CN109919034A - 一种肢体动作识别与纠正辅助训练系统及方法 - Google Patents
一种肢体动作识别与纠正辅助训练系统及方法 Download PDFInfo
- Publication number
- CN109919034A CN109919034A CN201910099724.9A CN201910099724A CN109919034A CN 109919034 A CN109919034 A CN 109919034A CN 201910099724 A CN201910099724 A CN 201910099724A CN 109919034 A CN109919034 A CN 109919034A
- Authority
- CN
- China
- Prior art keywords
- posture
- trainer
- action
- movement
- neural network
- 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.)
- Pending
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种肢体动作识别与纠正辅助训练系统及方法,其利用仿真产生的大数据集训练深度神经网络,再使用真实采集的数据进行迁移学习,进而建立准确的动作姿势分析神经网络模型;同时,本发明仅利用单一的惯性传感器获取训练者的双脚传感器数据或双手传感器数据,并将该双脚或双手传感器数据的时间序列作为跑步识别模型的输入,从而分析出训练者在运动过程中存在的姿势不规范的问题并给出纠正建议,能够在一定程度上帮助训练者预防、减轻运动损伤,帮助训练者培养良好的运动姿势。
Description
技术领域
本发明涉及健身辅助训练、运动康复、肢体动作学习训练等领域,具体涉及一种肢体动作识别与纠正辅助训练系统及方法。
背景技术
在体育健身、运动康复等领域,学习正确的肢体运动动作过程中,练习者通常依赖于教练的反馈。若能自动评判运动动作的正确性,将能加快学习进度,降低学习成本。当前有一些常见的运动训练辅助类应用,一般只能提供一些简单的分析记录,无法对动作准确性进行打分,对错误动作进行有效识别。也有一些运动辅助类应用采用视频分析的方法来识别动作的准确性,这限制了运动的范围,特别是无法应用于一些户外运动。
有鉴于此,本发明人提出了一种可以对跑步、哑铃等运动的动作姿势进行分析并给出建议的辅助训练系统。该系统使用简便,仅需配戴单个惯性传感器,对运动的约束较小。同时该系统采用3D动画模拟技术生成的仿真数据训练动作评估模型,减少了动作训练所需的数据量。
发明内容
本发明的目的在于提供一种肢体动作识别与纠正辅助训练系统及方法,其通过分析训练者在运动过程中存在的姿势不规范的问题并给出纠正建议,从而帮助训练者预防、减轻运动损伤,帮助训练者培养良好的运动姿势。
为实现上述目的,本发明采用的技术方案是:
一种肢体动作识别与纠正辅助训练系统,包括可穿戴设备、用户终端设备和云服务器,所述可穿戴设备佩戴于训练者的足部和/或手部,其设有惯性传感器以及连接惯性传感器的第一通讯模块,惯性传感器,用于采集训练者运动状态下的运动数据,并通过第一通讯模块传递至用户终端设备;
所述用户终端设备设有肢体姿态动作分析模块、第二通讯模块和语音提示模块;所述第二通讯模块与第一通讯模块连接,用于接收惯性传感器采集到的运动数据;所述肢体姿态动作分析模块连接第二通讯模块以获取运动数据,并通过机器学习算法模型对采集到的运动数据进行加工处理和统计分析,识别判断训练者的动作姿态;所述语音提示模块连接肢体姿态动作分析模块,当肢体动作姿态分析模块识别出训练者的错误运动姿势时,语音识别模块进行语音播报提示;
所述云服务器连接用户终端的肢体姿态动作分析模块,该云服务器用于训练动作姿势分析神经网络模型,将训练好的神经网络参数传输给用户终端,存储训练者的运动数据并进行统计分析。
所述用户终端设备还设有肢体动作统计分析模块,所述肢体动作统计分析模块连接第二通讯模块以获取传感器数据,并根据传感器数据获取训练者的运动统计量,该运动统计量包括动作频率、平均持续时间、最快最慢动作时间;所述肢体动作统计分析模块还连接语音提示模块,当运动统计量超过设定范围时,语音提示模块进行语音播报提示;所述肢体动作统计分析模块还连接云服务器,用于将训练者的运动统计量发送至云服务器中进行存储。
