CN109558824B - 一种基于人员图像识别的健身动作监测与分析系统 - Google Patents

一种基于人员图像识别的健身动作监测与分析系统 Download PDF

Info

Publication number
CN109558824B
CN109558824B CN201811405515.4A CN201811405515A CN109558824B CN 109558824 B CN109558824 B CN 109558824B CN 201811405515 A CN201811405515 A CN 201811405515A CN 109558824 B CN109558824 B CN 109558824B
Authority
CN
China
Prior art keywords
fitness
line
measured
key feature
standard
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
CN201811405515.4A
Other languages
English (en)
Other versions
CN109558824A (zh
Inventor
卢伟涛
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.)
Hi FanTech (Ningbo) Co.,Ltd.
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201811405515.4A priority Critical patent/CN109558824B/zh
Publication of CN109558824A publication Critical patent/CN109558824A/zh
Application granted granted Critical
Publication of CN109558824B publication Critical patent/CN109558824B/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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Cardiology (AREA)
  • General Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Social Psychology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Pulmonology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Psychiatry (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Artificial Intelligence (AREA)
  • Veterinary Medicine (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明公开一种基于人员图像识别的健身动作监测与分析系统，包括机体检测终端、特征提取模块、图像定位划分模块、健身数据库、管理分析服务器、显示终端、若干压力检测模块和若干图像获取模块，管理分析服务器分别与机体检测终端、图像定位划分模块、特征提取模块、显示终端、若干压力检测模块和若干图像获取模块连接，图像获取模块与特征提取模块连接。本发明通过压力检测模块、图像获取模块、特征获取模块并结合管理分析服务器能够有效地对健身人员在健身过程中的动作进行监测、分析，为后期健身动作标准化起指导性和促进性作用，且提高了健身过程中的安全性，便于健身人员合理有效地健身。

