CN110314344B - 运动提醒方法、装置及系统 - Google Patents
运动提醒方法、装置及系统 Download PDFInfo
- Publication number
- CN110314344B CN110314344B CN201810276397.5A CN201810276397A CN110314344B CN 110314344 B CN110314344 B CN 110314344B CN 201810276397 A CN201810276397 A CN 201810276397A CN 110314344 B CN110314344 B CN 110314344B
- Authority
- CN
- China
- Prior art keywords
- dimensional model
- action group
- dimensional
- standard
- sample
- 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
-
- 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
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
本申请公开了一种运动提醒方法、装置及系统,属于视频处理领域。该方法包括:根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合,所述三维模型集合包括至少一个三维模型;提取所述三维模型集合的特征信息;获取所述三维模型集合所对应的标准特征信息;当所述三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,执行提醒操作。本发明解决了相关技术中姿势纠正的过程主要由人们的主观意识主导,导致姿势纠正的准确性较低的问题。
Description
技术领域
本申请涉及视频处理领域,特别涉及一种运动提醒方法、装置及系统。
背景技术
随着生活水平的提高,人们越来越重视自身的健康状态,运动健身已成为一种流行趋势。
在健身过程中,人们会比较关注其运动姿势的准确性。例如,在做瑜伽或平板支撑等运动时,人们通过自我感知运动姿势或者在镜子中观察自己的运动姿势来进行姿势的纠正,以使其运动姿势尽量准确。
然而,上述姿势纠正的过程主要由人们的主观意识主导,导致姿势纠正的准确性较低。
发明内容
本申请提供了一种运动提醒方法、装置及系统,可以解决相关技术中姿势纠正主要由人们的主观意识主导,导致姿势纠正的准确性较低的问题。所述技术方案如下:
第一方面,提供了一种运动提醒方法,所述方法包括:根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合,所述三维模型集合包括至少一个三维模型;
提取所述三维模型集合的特征信息;
获取所述三维模型集合所对应的标准特征信息;
当所述三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,执行提醒操作。
可选地,所述三维模型集合包括时序上连续的多个三维模型;
在所述获取所述三维模型集合所对应的标准特征信息之后,所述方法还包括:
获取第一三维模型的特征信息相对于第二三维模型的特征信息的第一变化量,所述第二三维模型与所述第一三维模型为所述多个三维模型中时序上依次相邻的任意两个三维模型;
获取第一标准特征信息相对于第二标准特征信息的第二变化量,所述第二标准特征信息为与所述第二三维模型对应的标准特征信息,所述第一标准特征信息为与所述第一三维模型对应的标准特征信息;
当所述第一变化量与所述第二变化量的差值大于预设阈值时,确定所述三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值。
可选地,所述运动图像包括多个子图像集合,每个子图像集合中携带有时间信息,所述根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合,包括:
按照所述多个子图像集合的时间信息指示的时间的先后顺序,依次为每个子图像集合生成一个三维模型。
可选地,所述获取所述三维模型集合所对应的标准特征信息,包括:
在样本三维模型集合中筛选与所述多个三维模型一一对应的时序上连续的多个样本三维模型,每个样本三维模型对应一个标准特征信息;
将所述多个样本三维模型对应的标准特征信息确定为所述三维模型集合所对应的标准特征信息。
可选地,所述在样本三维模型集合中筛选与所述多个三维模型一一对应的时序上连续的多个样本三维模型,包括:
将所述三维模型集合按照对应的运动姿势的不同划分为至少一个动作组,每个动作组具有一个标签信息,所述标签信息用于标识动作组对应的运动姿势;
对于每个动作组,在预设的样本三维模型库中,查找具有所述标签信息的备选样本三维模型集合,所述备选样本三维模型集合包括对应同一运动姿势的时序上连续的多个样本三维模型;
在所述备选样本三维模型集合中,确定目标样本动作组,所述目标样本动作组包括与所述动作组中的x个三维模型一一对应的时序上连续的x个样本三维模型,且所述目标样本动作组的x个样本三维模型满足:
N1>N;
其中,所述N1为所述目标样本动作组的x个样本三维模型对应的标准特征信息与所述动作组对应的特征信息的差值之和,所述N为所述备选样本三维模型集合中其他任意时序上连续的x个样本三维模型对应的标准特征信息与所述动作组对应的特征信息的差值之和。
可选地,所述将所述三维模型集合按照对应的运动姿势的不同划分为至少一个动作组,包括:
当所述三维模型集合包括多个三维模型时,对所述多个三维模型进行分组,得到至少一个动作组;
对于分组后的至少一个动作组,识别每个动作组中的三维模型对应的姿态;
根据识别结果为每个动作组添加标签信息,所述标签信息用于标识动作组所对应的运动姿势。
可选地,所述运动图像为视频,所述根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合,包括:
将所述视频划分为至少一个视频子集合,每个视频子集合中包括预设帧数个视频帧,且所述至少一个视频子集合中的视频帧不同;
对于每个视频子集合,基于所述视频子集合中的视频帧生成一个三维模型。
可选地,所述预设帧数为1帧、30帧或60帧。
可选地,所述运动图像包括多张图片,所述根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合,包括:
将所述多张图片划分为至少一个图片子集合,每个图片子集合中包括预设张数张图片,且所述至少一个图片子集合中的图片不同;
对于每个图片子集合,基于所述图片子集合中的图片生成一个三维模型。
可选地,所述执行提醒操作,包括:
根据所述差距生成提醒校正姿势的音频信息,播放所述音频信息;
和/或,
根据所述差距,生成提醒校正姿势的推送信息,向预设终端发送所述推送信息。
可选地,在所述提取所述三维模型集合的特征信息之后,所述方法还包括:
当无法获取所述三维模型集合所对应的标准特征信息时,将所述运动图像保存至无效运动库中。
