优选地，所述的对所述待测视频图像集
Figure GDA0002385684380000027
中的视频图像进行过滤，以去除相应视频图像中的随机噪声，其中，对所述视频图像
Figure GDA0002385684380000028
中视频图像
Figure GDA0002385684380000029
进行过滤操作包括：
(1)对所述视频图像
Figure GDA00023856843800000210
依次进行灰度化处理和离散小波变换，得到变换后的视频图像
Figure GDA00023856843800000211
(2)按照预设的过滤条件对变换后的视频图像
Figure GDA00023856843800000212
进行过滤；
(3)对过滤后的视频图像
Figure GDA00023856843800000213
进行离散小波逆变换，即可得到降噪后的视频图像
Figure GDA00023856843800000214
优选地，所述的按照预设的过滤条件对变换后的视频图像
Figure GDA0002385684380000031
进行过滤，包括：
判断所述变换后的视频图像
Figure GDA0002385684380000032
的小波系数的绝对值是否低于设定的阈值；
若所述变换后的视频图像
Figure GDA0002385684380000033
的小波系数的绝对值低于设定的阈值，则将其小波系数置零；
若所述变换后的人脸图像的小波系数的绝对值不低于设定的阈值，则利用下式对该小波系数进行过滤：
Figure GDA0002385684380000034
式中，
Figure GDA0002385684380000035
为过滤后的小波系数，j＝1,2,…,J，J为小波系数的个数，wj为第j个小波系数，Th为设定的阈值，sgn(f)为符号函数，当f为正数时，取1，为负数时，取-1，α为形状系数，用于调整过滤的快慢程度。
本发明的有益效果为：该训练结果显示方法通过云服务器对采集模块采集的滑雪者在所述滑雪训练装置运动时的滑雪姿势的视频图像进行处理，进而得到能够标准滑雪者滑雪姿态特征数据，并经其与模板数据库中预存的滑雪标准姿态特征数据进行匹配，进而实现对滑雪者在使用滑雪训练装置时的滑雪姿态的准确判断，便于后续滑雪者对其滑雪姿态进行纠正。
本发明第二方面提供了一种用于执行上述训练结果显示方法的云服务器，所述云服务器包括：
图像预处理模块，用于执行所述的对视频图像进行分组、去重操作，得到待测视频图像集
Figure GDA0002385684380000036
D为待测视频图像的个数；
图像过滤模块，用于执行所述的对所述待测视频图像集
Figure GDA0002385684380000037
中的视频图像进行过滤，以去除相应视频图像中的随机噪声；
图像分割模块，用于执行所述的对过滤后的视频图像进行分割，以获取相应的过滤后的视频图像中的人形图像；
姿态识别模块，用于执行所述的提取所述人形图像中的滑雪姿态特征数据，并与模板数据库中预存的滑雪标准姿态特征数据进行匹配，当匹配度高于设定的阈值，判定该滑雪者的滑雪姿势标准，否则，判定该滑雪者的滑雪姿势不标准。
优选地，所述图像预处理模块包括：
图像分组单元，用于对视频图像进行分组；图像筛选单元，用于对同一组中的图像进行筛选，选取其中一张图像作为待处理图像。
本发明有益效果：本发明提供了一种包含用于实现上述训练结果显示方法的云服务器，该云服务器通过对采集模块采集的滑雪者在所述滑雪训练装置运动时的滑雪姿势的视频图像进行处理，进而得到能够标准滑雪者滑雪姿态特征数据，并经其与模板数据库中预存的滑雪标准姿态特征数据进行匹配，进而实现对滑雪者在使用滑雪训练装置时的滑雪姿态的准确判断，便于后续滑雪者对其滑雪姿态进行纠正。
本发明第三方面提供了一种智慧滑雪训练器，该智慧滑雪训练器包括：两个对称设置的滑雪训练装置；
一柜体，位于两个所述的滑雪训练装置之间，所述柜体设有用于采集滑雪者在所述滑雪训练装置运动时的滑雪姿势的摄像装置；
所述柜体上还设有与所述摄像装置通信的云服务器和显示装置；
所述云服务器和显示装置用于执行如本发明第一方面所提供的一种智慧滑雪训练器的训练结果显示方法。