Description

一种基于人员图像识别的健身动作监测与分析系统
技术领域
本发明属于健身管理技术领域，涉及到一种基于人员图像识别的健身动作监测与分析系统。
背景技术
目前城市内特别针对上班族，生活节奏快，压力大，使得越来越多的人缺乏锻炼，进而压力无法释放，导致身体处于亚健康的状态。
随着人们对健康的重视，现在人们跑步的健身方式已经满足不了人们更高的需求，人们希望通过专业的器材、舒适的健身环境进行健身，人们在健身房可以通过健身教练进行健身动作的规划和指导，但是由于健身教练数量有限，导致健身教练无法对每个学员的动作进行监督，同时由于健身房的健身教练的费用较高，导致健身人员通常自己利用健身器材进行锻炼，易出现健身动作不规范的问题，进而导致无法达到预期的健身效果，甚至还会造成健身人员的肌肉拉伤等问题。
为了解决以上问题，现设计一种基于人员图像识别的健身动作监测与分析系统，能够对健身人员在健身的过程中实时进行监测，并能够分析健身人员的动作是否符合规范，大大提高了健身动作的规范性以及安全性，使得人员远离亚健康状态。
发明内容
本发明的目的在于提供的基于人员图像识别的健身动作监测与分析系统，解决了现有健身过程中，无法对健身人员的动作进行实时监测，且无法对健身动作进行准确地分析的问题。
本发明的目的可以通过以下技术方案实现：
一种基于人员图像识别的健身动作监测与分析系统，包括机体检测终端、特征提取模块、图像定位划分模块、健身数据库、管理分析服务器、显示终端、若干压力检测模块和若干图像获取模块，管理分析服务器分别与机体检测终端、图像定位划分模块、特征提取模块、显示终端、若干压力检测模块和若干图像获取模块连接，图像获取模块与特征提取模块连接；
机体检测终端用于对检测健身人员在健身前后的体重、温度、心跳频率和呼吸频率，并将检测的健身人员的体重、温度、心跳频率和呼吸频率发送至管理分析服务器；
机体检测终端包括体重检测单元、温度检测单元、心跳频率统计单元、呼吸频率统计单元、通信传输单元、处理器和显示单元，处理器分别与体重检测单元、温度检测单元、心跳频率统计单元、呼吸频率统计单元、通信传输单元和显示单元连接；
体重检测单元为体重测量仪，用于对健身人员的体重进行测量，并将测量的体重发送至处理器；温度检测单元为体温检测仪，用于对健身人员的体温进行检测，并将检测的体温发送至处理器；心跳频率统计单元为心率检测仪，用于对健身人员进行心跳频率的检测，并将检测的心跳频率发送至处理器；呼吸频率统计单元为呼吸频率测试仪，用于对健身人员进行呼吸频率的检测，并将检测的呼吸频率发送至处理器；
处理器接收体重检测单元、温度检测单元、心跳频率统计单元和呼吸频率统计单元发送的健身人员的体重、体温、心跳频率和呼吸频率，并将接收的体重、体温、心跳频率和呼吸频率分别发送至显示单元和通信传输单元，通信传输单元用于接收处理器发送的健身人员的体重、体温、心跳频率和呼吸频率，并将接收的体重、体温、心跳频率和呼吸频率发送至管理分析服务器。
图像定位划分模块用于接收图像获取模块发送的图像信息，对接收的图像进行划分，划分成若干长宽尺寸为XxY的矩形子图像，对各矩形子图像按照各子图像从左到右以及从下到上的顺序依次进行编号，构成标准二维子图像位置集合U[i][j]，且i等于1,2,...,n，j等于1,2,...,m，并将划分后的若干矩形子图像以及各矩形子图像对应的编号发送至管理分析服务器；
压力检测模块为压力传感器，用于检测压力检测模块所在的检测区域范围内的压力信息，并将检测的压力信息以及压力检测模块的编号分别发送至管理分析服务器，不同的压力检测模块对应不同的检测区域，对各压力检测模块进行编号，分别标记为1,2,...,k,...,s，其中，对健身房内的区域进行划分，划分成若干相互连接的矩形检测区域，对各矩形检测区域进行编号，分别为1,2,...,k,...,s，各压力检测模块与各矩形检测区域之间一一对应，即同一编号的压力检测模块与对应编号的矩形检测区域相对应，所述压力检测模块安装在所在矩形检测区域的中心位置处；
图像获取模块安装在健身房内的各个位置处，用于以固定时间段T对健身人员进行图像采集，并将采集的图像分别发送至特征提取模块和图像定位划分模块，所述图像获取模块按照设定的顺序进行编号，分别为1,2,...,k,...,s，同一编号的图像获取模块与该编号相同的矩形检测区域相对应，即同一编号的图像获取模块采集该编号相同的矩形检测区域内的人员图像；
特征提取模块接收图像获取模块发送的图像信息，提取接收的图像信息中的区别特征部位，并对提取的区别特征部位进行关键特征点筛选，筛选的关键特征点发送至管理分析服务器，所述区别特征部位包括左手臂、右手臂、左腿和右腿，各区别特征部位依次表示为a、b、c和d，每个区别特征部位均包括三个关键特征点；
健身数据库用于存储不同健身动作的标准动作，且存储不同标准健身动作的参数特征，其中，对各标准健身动作按照设定每组健身动作进行划分，划分成若干组健身动作，并对各组健身动作按照动作先后顺序进行编号，分别为S1,S2,...,Sr,...,Sv，v表示为第S组中健身动作的数量，Sr集合表示为第S组健身动作中的第r个健身动作的参数特征；
管理分析服务器用于接收压力检测模块发送的压力信息以及压力检测模块的编号，若检测的压力信息大于该检测区域的压力阀值，则管理分析服务器发送控制指令至与该压力检测模块编号相同的图像获取模块，所述图像获取模块接收管理分析服务器发送的控制指令，控制图像获取模块进行图像采集；
管理分析服务器接收特征提取模块发送的各区别特征部位的各关键特征点，并接收图像定位划分模块发送的各矩形子图像以及各矩形子图像对应的编号，管理分析服务器将接收的各区别特征部位的各关键特征点分别与图像定位划分模块发送的各矩形子图像所在的位置进行逐一对比，得到关键特征点为位置坐标PKt＝(iKt,jKt)，且i∈{1,2,...,n},j∈{1,2,...,m}，K表示为各区别特征部位a、b、c和d，t表示为各区别特征部位中的各关键特征点，且t＝1,2,3；若关键特征点位于一个矩形子图像内，则该关键特征点所在位置的编号为该矩形子图像的编号，若关键特征点位于至少一个矩形子图像内，则表明该关键特征点所在的位置编号分别为该关键特征点同时所在的各矩形子图像的编号，管理分析服务器根据各关键特征点所在的矩形子图像编号，统计相邻两关键特征点间的距离，采用的距离计算公式为
Figure BDA0001877250040000031
Figure BDA0001877250040000032
Figure BDA0001877250040000041