可选地,在所述获取所述三维模型集合所对应的标准特征信息之前,所述方法还包括:
获取标准运动者的标准运动图像,所述标准运动图像携带有时间信息;
按照所述时间信息指示的时间的先后顺序,根据所述标准运动图像依次生成反映标准运动者的标准运动状态的多个三维模型;
提取生成的多个三维模型的标准特征信息;
保存生成的多个三维模型的标准特征信息。
可选地,在所述提取生成的多个三维模型的标准特征信息之前,所述方法还包括:
对所述多个三维模型进行分组,得到至少一个动作组,每个动作组包括至少一个反映标准运动者的标准运动状态的三维模型;
对于所述至少一个动作组,识别每个动作组中的三维模型对应的姿态;
根据识别结果为每个样本动作组添加标签信息,所述标签信息用于标识样本动作组所对应的运动姿势。
可选地,所述识别每个动作组中的三维模型对应的姿态,包括:
以动作组为单位,分别将所述至少一个动作组中的三维模型发送至运动姿势识别设备;
接收所述运动姿势识别设备发送的识别结果,所述识别结果中携带有每个动作组中的三维模型的姿态信息。
可选地,所述三维模型集合包括时序上连续的多个三维模型,所述对所述多个三维模型进行分组,得到至少一个动作组,包括:
计算时序上相邻的每两个三维模型的相似度;
当时序上相邻的两个三维模型的相似度大于相似度阈值时,将所述两个三维模型划分至同一动作组。
可选地,所述特征信息包括:垂直度、肌肉状态、伸展状态、偏移程度、状态持续时间和状态变化速度中至少一个。
第二方面,提供了一种运动提醒装置,所述装置包括:
第一生成模块,用于根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合,所述三维模型集合包括至少一个三维模型;
第一提取模块,用于提取所述三维模型集合的特征信息;
第一获取模块,用于获取所述三维模型集合所对应的标准特征信息;
提醒模块,用于当所述三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,执行提醒操作。
可选地,所述三维模型集合包括时序上连续的多个三维模型;
所述装置还包括:
第二获取模块,用于获取第一三维模型的特征信息相对于第二三维模型的特征信息的第一变化量,所述第二三维模型与所述第一三维模型为所述多个三维模型中时序上依次相邻的任意两个三维模型;
第三获取模块,用于获取第一标准特征信息相对于第二标准特征信息的第二变化量,所述第二标准特征信息为与所述第二三维模型对应的标准特征信息,所述第一标准特征信息为与所述第一三维模型对应的标准特征信息;
确定模块,用于当所述第一变化量与所述第二变化量的差值大于预设阈值时,确定所述三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值。
可选地,所述运动图像包括多个子图像集合,每个子图像集合中携带有时间信息,所述第一生成模块,用于:
按照所述多个子图像集合的时间信息指示的时间的先后顺序,依次为每个子图像集合生成一个三维模型。
可选地,所述第一获取模块,包括:
筛选子模块,用于在样本三维模型集合中筛选与所述多个三维模型一一对应的时序上连续的多个样本三维模型,每个样本三维模型对应一个标准特征信息;
确定子模块,用于将所述多个样本三维模型对应的标准特征信息确定为所述三维模型集合所对应的标准特征信息。
可选地,所述筛选子模块,包括:
划分单元,用于将所述三维模型集合按照对应的运动姿势的不同划分为至少一个动作组,每个动作组具有一个标签信息,所述标签信息用于标识动作组对应的运动姿势;
查找单元,用于对于每个动作组,在预设的样本三维模型库中,查找具有所述标签信息的备选样本三维模型集合,所述备选样本三维模型集合包括对应同一运动姿势的时序上连续的多个样本三维模型;
确定单元,用于在所述备选样本三维模型集合中,确定目标样本动作组,所述目标样本动作组包括与所述动作组中的x个三维模型一一对应的时序上连续的x个样本三维模型,且所述目标样本动作组的x个样本三维模型满足:
N1>N;
其中,所述N1为所述目标样本动作组的x个样本三维模型对应的标准特征信息与所述动作组对应的特征信息的差值之和,所述N为所述备选样本三维模型集合中其他任意时序上连续的x个样本三维模型对应的标准特征信息与所述动作组对应的特征信息的差值之和。
可选地,所述划分单元,包括:
分组子单元,用于当所述三维模型集合包括多个三维模型时,对所述多个三维模型进行分组,得到至少一个动作组;
识别子单元,用于对于分组后的至少一个动作组,识别每个动作组中的三维模型对应的姿态;
添加子单元,用于根据识别结果为每个动作组添加标签信息,所述标签信息用于标识动作组所对应的运动姿势。
可选地,所述运动图像为视频,所述第一生成模块,用于:
将所述视频划分为至少一个视频子集合,每个视频子集合中包括预设帧数个视频帧,且所述至少一个视频子集合中的视频帧不同;
对于每个视频子集合,基于所述视频子集合中的视频帧生成一个三维模型。
可选地,所述预设帧数为1帧、30帧或60帧。
可选地,所述运动图像包括多张图片,所述第一生成模块,用于:
将所述多张图片划分为至少一个图片子集合,每个图片子集合中包括预设张数张图片,且所述至少一个图片子集合中的图片不同;
对于每个图片子集合,基于所述图片子集合中的图片生成一个三维模型。
可选地,所述提醒模块,用于:
根据所述差距生成提醒校正姿势的音频信息,播放所述音频信息;
和/或,
根据所述差距,生成提醒校正姿势的推送信息,向预设终端发送所述推送信息。
可选地,所述装置还包括:
第一保存模块,用于当无法获取所述三维模型集合所对应的标准特征信息时,将所述运动图像保存至无效运动库中。
可选地,所述装置还包括:
第四获取模块,用于获取标准运动者的标准运动图像,所述标准运动图像携带有时间信息;
第二生成模块,用于按照所述时间信息指示的时间的先后顺序,根据所述标准运动图像依次生成反映标准运动者的标准运动状态的多个三维模型;
第二提取模块,用于提取生成的多个三维模型的标准特征信息;
第二保存模块,用于保存生成的多个三维模型的标准特征信息。
可选地,所述分组子单元,用于对所述多个三维模型进行分组,得到至少一个动作组,每个动作组包括至少一个反映标准运动者的标准运动状态的三维模型;
所述识别子单元,用于对于所述至少一个动作组,识别每个动作组中的三维模型对应的姿态;
所述添加子单元,用于根据识别结果为每个样本动作组添加标签信息,所述标签信息用于标识样本动作组所对应的运动姿势。
可选地,所述识别子单元,用于:
以动作组为单位,分别将所述至少一个动作组中的三维模型发送至运动姿势识别设备;
接收所述运动姿势识别设备发送的识别结果,所述识别结果中携带有每个动作组中的三维模型的姿态信息。
可选地,所述三维模型集合包括时序上连续的多个三维模型,所述分组子单元,用于:
计算时序上相邻的每两个三维模型的相似度;
当时序上相邻的两个三维模型的相似度大于相似度阈值时,将所述两个三维模型划分至同一动作组。
可选地,所述特征信息包括:垂直度、肌肉状态、伸展状态、偏移程度、状态持续时间和状态变化速度中至少一个。
第三方面,提供了一种运动提醒系统,所述运动提醒系统包括:运动姿势识别设备和如第二方面任一所述的运动提醒装置;
所述运动姿势识别设备用于识别每个动作组中的三维模型对应的姿态,并向所述运动提醒装置发送识别结果。