一种肢体动作识别与纠正辅助训练方法,其采用如上所述的肢体动作识别与纠正辅助训练系统实现,其包括以下步骤:
步骤1、动作姿势分析神经网络模型训练
步骤1.1、获取运动姿势训练集数据
构造出可调整各部分骨骼比例的人体模型,并控制各部分骨骼运动,针对每一种运动,模拟出各种身体比例不同人的同一动作姿势的正确及各种错误姿势的3D动作模拟动画模板;根据这些动画模板,生成带有一定随机性的动作动画,并利用其生成足够数量的双脚或双手的运动仿真数据,并将其作为运动姿势训练集数据;
同时,将搭载有惯性传感器的可穿戴设备佩戴于教练的足部和/或手部,采集教练示范的正确运动姿势下和常见错误运动姿势下的传感器数据,并将其加入运动姿势训练集数据中;
步骤1.2、利用步骤1.1得到的运动姿势训练集数据对包含LSTM层的动作姿势分析神经网络进行训练,获取动作姿势分析神经网络模型;具体如下:
首先,使用仿真得到的运动仿真数据的时间序列作为动作姿势分析神经网络的输入,从而对该神经网络进行训练,生成识别不同运动类型及识别同一运动类型的运动姿势识别网络模型,并利用该神经网络提取动作姿势识别的特征,然后根据定义的打分公式进行动作正确性评估;
然后,使用迁移学习算法,将真实采集的传感器数据的时间序列作为动作姿势分析神经网络模型的输入,对用模拟数据训练生成的神经网络模型继续进行训练,调节神经网络的参数,生成适合人体真实运动的动作姿势分析神经网络模型,并将此模型的参数传输到用户终端设备上;
最后,在用户使用时,可以根据用户的数据进一步训练调整,生成适应个人动作的动作姿势分析神经网络模型;
步骤2、运动姿势识别
步骤2.1、训练者在进行运动时,将搭载惯性传感器的可穿戴设备佩戴于训练者的足部和/或手部,然后通过惯性传感器实时采集训练者在运动状态下的传感器数据,并通过第一通讯模块传送给用户终端设备;
步骤2.2、用户终端设备中的运动姿势分析模块根据步骤2.1中得到的传感器数据,并将传感器数据的时间序列输入到步骤1训练得到的适应适合人体真实运动或个人动作的动作姿势分析神经网络模型中进行评估,从而给出训练者的运动姿势与正确动作的相似程度;
步骤3、当动作姿势分析神经网络模型给出训练者的运动姿势分值较低时,触发语音提示模块进行语音播报,提醒训练者注意姿势纠正。
在识别运动姿势的同时,用户终端设备中的肢体动作统计分析模块根据双脚或双手传感器数据获取训练者的动作频率、平均持续时间、最快最慢动作时间等运动统计量;当训练者的运动统计量超过设定范围时,触发语音提示,提醒使用者注意纠正。
采用上述方案后,本发明利用仿真产生的大数据集训练深度神经网络,再使用真实采集的数据进行迁移学习,进而建立准确的动作姿势分析神经网络模型;同时,本发明仅利用单一的惯性传感器获取训练者的双脚传感器数据或双手传感器数据,并将该双脚或双手传感器数据的时间序列作为跑步识别模型的输入,从而分析出训练者在运动过程中存在的姿势不规范的问题并给出纠正建议,能够在一定程度上帮助训练者预防、减轻运动损伤,帮助训练者培养良好的运动姿势。
附图说明
图1为本发明之肢体动作识别与纠正辅助训练系统的结构框图;
图2为本发明之肢体动作识别与纠正辅助训练方法的流程图;
图3为本发明之肢体动作识别与纠正辅助训练方法的动作姿势分析神经网络模型训练流程图;
图4为本发明之具体实施例的跑步辅助训练方法的流程图;
图5为本发明之具体实施例的人体模型的骨骼构建示意图。
具体实施方式
如图1所示,本发明揭示了一种肢体动作识别与纠正辅助训练系统,包括可穿戴设备、用户终端设备、云服务器和肢体动作统计分析模块。
其中,可穿戴设备佩戴于训练者的足部和/或手部,其设有惯性传感器以及连接惯性传感器的第一通讯模块,惯性传感器,用于采集训练者运动状态下的运动数据(加速度、角速度及方向等),并通过第一通讯模块传递至用户终端设备;
用户终端设备设有肢体姿态动作分析模块、第二通讯模块和语音提示模块;所述第二通讯模块与第一通讯模块连接,用于接收惯性传感器采集到的运动数据;所述肢体姿态动作分析模块连接第二通讯模块以获取运动数据,并通过机器学习算法模型对采集到的运动数据进行加工处理和统计分析,识别判断训练者的动作姿态;所述语音提示模块连接肢体姿态动作分析模块,当肢体动作姿态分析模块识别出训练者的错误运动姿势时,语音识别模块进行语音播报提示;
云服务器连接用户终端的肢体姿态动作分析模块,该云服务器用于训练动作姿势分析神经网络模型,将训练好的神经网络参数传输给用户终端,存储训练者的运动数据并进行统计分析。