f表示为第1个关键特征点所在的矩形子图像的数量，g表示为第2个关键特征点所在的矩形子图像的数量，h表示为第3个关键特征点所在的矩形子图像的数量，iK1f和jK1f分别表示为第k个区别特征部位中第1个关键特征点所在的f个矩形子图像的横向和纵向编号，iK2g和jK2g分别表示为第k个区别特征部位中第2个关键特征点所在的g个矩形子图像的横向和纵向编号，iK3h和jK3h分别表示为第k个区别特征部位中第3个关键特征点所在的第h个矩形子图像的横向和纵向编号，X表示为矩形子图像的宽度，Y表示为矩形子图像的长度；
管理分析服务器根据获取的各区别特征部位中各关键特征点，并将同一区别特征部位上的各关键特征点按照关键特征点的排序顺序以及相邻两关键特征点间的距离，形成几何三角形约束，并对各关键特征点连线的方向进行划分，管理分析服务器将各区别特征部位形成的几何形状以及该区别特征部位的第一待测线与标准线间的角度大小和方向分别与对应的健身数据库中标准几何形状集合、标准待测角集合和标准待测角方向集合进行逐一对比，分别得到几何形状对比集合BKS′(BKS′1,BKS′2,...,BKS′r,...,BKS′v)、待测角对比集合CKS′(CKS′1,CKS′2,...,CKS′r,...,CKS′v)和待测角方向对比集合DKS′(DKS′1,DKS′2,...,DKS′r,...,DKS′v)，其中，BKS′r、CKS′r和DKS′r分别表示为健身人员健身过程中的第K个区别特征部位的几何三角形与第S组健身动作中的第K个区别特征对应的三角形间的是否为相似三角形、第一待测线与标准线的角度绝对值与第S组健身动作中第K个区别特征部位的第一待测线与标准线间的角度绝对值的差值、第一待测线和标准线的角度方向与第S组健身动作中的第K个区别特征中第一待测线与标准线间的角度方向对比情况；
同时，管理分析服务器根据健身人员在健身过程中的几何形状对比集合、待测角度对比集合和待测角方向对比集合，采用公式计算健身人员与各组健身动作的吻合系数，并筛选出与各组健身动作吻合系数最大的动作吻合系数QS；
管理分析服务器接收机体检测终端发送的健身前后的体重、温度、心跳频率和呼吸频率，并结合动作吻合系数最大的动作吻合系数QS，统计分析健身人员健身姿势评估系数δ，管理分析服务器将分析得到的健身人员健身姿势评估系数发送至显示终端；
显示终端用于接收管理分析服务器发送的健身人员健身姿势评估系数，并进行显示。
进一步地，机体检测终端包括体重检测单元、温度检测单元、心跳频率统计单元、呼吸频率统计单元、通信传输单元、处理器和显示单元，处理器分别与体重检测单元、温度检测单元、心跳频率统计单元、呼吸频率统计单元、通信传输单元和显示单元连接；
体重检测单元为体重测量仪，用于对健身人员的体重进行测量，并将测量的体重发送至处理器；温度检测单元为体温检测仪，用于对健身人员的体温进行检测，并将检测的体温发送至处理器；心跳频率统计单元为心率检测仪，用于对健身人员进行心跳频率的检测，并将检测的心跳频率发送至处理器；呼吸频率统计单元为呼吸频率测试仪，用于对健身人员进行呼吸频率的检测，并将检测的呼吸频率发送至处理器；
处理器接收体重检测单元、温度检测单元、心跳频率统计单元和呼吸频率统计单元发送的健身人员的体重、体温、心跳频率和呼吸频率，并将接收的体重、体温、心跳频率和呼吸频率分别发送至显示单元和通信传输单元，通信传输单元用于接收处理器发送的健身人员的体重、体温、心跳频率和呼吸频率，并将接收的体重、体温、心跳频率和呼吸频率发送至管理分析服务器。
进一步地，所述健身动作的参数特征包括做该健身动作时各区别特征部位的标准几何形状、各区别特征部位中第一待测线与标准线间的角度方向与大小以及第二待测线与第一待测线间的角度方向和大小,各组标准健身动作对应的区别特征部位的标准几何形状、第一待测线与标准线间角度的大小和方向分别构成标准几何形状集合BKS(BKS1,BKS2,...,BKSr,...,BKSv)、标准待测角集合CKS(CKS1,CKS2,...,CKSr,...,CKSv)和标准待测角方向集合DKS(DKS1,DKS2,...,DKSr,...,DKSv)，BKSr表示为第S组健身动作中第K个区别特征部位对应的标准几何形状，CKSr表示为第S组健身动作中第K个区别特征部位的第一待测线与标准线间的角度大小，DKSr表示为第S组健身动作中第K个区别特征部位的第一待测线与标准线间的角度方向，且K为a、b、c和d中的一个。
进一步地，所述左手臂和右手臂的关键特征点分别为腕部、胳膊肘部以及肩部，左腿和右腿的关键特征点分别为脚踝、膝盖以及胯部，其中，左手臂各关键特征点按照左腕部、左胳膊肘部以及左肩部顺序进行排序分别为a1,a2,a3，右手臂各关键特征点按照右腕部、右胳膊肘部以及右肩部顺序进行排序分别为b1,b2,b3，左腿各关键特征点按照左脚踝、左膝盖以及左胯部顺序进行排序分别为c1,c2,c3，右各关键特征点按照右脚踝、右膝盖以及右胯部顺序进行排序分别为d1,d2,d3。
进一步地，当健身人员的健身动作中的第K个区别特征部位的几何三角形与第S组健身动作中的第K个区别特征对应的几何三角形为相似三角形，则取BKS′r等于1，反之，则取0，若第一待测线和标准线的角度方向与第S组健身动作中的第K个区别特征部位中第一待测线与标准线间的角度方向相同，则DKS′r取1，反之，则取0。
进一步地，所述关键特征点连线的方向划分，以过各区别特征部位中的第三个关键特征点作垂直线，设定该垂直线为标准线。
进一步地，当区别特征部位上的关键特征点位于该标准线的左侧，则该区别特征部位中第二待测线与标准线间的夹角为负值，第二待测线与第一待测线间的夹角也为负值，同理，当区别特征部位上的关键特征点位于该标准线的右侧，则该区别特征部位中第二待测线与标准线间的夹角为正值，第二待测线与第一待测线间的夹角也正值，且区别特征部位中第一关键特征点与第二关键特征点间的连线为第一待测线，第二待测线为第二关键特征点与第三关键特征点间的连线。
进一步地，动作的吻合系数计算公式为
Figure BDA0001877250040000061
QS表示为与S组健身动作的动作吻合系数，Fab和Fcd分别表示为左右手臂的关联度系数、左右腿的关联度系数，
Figure BDA0001877250040000062
和
Figure BDA0001877250040000063
分别表示为左右手臂的动作相一致的次数、左右腿的动作相一致的次数，CKSr表示为第S组健身动作中第K个区别特征部位的第一待测线与标准线间的角度绝对值。
进一步地，所述健身人员健身姿势评估系数
Figure BDA0001877250040000064
λ表示特征参数，λ＝1，2，3，4，分别表示为体重、温度、心跳频率和呼吸频率，
Figure BDA0001877250040000065
表示为第λ个特征参数在健身前的数值，
Figure BDA0001877250040000066
表示为第λ个特征参数在健身后的数值,
Figure BDA0001877250040000067
表示为第λ个特征参数在健身前后数值变化的平均值。
