CN109876416B - 一种基于图像信息的跳绳计数方法 - Google Patents
一种基于图像信息的跳绳计数方法 Download PDFInfo
- Publication number
- CN109876416B CN109876416B CN201910232646.5A CN201910232646A CN109876416B CN 109876416 B CN109876416 B CN 109876416B CN 201910232646 A CN201910232646 A CN 201910232646A CN 109876416 B CN109876416 B CN 109876416B
- Authority
- CN
- China
- Prior art keywords
- counting
- target
- rope skipping
- data
- image
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001914 filtration Methods 0.000 claims abstract description 3
- 238000002372 labelling Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
Images
Abstract
本发明公开了一种基于图像信息的跳绳计数方法，属于智能健身运动技术领域，包括：1)从原始视频数据中提取出图像数据，并对图像数据进行单帧处理得到一组顺序排列的单帧图像；2)确定所有单帧图像的共同参考区域，该参考区域每次跳绳都要经过，截取该参考区域得到一组参考图像；3)对各参考图像进行二值化处理，并过滤掉干扰数据；4)对经处理后的各参考图像进行边缘跟踪，将目标分离出来；5)提取出目标的判断数据，并根据该判断数据判断目标是否为跳绳；6)判断目标为跳绳的相邻参考图像之间的时间间隔是否小于10个相邻帧的时间，若是，则作为重复计数，不增加计数，否则增加一次计数；7)输出并显示计数结果。
Description
技术领域
本发明涉及智能健身运动设备技术领域，具体地说，涉及一种基于图像信息的跳绳计数方法。
背景技术
跳绳是一项在环摆的绳索中做各种跳跃动作的体育运动，同时也是一项老少皆宜的全身性有氧健身运动、极佳的健体运动。它除了拥有运动的一般益处外，更有很多独特的优点。跳绳每半小时消耗热量约四百卡，能有效训练个人的反应和耐力，有助保持个人体态健美和协调性，对心肺系统等各种脏器、协调性、姿态、减肥等都有相当大的帮助。
现在，跳绳在很多场合已经作为娱乐或比赛的一项重要运动项目。同时也是中小学生体育考试的必考科目。但跳绳的过程中需要计数，当人数多的时候对每人计数会很耽误裁判的宝贵时间，而且有时当跳绳速度快或者裁判注意力不集中的时候，很容易出现计数错误。已有的能自动计数的跳绳，往往存在计数不够准确，不能反向计数，使用时间不能长久等问题。
如公布号为CN108653974A的中国专利文献公开了一种带数据分析的智能跳绳，该智能跳绳由手柄和绳体构成，通过蓝牙模块使得该跳绳可与移动终端设备进行连接，对跳绳的速度和数量进行记录。公布号为CN107648790A的中国专利文献公开了一种跳绳运动系统，该系统包括专用的跳绳和跳绳毯，能有效对运动者进行跳绳计数，简单便捷。公布号为CN107596617A的中国专利文献公开了一种多功能智能跳绳装置，包括手柄和弹力绳，该发明通过对跳绳装置的结构进行改进以及在手柄上设计多个应用模块，使跳绳装置具有了绳长可调、能自动计时和计数、能进行人机交互、能记录用户的运动参数并进行无线传输等多重效果。
以上方法虽然能实现跳绳计数，但需要借助于专用的跳绳设备，实际使用起来不是很方便，且存在计数不够准确、不能反向计数等问题。
发明内容
本发明的目的为提供一种基于图像信息的跳绳计数方法，通过对人在跳绳计数过程中的视频信息进行分析判断，来实现对跳绳进行自动精确计数。
为了实现上述目的，本发明提供的基于图像信息的跳绳计数方法包括以下步骤：
1)获取跳绳动作的原始视频数据，从原始视频数据中提取出图像数据，并对图像数据进行单帧处理，得到一组顺序排列的单帧图像；
2)确定所有单帧图像的共同参考区域，该参考区域每次跳绳都要经过，截取该参考区域得到参考图像；
3)对各参考图像进行二值化处理，并过滤掉干扰数据；
4)对经处理后的各参考图像进行边缘跟踪，将目标分离出来；
5)提取出目标的判断数据，并根据该判断数据判断目标是否为跳绳；
6)判断目标为跳绳的相邻参考图像之间的时间间隔是否小于10个相邻帧的时间，若是，则作为重复计数，不增加计数，否则增加一次计数；
7)输出并显示计数结果。
上述技术方案中，可利用高清摄录设备(如：智能手机等)，从一定的角度、合适的距离，放在固定的位置，对包括跳绳人在内的整个跳绳过程进行录制，然后对视频信息进行处理后，对获得的图像数据进行分析后对跳绳次数进行判断，从而实现对跳绳进行自动计数。跳绳场景最好选取背景明显且单一的背景墙。由于绳每次周期运动时在参考区域内出现绳的图像大约是连续的四至五帧，这只能计算为一次跳绳，为判断是否重复计数，采用当参考区域有绳的图像帧之间的间隔时间小于n个相邻帧的时间时，均作为重复计数，不算做一次有效跳绳。该方法不仅节省了人工时间，提高了计数准确性，而且视频可以回塑，具有很好的应用价值。