第四方面,提供了一种计算机设备,所述计算机设备包括:至少一个处理器和至少一个存储器;
其中,所述至少一个存储器存储有一个或多个程序;
所述至少一个处理器,用于执行所述至少一个存储器上所存储的程序,实现第一方面任一所述的运动提醒方法。
本申请提供的技术方案带来的有益效果包括:
本发明实施例提供的运动提醒方法、装置及系统,通过提取采集到的运动图像的三维模型集合的特征信息,获取该三维模型集合所对应的标准特征信息,将两者进行比对,并当所述三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,执行提醒操作,以便于用户基于该提醒操作纠正其运动姿势,使得姿势纠正的过程更为客观,进而提高了姿势纠正的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中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申请的一些实施例,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1A是本发明实施例中提供的一种运动提醒方法所涉及的实施环境的示意图;
图1B是本发明实施例中提供的另一种运动提醒方法所涉及的实施环境的示意图;
图2为本发明实施例提供的一种运动提醒方法的流程图;
图3为本发明实施例提供的另一种运动提醒方法的流程图;
图4A为本发明实施例提供的一种对三维模型集合中的三维模型进行分组,得到至少一个动作组的方法流程图;
图4B为本发明实施例提供的一种三维模型集合中包括4个时序上相邻的三维模型的示意图;
图5为本发明实施例提供的一种获取三维模型集合所对应的标准特征信息的方法流程图;
图6为本发明实施例提供的一种在样本三维模型集合中筛选与多个三维模型一一对应的时序上连续的多个样本三维模型的方法流程图;
图7为本发明实施例提供的一种建立样本库的方法流程图;
图8为本发明实施例提供的一种对多个样本三维模型进行分组,得到至少一个样本动作组的方法流程图;
图9A为本发明实施例提供的一种运动提醒装置的结构示意图;
图9B为本发明实施例提供的另一种运动提醒装置的结构示意图;
图9C为本发明实施例提供的一种第一获取模块的结构示意图;
图9D为本发明实施例提供的一种筛选子模块的结构示意图;
图9E为本发明实施例提供的一种划分单元的结构示意图;
图10为本发明实施例提供的一种运动提醒装置的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
请参见图1A,其示出了本发明实施例中提供的一种运动提醒方法所涉及的实施环境的示意图。如图1A所示,该实施环境可以包括:运动提醒装置110和运动姿势识别设备120,该运动提醒装置110和该运动姿势识别设备120之间可以通过有线网络或无线网络建立连接。
其中,运动提醒装置110用于根据采集到的运动图像生成对应的三维模型集合,将该三维集合的特征信息与其对应的标准特征信息进行对比,并在两者的差距大于预设差距阈值时,执行提醒操作,以便于用户基于该提醒操作纠正其运动姿势。由于运动提醒装置110在获取三维集合的特征信息的过程中需要识别三维模型的姿态,且该运动提醒装置110可能不具有识别三维模型对应的姿态的功能,此时,运动姿势识别设备120可识别三维模型对应的姿态,并将识别结果发送至运动提醒装置110。
进一步地,运动提醒装置110可能也不具有采集图像和/或存储样本三维模型的功能,此时,该运动提醒方法所涉及的实施环境中还可以包括:图像采集设备和/或特征数据库服务器,当该实施环境中还包括图像采集设备和特征数据库服务器时,其示意图请参考图1B,该图像采集设备130与运动提醒装置110之间,以及特征数据库服务器140与运动提醒装置110之间均可以通过有线网络或无线网络建立连接。
其中,该图像采集设备130用于采集运动图像,并向运动提醒装置110发送采集到的运动图像;该特征数据库服务器140用于:存储样本三维模型及其对应的标准特征信息,并向运动提醒装置110发送三维模型集合所对应的标准特征信息。并且,特征数据库服务器140可以是一台服务器,或者由若干台服务器组成的服务器集群,或者是一个云计算服务中心。
图2为本发明实施例提供的一种运动提醒方法的流程图,如图2所示,该方法可以包括:
步骤101、根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合。
其中,该三维模型集合包括至少一个三维模型。
步骤102、提取三维模型集合的特征信息。
步骤103、获取三维模型集合所对应的标准特征信息。
步骤104、当三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,执行提醒操作。
综上所述,本发明实施例提供的运动提醒方法,通过提取采集到的运动图像的三维模型集合的特征信息,获取该三维模型集合所对应的标准特征信息,将两者进行比对,并当所述三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,执行提醒操作,以便于用户基于该提醒操作纠正其运动姿势,使得姿势纠正的过程更为客观,进而提高了姿势纠正的准确性。
图3为本发明实施例提供的另一种运动提醒方法的流程图,该方法可以应用于图1A和图1B所示的运动提醒装置110,本发明实施例以该方法应用于图1A所示的运动提醒装置110为例进行说明,如图3所示,该方法可以包括:
步骤201、根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合。
其中,采集到的运动图像可以包括至少一个子图像集合,根据每个子图像集合可生成一个三维模型。并且,该运动图像可以为视频或图片,当其为视频或图片时,根据其生成三维模型集合的方式不同,本发明实施例提供了以下两种可实现方式:
第一种可实现方式,当运动图像为视频时,该子图像集合可以为视频子集合,每个视频子集合中包括预设帧数个视频帧,且至少一个视频子集合中的视频帧不同,在该情况下,根据采集到的运动图像生成三维模型集合时,对于每个视频子集合,可以基于每个视频子集合中的视频帧生成一个三维模型。其中,该预设帧数可以根据实际需要进行设置,例如:该预设帧数可以为1帧、30帧或60帧等。
第二种可实现方式,当运动图像图片时,该子图像集合可以为图片子集合,每个图片子集合中包括预设张数张图片,且至少一个图片子集合中的图片不同,在该情况下,根据采集到的运动图像生成三维模型集合时,对于每个图片子集合,可以基于每个图片子集合中的图片生成一个三维模型。其中,该预设张数可以根据实际需要进行设置,例如:该预设张数可以为1张、2张或多张等。
并且,当运动图像包括多个子图像集合时,该每个子图像集合中可以携带有时间信息,该根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合的过程,可以包括:按照多个子图像集合的时间信息指示的时间的先后顺序,依次为每个子图像集合生成一个三维模型。这样,生成的多个三维模型能够通过时间信息反映运动物体的运动变化状态。