本发明的有益效果：
本发明提供的基于人员图像识别的健身动作监测与分析系统，通过机体检测终端能够对健身人员在健身前后进行体重、温度、心跳频率和呼吸频率的监测，能够有效地监测机体参数的变化；通过压力检测模块、图像获取模块、特征获取模块并结合管理分析服务器，管理分析服务器根据压力检测模块检测的压力信息控制采集该压力检测模块所在检测区域的健身人员的图像，实现了健身过程中动作图像的采集，且对采集的图像进行区别特征部位的关键特征点的提取，提取的区别特征部位中的关键特征点组成的几何形状、待测角度、待测角度方向分别与标准健身动作中的各关键特征点对应的标准几何形状、标准待测角度和标准待测角度方向进行对比，以统计健身动作吻合系数和健身人员健身姿势评估系数，该系统能够准确地对健身人员在健身过程中的动作进行监测、分析，为后期健身动作标准化起指导性和促进性作用，且提高了健身过程中的安全性，便于健身人员合理、有效地健身。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明中一种基于人员图像识别的健身动作监测与分析系统的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，一种基于人员图像识别的健身动作监测与分析系统，包括机体检测终端、特征提取模块、图像定位划分模块、健身数据库、管理分析服务器、显示终端、若干压力检测模块和若干图像获取模块，管理分析服务器分别与机体检测终端、图像定位划分模块、特征提取模块、显示终端、若干压力检测模块和若干图像获取模块连接，图像获取模块与特征提取模块连接；
机体检测终端用于对检测健身人员在健身前后的体重、温度、心跳频率和呼吸频率，并将检测的健身人员的体重、温度、心跳频率和呼吸频率发送至管理分析服务器；
机体检测终端包括体重检测单元、温度检测单元、心跳频率统计单元、呼吸频率统计单元、通信传输单元、处理器和显示单元，处理器分别与体重检测单元、温度检测单元、心跳频率统计单元、呼吸频率统计单元、通信传输单元和显示单元连接；
体重检测单元为体重测量仪，用于对健身人员的体重进行测量，并将测量的体重发送至处理器；温度检测单元为体温检测仪，用于对健身人员的体温进行检测，并将检测的体温发送至处理器；心跳频率统计单元为心率检测仪，用于对健身人员进行心跳频率的检测，并将检测的心跳频率发送至处理器；呼吸频率统计单元为呼吸频率测试仪，用于对健身人员进行呼吸频率的检测，并将检测的呼吸频率发送至处理器；
处理器接收体重检测单元、温度检测单元、心跳频率统计单元和呼吸频率统计单元发送的健身人员的体重、体温、心跳频率和呼吸频率，并将接收的体重、体温、心跳频率和呼吸频率分别发送至显示单元和通信传输单元，通信传输单元用于接收处理器发送的健身人员的体重、体温、心跳频率和呼吸频率，并将接收的体重、体温、心跳频率和呼吸频率发送至管理分析服务器。
图像定位划分模块用于接收图像获取模块发送的图像信息，对接收的图像进行划分，划分成若干长宽尺寸为XxY的矩形子图像，对各矩形子图像按照各子图像从左到右以及从下到上的顺序依次进行编号，构成标准二维子图像位置集合U[i][j]，且i等于1,2,...,n，j等于1,2,...,m，并将划分后的若干矩形子图像以及各矩形子图像对应的编号发送至管理分析服务器；
压力检测模块为压力传感器，用于检测压力检测模块所在的检测区域范围内的压力信息，并将检测的压力信息以及压力检测模块的编号分别发送至管理分析服务器，不同的压力检测模块对应不同的检测区域，对各压力检测模块进行编号，分别标记为1,2,...,k,...,s，其中，对健身房内的区域进行划分，划分成若干相互连接的矩形检测区域，对各矩形检测区域进行编号，分别为1,2,...,k,...,s，各压力检测模块与各矩形检测区域之间一一对应，即同一编号的压力检测模块与对应编号的矩形检测区域相对应，所述压力检测模块安装在所在矩形检测区域的中心位置处；
图像获取模块安装在健身房内的各个位置处，用于以固定时间段T对健身人员进行图像采集，并将采集的图像分别发送至特征提取模块和图像定位划分模块，所述图像获取模块按照设定的顺序进行编号，分别为1,2,...,k,...,s，同一编号的图像获取模块与该编号相同的矩形检测区域相对应，即同一编号的图像获取模块采集该编号相同的矩形检测区域内的人员图像；
特征提取模块接收图像获取模块发送的图像信息，提取接收的图像信息中的区别特征部位，并对提取的区别特征部位进行关键特征点筛选，筛选的关键特征点发送至管理分析服务器，所述区别特征部位包括左手臂、右手臂、左腿和右腿，各区别特征部位依次表示为a、b、c和d，每个区别特征部位均包括三个关键特征点，所述左手臂和右手臂的关键特征点分别为腕部、胳膊肘部以及肩部，左腿和右腿的关键特征点分别为脚踝、膝盖以及胯部，其中，左手臂各关键特征点按照左腕部、左胳膊肘部以及左肩部顺序进行排序分别为a1,a2,a3，右手臂各关键特征点按照右腕部、右胳膊肘部以及右肩部顺序进行排序分别为b1,b2,b3，左腿各关键特征点按照左脚踝、左膝盖以及左胯部顺序进行排序分别为c1,c2,c3，右各关键特征点按照右脚踝、右膝盖以及右胯部顺序进行排序分别为d1,d2,d3；
健身数据库用于存储不同健身动作的标准动作，且存储不同标准健身动作的参数特征，其中，对各标准健身动作按照设定每组健身动作进行划分，划分成若干组健身动作，并对各组健身动作按照动作先后顺序进行编号，分别为S1,S2,...,Sr,...,Sv，v表示为第S组中健身动作的数量，Sr集合表示为第S组健身动作中的第r个健身动作的参数特征，所述健身动作的参数特征包括做该健身动作时各区别特征部位的标准几何形状、各区别特征部位中第一待测线与标准线间的角度方向与大小以及第二待测线与第一待测线间的角度方向和大小,各组标准健身动作对应的区别特征部位的标准几何形状、第一待测线与标准线间角度的大小和方向分别构成标准几何形状集合BKS(BKS1,BKS2,...,BKSr,...,BKSv)、标准待测角集合CKS(CKS1,CKS2,...,CKSr,...,CKSv)和标准待测角方向集合DKS(DKS1,DKS2,...,DKSr,...,DKSv)，BKSr表示为第S组健身动作中第K个区别特征部位对应的标准几何形状，CKSr表示为第S组健身动作中第K个区别特征部位的第一待测线与标准线间的角度大小，DKSr表示为第S组健身动作中第K个区别特征部位的第一待测线与标准线间的角度方向，且K为a、b、c和d中的一个；
管理分析服务器用于接收压力检测模块发送的压力信息以及压力检测模块的编号，若检测的压力信息大于该检测区域的压力阀值，则管理分析服务器发送控制指令至与该压力检测模块编号相同的图像获取模块，所述图像获取模块接收管理分析服务器发送的控制指令，控制图像获取模块进行图像采集；