优选地，所述的两个对称设置的滑雪训练装置分别为“凹”弧形滑雪训练装置和“凸”弧形滑雪训练装置；所述“凹”弧形滑雪训练装置包括两个U型支架、与所述的两个U型支架的横梁部分固接的扶手杆、与所述的两个U型支架的横梁部分固接的“凹”型滑轨和可以沿所述“凹”型滑轨滑行的踏板；所述“凸”弧形滑雪训练装置包括U型扶手、带有弧形滑轨的弧形底座和可以沿所述弧形滑轨滑行的踏板，所述弧形滑轨是“凸”弧形；所述U型扶手与所述弧形底座的底部固接。
优选地，所述柜体与所述的两个滑雪训练装置相对的端面为不锈钢镜面。
优选地，所述显示装置还用于显示用户即时运动次数、时间、能量消耗、所述滑雪训练装置运动总次数、总时间、使用寿命和滑雪者的运动排名。
本发明的有益效果：本发明提供了一种基于上述云服务器的滑雪训练装置，滑雪者通过在上述滑雪训练装置上滑雪，通过摄像装置采集滑雪者在使用该滑雪训练装置时的视频图像，进而由云服务器进行处理，进而得到能够标准滑雪者滑雪姿态特征数据，并经其与模板数据库中预存的滑雪标准姿态特征数据进行匹配，进而实现对滑雪者在使用滑雪训练装置时的滑雪姿态的准确判断，便于后续滑雪者对其滑雪姿态进行纠正。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明实施例一提供的训练结果显示方法的步骤示意图；
图2是本发明实施例二提供的的云服务器的结构示意图；
图3是本发明实施例三提供的智慧滑雪训练器的正视图；
图4是图3中智慧滑雪训练器的侧视图。
附图标记：图像预处理模块1；图像过滤模块2；图像分割模块3；姿态识别模块4；图像分组单元11；图像筛选单元12；柜体5；摄像装置6；显示装置7；U型支架8a；U型支架8b；扶手杆9；“凹”型滑轨10；踏板11a；踏板11b；U型扶手12；弧形底座13。
具体实施方式
结合以下实施例对本发明作进一步描述。
实施例一
参见图1，一种智慧滑雪训练器的训练结果显示方法，所述智慧滑雪训练器包括滑雪训练装置，所述方法包括：
云服务器接收来自采集模块采集的训练数据，所述训练数据包括采集有滑雪者在所述滑雪训练装置运动时的滑雪姿势的视频图像；
所述云服务器对所述视频图像进行处理，获取所述滑雪者滑雪姿势是否标准的分析结果；
所述云服务器将所述分析结果发送至显示终端予以显示；
所述对视频图像进行处理，包括：
所述云服务器对视频图像进行分组、去重操作，得到待测视频图像集
Figure GDA0002385684380000051
D为待测视频图像的个数；
对所述待测视频图像集
Figure GDA0002385684380000052
中的视频图像进行过滤，以去除相应视频图像中的随机噪声；
对过滤后的视频图像进行分割，以获取相应的过滤后的视频图像中的人形图像；
提取所述人形图像中的滑雪姿态特征数据，并与模板数据库中预存的滑雪标准姿态特征数据进行匹配，当匹配度高于设定的阈值，判定该滑雪者的滑雪姿势标准，否则，判定该滑雪者的滑雪姿势不标准。
优选地，所述云服务器对视频图像进行分组，具体为：
(1)计算所述视频图像中两个图像的相似度值，若相似度值大于设定的相似度阈值，则该两个图像的内容相同，并将所述的两个图像归属为同一组，其中，任意两个图像的相似度值的计算公式为：
Figure GDA0002385684380000061
式中，Sim(Ha,Hb)为图像Ha和图像Hb之间的相似度值，M和N分别为图像的行数和列数，
Figure GDA0002385684380000062
分别为图像Ha、图像Hb在RGB空间中坐标(m,n)处的像素点的水平梯度矢量值，
Figure GDA0002385684380000063
分别为图像Ha、图像Hb在RGB空间中坐标(m,n)处的像素点的垂直梯度矢量值，其中,在RGB空间中各个像素点的水平梯度矢量值的计算式子是：
Figure GDA0002385684380000064
在RGB空间中各个像素点的垂直梯度矢量值的计算式子是：
Figure GDA0002385684380000065
Gxr、Gxg和Gxb分别为像素点在R、G、B三个色彩通道下的水平梯度值，Gyr、Gyg和Gyb分别为像素点在R、G、B三个色彩通道下的垂直梯度值；