肢体动作统计分析模块连接第二通讯模块以获取传感器数据,并根据传感器数据获取训练者的动作频率、平均持续时间、最快最慢动作时间等运动统计量;所述肢体动作统计分析模块还连接语音提示模块,当运动统计量超过设定范围时,语音提示模块进行语音播报提示;所述肢体动作统计分析模块还连接云服务器,用于将训练者的运动统计量发送至云服务器中进行存储。
如图2和图3所示,基于上述肢体动作识别与纠正辅助训练系统,本发明还揭示了一种肢体动作识别与纠正辅助训练方法,其包括以下步骤:
步骤1、动作姿势分析神经网络模型训练
步骤1.1、获取运动姿势训练集数据
构造出可调整各部分骨骼比例的人体模型,并控制各部分骨骼运动,针对每一种运动,模拟出各种身体比例不同人的同一动作姿势的正确及各种错误姿势的3D动作模拟动画模板;根据这些动画模板,生成带有一定随机性的动作动画,并利用其生成足够数量的双脚或双手的运动仿真数据,并将其作为运动姿势训练集数据;
同时,将搭载有惯性传感器的可穿戴设备佩戴于教练的足部和/或手部,并采集教练示范的正确运动姿势下和常见错误运动姿势下的传感器数据,并将其加入运动姿势训练集数据中;
步骤1.2、利用步骤1.1得到的运动姿势训练集数据对包含LSTM层的动作姿势分析神经网络进行训练,获取动作姿势分析神经网络模型;具体如下:
首先,使用仿真得到的运动仿真数据的时间序列作为动作姿势分析神经网络的输入,从而对该神经网络进行训练,生成识别不同运动类型及识别同一运动类型的运动姿势识别网络模型,并利用该神经网络提取动作姿势识别的特征,然后根据定义的打分公式进行动作正确性评估;
然后,使用迁移学习算法,将真实采集的传感器数据的时间序列作为动作姿势分析神经网络模型的输入,对用模拟数据训练生成的神经网络模型继续进行训练,调节神经网络的参数,生成适合人体真实运动的动作姿势分析神经网络模型,并将此模型的参数传输到用户终端设备上;
最后,在用户使用时,可以根据用户的数据进一步训练调整,生成适应个人动作的动作姿势分析神经网络模型;
步骤2、运动姿势识别
步骤2.1、训练者在进行运动时,将搭载惯性传感器的可穿戴设备佩戴于训练者的足部和/或手部,然后通过惯性传感器实时采集训练者在运动状态下的传感器数据,并通过第一通讯模块传送给用户终端设备;
步骤2.2、用户终端设备中的运动姿势分析模块根据步骤2.1中得到的传感器数据,并将传感器数据的时间序列输入到步骤1训练得到的适应适合人体真实运动或个人动作的动作姿势分析神经网络模型中进行评估,从而给出训练者的运动姿势与正确动作的相似程度;
步骤3、当动作姿势分析神经网络模型给出训练者的运动姿势分值较低时,触发语音提示模块进行语音播报,提醒训练者注意姿势纠正。
在识别运动姿势的同时,用户终端设备中的肢体动作统计分析模块根据双脚或双手传感器数据获取训练者的动作频率、平均持续时间、最快最慢动作时间等运动统计量;当训练者的运动统计量超过设定范围时,触发语音提示,提醒使用者注意纠正。
本发明利用仿真产生的大数据集训练深度神经网络,再使用真实采集的数据进行迁移学习,进而建立准确的动作姿势分析神经网络模型;同时,本发明仅利用单一的惯性传感器获取训练者的双脚传感器数据或双手传感器数据,并将该双脚或双手传感器数据的时间序列作为跑步识别模型的输入,从而分析出训练者在运动过程中存在的姿势不规范的问题并给出纠正建议,能够在一定程度上帮助训练者预防、减轻运动损伤,帮助训练者培养良好的运动姿势。
上述肢体动作识别与纠正辅助训练系统可以用于体育健身、运动康复等领域中,当应用于体育健身时,可以对跑步、哑铃运动等进行辅助训练,为详尽本发明的技术方案,以下将以跑步辅助训练进行详细说明。
如图4所示,将肢体动作识别与纠正辅助训练用于跑步辅助训练时,跑步辅助训练方法包括以下步骤:
步骤1、跑步姿势识别模型训练
步骤1.1、获取跑步姿势训练集数据
利用blender工具构造出可调整各部分骨骼比例的人体模型,并利用Python代码控制各部分骨骼运动,模拟出人的正常与错误跑姿的跑动动画;以这些动画为模板,对动画的各帧中脚部和腿部运动关节角度加入一些随机调整,使得生成的动画每步均不相同,生成1000万步跑步的动画。再利用Bodysim软件,在脚部设置一个惯性传感器,模拟生成并导出该传感器在上述3D动画跑步运动过程中的加速度和角速度数据,并将其作为跑步姿势训练集数据。