管理分析服务器接收特征提取模块发送的各区别特征部位的各关键特征点，并接收图像定位划分模块发送的各矩形子图像以及各矩形子图像对应的编号，管理分析服务器将接收的各区别特征部位的各关键特征点分别与图像定位划分模块发送的各矩形子图像所在的位置进行逐一对比，得到关键特征点为位置坐标PKt＝(iKt,jKt)，且i∈{1,2,...,n},j∈{1,2,...,m}，K表示为各区别特征部位a、b、c和d，t表示为各区别特征部位中的各关键特征点，且t＝1,2,3；若关键特征点位于一个矩形子图像内，则该关键特征点所在位置的编号为该矩形子图像的编号，若关键特征点位于至少一个矩形子图像内，则表明该关键特征点所在的位置编号分别为该关键特征点同时所在的各矩形子图像的编号，管理分析服务器根据各关键特征点所在的矩形子图像编号，统计相邻两关键特征点间的距离，采用的距离计算公式为
Figure BDA0001877250040000101
Figure BDA0001877250040000102
Figure BDA0001877250040000103
f表示为第1个关键特征点所在的矩形子图像的数量，g表示为第2个关键特征点所在的矩形子图像的数量，h表示为第3个关键特征点所在的矩形子图像的数量，iK1f和jK1f分别表示为第k个区别特征部位中第1个关键特征点所在的f个矩形子图像的横向和纵向编号，iK2g和jK2g分别表示为第k个区别特征部位中第2个关键特征点所在的g个矩形子图像的横向和纵向编号，iK3h和jK3h分别表示为第k个区别特征部位中第3个关键特征点所在的第h个矩形子图像的横向和纵向编号，X表示为矩形子图像的宽度，Y表示为矩形子图像的长度；
管理分析服务器根据获取的各区别特征部位中各关键特征点，并将同一区别特征部位上的各关键特征点按照关键特征点的排序顺序以及相邻两关键特征点间的距离，形成几何三角形约束，并对各关键特征点连线的方向进行划分，管理分析服务器将各区别特征部位形成的几何形状以及该区别特征部位的第一待测线与标准线间的角度大小和方向分别与对应的健身数据库中标准几何形状集合、标准待测角集合和标准待测角方向集合进行逐一对比，分别得到几何形状对比集合BKS′(BKS′1,BKS′2,...,BKS′r,...,BKS′v)、待测角对比集合CKS′(CKS′1,CKS′2,...,CKS′r,...,CKS′v)和待测角方向对比集合DKS′(DKS′1,DKS′2,...,DKS′r,...,DKS′v)，其中，BKS′r、CKS′r和DKS′r分别表示为健身人员健身过程中的第K个区别特征部位的几何三角形与第S组健身动作中的第K个区别特征对应的三角形间的是否为相似三角形、第一待测线与标准线的角度绝对值与第S组健身动作中第K个区别特征部位的第一待测线与标准线间的角度绝对值的差值、第一待测线和标准线的角度方向与第S组健身动作中的第K个区别特征中第一待测线与标准线间的角度方向对比情况，若健身人员的健身动作中的第K个区别特征部位的几何三角形与第S组健身动作中的第K个区别特征对应的几何三角形为相似三角形，则取BKS′r等于1，反之，则取0，若第一待测线和标准线的角度方向与第S组健身动作中的第K个区别特征部位中第一待测线与标准线间的角度方向相同，则DKS′r取1，反之，则取0；
其中，关键特征点连线的方向划分，以过各区别特征部位中的第三个关键特征点作垂直线，设定该垂直线为标准线，若该区别特征部位上的关键特征点位于该标准线的左侧，则该区别特征部位中第二待测线与标准线间的夹角为负值，第二待测线与第一待测线间的夹角也为负值，同理，若该区别特征部位上的关键特征点位于该标准线的右侧，则该区别特征部位中第二待测线与标准线间的夹角为正值，第二待测线与第一待测线间的夹角也正值，各区别特征部位中的各关键特征点与该区别特征部位形成的标准线进行对比，且区别特征部位中第一关键特征点与第二关键特征点间的连线为第一待测线，第二待测线为第二关键特征点与第三关键特征点间的连线；
同时，管理分析服务器根据健身人员在健身过程中的几何形状对比集合、待测角度对比集合和待测角方向对比集合，采用公式计算健身人员与各组健身动作的吻合系数，并筛选出与各组健身动作吻合系数最大的动作吻合系数，其中，动作的吻合系数计算公式为
Figure BDA0001877250040000111
QS表示为与S组健身动作的动作吻合系数，动作吻合系数越高，表明健身人员的健身动作越接近标准健身动作，Fab和Fcd分别表示为左右手臂的关联度系数、左右腿的关联度系数，
Figure BDA0001877250040000121
Figure BDA0001877250040000122
和
Figure BDA0001877250040000123
分别表示为左右手臂的动作相一致的次数、左右腿的动作相一致的次数，CKSr表示为第S组健身动作中第K个区别特征部位的第一待测线与标准线间的角度绝对值；
管理分析服务器接收机体检测终端发送的健身前后的体重、温度、心跳频率和呼吸频率，并结合动作吻合系数最大的动作吻合系数QS，统计分析健身人员健身姿势评估系数
Figure BDA0001877250040000124
λ表示特征参数，λ＝1，2，3，4，分别表示为体重、温度、心跳频率和呼吸频率，
Figure BDA0001877250040000125
表示为第λ个特征参数在健身前的数值，
Figure BDA0001877250040000126
表示为第λ个特征参数在健身后的数值,
Figure BDA0001877250040000127
表示为第λ个特征参数在健身前后数值变化的平均值，健身人员健身姿势评估系数δ越大，表明健身人员的健身动作越规范，管理分析服务器将分析得到的健身人员健身姿势评估系数发送至显示终端，实现了对健身人员的健身动作进行有效地监测与分析，为后期健身动作标准化起指导性和针对性作用；
显示终端用于接收管理分析服务器发送的健身人员健身姿势评估系数，并进行显示，便于健身人员直观地了解健身姿势评估系数。
本发明提供的基于人员图像识别的健身动作监测与分析系统，通过机体检测终端能够对健身人员在健身前后进行体重、温度、心跳频率和呼吸频率的监测，能够有效地监测机体参数的变化；通过压力检测模块、图像获取模块、特征获取模块并结合管理分析服务器，管理分析服务器根据压力检测模块检测的压力信息控制采集该压力检测模块所在检测区域的健身人员的图像，实现了健身过程中动作图像的采集，且对采集的图像进行区别特征部位的关键特征点的提取，提取的区别特征部位中的关键特征点组成的几何形状、待测角度、待测角度方向分别与标准健身动作中的各关键特征点对应的标准几何形状、标准待测角度和标准待测角度方向进行对比，以统计健身动作吻合系数和健身人员健身姿势评估系数，该系统能够准确地对健身人员在健身过程中的动作进行监测、分析，为后期健身动作标准化起指导性和促进性作用，且提高了健身过程中的安全性，便于健身人员合理有效地健身。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种基于人员图像识别的健身动作监测与分析方法，其特征在于：包括机体检测终端、特征提取模块、图像定位划分模块、健身数据库、管理分析服务器、显示终端、若干压力检测模块和若干图像获取模块，管理分析服务器分别与机体检测终端、图像定位划分模块、特征提取模块、显示终端、若干压力检测模块和若干图像获取模块连接，图像获取模块与特征提取模块连接；