遍历所述视频图像中所有图像，即可得到K组图像集合
Figure GDA0002385684380000066
k为第k组，且k＝1,2，…,K，Lk为第k组图像集合中视频图像的个数。
有益效果：在本实施例中，根据滑雪训练器的特点，在获取的滑雪者的视频图像中，会存在多张视频图像内容完全一样的画面，因此在对用户滑雪姿态进行分析时，先对获取的视频图像进行分组操作，使得后续只需选取每个分组中的一个视频图像处理即可，该做法减少了该训练结果显示方法的后续工作量，提高了整个训练结果显示方法的工作效率，且该分组算法考虑了任意两个视频图像的相同坐标位置处的像素点R、G、B的水平梯度值和垂直梯度值的影响，能够更真实的表述各个坐标位置处像素点细节信息的变化情况，有利于准确得实现对获取的视频图像的分组。
优选地，所述的对所述待测视频图像集
Figure GDA0002385684380000071
中的视频图像进行过滤，以去除相应视频图像中的随机噪声，其中，对所述视频图像
Figure GDA0002385684380000072
中视频图像
Figure GDA0002385684380000073
进行过滤操作包括：
(1)对所述视频图像
Figure GDA0002385684380000074
依次进行灰度化处理和离散小波变换，得到变换后的视频图像
Figure GDA0002385684380000075
(2)按照预设的过滤条件对变换后的视频图像
Figure GDA0002385684380000076
进行过滤；
(3)对过滤后的视频图像
Figure GDA0002385684380000077
进行离散小波逆变换，即可得到降噪后的视频图像
Figure GDA0002385684380000078
优选地，所述的按照预设的过滤条件对变换后的视频图像
Figure GDA0002385684380000079
进行过滤，包括：
判断所述变换后的视频图像
Figure GDA00023856843800000710
的小波系数的绝对值是否低于设定的阈值；
若所述变换后的视频图像
Figure GDA00023856843800000711
的小波系数的绝对值低于设定的阈值，则将其小波系数置零；
若所述变换后的人脸图像的小波系数的绝对值不低于设定的阈值，则利用下式对该小波系数进行过滤：
Figure GDA00023856843800000712
式中，
Figure GDA00023856843800000713
为过滤后的小波系数，j＝1,2,…,J，J为小波系数的个数，wj为第j个小波系数，Th为设定的阈值，sgn(f)为符号函数，当f为正数时，取1，为负数时，取-1，α为形状系数，用于调整过滤的快慢程度。
有益效果：采用上述预设的过滤条件对变换后的视频图像
Figure GDA00023856843800000714
进行过滤，通过对变换后的视频图像
Figure GDA00023856843800000715
的小波系数的绝对值与预设的阈值进行比较，能够有效地对不低于预设的阈值Th进行过滤，进而实现对视频图像
Figure GDA00023856843800000716
的降噪，该算法，提高了该图像的降噪质量，有利于后续准确地对滑雪者的滑雪姿态的特征提取和特征识别，进而实现对滑雪者滑雪姿态的准确判断，以便于滑雪者纠正滑雪姿态。
优选地，所述云服务器对分组后的视频图像进行去重操作，具体是通过对自定义的筛选机制对同一组中的视频图像进行筛选，从而选取其中一张视频图像作为待处理图像，其中，自定义的筛选机制为：
(1)将同一组中的视频图像按照相同的分割条件进行分割，得到一系列子图像块{Rst}，Rst为第s张视频图像的第t个子图像块，其中s＝1,2,…,S，t＝1,2,…,T，S为该组中视频图像的张数，T为对每张视频图像分割得到的子图像块块数；