其中,在构建人体模型时,如图5所示,骨骼可以简化如下:头部和颈部的骨骼为2项,脊柱骨骼为1项,腰部和臀部骨骼为1项,上部和肩部骨骼为8项,腿部骨骼为4项,脚骨2项。所有骨骼都在模型中构建。首先,建立臀部骨骼,然后,构建3个骨架:脊柱(Spine),左大腿(LeftUpLeg)和右大腿(RightUpLeg),它们来自臀部(Hips)骨骼的尾部。接下来,4个骨骼:左肩膀(LeftShoulder),左小腿(LeftLeg),右肩膀(RightShoulder)和右小腿(RightLeg)来自上述3个骨骼的尾部,依此类推。
同时,将搭载有惯性传感器的可穿戴设备佩戴于教练的足部,并采集教练在正确跑步姿势下和错误跑步姿势下的双脚传感器数据,并将其加入跑步姿势训练集数据中,以验证模型仿真数据和真实数据的拟合程度。
步骤1.2、构造一个包含3层LSTM和一层softmax层的神经网络模型,利用步骤1.1得到的跑步姿势训练集数据对该LSTM网络进行训练,获取跑步姿势识别模型。具体如下:
首先,使用仿真得到的双脚传感器数据的时间序列作为LSTM网络的输入,从而对LSTM网络进行训练;
然后,使用真实采集的双脚传感器数据的时间序列作为LSTM网络的输入,对LSTM网络继续进行训练,以调节LSTM网络的参数,提高跑步姿势分类的准确度。然后将softmax层去掉,将前几层LSTM网络做为特征提取器,生成特征向量,利用KNN算法找到正确与错误动作姿势的聚类中心,然后用下面的公式来对一个动作准确性进行打分。
其中,sr为当前动作的分数,dr为当前动作与正确动作的距离,max(di)为当前动作与第各类动作的距离最大值,公式中的距离为动作特征向量与正确或错误跑步姿势动作特征向量聚类中心的欧式距离。
其中se为错误动作的最高分数,de为当前动作到错误动作聚类中心的距离。如果sr小于se,则分数为0,否则评分为sr。
步骤2、跑步姿势识别
步骤2.1、训练者在进行跑步时,将搭载惯性传感器的可穿戴设备佩戴于训练者的足部,然后通过惯性传感器实时采集训练者在跑步状态下的双脚传感器数据,并通过第一通讯模块传送给用户终端设备。
步骤2.2、用户终端设备中的跑步姿势分析模块根据步骤2.1中得到的双脚传感器数据,并将双脚传感器数据的时间序列输入到步骤1训练得到的跑步姿势识别模型中进行分类,从而识别出训练者的跑步姿势。
同时,用户终端设备中的跑步数据统计模块根据双脚传感器数据的时间序列峰值变化情况进行记步,获取训练者的跑步步数;同时通过计算每秒的步数,获取训练者的步伐频率。
训练者的跑步姿势、跑步步数以及步伐频率等参数可以上传至云服务器中,可利用云计算进行进一步的数据分析加工;同时,也可实现数据储存/同步、用户注册/登陆的功能。
步骤3、当跑步姿势识别模型对训练者的跑步姿势评分低于0.3时,触发语音提示模块进行语音播报,提醒训练者注意姿势纠正;
当训练者的跑步步数、步伐频率超过安全范围时,触发语音提示,提醒使用者注意纠正。
以上所述,仅是本发明实施例而已,并非对本发明的技术范围作任何限制,故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (4)
1.一种肢体动作识别与纠正辅助训练系统,包括可穿戴设备、用户终端设备和云服务器,其特征在于:所述可穿戴设备佩戴于训练者的足部和/或手部,其设有惯性传感器以及连接惯性传感器的第一通讯模块,惯性传感器,用于采集训练者运动状态下的运动数据,并通过第一通讯模块传递至用户终端设备;
所述用户终端设备设有肢体姿态动作分析模块、第二通讯模块和语音提示模块;所述第二通讯模块与第一通讯模块连接,用于接收惯性传感器采集到的运动数据;所述肢体姿态动作分析模块连接第二通讯模块以获取运动数据,并通过机器学习算法模型对采集到的运动数据进行加工处理和统计分析,识别判断训练者的动作姿态;所述语音提示模块连接肢体姿态动作分析模块,当肢体动作姿态分析模块识别出训练者的错误运动姿势时,语音识别模块进行语音播报提示;
所述云服务器连接用户终端的肢体姿态动作分析模块,该云服务器用于训练动作姿势分析神经网络模型,将训练好的神经网络参数传输给用户终端,存储训练者的运动数据并进行统计分析。
2.根据权利要求1所述的一种肢体动作识别与纠正辅助训练系统,其特征在于:所述用户终端设备还设有肢体动作统计分析模块,所述肢体动作统计分析模块连接第二通讯模块以获取传感器数据,并根据传感器数据获取训练者的运动统计量,该运动统计量包括动作频率、平均持续时间、最快最慢动作时间;所述肢体动作统计分析模块还连接语音提示模块,当运动统计量超过设定范围时,语音提示模块进行语音播报提示;所述肢体动作统计分析模块还连接云服务器,用于将训练者的运动统计量发送至云服务器中进行存储。