由于采样频率为44.1K,而截止目前个人跳绳的吉尼斯世界纪录为322次/分钟，以这个计算每跳一次的最快时间不超过0.18秒，而10帧的时间为10/44100秒，约为0.0002秒，这样就可以区分清两次跳绳的重复帧与单次跳绳的重复帧之间的区别，本发明取n＝10帧。
作为优选，步骤2)中，确定参考区域的方法为：
选取一坐标点作为参考区域的左上顶点，截取长77像素，宽15像素的矩形部分。
参考区域每次跳绳都要经过(当摄像角度不一样，不同的人跳绳的时候参考区域可能不同)，当拍摄相对距离和跳绳相对位置确定后，该区域相对就可以确定下来。
作为优选，步骤3)中，二值化处理采用最大类间方差法；二值化处理后消除二值图像中面积小于8像素点的对象，以过滤掉干扰数据。
最大类间方差法是一种自适应的阈值确定方法，简称OTSU法，它是按图像的灰度特性，将图像分成背景和目标两部分，背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此，使类间方差最大的分割意味着错分概率最小。
作为优选，步骤4)中，对经处理后的各参考图像进行边缘跟踪的步骤为：
首先，运用bwboundaries函数进行图像中各目标的边缘跟踪，边缘跟踪的目的是为了能够鲜明地把图像中的各个目标分离出来；
然后，目标分离后再把这些部分分别进行标号，并用HSV方法进行颜色处理，分别用不同的颜色填充每个部分，以达到更加明显的区域效果；
最后，对标号后各个目标再运用regionprops函数进行分析。
作为优选，步骤5)中，提取出的判断数据包括二值图像的离心率、面积以及八方向区域极值点。
作为优选，判断目标是否为跳绳的方法为：
若二值图像的离心率0.92～1，，则目标为跳绳，否则不是跳绳；
同时采用面积和八方向区域极值点数据进行辅助识别。
面积和八方向区域极值点数据可从regionprops函数读取，本发明取面积数据范围是1190像素点到1280像素点内。
采用是否符合抛物线的特征的方法进行判断，由于绳在做周期运动的时候可近似投影成抛物线，而抛物线的离心率是1，因此从离心率是否近似于1便可判断标定的部分是否符合抛物线的特征，也就识别出了绳子，采用面积和八方向区域极值点数据辅助识别，使判断更加准确。在计数时，只有同时满足离心率为0.92～1，面积为1190～128像素点，同时八方向区域矩阵与设定的相同时才会判断为有效跳绳，并计一次数。
与现有技术相比，本发明的有益效果为：
本发明基于图像信息的跳绳计数方法不需要采用人工即可实现自动精确计数，不仅可以即时计数，也可以进行录像回放。尤其随着移动摄录设备的广泛采用，该方法将具有更强的实用性。
附图说明
图1为本发明实施例的跳绳计数方法的流程图；
图2为本发明实施例的参考区域选取示意图；
图3为本发明实施例的参考图像进行二值化处理后的示意图，(a)(b)(c)分别为不同的参考图像二值化图像；
图4为本发明实施例的参考图像进行目标标号并HSV处理后的参考区域。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下结合实施例及其附图对本发明作进一步说明。
实施例
参见图1至图3，本实施例的基于图像信息的跳绳计数方法包括以下步骤：
步骤S1，通过录像设备获取跳绳动作的原始视频数据，并将原始视频数据输入，开始计时。
步骤S2，从原始视频数据中提取出图像数据，对图像数据进行单帧处理，得到一组顺序排列的单帧图像，并提取出计数时间。
步骤S3，对单帧图像进行分析，确定所有单帧图像的共同参考区域，该参考区域每次跳绳都要经过，截取该参考区域得到参考图像。
参考区域每次跳绳都要经过(当摄像角度不一样，不同的人跳绳的时候参考区域可能不同)，当拍摄相对距离和跳绳相对位置确定后，该区域相对就可以确定下来。本实施例以坐标(379,433)为左上顶点，长77像素，宽15像素的矩形部分，该区域的选取背景颜色相对明显，噪声较小，而且绳的每次运动都会经过该区域。
步骤S4，对参考区域图像进行二值化处理，并过滤掉干扰数据。
本实施例的二值化处理采用最大类间方差法，是一种自适应的阈值确定方法，简称OTSU法，按图像的灰度特性，将图像分成背景和目标两部分，背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此，使类间方差最大的分割意味着错分概率最小。二值化处理后还有些许干扰，本例中消除二值图像中面积小于8像素点的对象，以便后续的分析处理。
步骤S5，对经处理后的各参考图像进行边缘跟踪，把图像中的各个目标分离出来，分离后再把这些部分分别进行标号，并用HSV方法进行颜色处理，参见图4，分别用不同的颜色填充每个部分，已达到更加明显的区域效果。
步骤S6，对区分后的各个目标进行处理，对获得的数据进行统计并返回该二值图像的离心率、面积、八方向区域极值点三项数据。