(2)将得到的子图像块打乱，并由不同的观测者对各个子图像块的质量进行评分，评分采用十分制进行，分值越高，表示该子图像块的质量越好，得到不同观测者对各个子图像块的评分值E1(Rst),E2(Rst),…,EZ(Rst)，Z为参与评分的观测者的人数，Ez(Rst)表示观测者z对子图像块Rst的评分值，根据得到的评分值，采用自定义的图像品质系数的计算公式计算同一组中的视频图像的图像品质系数；其中，关于第s张视频图像的图像品质系数为：
Figure GDA0002385684380000081
式中，Qs为第s张视频图像的图像品质系数，κ1和κ2表示权重；
(2)选取图像品质系数最大的视频图像作为待处理图像。
遍历分组后的图像集合
Figure GDA0002385684380000082
即可得到待测视频图像集
Figure GDA0002385684380000083
D为待测视频图像数。
有益效果：本发明实施例中通过计算相同组中的视频图像的图像品质系数，通过该图像品质系数来描述获取的视频图像的质量，图像品质系数越大，代表该视频图像的质量越好，通过选择质量好的视频图像作为待处理图像，有利于降低后续对视频降噪、滑雪姿态识别的难度，有利于后续对滑雪者滑雪姿态的准确识别。该方法通过不同观测者对分割得到的每个子图像块的图像质量进行评分，便于快速地实现对每张视频图像的图像质量进行评价，从而获取更为精准细致的图像品质系数，从而筛选出质量佳的视频图像作为待处理图像，提高了后续的工作准确率和工作效率。
本发明的有益效果为：该训练结果显示方法通过云服务器对采集模块采集的滑雪者在所述滑雪训练装置运动时的滑雪姿势的视频图像进行处理，进而得到能够标准滑雪者滑雪姿态特征数据，并经其与模板数据库中预存的滑雪标准姿态特征数据进行匹配，进而实现对滑雪者在使用滑雪训练装置时的滑雪姿态的准确判断，便于后续滑雪者对其滑雪姿态进行纠正。
实施例二
参见图2，本发明实施例还提供了一种用于执行实施例一所述的训练结果显示方法的云服务器，所述的云服务器包括：
图像预处理模块1，用于执行所述的对视频图像进行分组、去重操作，得到待测视频图像集
Figure GDA0002385684380000091
D为待测视频图像的个数；
图像过滤模块2，用于执行所述的对所述待测视频图像集
Figure GDA0002385684380000092
中的视频图像进行过滤，以去除相应视频图像中的随机噪声；
图像分割模块3，用于执行所述的对过滤后的视频图像进行分割，以获取相应的过滤后的视频图像中的人形图像；
姿态识别模块4，用于执行所述的提取所述人形图像中的滑雪姿态特征数据，并与模板数据库中预存的滑雪标准姿态特征数据进行匹配，当匹配度高于设定的阈值，判定该滑雪者的滑雪姿势标准，否则，判定该滑雪者的滑雪姿势不标准。
优选地，所述图像预处理模块1包括：
图像分组单元11，用于对视频图像进行分组；图像筛选单元12，用于对同一组中的图像进行筛选，选取其中一张图像作为待处理图像。
本发明有益效果：本发明提供了一种包含用于实现上述训练结果显示方法的云服务器，该云服务器通过对采集模块采集的滑雪者在所述滑雪训练装置运动时的滑雪姿势的视频图像进行处理，进而得到能够标准滑雪者滑雪姿态特征数据，并经其与模板数据库中预存的滑雪标准姿态特征数据进行匹配，进而实现对滑雪者在使用滑雪训练装置时的滑雪姿态的准确判断，便于后续滑雪者对其滑雪姿态进行纠正。
实施例三
参见图3-4，本发明实施例还提供了一种智慧滑雪训练器，该智慧滑雪训练器包括：两个对称设置的滑雪训练装置；所述的两个对称设置的滑雪训练装置分别为“凹”弧形滑雪训练装置和“凸”弧形滑雪训练装置；
一柜体5，位于两个所述的滑雪训练装置之间，所述柜体5设有用于采集滑雪者在所述滑雪训练装置运动时的滑雪姿势的摄像装置6；
所述柜体上还设有与所述摄像装置6通信的云服务器和显示装置7；
所述云服务器和显示装置7用于执行如实施例一所述的一种智慧滑雪训练器的训练结果显示方法。
本实施例提供的智慧滑雪训练器是专门进行滑雪运动训练或模拟滑雪的一种健身器材，主要功能为滑雪训练、模拟体验滑雪乐趣，同时增强上下肢的协调锻炼，满足滑雪运动的前期锻炼、丰富人们的生活。
优选地，所述“凹”弧形滑雪训练装置包括U型支架8a和U型支架8b，与U型支架8a和U型支架8b的横梁部分固接的扶手杆9、与U型支架8a和U型支架8b的横梁部分固接的“凹”型滑轨10和可以沿所述“凹”型滑轨10滑行的踏板11a。