示例地,假设运动图像为一段运动视频,该运动视频具有时间信息,且该视频包括300帧图片,预设帧数为30帧,则该运动视频可根据视频的时间信息划分为10个视频子集合,且每个视频子集合携带有时间信息,对于该10个视频子集合中的每个视频子集合,可以按照该10个视频子集合的时间信息指示的时间的先后顺序,依次基于每个视频子集合中的视频帧生成一个三维模型,相应的,对于该运动视频的10个视频子集合,可以生成对应的10个三维模型,即根据该运动视频可生成包括10个三维模型的三维模型集合。
步骤202、对三维模型集合中的至少一个三维模型进行分组,得到至少一个动作组。
当三维模型集合包括一个三维模型时,可将该一个三维模型单独分为一组。当三维模型集合包括多个三维模型时,由于该多个三维模型为按照多个子图像集合的时间信息指示的时间的先后顺序依次生成的,该多个三维模型为时序上连续的多个三维模型,因此,对其进行分组的过程,如图4A所示,可以包括:
步骤2021、计算时序上相邻的每两个三维模型的相似度。
可选地,计算两个三维模型的相似度的一种可实现方式可以为:分别确定每个三维模型的模型中心,然后在假设两个三维模型的模型中心重合的情况下,根据其中一个模型,计算另一个模型相对于该其中一个模型的偏移量和重合量,然后将该重合量与该偏移量和该重合量之和的比值确定为两者的相似度。
并且,在计算偏移量和重合量时,还可以按照两个模型中用于标识同一部位的部分为单位,分别计算两个模型中各个部分之间的偏移量和重合量。例如:假设每个三维模型均包括用于标识多个身体部位的部分,在计算偏移量和重合量时,可以分别计算两个三维模型中用于标识各个身体部位的部分之间的偏移量和重合量,其中,身体部位可以包括:头颈部、躯干部、上肢部和下肢部中的一个或多个,头颈部可以包括:头部和颈部,躯干部可以包括:胸部、背部、腹部和脊椎等,上肢部可以包括:肩部、上臂、前臂和手等,下肢部可以包括:臀部、髋部、大腿、小腿和足等,且该身体部位还可以包括:连接上臂和前臂的肘关节,连接大腿和小腿的膝关节,以及,连接小腿和足的踝关节等关节部位。
步骤2022、当时序上相邻的两个三维模型的相似度大于第一相似度阈值时,将该两个三维模型划分至同一动作组。
当时序上相邻的两个三维模型的相似度大于第一相似度阈值时,可以认为该两个三维模型的动作为同一个动作,则可将该两个三维模型划分至同一动作组,然后执行步骤203;当时序上相邻的两个三维模型的相似度不大于第一相似度阈值时,可以认为该两个三维模型的动作不是同一个动作,则可将该两个三维模型划分至不同的动作组,然后执行步骤203。
示例地,假设第一相似度阈值为90%,三维模型集合中包括图4B所示的4个时序上相邻的三维模型,该4个三维模型分别为三维模型1、三维模型2、三维模型3和三维模型4,该4个三维模型中时序上相邻的每两个三维模型的相似度分别为:92%、70%和91%,则可将三维模型1和三维模型2划分至同一动作组,将三维模型3和三维模型4划分至另一动作组,然后执行步骤203。
需要说明的是,作为对三维模型集合中至少一个三维模型进行分组的另一种可实现方式,也可以先识别每个三维模型对应的姿态,然后将姿态相同的模型划分为一个动作组。
或者,为了进一步提高分组的精确性,作为对至少一个三维模型进行分组的再一种可实现方式,还可以在根据姿态划分得到的每个动作组中,计算时序上相邻的每两个三维模型的相似度,然后按照步骤2022的实现方式对根据姿态划分得到的每个动作组进行细分。
需要说明的是,在提取三维模型集合对应的特征信息之前,对三维模型集合中的至少一个三维模型进行分组,可以便于在后续过程中以动作组为单位对三维模型集合中的三维模型进行分析,这样,相对于以三维模型集合为单位对其进行分析,能够降低分析过程中的计算复杂度,进而提高根据运动图像执行运动提醒操作的实时性。
步骤203、识别每个动作组中的三维模型对应的姿态。
在一种可选实现方式中,运动提醒装置可能具有识别三维模型对应的姿态的功能,此时,可以以组为单位,使运动提醒装置识别至少一个动作组中的三维模型对应的姿态。
或者,运动提醒装置可能不具有识别三维模型对应的姿态的功能,此时,该运动提醒装置可以以动作组为单位,分别将至少一个动作组中的三维模型发送至运动姿势识别设备,使运动姿势识别设备识别至少一个动作组中的三维模型对应的姿态,并在识别三维模型对应的姿态后,向运动提醒装置发送识别结果,以实现对每个动作组中的三维模型对应的姿态的识别。其中,运动姿势识别设备为专用于识别三维模型姿态的设备,且运动姿势识别设备发送的识别结果中携带有每个动作组中的三维模型的姿态信息。
步骤204、根据识别结果为每个动作组添加标签信息。
在识别每个动作组中的三维模型对应的姿态后,可以根据每个动作组中的三维模型的姿态信息为每个动作组添加标签信息。在实现过程中,可以通过统计每个动作组中用于标识相同运动姿势的姿态信息的三维模型的数量,并根据每个动作组中具有相同姿态信息的大多数三维模型的姿态信息为相应动作组添加标签信息,其中,该标签信息用于标识动作组所对应的运动姿势,该运动姿势可以包括:跑步、慢走、跳远、平板支撑、俯卧撑和单脚站立中的至少一种。
示例地,假设某个动作组中有10个三维模型,根据步骤203的识别结果可以确定其中6个三维模型的姿态为跑步中的加速姿态,其中2个为跑步中的起跑姿态,另外2个三维模型的姿态为慢走中的走路姿态,经统计可得该动作组中有8个三维模型用于标识跑步,则可将跑步添加为该动作组的标签信息。
在一种可选实现方式中,可以根据实际情况选择是否执行步骤202至步骤204,且若执行了步骤202至步骤204,在提取三维模型集合的特征信息和获取对应的标准特征信息时,可以根据该步骤204中添加的标签信息查找与三维模型集合对应的标准特征信息,能够降低获取标准特征信息过程中的计算复杂度。
需要说明的是,对于平板支撑和单脚站立等静态运动姿势,可通过单个三维模型的姿态信息表征对应运动姿势;对于跑步、慢走、跳远、和俯卧撑等动态运动姿势,由于该运动姿势可以包括多个连续的动作,因此,可以对时序上连续的多个三维模型进行识别,并通过该多个三维模型的姿态信息表征对应的运动姿势。
步骤205、提取三维模型集合的特征信息。
其中,由于三维模型可以具有多个运动部位(例如具有多个身体部位),该特征信息可以包括:运动部位的垂直度、运动部位的肌肉状态、运动部位的伸展状态、运动部位的偏移程度、运动部位维持某个状态的状态持续时间,以及,运动部位由某状态变化为另一状态的状态变化速度中一个或多个。并且,由于三维模型可以具有多个运动部位,生成的三维模型可以包括用于标识多个运动部位(或多个身体部位)的多个子模型,则在提取三维模型集合的特征信息时,可以分别提取每个三维模型的特征信息,并在提取每个三维模型的特征信息的过程中,分别提取每个子模型的特征信息。例如:分别提取头颈部、躯干部、上肢部、下肢部对应的子模型的特征信息。又例如,也可以提取关节部位的特征信息,关节部位可以包括颈部、肩部、肘部、腕部、手指关节、膝盖、脚踝、腹部、脊椎、髋部等等部位中的一个或多个。
并且,由于多个运动图像可以反映运动的连续性,在提取特征信息时,可以根据步骤202至步骤204的分组结果,以动作组为单位提取每个动作组中多个三维模型的特征信息,这样提取得到的特征信息不仅包括每个三维模型的特征信息,还包括时序上连续的多个三维模型对应的特征信息的变化关系。