机体检测终端用于对健身人员在健身前后的体重、温度、心跳频率和呼吸频率进行检测，并将检测的健身人员的体重、温度、心跳频率和呼吸频率发送至管理分析服务器；
图像定位划分模块用于接收图像获取模块发送的图像信息，对接收的图像进行划分，划分成若干长宽尺寸为XxY的矩形子图像，对各矩形子图像按照各子图像从左到右以及从下到上的顺序依次进行编号，构成标准二维子图像位置集合U[i][j]，且i等于1,2,...,n，j等于1,2,...,m，并将划分后的若干矩形子图像以及各矩形子图像对应的编号发送至管理分析服务器；
压力检测模块为压力传感器，用于检测压力检测模块所在的检测区域范围内的压力信息，并将检测的压力信息以及压力检测模块的编号分别发送至管理分析服务器，不同的压力检测模块对应不同的检测区域，对各压力检测模块进行编号，分别标记为1,2,...,k,...,s，其中，对健身房内的区域进行划分，划分成若干相互连接的矩形检测区域，对各矩形检测区域进行编号，分别为1,2,...,k,...,s，各压力检测模块与各矩形检测区域之间一一对应，即同一编号的压力检测模块与对应编号的矩形检测区域相对应，所述压力检测模块安装在所在矩形检测区域的中心位置处；
图像获取模块安装在健身房内的各个位置处，用于以固定时间段T对健身人员进行图像采集，并将采集的图像分别发送至特征提取模块和图像定位划分模块，所述图像获取模块按照设定的顺序进行编号，分别为1,2,...,k,...,s，同一编号的图像获取模块与该编号相同的矩形检测区域相对应，即同一编号的图像获取模块采集该编号相同的矩形检测区域内的人员图像；
特征提取模块接收图像获取模块发送的图像信息，提取接收的图像信息中的区别特征部位，并对提取的区别特征部位进行关键特征点筛选，筛选的关键特征点发送至管理分析服务器，所述区别特征部位包括左手臂、右手臂、左腿和右腿，各区别特征部位依次表示为a、b、c和d，每个区别特征部位均包括三个关键特征点；
健身数据库用于存储不同健身动作的标准动作，且存储不同标准健身动作的参数特征，其中，对各标准健身动作按照设定每组健身动作进行划分，划分成若干组健身动作，并对各组健身动作按照动作先后顺序进行编号，分别为S1,S2,...,Sr,...,Sv，v表示为第S组中健身动作的数量，Sr集合表示为第S组健身动作中的第r个健身动作的参数特征；
管理分析服务器用于接收压力检测模块发送的压力信息以及压力检测模块的编号，若检测的压力信息大于该检测区域的压力阀值，则管理分析服务器发送控制指令至与该压力检测模块编号相同的图像获取模块，所述图像获取模块接收管理分析服务器发送的控制指令，控制图像获取模块进行图像采集；
管理分析服务器接收特征提取模块发送的各区别特征部位的各关键特征点，并接收图像定位划分模块发送的各矩形子图像以及各矩形子图像对应的编号，管理分析服务器将接收的各区别特征部位的各关键特征点分别与图像定位划分模块发送的各矩形子图像所在的位置进行逐一对比，得到关键特征点位置坐标PKt(iKt,jKt)，且i∈{1,2,...,n},j∈{1,2,...,m}，K表示为各区别特征部位a、b、c和d，t表示为各区别特征部位中的各关键特征点，且t＝1,2,3；若关键特征点位于一个矩形子图像内，则该关键特征点所在位置的编号为该矩形子图像的编号，若关键特征点位于至少一个矩形子图像内，则表明该关键特征点所在的位置编号分别为该关键特征点同时所在的各矩形子图像的编号，管理分析服务器根据各关键特征点所在的矩形子图像编号，统计相邻两关键特征点间的距离，采用的距离计算公式为
Figure FDA0002505978030000031
Figure FDA0002505978030000032
Figure FDA0002505978030000033
f表示为第1个关键特征点所在的矩形子图像的数量，g表示为第2个关键特征点所在的矩形子图像的数量，h表示为第3个关键特征点所在的矩形子图像的数量，iK1f和jK1f分别表示为第k个区别特征部位中第1个关键特征点所在的f个矩形子图像的横向和纵向编号，iK2g和jK2g分别表示为第k个区别特征部位中第2个关键特征点所在的g个矩形子图像的横向和纵向编号，iK3h和jK3h分别表示为第k个区别特征部位中第3个关键特征点所在的第h个矩形子图像的横向和纵向编号，X表示为矩形子图像的宽度，Y表示为矩形子图像的长度；
管理分析服务器根据获取的各区别特征部位中各关键特征点，并将同一区别特征部位上的各关键特征点按照关键特征点的排序顺序以及相邻两关键特征点间的距离，形成几何三角形约束，并对各关键特征点连线的方向进行划分，管理分析服务器将各区别特征部位形成的几何形状以及该区别特征部位的第一待测线与标准线间的角度大小和方向分别与对应的健身数据库中标准几何形状集合、标准待测角集合和标准待测角方向集合进行逐一对比，分别得到几何形状对比集合BKS′{BKS′1,BKS′2,...,BKS′r,...,BKS′v}、待测角对比集合CKS′{CKS′1,CKS′2,...,CKS′r,...,CKS′v}和待测角方向对比集合DKS′{DKS′1,DKS′2,...,DKS′r,...,DKS′v}，其中，BKS′r、CKS′r和DKS′r分别表示为健身人员健身过程中的第K个区别特征部位的几何三角形与第S组健身动作中的第K个区别特征对应的三角形间的是否为相似三角形、第一待测线与标准线的角度绝对值与第S组健身动作中第K个区别特征部位的第一待测线与标准线间的角度绝对值的差值、第一待测线和标准线的角度方向与第S组健身动作中的第K个区别特征中第一待测线与标准线间的角度方向对比情况；
同时，管理分析服务器根据健身人员在健身过程中的几何形状对比集合、待测角度对比集合和待测角方向对比集合，采用公式计算健身人员与各组健身动作的吻合系数，并筛选出与各组健身动作吻合系数最大的动作吻合系数QS；
管理分析服务器接收机体检测终端发送的健身前后的体重、温度、心跳频率和呼吸频率，并结合动作吻合系数最大的动作吻合系数QS，统计分析健身人员健身姿势评估系数δ，管理分析服务器将分析得到的健身人员健身姿势评估系数发送至显示终端；
显示终端用于接收管理分析服务器发送的健身人员健身姿势评估系数，并进行显示；