所述“凸”弧形滑雪训练装置包括U型扶手12、带有弧形滑轨的弧形底座13和可以沿所述弧形滑轨滑行的踏板11b，所述弧形滑轨是“凸”弧形；所述U型扶手12与所述弧形底座13的底部固接。
本发明提供了两种不同结构的滑雪训练装置，能够模拟两种不同运动轨迹，方便滑雪者根据自己的兴趣爱好自主选择采用哪种滑雪训练装置。
优选地，所述柜体5与所述的两个滑雪训练装置相对的端面为不锈钢镜面。通过将与所述的两个滑雪训练装置相对的柜体5的端面设置为不锈钢镜面，可以方便用户在使用该滑雪训练装置的过程中，通过该镜面观测自己的滑雪姿态，以便于随时进行纠正，进而进行科学健身。
优选地，摄像装置6安装在柜体9的上方，所述的摄像装置6为高清线摄像头，该摄像装置6用于录制滑雪者锻炼的整个过程，通过云服务器对摄像装置6录制的视频图像进行处理，进而得到能够标准滑雪者滑雪姿态特征数据，并经其与模板数据库中预存的滑雪标准姿态特征数据进行匹配，进而实现对滑雪者在使用滑雪训练装置时的滑雪姿态的准确判断，便于后续滑雪者对其滑雪姿态进行纠正。同时通过该摄像装置6也可以查看滑雪者在健身运动过程中受到伤害的真实情况，为管理及健身者提供一个依据。
优选地，在滑雪训练装置在还设有传感器，所述传感器可用于采集滑雪者的实时训练数据以及该滑雪训练装置的状态数据，并发送至云服务器进行处理并存储，并显示装置7进行显示；显示装置7显示的信息包括：用户即时运动次数、时间、能量消耗、所述滑雪训练装置运动总次数、总时间、使用寿命和滑雪者的运动排名。
优选地，在柜体5上还设有可以与云服务器进行通信的NFC模块，通过NFC模块建立移动终端和云服务器之间的联系，进而滑雪者可以通过移动终端来获取运动参数，该运动参数包括传感器采集的数据以及关于滑雪者的滑雪姿态的分析结果。在其他可选的实施方式中，还可以通过其他方法建立云服务器与移动终端的联系，如二维码扫描、蓝牙、APP等。通过建立云服务器与移动终端的联系，使得滑雪者可以通过手机查看运动数据，进而指导滑雪者进行科学健身。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (9)

1.一种智慧滑雪训练器的训练结果显示方法，所述智慧滑雪训练器包括滑雪训练装置，其特征在于，所述方法包括：
云服务器接收来自采集模块采集的训练数据，所述训练数据包括采集有滑雪者在所述滑雪训练装置运动时的滑雪姿势的视频图像；
所述云服务器对所述视频图像进行处理，获取所述滑雪者滑雪姿势是否标准的分析结果；
所述云服务器将所述分析结果发送至显示终端予以显示；
所述的对所述视频图像进行处理，包括：
所述云服务器对视频图像进行分组、去重操作，得到待测视频图像集
Figure FDA0002385684370000011
D为待测视频图像的个数；
对所述待测视频图像集
Figure FDA0002385684370000012
中的视频图像进行过滤，以去除相应视频图像中的随机噪声；
对过滤后的视频图像进行分割，以获取相应的过滤后的视频图像中的人形图像；
提取所述人形图像中的滑雪姿态特征数据，并与模板数据库中预存的滑雪标准姿态特征数据进行匹配，当匹配度高于设定的阈值，判定该滑雪者的滑雪姿势标准，否则，判定该滑雪者的滑雪姿势不标准；
所述云服务器对视频图像进行分组，具体为：
(1)计算所述视频图像中两个图像的相似度值，若相似度值大于设定的相似度阈值，则该两个图像的内容相同，并将所述的两个图像归属为同一组，其中，任意两个图像的相似度值的计算公式为：
Figure FDA0002385684370000013
式中，Sim(Ha,Hb)为图像Ha和图像Hb之间的相似度值，M和N分别为图像的行数和列数，
Figure FDA0002385684370000014
分别为图像Ha、图像Hb在RGB空间中坐标(m,n)处的像素点的水平梯度矢量值，
Figure FDA0002385684370000015
分别为图像Ha、图像Hb在RGB空间中坐标(m,n)处的像素点的垂直梯度矢量值，其中,在RGB空间中各个像素点的水平梯度矢量值的计算式子是：