示例地,假设某个动作组中包括三个三维模型,该三个三维模型分别为三维模型1、三维模型2和三维模型3,以动作组为单位提取三维模型的特征信息时,提取得到的特征信息包括:三维模型1、三维模型2和三维模型3各自的特征信息,以及该动作组中三个三维模型的变化关系为由三维模型1变化到三维模型2,再由三维模型2变化到三维模型3。其中,三维模型1的特征信息可以如表1所示:三维模型1的运动姿势为跑步,其头部水平,颈部垂直,肩部水平,上臂与前臂的夹角(即肘关节夹角)呈60度,脊柱的垂直度呈30度,腹部肌肉收缩,臀部肌肉收缩,髋部呈垂直状。
表1
步骤206、获取三维模型集合所对应的标准特征信息。
如图5所示,该步骤206的实现过程可以包括:
步骤2061、在样本三维模型集合中筛选与多个三维模型一一对应的时序上连续的多个样本三维模型,每个样本三维模型对应一个标准特征信息。
如图6所示,该步骤2061的实现过程可以包括:
步骤2061a、将三维模型集合按照对应的运动姿势的不同划分为至少一个动作组。
其中,每个动作组具有一个标签信息,标签信息用于标识动作组对应的运动姿势。
若在该步骤2061a之前执行了步骤202至步骤204,则该步骤2061a可直接获取步骤202至步骤204的分组结果,然后执行步骤2061b。若在该步骤2061a之前未执行步骤202至步骤204,则在该步骤2061a中可相应参考步骤202至步骤204中的分组方法,将三维模型集合按照对应的运动姿势的不同划分为至少一个动作组,并为每个动作组添加标签信息,此处对其实现过程不再赘述;或者,在该步骤2061a也可按照其他分组方式将三维模型集合划分为至少一个动作组,例如:可以将三维模型集合中连续的预设个数个三维模型划分为同一动作组,本发明实施例对其不做具体限定。
步骤2061b、对于每个动作组,在预设的样本三维模型库中,查找具有标签信息的备选样本三维模型集合。
其中,备选样本三维模型集合包括对应同一运动姿势的时序上连续的多个样本三维模型。
在一种可选实现方式中,为了便于对样本进行管理,样本三维模型库中的样本也可以按照集合和组的单位对样本进行保存,且其集合和组的划分规则可以相应参考三维模型集合和动作组的划分规则,因此,在获取三维模型集合所对应的标准特征信息之前,对于每个动作组,可以先在样本三维模型库中查找与该动作组具有相同标签信息的备选样本三维模型集合,然后再在该备选样本三维模型集合确定该动作组对应的目标样本动作组。
示例地,假设预设的样本三维模型库中有5个样本三维模型集合,该5个样本三维模型集合分别为样本三维模型集合1、样本三维模型集合2、样本三维模型集合3、样本三维模型集合4和样本三维模型集合5,该5个样本三维模型集合的标签信息分别为跑步、慢走、平板支撑、俯卧撑和单脚站立,某动作组的标签信息为跑步,对于该动作组,样本三维模型集合1为与该动作组具有相同的标签信息的样本三维模型集合,则可将该样本三维模型集合1确定为备选样本三维模型集合。
步骤2061c、在备选样本三维模型集合中,确定目标样本动作组。
由于预设的样本三维模型库中常存储有很多样本三维模型,且备选样本三维模型集合也包括很多样本三维模型,因此,在确定备选样本三维模型集合之后,还可以在该备选样本三维模型集合中确定与三维模型集合对应的目标样本动作组,该目标样本动作组包括与动作组中的x个三维模型一一对应的时序上连续的x个样本三维模型,相应的,该x个三维模型为与多个三维模型一一对应的时序上连续的多个样本三维模型,且目标样本动作组的x个样本三维模型满足:N1>N。
其中,N1为目标样本动作组的x个样本三维模型对应的标准特征信息与动作组对应的特征信息的差值之和,N为备选样本三维模型集合中其他任意时序上连续的x个样本三维模型对应的标准特征信息与动作组对应的特征信息的差值之和。
在一种可选实现方式中,为了进一步提高该运动提醒方法的准确性,还可以进一步限定目标样本动作组的x个样本三维模型对应的标准特征信息与动作组对应的特征信息的差值之和小于第一预设阈值,或者,可以进一步限定目标样本动作组的x个样本三维模型中每个样本三维模型对应的标准特征信息与动作组对应的特征信息的差值均小于第二预设阈值。
示例地,假设动作组中包括3个三维模型,备选样本三维模型集合中包括时序连续的4个样本三维模型,该4个样本三维模型分别为样本三维模型1、样本三维模型2、样本三维模型3和样本三维模型4,该4个样本三维模型中时序连续的样本动作组有2个:样本三维模型1、样本三维模型2和样本三维模型3组成的样本动作组1,以及样本三维模型2、样本三维模型3和样本三维模型4组成的样本动作组2,该两个样本动作组中样本三维模型对应的标准特征信息与动作组对应的特征信息的差值之和分别为112和156,则可以将样本动作组1确定为目标样本动作组,该样本动作组1对应的样本三维模型1、样本三维模型2和样本三维模型3即为与动作组中3个三维模型一一对应的时序上连续的3个样本三维模型。
步骤2062、将多个样本三维模型对应的标准特征信息确定为三维模型集合所对应的标准特征信息。
在确定与多个三维模型一一对应的时序上连续的多个样本三维模型后,可从样本三维模型库中获取每个样本三维模型的标准特征信息,并将多个样本三维模型对应的标准特征信息确定为三维模型集合所对应的标准特征信息。
需要说明的是,当无法获取三维模型集合所对应的标准特征信息时,例如:预设的样本三维模型库中不存在与动作组具有相同标签信息的备选样本三维模型集合,或者,备选样本三维模型集合中任意时序上连续的x个样本三维模型对应的标准特征信息与动作组对应的特征信息的差值之和均大于第一预设阈值,或者,备选样本三维模型集合中任意时序上连续的x个样本三维模型中每个样本三维模型对应的标准特征信息与动作组对应的特征信息的差值均大于第二预设阈值时,可将运动图像保存至无效运动库中,以备用户后期查看。
步骤207、获取第一三维模型的特征信息相对于第二三维模型的特征信息的第一变化量。
其中,该第二三维模型与该第一三维模型为多个三维模型中时序上依次相邻的任意两个三维模型。
在对用户的运动过程进行运动提醒时,需要将用户的运动动作的变化方式与标准动作的变化方式进行比较,相应的,该比较的实现方式可以为:将三维模型集合中至少一个三维模型之间的特征信息的变化量与对应的标准特征信息的变化量进行比较,因此,在对两者进行比较之前,可以先获取时序上依次相邻的两个三维模型的特征信息的变换量,及其对应的标准特征信息的变化量。
示例地,假设第一三维模型的特征信息为:头部水平,颈部垂直,肩部肌肉收缩,肘关节夹角呈60度,脊柱的垂直度呈30度,腹部肌肉收缩,臀部肌肉收缩,髋部呈垂直状,第二三维模型的特征信息为:头部水平,颈部左偏30度,肩部肌肉收缩,肘关节夹角呈90度,脊柱的垂直度呈30度,腹部肌肉放松,臀部肌肉收缩,髋部呈垂直状,可得该第一三维模型的特征信息相对于第二三维模型的特征信息的第一变化量为:头部保持水平,颈部由左偏30度变为垂直,肩部肌肉保持收缩,肘关节夹角由90度减小为60度,脊柱的垂直度保持30度,腹部肌肉由放松变为收缩,臀部肌肉保持收缩,髋部保持呈垂直状。
步骤208、获取第一标准特征信息相对于第二标准特征信息的第二变化量。
其中,第二标准特征信息为与第二三维模型对应的标准特征信息,第一标准特征信息为与第一三维模型对应的标准特征信息。