3.一种肢体动作识别与纠正辅助训练方法,其特征在于:所述方法采用如权利要求1所述的肢体动作识别与纠正辅助训练系统实现,其包括以下步骤:
步骤1、动作姿势分析神经网络模型训练
步骤1.1、获取运动姿势训练集数据
构造出可调整各部分骨骼比例的人体模型,并控制各部分骨骼运动,针对每一种运动,模拟出各种身体比例不同人的同一动作姿势的正确及各种错误姿势的3D动作模拟动画模板;根据这些动画模板,生成带有一定随机性的动作动画,并利用其生成足够数量的双脚或双手的运动仿真数据,并将其作为运动姿势训练集数据;
同时,将搭载有惯性传感器的可穿戴设备佩戴于教练的足部和/或手部,采集教练示范的正确运动姿势下和常见错误运动姿势下的传感器数据,并将其加入运动姿势训练集数据中;
步骤1.2、利用步骤1.1得到的运动姿势训练集数据对包含LSTM层的动作姿势分析神经网络进行训练,获取动作姿势分析神经网络模型;具体如下:
首先,使用仿真得到的运动仿真数据的时间序列作为动作姿势分析神经网络的输入,从而对该神经网络进行训练,生成识别不同运动类型及识别同一运动类型的运动姿势识别网络模型,并利用该神经网络提取动作姿势识别的特征,然后根据定义的打分公式进行动作正确性评估;
然后,使用迁移学习算法,将真实采集的传感器数据的时间序列作为动作姿势分析神经网络模型的输入,对用模拟数据训练生成的神经网络模型继续进行训练,调节神经网络的参数,生成适合人体真实运动的动作姿势分析神经网络模型,并将此模型的参数传输到用户终端设备上;
最后,在用户使用时,可以根据用户的数据进一步训练调整,生成适应个人动作的动作姿势分析神经网络模型;
步骤2、运动姿势识别
步骤2.1、训练者在进行运动时,将搭载惯性传感器的可穿戴设备佩戴于训练者的足部和/或手部,然后通过惯性传感器实时采集训练者在运动状态下的传感器数据,并通过第一通讯模块传送给用户终端设备;
步骤2.2、用户终端设备中的运动姿势分析模块根据步骤2.1中得到的传感器数据,并将传感器数据的时间序列输入到步骤1训练得到的适应适合人体真实运动或个人动作的动作姿势分析神经网络模型中进行评估,从而给出训练者的运动姿势与正确动作的相似程度;
步骤3、当动作姿势分析神经网络模型给出训练者的运动姿势分值较低时,触发语音提示模块进行语音播报,提醒训练者注意姿势纠正。
4.根据权利要求3所述的一种运动辅助训练方法,其特征在于:在识别运动姿势的同时,用户终端设备中的肢体动作统计分析模块根据双脚或双手传感器数据获取训练者的动作频率、平均持续时间、最快最慢动作时间等运动统计量;当训练者的运动统计量超过设定范围时,触发语音提示,提醒使用者注意纠正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910099724.9A CN109919034A (zh) | 2019-01-31 | 2019-01-31 | 一种肢体动作识别与纠正辅助训练系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910099724.9A CN109919034A (zh) | 2019-01-31 | 2019-01-31 | 一种肢体动作识别与纠正辅助训练系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109919034A true CN109919034A (zh) | 2019-06-21 |
Family
ID=66961267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910099724.9A Pending CN109919034A (zh) | 2019-01-31 | 2019-01-31 | 一种肢体动作识别与纠正辅助训练系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109919034A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110314346A (zh) * | 2019-07-03 | 2019-10-11 | 重庆道吧网络科技有限公司 | 基于大数据分析的智能格斗竞技拳套、脚套、系统及方法 |
CN110354483A (zh) * | 2019-07-08 | 2019-10-22 | 重庆道吧网络科技有限公司 | 一种智能格斗护具及系统 |