Figure FDA0002385684370000016
在RGB空间中各个像素点的垂直梯度矢量值的计算式子是：
Figure FDA0002385684370000017
Gxr、Gxg和Gxb分别为像素点在R、G、B三个色彩通道下的水平梯度值，Gyr、Gyg和Gyb分别为像素点在R、G、B三个色彩通道下的垂直梯度值；
遍历所述视频图像中所有图像，即可得到K组图像集合
Figure FDA0002385684370000021
k为第k组，且k＝1,2，…,K，Lk为第k组图像集合中视频图像的个数。
2.根据权利要求1所述的训练结果显示方法，其特征在于，所述的对所述待测视频图像集
Figure FDA0002385684370000022
中的视频图像进行过滤，以去除相应视频图像中的随机噪声，其中，对所述视频图像
Figure FDA0002385684370000023
中视频图像
Figure FDA0002385684370000024
进行过滤操作包括：
(1)对所述视频图像
Figure FDA0002385684370000025
依次进行灰度化处理和离散小波变换，得到变换后的视频图像
Figure FDA0002385684370000026
(2)按照预设的过滤条件对变换后的视频图像
Figure FDA0002385684370000027
进行过滤；
(3)对过滤后的视频图像
Figure FDA0002385684370000028
进行离散小波逆变换，即可得到降噪后的视频图像
Figure FDA0002385684370000029
3.根据权利要求2所述的训练结果显示方法，其特征在于，所述的按照预设的过滤条件对变换后的视频图像
Figure FDA00023856843700000210
进行过滤，包括：
判断所述变换后的视频图像
Figure FDA00023856843700000211
的小波系数的绝对值是否低于设定的阈值；
若所述变换后的视频图像
Figure FDA00023856843700000212
的小波系数的绝对值低于设定的阈值，则将其小波系数置零；
若所述变换后的人脸图像的小波系数的绝对值不低于设定的阈值，则利用下式对该小波系数进行过滤：
Figure FDA00023856843700000213
式中，
Figure FDA00023856843700000214
为过滤后的小波系数，j＝1,2,…,J，J为小波系数的个数，wj为第j个小波系数，Th为设定的阈值，sgn(f)为符号函数，当f为正数时，取1，为负数时，取-1，α为形状系数，用于调整过滤的快慢程度。
4.一种云服务器，其特征在于，所述云服务器用于执行如权利要求1-3任一所述的训练结果显示方法，其包括：
图像预处理模块，用于执行所述的对视频图像进行分组、去重操作，得到待测视频图像集
Figure FDA00023856843700000215
D为待测视频图像的个数；
图像过滤模块，用于执行所述的对所述待测视频图像集
Figure FDA00023856843700000216
中的视频图像进行过滤，以去除相应视频图像中的随机噪声；
图像分割模块，用于执行所述的对过滤后的视频图像进行分割，以获取相应的过滤后的视频图像中的人形图像；
姿态识别模块，用于执行所述的提取所述人形图像中的滑雪姿态特征数据，并与模板数据库中预存的滑雪标准姿态特征数据进行匹配，当匹配度高于设定的阈值，判定该滑雪者的滑雪姿势标准，否则，判定该滑雪者的滑雪姿势不标准。
5.根据权利要求4所述的云服务器，其特征在于，所述图像预处理模块包括：
图像分组单元，用于对视频图像进行分组；
图像筛选单元，用于对同一组中的图像进行筛选，选取其中一张图像作为待处理图像。
6.一种智慧滑雪训练器，其特征在于，包括：
两个对称设置的滑雪训练装置；
一柜体，位于两个所述的滑雪训练装置之间，所述柜体设有用于采集滑雪者在所述滑雪训练装置运动时的滑雪姿势的摄像装置；
所述柜体上还设有与所述摄像装置通信的云服务器和显示装置；
所述云服务器和显示装置用于执行如权利要求1-3任一项所述的一种智慧滑雪训练器的训练结果显示方法。