示例地,假设第一标准特征信息为:头部后仰30度,颈部垂直,肩部肌肉放松,肘关节夹角呈60度,脊柱的垂直度呈30度,腹部肌肉收缩,臀部肌肉收缩,髋部呈垂直状,第二标准特征信息为:头部水平,颈部左偏30度,肩部肌肉收缩,肘关节夹角呈90度,脊柱的垂直度呈30度,腹部肌肉放松,臀部肌肉收缩,髋部呈垂直状,可得该第一标准特征信息相对于第二标准特征信息的第二变化量为:头部由水平变为后仰30度,颈部由左偏30度变为垂直,肩部肌肉由收缩变为放松,肘关节夹角由90度减小为60度,脊柱的垂直度保持30度,腹部肌肉由放松变为收缩,臀部肌肉保持收缩,髋部保持呈垂直状。
需要说明的是,在步骤208和步骤209中,也可以以三维模型中的子模型为单位获取第一变化量和第二变化量,且其获取过程可以相应参步骤208和步骤209的获取过程。
步骤209、当第一变化量与第二变化量的差值大于预设阈值时,确定三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值。
在获取第一变化量和第二变化量时,若获取动作是以三维模型为单位进行的,此时,该阈值可以是针对每两个三维模型间的变化量设置的,当三维模型集合时序上相邻的两个三维模型对应的第一变化量与地热变化量的插值大于预设阈值时,可以确定三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值。
或者,在获取第一变化量和第二变化量时,若获取动作是以三维模型中的子模型为单位进行的,此时,该阈值可以是针对每两个三维模型中相应子模型间的变化量设置的,当三维模型集合时序上相邻的两个三维模型中某个子模型对应的第一变化量与对应的第二变化量的差值大于预设时,可以确定该子模型的特征信息与对应的标准特征信息的差距大于预设差距阈值。
或者,在获取第一变化量和第二变化量时,若获取动作是以三维模型中的子模型为单位进行的,此时,该阈值还可以为针对每两个三维模型中所有子模型对应的变化量之和设置一个预设阈值,当该每两个三维模型中所有子模型对应的第一变化量之和与对应的第二变化量之和的差值大于该预设阈值时,可以确定三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值。
其中,判断第一变化量与第二变化量的差值是否大于预设阈值的实现方式可以包括:分别确定每个运动部位对应的第一变化量和第二变化量,且针对每个运动部位,分别确定该第一变化量和该第二变化量之差,并为每个运动部位对应的差值预设一个阈值,然后分别判断每个运动部位对应的第一变化量和第二变化量之差是否大于其对应的阈值,当预设个数个运动部位对应的第一变化量和第二变化量之差均大于其对应的阈值时,确定第一变化量与第二变化量的差值大于预设阈值。并且,判断三维模型集合的特征信息与对应的标准特征信息的差距是否大于预设差距阈值的实现方式,可相应参考该判断第一变化量与第二变化量的差值是否大于预设阈值的实现方式,本发明实施例对其不做赘述。
示例地,根据步骤208中的第一变化量和步骤209中的第二变化量可得差值为头部应后仰,肩部肌肉应放松,且该差值大于预设阈值,则可以确定三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值。
需要说明的是,在步骤206至步骤209的示意性实施例中主要以三维模型集合包括多个三维模型进行说明,在一种可选实现方式中,该三维模型集合中也可以仅包括一个三维模型,此时,可以根据生成该三维模型的运动图像中的图片执行步骤206至209(例如,可以根据生成该三维模型的运动图像中的起始图片中的姿态确定第一变化量),其实现过程可相应参考步骤206至209的实现过程,此处对其不再赘述。
步骤210、当三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,执行提醒操作。
可选地,该三维模型集合的特征信息与对应的标准特征信息的差距可以由第一变化量与第二变化量的差值反映,例如:该差距可以由差值按照预设方式变换得到,或者,该差距可以等于差值,本发明实施例以差距等于差值为例,对执行提醒操作进行说明。
当三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,可以确定运动物体的运动动作出现错误,此时可执行提醒操作,以便于基于该提醒操作纠正其运动姿势。可选地,执行提醒操作的实现方式可以有多中,本发明实施例以以下三种为例对其进行说明:
第一种可实现方式,根据三维模型集合的特征信息与对应的标准特征信息的差距,生成提醒校正姿势的音频信息,并播放音频信息。
可选地,该音频信息可以包括出现错误的身体部位的信息和该身体部位对应的标准特征信息,或者,该音频信息包括出现错误的身体部位的信息,以及,该身体部位对应的标准特征信息与该身体部位对应的特征信息的差分信息,在播放该音频信息后,用户能够根据该音频信息纠正其运动姿势。
示例地,根据步骤209的差值,该生成的音频信息可以包括“头部应后仰,肩部肌肉过于收缩应自然放松”的信息,播放该音频信息后,用户能够根据该音频信息纠正其头部和肩部的运动姿势,使头部后仰和肩部肌肉自然放松。
第二种可实现方式,根据三维模型集合的特征信息与对应的标准特征信息的差距,生成提醒校正姿势的推送信息,向预设终端发送推送信息。
可选地,该推送信息可以包括出现错误的身体部位的信息和该身体部分对应的标准特征信息,在将该推送信息发送至用户所持终端后,用户通过阅读该推送信息能够根据其纠正运动姿势。
示例地,根据步骤209的差值,该生成的推送信息可以包括“头部应后仰,肩部肌肉过于收缩应自然放松”的信息,用户阅读该推送信息后,能够根据该推送信息纠正其头部和肩部的运动姿势,使头部后仰和肩部肌肉自然放松。
第三种可实现方式,根据差距生成提醒校正姿势的音频信息,播放音频信息。同时,根据差距,生成提醒校正姿势的推送信息,向预设终端发送推送信息。
该可实现方式的实现方法请相应参考第一种可实现方式和第二种可实现方式,此处不再赘述。
在一种可选实现方式中,运动提醒装置在执行提醒操作的同时还可以将运动图像以及对应的三维模型集合的特征信息与标准特征信息的对比结果保存至预设存储位置中,以备用户查看。并且,运动提醒装置可能不具有与终端通信的功能,此时,可以设置该运动提醒装置与某能够与终端通信的服务器连接,在执行该步骤209时,运动提醒装置在生成提醒校正姿势的推送信息之后,可将该信息发送至服务器,服务器再将该推送信息发送至终端。
需要说明的是,本发明实施例中的标准特征信息可以为预设样本库中样本三维模型的特征信息,该预设样本库可以为根据标准运动者的标准运动图像建立的。因此,在在一种可选实现方式中,在执行获取三维模型集合所对应的标准特征信息的步骤之前,本发明实施例提供的运动提醒方法还可以包括建立样本库的过程,请参见图7,该建立样本库的过程可以包括:
步骤801、获取标准运动者的标准运动图像,标准运动图像携带有时间信息。
步骤802、按照时间信息指示的时间的先后顺序,根据标准运动图像依次生成反映标准运动者的运动状态的多个样本三维模型。
该步骤802的实现过程请相应参考步骤201的实现过程,此处不再赘述。
步骤803、对多个样本三维模型进行分组,得到至少一个样本动作组。