CN110600125A (zh) * | 2019-09-18 | 2019-12-20 | 山东浪潮人工智能研究院有限公司 | 一种基于人工智能的体态分析助手系统及传输方法 |
CN110751100A (zh) * | 2019-10-22 | 2020-02-04 | 北京理工大学 | 一种体育场馆辅助训练方法与系统 |
CN110991482A (zh) * | 2019-10-31 | 2020-04-10 | 深圳市木瓜有子健康科技有限公司 | 健身动作识别的方法、终端及计算机存储介质 |
CN111097142A (zh) * | 2019-12-19 | 2020-05-05 | 武汉西山艺创文化有限公司 | 基于5g通信的动作捕捉运动训练方法及系统 |
CN111544852A (zh) * | 2020-04-24 | 2020-08-18 | Oppo(重庆)智能科技有限公司 | 健身姿势矫正的方法及相关装置 |
CN111694435A (zh) * | 2020-06-16 | 2020-09-22 | 石亦磊 | 一种基于惯性传感单元的可穿戴触摸检测方法 |
CN112241746A (zh) * | 2019-07-16 | 2021-01-19 | 北京中科天演科技有限责任公司 | 一种人员操作行动识别方法及系统 |
CN112936342A (zh) * | 2021-02-02 | 2021-06-11 | 福建天晴数码有限公司 | 基于人体姿态识别算法的实体机器人动作评测系统及方法 |
WO2021047315A3 (zh) * | 2020-07-20 | 2021-06-17 | 南京智金科技创新服务中心 | 一种人体异常姿态的提示方法及系统 |
CN113256770A (zh) * | 2021-06-02 | 2021-08-13 | 天津慧医谷科技有限公司 | 基于骨骼的动画生成方法、装置以及电子设备 |
CN113663312A (zh) * | 2021-08-16 | 2021-11-19 | 东南大学 | 一种基于微惯性的无器械健身动作质量评估方法 |
CN113663308A (zh) * | 2020-05-14 | 2021-11-19 | 爱德士控股有限公司 | 一种跑姿纠正方法、装置及其系统 |
CN114768234A (zh) * | 2022-05-25 | 2022-07-22 | 重庆道吧网络有限公司 | 一种智能兵道评分方法、系统、计算机设备及可读介质 |
CN116186561A (zh) * | 2023-04-27 | 2023-05-30 | 华南师范大学 | 基于高维时序图网络的跑步姿势识别纠正方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105749537A (zh) * | 2016-02-02 | 2016-07-13 | 四川长虹电器股份有限公司 | 一种运动辅助打分系统 |
CN107909060A (zh) * | 2017-12-05 | 2018-04-13 | 前海健匠智能科技(深圳)有限公司 | 基于深度学习的健身房健身动作识别方法及装置 |
CN108345869A (zh) * | 2018-03-09 | 2018-07-31 | 南京理工大学 | 基于深度图像和虚拟数据的驾驶人姿态识别方法 |
CN108508974A (zh) * | 2018-03-30 | 2018-09-07 | 四川斐讯信息技术有限公司 | 可穿戴设备处理器及其数据处理方法、及可穿戴设备 |
CN109086698A (zh) * | 2018-07-20 | 2018-12-25 | 大连理工大学 | 一种基于多传感器数据融合的人体动作识别方法 |
CN109145739A (zh) * | 2018-07-18 | 2019-01-04 | 郭渐凌 | 一种人体姿态预测方法、装置及系统 |
-
2019
- 2019-01-31 CN CN201910099724.9A patent/CN109919034A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105749537A (zh) * | 2016-02-02 | 2016-07-13 | 四川长虹电器股份有限公司 | 一种运动辅助打分系统 |
CN107909060A (zh) * | 2017-12-05 | 2018-04-13 | 前海健匠智能科技(深圳)有限公司 | 基于深度学习的健身房健身动作识别方法及装置 |