7.根据权利要求6所述的智慧滑雪训练器，其特征是，所述的两个对称设置的滑雪训练装置分别为“凹”弧形滑雪训练装置和“凸”弧形滑雪训练装置；
所述“凹”弧形滑雪训练装置包括两个U型支架、与所述的两个U型支架的横梁部分固接的扶手杆、与所述的两个U型支架的横梁部分固接的“凹”型滑轨和沿所述“凹”型滑轨滑行的踏板；
所述“凸”弧形滑雪训练装置包括U型扶手、带有弧形滑轨的弧形底座和沿所述弧形滑轨滑行的踏板，所述弧形滑轨是“凸”弧形；所述U型扶手与所述弧形底座的底部固接。
8.根据权利要求7所述的智慧滑雪训练器，其特征在于，所述柜体与所述的两个滑雪训练装置相对的端面为不锈钢镜面。
9.根据权利要求6所述的智慧滑雪训练器，其特征在于，所述显示装置还用于显示用户即时运动次数、时间、能量消耗、所述滑雪训练装置运动总次数、总时间、使用寿命和滑雪者的运动排名。
CN201811490255.5A 2018-12-06 2018-12-06 一种智慧滑雪训练器及其训练结果显示方法、云服务器 Active CN109543652B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811490255.5A CN109543652B (zh) 2018-12-06 2018-12-06 一种智慧滑雪训练器及其训练结果显示方法、云服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811490255.5A CN109543652B (zh) 2018-12-06 2018-12-06 一种智慧滑雪训练器及其训练结果显示方法、云服务器

Publications (2)

Publication Number Publication Date
CN109543652A CN109543652A (zh) 2019-03-29
CN109543652B true CN109543652B (zh) 2020-04-17

Family

ID=65853872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811490255.5A Active CN109543652B (zh) 2018-12-06 2018-12-06 一种智慧滑雪训练器及其训练结果显示方法、云服务器

Country Status (1)

Country Link
CN (1) CN109543652B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110604912A (zh) * 2019-07-09 2019-12-24 首都体育学院 携带式滑雪动作教学矫正装置
CN111228767B (zh) * 2020-01-20 2022-02-22 北京驭胜晏然体育文化有限公司 一种智能仿真室内滑雪安全系统及其监测方法
CN112516559B (zh) * 2020-11-30 2022-05-13 北京理工大学 一种适用于滑雪训练台的动作评价与动作指导方法
CN112891895B (zh) * 2021-01-27 2022-06-14 北京驭胜晏然体育文化有限公司 一种基于对射传感器的滑雪比赛数据获取方法、系统和可读存储介质
CN113713353B (zh) * 2021-05-12 2022-05-31 北京冰锋科技有限责任公司 一种跳台滑雪运动员的技术动作获取方法及系统
CN114897647B (zh) * 2022-04-27 2023-02-03 合创智能家具(广东)有限公司 一种教学辅助系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107765855A (zh) * 2017-10-25 2018-03-06 电子科技大学 一种基于手势识别控制机器人运动的方法和系统