步骤S7，判断二值图像的离心率是否近似为1，取值范围为0.92～1，若是，则目标为跳绳，否则不是跳绳，并利用面积和八方向区域极值点数据辅助判断。
面积和八方向区域极值点数据可从regionprops函数读取，本发明取面积数据范围是1190像素点到1280像素点内。而八方向区域极值点数据矩阵(extrema)应严格等于下表：
在计数时，只有同时满足离心率为0.92～1，面积为1190～128像素点，同时八方向区域矩阵与上表相同的情况下才会判断为有效跳绳，并计一次数。
步骤S8，判断目标为跳绳的相邻参考图像之间的时间间隔是否小于10个相邻帧的时间，若是，则作为重复计数，不增加计数，否则增加一次计数。
步骤S9，判断是否超过计数时间，若是，则结束计数，否则将下一个参考图像重复步骤S4至步骤S8。
步骤S10，将计数结果输出并显示。
Claims (6)
1.一种基于图像信息的跳绳计数方法，其特征在于，包括以下步骤：
1)获取跳绳动作的原始视频数据，从原始视频数据中提取出图像数据，并对图像数据进行单帧处理，得到一组顺序排列的单帧图像；
2)确定所有单帧图像的共同参考区域，该参考区域每次跳绳都要经过，截取该参考区域得到参考图像；
3)对各参考图像进行二值化处理，并过滤掉干扰数据；
4)对经处理后的各参考图像进行边缘跟踪，将目标分离出来；
5)提取出目标的判断数据，并根据该判断数据判断目标是否为跳绳；
6)判断目标为跳绳的相邻参考图像之间的时间间隔是否小于10个相邻帧的时间，若是，则作为重复计数，不增加计数，否则增加一次计数；
7)输出并显示计数结果。
2.根据权利要求1所述的跳绳计数方法，其特征在于，步骤2)中，确定参考区域的方法为：
选取一坐标点作为参考区域的左上顶点，截取长77像素，宽15像素的矩形部分。
3.根据权利要求1所述的跳绳计数方法，其特征在于，步骤3)中，二值化处理采用最大类间方差法；二值化处理后消除二值图像中面积小于8像素点的对象，以过滤掉干扰数据。
4.根据权利要求1所述的跳绳计数方法，其特征在于，步骤4)中，对经处理后的各参考图像进行边缘跟踪的步骤为：
4-1)运用bwboundaries函数进行图像中各目标的边缘跟踪；
4-2)目标分离后对其进行标号，并用HSV方法进行颜色处理，分别用不同的颜色填充不同的目标；
4-3)对标号后各个目标再运用regionprops函数进行分析。
5.根据权利要求1所述的跳绳计数方法，其特征在于，步骤5)中，提取出的判断数据包括二值图像的离心率、面积以及八方向区域极值点。
6.根据权利要求5所述的跳绳计数方法，其特征在于，判断目标是否为跳绳的方法为：
若二值图像的离心率为0.92～1，则目标为跳绳，否则不是跳绳；
同时采用面积和八方向区域极值点数据进行辅助识别，面积数据范围为1190-1280像素点，八方向区域极值点数据为设定的矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910232646.5A CN109876416B (zh) | 2019-03-26 | 2019-03-26 | 一种基于图像信息的跳绳计数方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910232646.5A CN109876416B (zh) | 2019-03-26 | 2019-03-26 | 一种基于图像信息的跳绳计数方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109876416A CN109876416A (zh) | 2019-06-14 |
| CN109876416B true CN109876416B (zh) | 2020-06-19 |
Family
ID=66934286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910232646.5A Expired - Fee Related CN109876416B (zh) | 2019-03-26 | 2019-03-26 | 一种基于图像信息的跳绳计数方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109876416B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110772749A (zh) * | 2019-11-28 | 2020-02-11 | 杨雯悦 | 跳绳计数方法和系统 |
| CN113902084A (zh) * | 2020-07-06 | 2022-01-07 | 阿里体育有限公司 | 运动计数方法、装置、电子设备及计算机存储介质 |
| CN112044046B (zh) * | 2020-08-28 | 2021-06-25 | 浙江大学 | 基于深度学习的跳绳计数方法 |
| CN112464808B (zh) * | 2020-11-26 | 2022-12-16 | 成都睿码科技有限责任公司 | 一种基于计算机视觉的跳绳姿态及个数识别方法 |