CN108345869A (zh) * | 2018-03-09 | 2018-07-31 | 南京理工大学 | 基于深度图像和虚拟数据的驾驶人姿态识别方法 |
CN108508974A (zh) * | 2018-03-30 | 2018-09-07 | 四川斐讯信息技术有限公司 | 可穿戴设备处理器及其数据处理方法、及可穿戴设备 |
CN109145739A (zh) * | 2018-07-18 | 2019-01-04 | 郭渐凌 | 一种人体姿态预测方法、装置及系统 |
CN109086698A (zh) * | 2018-07-20 | 2018-12-25 | 大连理工大学 | 一种基于多传感器数据融合的人体动作识别方法 |
Non-Patent Citations (1)
Title |
---|
TAHMINA ZEBIN等: "Human activity recognition from inertial sensor time-series using batch normalized deep LSTM recurrent networks", 《2018 40TH ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY (EMBC)》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110314346A (zh) * | 2019-07-03 | 2019-10-11 | 重庆道吧网络科技有限公司 | 基于大数据分析的智能格斗竞技拳套、脚套、系统及方法 |
CN110354483A (zh) * | 2019-07-08 | 2019-10-22 | 重庆道吧网络科技有限公司 | 一种智能格斗护具及系统 |
CN112241746A (zh) * | 2019-07-16 | 2021-01-19 | 北京中科天演科技有限责任公司 | 一种人员操作行动识别方法及系统 |
CN110600125A (zh) * | 2019-09-18 | 2019-12-20 | 山东浪潮人工智能研究院有限公司 | 一种基于人工智能的体态分析助手系统及传输方法 |
CN110751100A (zh) * | 2019-10-22 | 2020-02-04 | 北京理工大学 | 一种体育场馆辅助训练方法与系统 |
CN110991482A (zh) * | 2019-10-31 | 2020-04-10 | 深圳市木瓜有子健康科技有限公司 | 健身动作识别的方法、终端及计算机存储介质 |
CN111097142A (zh) * | 2019-12-19 | 2020-05-05 | 武汉西山艺创文化有限公司 | 基于5g通信的动作捕捉运动训练方法及系统 |
CN111544852A (zh) * | 2020-04-24 | 2020-08-18 | Oppo(重庆)智能科技有限公司 | 健身姿势矫正的方法及相关装置 |
CN113663308A (zh) * | 2020-05-14 | 2021-11-19 | 爱德士控股有限公司 | 一种跑姿纠正方法、装置及其系统 |
CN111694435A (zh) * | 2020-06-16 | 2020-09-22 | 石亦磊 | 一种基于惯性传感单元的可穿戴触摸检测方法 |
CN111694435B (zh) * | 2020-06-16 | 2024-02-02 | 石亦磊 | 一种基于惯性传感单元的可穿戴触摸检测方法 |
WO2021047315A3 (zh) * | 2020-07-20 | 2021-06-17 | 南京智金科技创新服务中心 | 一种人体异常姿态的提示方法及系统 |
CN112936342B (zh) * | 2021-02-02 | 2023-04-28 | 福建天晴数码有限公司 | 基于人体姿态识别算法的实体机器人动作评测系统及方法 |
CN112936342A (zh) * | 2021-02-02 | 2021-06-11 | 福建天晴数码有限公司 | 基于人体姿态识别算法的实体机器人动作评测系统及方法 |
CN113256770A (zh) * | 2021-06-02 | 2021-08-13 | 天津慧医谷科技有限公司 | 基于骨骼的动画生成方法、装置以及电子设备 |