CN108198601A (zh) * 2017-12-27 2018-06-22 广东欧珀移动通信有限公司 运动评分方法、装置、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106157329B (zh) * 2015-04-20 2021-08-17 中兴通讯股份有限公司 一种自适应目标跟踪方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107765855A (zh) * 2017-10-25 2018-03-06 电子科技大学 一种基于手势识别控制机器人运动的方法和系统
CN108198601A (zh) * 2017-12-27 2018-06-22 广东欧珀移动通信有限公司 运动评分方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN109543652A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN109543652B (zh) 一种智慧滑雪训练器及其训练结果显示方法、云服务器
WO2021057810A1 (zh) 数据处理、训练、识别方法、装置和存储介质
CN105426827B (zh) 活体验证方法、装置和系统
CN107798653B (zh) 一种图像处理的方法和一种装置
CN107423678A (zh) 一种提取特征的卷积神经网络的训练方法及人脸识别方法
CN110472604B (zh) 一种基于视频的行人与人群行为识别方法
CN106599770A (zh) 一种基于体感动作识别及抠像的滑雪场景显示方法
CN106709453A (zh) 一种基于深度学习的体育视频关键姿态提取方法
CN103853724B (zh) 多媒体数据分类方法及装置
CN102724449A (zh) 互动式电视机和利用显示装置实现与用户互动的方法
CN110837750B (zh) 一种人脸质量评价方法与装置
CN110390673B (zh) 一种监控场景下基于深度学习的香烟自动检测方法
CN109815776A (zh) 动作提示方法和装置、存储介质及电子装置
CN109559362B (zh) 一种图像主体脸部替换方法及装置
CN103971379B (zh) 基于单摄像机等效双目立体视觉模型的泡沫立体特征提取方法
CN106447654B (zh) 基于统计相似性和双向显著性保真度的图像重定向质量评价方法
CN110478862A (zh) 一种健身指导系统及其指导方法
CN110163567A (zh) 基于多任务级联卷积神经网络的课堂点名系统
CN109271941A (zh) 一种基于防屏摄攻击的活体检测方法
CN108550146A (zh) 一种基于roi的图像质量评价方法
CN111985348A (zh) 人脸识别方法和系统
CN110135277A (zh) 一种基于卷积神经网络的人体行为识别方法
CN105374051B (zh) 智能移动终端防镜头抖动视频运动目标检测方法
JP7078577B2 (ja) 動作類似度評価装置、方法およびプログラム
CN104978583B (zh) 人物动作的识别方法及装置

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: An intelligent skiing trainer and its training result display method, cloud server

Effective date of registration: 20220512

Granted publication date: 20200417

Pledgee: Xiamen International Bank Co.,Ltd. Beijing Branch

Pledgor: BEIJING OKSTAR SPORTS INDUSTRY Co.,Ltd.

Registration number: Y2022990000272

PE01 Entry into force of the registration of the contract for pledge of patent right