工作时，通过机体检测终端能够对健身人员在健身前后进行体重、温度、心跳频率和呼吸频率的监测，能够有效地监测机体参数的变化；通过压力检测模块、图像获取模块、特征获取模块并结合管理分析服务器，管理分析服务器根据压力检测模块检测的压力信息控制采集该压力检测模块所在检测区域的健身人员的图像，实现了健身过程中动作图像的采集，且对采集的图像进行区别特征部位的关键特征点的提取，提取的区别特征部位中的关键特征点组成的几何形状、待测角度、待测角度方向分别与标准健身动作中的各关键特征点对应的标准几何形状、标准待测角度和标准待测角度方向进行对比，以统计健身动作吻合系数和健身人员健身姿势评估系数。
2.根据权利要求1所述的一种基于人员图像识别的健身动作监测与分析方法，其特征在于：所述机体检测终端包括体重检测单元、温度检测单元、心跳频率统计单元、呼吸频率统计单元、通信传输单元、处理器和显示单元，处理器分别与体重检测单元、温度检测单元、心跳频率统计单元、呼吸频率统计单元、通信传输单元和显示单元连接；
体重检测单元为体重测量仪，用于对健身人员的体重进行测量，并将测量的体重发送至处理器；温度检测单元为体温检测仪，用于对健身人员的体温进行检测，并将检测的体温发送至处理器；心跳频率统计单元为心率检测仪，用于对健身人员进行心跳频率的检测，并将检测的心跳频率发送至处理器；呼吸频率统计单元为呼吸频率测试仪，用于对健身人员进行呼吸频率的检测，并将检测的呼吸频率发送至处理器；
处理器接收体重检测单元、温度检测单元、心跳频率统计单元和呼吸频率统计单元发送的健身人员的体重、体温、心跳频率和呼吸频率，并将接收的体重、体温、心跳频率和呼吸频率分别发送至显示单元和通信传输单元，通信传输单元用于接收处理器发送的健身人员的体重、体温、心跳频率和呼吸频率，并将接收的体重、体温、心跳频率和呼吸频率发送至管理分析服务器。
3.根据权利要求1所述的一种基于人员图像识别的健身动作监测与分析方法，其特征在于：所述健身动作的参数特征包括做该健身动作时各区别特征部位的标准几何形状、各区别特征部位中第一待测线与标准线间的角度方向与大小以及第二待测线与第一待测线间的角度方向和大小,各组标准健身动作对应的区别特征部位的标准几何形状、第一待测线与标准线间角度的大小和方向分别构成标准几何形状集合BKS{BKS1,BKS2,...,BKSr,...,BKSv}、标准待测角集合CKS{CKS1,CKS2,...,CKSr,...,CKSv}和标准待测角方向集合DKS{DKS1,DKS2,...,DKSr,...,DKSv}，BKSr表示为第S组健身动作中第K个区别特征部位对应的标准几何形状，CKSr表示为第S组健身动作中第K个区别特征部位的第一待测线与标准线间的角度大小，DKSr表示为第S组健身动作中第K个区别特征部位的第一待测线与标准线间的角度方向，且K为a、b、c和d中的一个。
4.根据权利要求1所述的一种基于人员图像识别的健身动作监测与分析方法，其特征在于：所述左手臂和右手臂的关键特征点分别为腕部、胳膊肘部以及肩部，左腿和右腿的关键特征点分别为脚踝、膝盖以及胯部，其中，左手臂各关键特征点按照左腕部、左胳膊肘部以及左肩部顺序进行排序分别为a1,a2,a3，右手臂各关键特征点按照右腕部、右胳膊肘部以及右肩部顺序进行排序分别为b1,b2,b3，左腿各关键特征点按照左脚踝、左膝盖以及左胯部顺序进行排序分别为c1,c2,c3，右各关键特征点按照右脚踝、右膝盖以及右胯部顺序进行排序分别为d1,d2,d3。
5.根据权利要求1所述的一种基于人员图像识别的健身动作监测与分析方法，其特征在于：当健身人员的健身动作中的第K个区别特征部位的几何三角形与第S组健身动作中的第K个区别特征对应的几何三角形为相似三角形，则取BKS′r等于1，反之，则取0，若第一待测线和标准线的角度方向与第S组健身动作中的第K个区别特征部位中第一待测线与标准线间的角度方向相同，则DKS′r取1，反之，则取0。
6.根据权利要求1所述的一种基于人员图像识别的健身动作监测与分析方法，其特征在于：所述关键特征点连线的方向划分，以过各区别特征部位中的第三个关键特征点作垂直线，设定该垂直线为标准线。
7.根据权利要求6所述的一种基于人员图像识别的健身动作监测与分析方法，其特征在于：当区别特征部位上的关键特征点位于该标准线的左侧，则该区别特征部位中第二待测线与标准线间的夹角为负值，第二待测线与第一待测线间的夹角也为负值，同理，当区别特征部位上的关键特征点位于该标准线的右侧，则该区别特征部位中第二待测线与标准线间的夹角为正值，第二待测线与第一待测线间的夹角也正值，且区别特征部位中第一关键特征点与第二关键特征点间的连线为第一待测线，第二待测线为第二关键特征点与第三关键特征点间的连线。
8.根据权利要求1所述的一种基于人员图像识别的健身动作监测与分析方法，其特征在于：动作的吻合系数计算公式为
Figure FDA0002505978030000081
QS表示为与S组健身动作的动作吻合系数，Fab和Fcd分别表示为左右手臂的关联度系数、左右腿的关联度系数，
Figure FDA0002505978030000082
Figure FDA0002505978030000083
和
Figure FDA0002505978030000084
分别表示为左右手臂的动作相一致的次数、左右腿的动作相一致的次数，CKSr表示为第S组健身动作中第K个区别特征部位的第一待测线与标准线间的角度绝对值。
9.根据权利要求1所述的一种基于人员图像识别的健身动作监测与分析方法，其特征在于：所述健身人员健身姿势评估系数
Figure FDA0002505978030000091
λ表示特征参数，λ＝1，2，3，4，分别表示为体重、温度、心跳频率和呼吸频率，
Figure FDA0002505978030000092
表示为第λ个特征参数在健身前的数值，
Figure FDA0002505978030000093
表示为第λ个特征参数在健身后的数值,
Figure FDA0002505978030000094
表示为第λ个特征参数在健身前后数值变化的平均值。
CN201811405515.4A 2018-11-23 2018-11-23 一种基于人员图像识别的健身动作监测与分析系统 Active CN109558824B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811405515.4A CN109558824B (zh) 2018-11-23 2018-11-23 一种基于人员图像识别的健身动作监测与分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811405515.4A CN109558824B (zh) 2018-11-23 2018-11-23 一种基于人员图像识别的健身动作监测与分析系统