CN113663312A (zh) * | 2021-08-16 | 2021-11-19 | 东南大学 | 一种基于微惯性的无器械健身动作质量评估方法 |
CN113663312B (zh) * | 2021-08-16 | 2022-05-13 | 东南大学 | 一种基于微惯性的无器械健身动作质量评估方法 |
CN114768234A (zh) * | 2022-05-25 | 2022-07-22 | 重庆道吧网络有限公司 | 一种智能兵道评分方法、系统、计算机设备及可读介质 |
CN116186561A (zh) * | 2023-04-27 | 2023-05-30 | 华南师范大学 | 基于高维时序图网络的跑步姿势识别纠正方法及系统 |
CN116186561B (zh) * | 2023-04-27 | 2023-07-18 | 华南师范大学 | 基于高维时序图网络的跑步姿势识别纠正方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919034A (zh) | 一种肢体动作识别与纠正辅助训练系统及方法 | |
CN107349594B (zh) | 一种虚拟舞蹈系统的动作评价方法 | |
Hughes et al. | Notational analysis of sport: Systems for better coaching and performance in sport | |
CN110600125B (zh) | 一种基于人工智能的体态分析助手系统及传输方法 | |
CN108091380A (zh) | 基于多传感融合的青少年基本运动能力训练系统及方法 | |
CN107220608B (zh) | 一种篮球动作模型重建和防守的指导系统及方法 | |
CN113663312B (zh) | 一种基于微惯性的无器械健身动作质量评估方法 | |
WO2022110100A1 (zh) | 一种运动教学系统及其使用方法、运动设备、计算机可读存储介质 | |
CN108236468A (zh) | 身体动作分析系统、便携式装置以及身体动作分析方法 | |
US20230149774A1 (en) | Handle Motion Counting Method and Terminal | |
CN110404243A (zh) | 一种基于体态测量的康复方法及康复系统 | |
CN112990011A (zh) | 基于机器视觉和深度学习的健身动作识别评估方法 | |
Waters et al. | Coach and biomechanist experiential knowledge of maximum velocity sprinting technique | |
KR102013705B1 (ko) | 승마시뮬레이터에서 사용자 자세 인식 장치 및 방법 | |
CN110415783A (zh) | 一种基于体感的作业疗法康复方法 | |
CN110517751A (zh) | 一种运动康复管理系统 | |
KR20180097343A (ko) | 심폐 소생술 훈련 시스템 | |
CN108096788B (zh) | 基于kinect的游戏下肢康复训练系统 | |
CN109718524B (zh) | 一种基于位置的投篮训练系统 | |
CN115985462A (zh) | 儿童脑瘫康复益智训练系统 | |
CN112966370B (zh) | 一种基于Kinect的人体下肢肌肉训练系统的设计方法 | |
CN110223748A (zh) | 一种物联网数据的处理方法、装置及物联网系统 | |
Ghasemzadeh et al. | Body sensor networks for baseball swing training: Coordination analysis of human movements using motion transcripts | |
CN113192597A (zh) | 一种消息提醒方法,相关装置以及设备 | |
Zhang et al. | A method of attitude measurement and level assessment for skiers based on wearable inertial measurement |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190621 |