| CN113076936B (zh) * | 2021-04-30 | 2022-05-24 | 华南理工大学 | 一种基于绳子目标提取的跳绳计数方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2675180Y (zh) * | 2004-01-02 | 2005-02-02 | 王志江 | 数码电子计数跳绳器 |
| KR20090077224A (ko) * | 2008-01-10 | 2009-07-15 | 김성완 | 가속도센서를 이용한 줄 없는 줄넘기 |
| CN103099602B (zh) * | 2011-11-10 | 2016-04-06 | 深圳泰山在线科技有限公司 | 基于光学识别的体质检测方法与系统 |
| CN106845475A (zh) * | 2016-12-15 | 2017-06-13 | 西安电子科技大学 | 基于连通域的自然场景文字检测方法 |
| CN107705283B (zh) * | 2017-06-14 | 2020-11-17 | 华北理工大学 | 基于Otsu图像分割的颗粒与气泡碰撞检测方法 |
| CN108355340B (zh) * | 2018-02-06 | 2019-06-18 | 浙江大学 | 一种基于视频信息的拍球计数方法 |
| CN108549861A (zh) * | 2018-04-10 | 2018-09-18 | 百度在线网络技术（北京）有限公司 | 计分方法和装置 |
-
2019
- 2019-03-26 CN CN201910232646.5A patent/CN109876416B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN109876416A (zh) | 2019-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109876416B (zh) | 一种基于图像信息的跳绳计数方法 | |
| CN110152273B (zh) | 一种基于智能目标识别的跳绳计数方法 | |
| CN109939432B (zh) | 一种智能跳绳计数方法 | |
| CN110210360B (zh) | 一种基于视频图像目标识别的跳绳计数方法 | |
| Parmar et al. | What and how well you performed? a multitask learning approach to action quality assessment | |
| JP7057873B2 (ja) | 縄跳び計数方法 | |
| CN103688275A (zh) | 分析体育运动的视频的方法 | |
| CN109758716B (zh) | 一种基于声音信息的跳绳计数方法 | |
| US20200306585A1 (en) | Jump counting method for jump rope | |
| US20200134303A1 (en) | Analysis device, recording medium, and analysis method | |
| CN113111690B (zh) | 一种人脸表情分析方法和系统及满意度分析方法和系统 | |
| CN110460838B (zh) | 一种镜头切换的检测方法、装置及计算机设备 | |
| 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 | |
| CN107247942B (zh) | 一种融合多模态特征的网球视频事件检测方法 | |
| CN109543652A (zh) | 一种智慧滑雪训练器及其训练结果显示方法、云服务器 | |
| CN114100103B (zh) | 一种基于关键点识别的跳绳计数检测系统及方法 | |
| CN108355340B (zh) | 一种基于视频信息的拍球计数方法 | |
| CN112446319A (zh) | 一种篮球比赛智能分析系统、分析方法、设备 | |
| CN112580612A (zh) | 一种生理信号预测方法 | |
| CN112446333A (zh) | 基于重检测的球类目标跟踪方法及系统 | |
| CN113709562B (zh) | 基于婴儿动作视频自动剪辑方法、装置、设备及存储介质 | |
| CN114187664A (zh) | 一种基于人工智能的跳绳计数系统 | |
| CN112200230B (zh) | 一种训练板的识别方法、装置及机器人 | |
| CN117292288A (zh) | 体育测试方法、系统、电子设备、芯片及存储介质 | |
| CN116434952A (zh) | 阅读能力评估方法、装置、设备及存储介质 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200619 |