Publications (2)

Publication Number Publication Date
CN109558824A CN109558824A (zh) 2019-04-02
CN109558824B true CN109558824B (zh) 2021-01-19

Family

ID=65867289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811405515.4A Active CN109558824B (zh) 2018-11-23 2018-11-23 一种基于人员图像识别的健身动作监测与分析系统

Country Status (1)

Country Link
CN (1) CN109558824B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112990011A (zh) * 2021-03-15 2021-06-18 上海工程技术大学 基于机器视觉和深度学习的健身动作识别评估方法
CN113239849B (zh) * 2021-05-27 2023-12-19 数智引力(厦门)运动科技有限公司 健身动作质量评估方法、系统、终端设备及存储介质
CN114886417B (zh) * 2022-05-10 2023-09-22 南京布尔特医疗技术发展有限公司 一种智能化安全护理监控系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106327798A (zh) * 2015-06-29 2017-01-11 上海卓易科技股份有限公司 一种用于家庭安全防护的预警方法及其预警系统
CN108428269A (zh) * 2018-04-27 2018-08-21 成都蓝擎科技有限公司 一种基于图像识别与rfid的健身房进店系统
CN108734104A (zh) * 2018-04-20 2018-11-02 杭州易舞科技有限公司 基于深度学习图像识别的健身动作纠错方法及系统
CN108763437A (zh) * 2018-05-25 2018-11-06 广州钱柜软件科技有限公司 一种基于大数据的视频存储管理系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106303397B (zh) * 2015-05-12 2019-03-22 杭州海康威视数字技术股份有限公司 图像采集方法及系统、视频监控方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106327798A (zh) * 2015-06-29 2017-01-11 上海卓易科技股份有限公司 一种用于家庭安全防护的预警方法及其预警系统
CN108734104A (zh) * 2018-04-20 2018-11-02 杭州易舞科技有限公司 基于深度学习图像识别的健身动作纠错方法及系统
CN108428269A (zh) * 2018-04-27 2018-08-21 成都蓝擎科技有限公司 一种基于图像识别与rfid的健身房进店系统
CN108763437A (zh) * 2018-05-25 2018-11-06 广州钱柜软件科技有限公司 一种基于大数据的视频存储管理系统

Also Published As

Publication number Publication date
CN109558824A (zh) 2019-04-02

Similar Documents

Publication Publication Date Title
US11389085B2 (en) Human physical functional ability and muscle ability comprehensive assessment system and method thereof
CN111368810B (zh) 基于人体及骨骼关键点识别的仰卧起坐检测系统及方法
CN109558824B (zh) 一种基于人员图像识别的健身动作监测与分析系统
CN110170159A (zh) 一种人体健身动作运动监测系统
US10172543B2 (en) Method of measuring the heart rate and respiratory rate of a human being
CN108096807A (zh) 一种运动数据监测方法和系统
CN110600125B (zh) 一种基于人工智能的体态分析助手系统及传输方法
US20200297243A1 (en) System for estimating body motion of person or the like
CN109840478A (zh) 一种动作评估方法、装置、移动终端和可读存储介质
CN111883229B (zh) 一种基于视觉ai的智能运动指导方法及系统
WO2022193425A1 (zh) 运动数据展示方法和系统
CN114998986A (zh) 基于计算机视觉的引体向上动作规范智能识别方法及系统
KR102369359B1 (ko) 영상기반 지능형 푸시-업 판별 방법 및 푸시-업 판별 시스템
CN110880371A (zh) 一种人体姿态测试及健康监测管理系统
CN115568823A (zh) 一种人体平衡能力评估的方法、系统和装置
CN113517052A (zh) 商用健身场景下的多感知人机交互系统与方法
KR20230005693A (ko) 태그를 사용한 운동관리 헬스케어 서비스 시스템
WO2016135560A2 (en) Range of motion capture
CN110477897B (zh) 一种体能测试方法及系统
KR20230018239A (ko) 실시간 자세 추정을 통한 원격 재활 훈련 시스템 및 방법
CN112287840B (zh) 一种运动能力分析数据智能采集的方法和系统
US20230337989A1 (en) Motion data display method and system
US20160249834A1 (en) Range of motion capture
CN113397530B (zh) 一种可进行膝关节功能评估的智能矫正系统和方法
Srinivasan et al. Validation of an automated step length measurement method in sprinting athletes using computer vision and pose estimation

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210106

Address after: No.1-2, Sanfen village, Baishuiyang Town, Linhai City, Taizhou City, Zhejiang Province

Applicant after: Li Nan

Address before: 521000 No. 29, Xinyang lane, Xinpu, Chenqiao village, Fengxin street, Xiangqiao District, Chaozhou City, Guangdong Province

Applicant before: Lu Weitao

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240102

Address after: Room 210-1105, 2nd Floor, Building 003, No. 750 Chuangyuan Road, High tech Zone, Ningbo City, Zhejiang Province, 315048

Patentee after: Hi FanTech (Ningbo) Co.,Ltd.

Address before: No.1-2, Sanfen village, Baishuiyang Town, Linhai City, Taizhou City, Zhejiang Province

Patentee before: Li Nan