其中,每个动作组包括至少一个反映标准运动者的标准运动状态的样本三维模型。可选地,请参考图8,该步骤803的实现过程,可以包括:
步骤8031、计算时序上相邻的每两个样本三维模型的相似度。
该步骤8031的实现过程请相应参考步骤2021的实现过程,此处不再赘述。
步骤8032、当时序上相邻的两个样本三维模型的相似度大于第二相似度阈值时,将这两个样本三维模型划分至同一样本动作组。
该步骤8032的实现过程请相应参考步骤2022的实现过程,此处不再赘述。
步骤804、识别每个样本动作组中的样本三维模型对应的姿态。
该步骤804的实现过程请相应参考步骤203的实现过程,且当运动提醒装置具有识别三维模型对应的姿态的功能时,可以以组为单位,使运动提醒装置识别至少一个样本动作组中的三维模型对应的姿态;当运动提醒装置不具有识别三维模型对应的姿态的功能时,可以以样本动作组为单位,分别将至少一个样本动作组中的样本三维模型发送至运动姿势识别设备,接收运动姿势识别设备发送的识别结果,识别结果中携带有每个样本动作组中的样本三维模型的姿态信息。
步骤805、根据识别结果为每个样本动作组添加标签信息,标签信息用于标识样本动作组所对应的运动姿势。
该步骤805的实现过程请相应参考步骤204的实现过程,此处不再赘述。
步骤806、提取多个样本三维模型的标准特征信息。
该步骤806的实现过程请相应参考步骤205的实现过程,并且,可以以样本动作组为单位,基于每个样本动作组中多个样本三维模型提取标准特征信息。
步骤807、保存多个样本三维模型的标准特征信息。
当提取多个样本三维模型的标准特征信息后,可将该标准特征信息保存至运动提醒装置,以实现样本库的建立。在保存标准特征信息时,可以以样本动作组为单位,对每个样本动作组中多个样本三维模型的标准特征信息进行保存。并且,可以按照生成样本三维模型的时序对标准特征信息进行保存。
需要说明的是,在该建立样本库的过程中,也可以根据实际情况选择是否执行步骤803至步骤805可以不执行。
还需要说明的是,当本发明实施例提供的运动提醒方法应用于图1B所示的运动提醒装置时,实现运动提醒方法的上述步骤的方法与上述步骤可能有一定的差异,此时,可以根据实际情况对上述步骤的实现过程进行相应的调整,例如:步骤201的实现过程可以包括:运动提醒装置接收图像采集设备发送的运动图像,并根据接收的运动图像生成反映运动物体的运动状态的三维模型集合;步骤206的实现过程可以包括:运动提醒装置向特征数据库服务器发送携带有标签信息的样本三维模型集合请求,接收特征数据库服务器向其发送的携带有样本三维模型集合的响应,并根据该响应确定目标样本动作组。并且,上述建立样本库的过程也可以由特征数据库服务器执行。
综上所述,本发明实施例提供的运动提醒方法,通过提取采集到的运动图像的三维模型集合的特征信息,获取该三维模型集合所对应的标准特征信息,将两者进行比对,并当所述三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,执行提醒操作,以便于用户基于该提醒操作纠正其运动姿势,使得姿势纠正的过程更为客观,进而提高了姿势纠正的准确性。并且,通过该方法对用户的运动姿势进行提醒时,相对于相关技术,无需通过在用户身上佩戴外带设备以采集用户的用户姿态,提高了采集用户姿态的便利性,且能够改善采用外带设备采集的用户姿态的局部性,能够有效提升用户体验。
需要说明的是,本发明实施例提供的运动提醒方法步骤的先后顺序可以进行适当调整,步骤也可以根据情况进行相应增减,例如:可以不执行步骤202至步骤204,也可以不执行步骤803至步骤805,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化的方法,都应涵盖在本发明的保护范围之内,因此不再赘述。
图9A为本发明实施例提供的一种运动提醒装置的结构示意图,如图9A所示,该运动提醒装置900可以包括:
第一生成模块901,用于根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合,三维模型集合可以包括至少一个三维模型。
第一提取模块902,用于提取三维模型集合的特征信息。
第一获取模块903,用于获取三维模型集合所对应的标准特征信息。
提醒模块904,用于当三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,执行提醒操作。
综上所述,本发明实施例提供的运动提醒装置,通过第一提取模块提取采集到的运动图像的三维模型集合的特征信息,第一获取模块获取该三维模型集合所对应的标准特征信息,将两者进行比对,提醒模块当所述三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,执行提醒操作,以便于用户基于该提醒操作纠正其运动姿势,使得姿势纠正的过程更为客观,进而提高了姿势纠正的准确性。
可选地,三维模型集合可以包括时序上连续的多个三维模型,如图9B所示,装置900还可以包括:
第二获取模块905,用于获取第一三维模型的特征信息相对于第二三维模型的特征信息的第一变化量,第二三维模型与第一三维模型为多个三维模型中时序上依次相邻的任意两个三维模型。
第三获取模块906,用于获取第一标准特征信息相对于第二标准特征信息的第二变化量,第二标准特征信息为与第二三维模型对应的标准特征信息,第一标准特征信息为与第一三维模型对应的标准特征信息。
确定模块907,用于当第一变化量与第二变化量的差值大于预设阈值时,确定三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值。
可选地,运动图像可以包括多个子图像集合,每个子图像集合中携带有时间信息,第一生成模块901,用于:
按照多个子图像集合的时间信息指示的时间的先后顺序,依次为每个子图像集合生成一个三维模型。
可选地,如图9C所示,第一获取模块903,可以包括:
筛选子模块9031,用于在样本三维模型集合中筛选与多个三维模型一一对应的时序上连续的多个样本三维模型,每个样本三维模型对应一个标准特征信息。
确定子模块9032,用于将多个样本三维模型对应的标准特征信息确定为三维模型集合所对应的标准特征信息。
可选地,如图9D所示,筛选子模块9031,可以包括:
划分单元9031a,用于将三维模型集合按照对应的运动姿势的不同划分为至少一个动作组,每个动作组具有一个标签信息,标签信息用于标识动作组对应的运动姿势。
查找单元9031b,用于对于每个动作组,在预设的样本三维模型库中,查找具有标签信息的备选样本三维模型集合,备选样本三维模型集合可以包括对应同一运动姿势的时序上连续的多个样本三维模型。
确定单元9031c,用于在备选样本三维模型集合中,确定目标样本动作组,目标样本动作组可以包括与动作组中的x个三维模型一一对应的时序上连续的x个样本三维模型,且目标样本动作组的x个样本三维模型满足:
N1>N;
其中,N1为目标样本动作组的x个样本三维模型对应的标准特征信息与动作组对应的特征信息的差值之和,N为备选样本三维模型集合中其他任意时序上连续的x个样本三维模型对应的标准特征信息与动作组对应的特征信息的差值之和。
可选地,如图9E所示,划分单元9031a,可以包括:
分组子单元a1,用于当三维模型集合包括多个三维模型时,对多个三维模型进行分组,得到至少一个动作组。
识别子单元a2,用于对于分组后的至少一个动作组,识别每个动作组中的三维模型对应的姿态。
添加子单元a3,用于根根据识别结果为每个动作组添加标签信息,标签信息用于标识动作组所对应的运动姿势。
可选地,运动图像为视频,第一生成模块901,用于:
将视频划分为至少一个视频子集合,每个视频子集合中可以包括预设帧数个视频帧,且至少一个视频子集合中的视频帧不同。
对于每个视频子集合,基于视频子集合中的视频帧生成一个三维模型。
可选地,预设帧数为1帧、30帧或60帧。
可选地,运动图像可以包括多张图片,第一生成模块901,用于:
将多张图片划分为至少一个图片子集合,每个图片子集合中可以包括预设张数张图片,且至少一个图片子集合中的图片不同。
对于每个图片子集合,基于图片子集合中的图片生成一个三维模型。
可选地,提醒模块904,用于:
根据差距生成提醒校正姿势的音频信息,播放音频信息。
和/或,
根据差距,生成提醒校正姿势的推送信息,向预设终端发送推送信息。
可选地,如图9B所示,装置900还可以包括:
第一保存模块908,用于当无法获取三维模型集合所对应的标准特征信息时,将运动图像保存至无效运动库中。
可选地,如图9B所示,装置900还可以包括:
第四获取模块909,用于获取标准运动者的标准运动图像,标准运动图像携带有时间信息。
第二生成模块910,用于按照时间信息指示的时间的先后顺序,根据标准运动图像依次生成反映标准运动者的标准运动状态的多个三维模型。
第二提取模块911,用于提取生成的多个三维模型的标准特征信息。
第二保存模块912,用于保存生成的多个三维模型的标准特征信息。
可选地,分组子单元a1,用于对多个三维模型进行分组,得到至少一个动作组,每个动作组包括至少一个反映标准运动者的标准运动状态的三维模型。
识别子单元a2,用于对于至少一个动作组,识别每个动作组中的三维模型对应的姿态。
添加子单元a3,用于根据识别结果为每个样本动作组添加标签信息,标签信息用于标识样本动作组所对应的运动姿势。
可选地,识别子单元a2,用于:
以动作组为单位,分别将至少一个动作组中的三维模型发送至运动姿势识别设备。
接收运动姿势识别设备发送的识别结果,识别结果中携带有每个动作组中的三维模型的姿态信息。
可选地,三维模型集合包括时序上连续的多个三维模型,分组子单元a1,用于:
计算时序上相邻的每两个三维模型的相似度。
当时序上相邻的两个三维模型的相似度大于相似度阈值时,将这两个三维模型划分至同一动作组。
可选地,运动物体具有多个身体部位,三维模型可以包括用于标识多个身体部位的多个子模型,第二提取模块911,用于:
分别提取每个三维模型的特征信息,且在提取每个三维模型的特征信息的过程中,分别提取每个子模型的特征信息。
可选地,特征信息包括:垂直度、肌肉状态、伸展状态、偏移程度、状态持续时间和状态变化速度中至少一个。
综上所述,本发明实施例提供的运动提醒装置,通过第一提取模块提取采集到的运动图像的三维模型集合的特征信息,第一获取模块获取该三维模型集合所对应的标准特征信息,将两者进行比对,提醒模块当所述三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,执行提醒操作,以便于用户基于该提醒操作纠正其运动姿势,使得姿势纠正的过程更为客观,进而提高了姿势纠正的准确性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置、模块、子模块、单元和子单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明实施例提供了一种运动提醒系统,该运动提醒系统可以包括:本发明实施例提供的运动提醒装置,其中,运动姿势识别设备用于识别每个动作组中的三维模型对应的姿态,并向运动提醒装置发送识别结果。
示例地,请参考图10,运动提醒装置400包括有:处理器401和存储器402。
处理器401可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器401可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器401也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器401可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器401还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器402可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器402还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器402中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器401所执行以实现本申请中方法实施例提供的运动提醒方法。
在一些实施例中,请继续参考图10,运动提醒装置400还可选包括有:外围设备接口403和至少一个外围设备。处理器401、存储器402和外围设备接口403之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口403相连。具体地,外围设备可以包括:显示屏404、摄像头组件405和音频电路406等。
外围设备接口403可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器401和存储器402。在一些实施例中,处理器401、存储器402和外围设备接口403被集成在同一芯片或电路板上;在一些其他实施例中,处理器401、存储器402和外围设备接口403中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
显示屏404用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏404是触摸显示屏时,显示屏404还具有采集在显示屏404的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器401进行处理。此时,显示屏404还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏404可以为一个,设置运动提醒装置400的前面板;在另一些实施例中,显示屏404可以为至少两个,分别设置在运动提醒装置400的不同表面或呈折叠设计;在再一些实施例中,显示屏404可以是柔性显示屏,设置在运动提醒装置400的弯曲表面上或折叠面上。甚至,显示屏404还可以设置成非矩形的不规则图形,也即异形屏。显示屏404可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件405用于采集图像或视频。可选地,摄像头组件405包括前置摄像头和后置摄像头。示例地,前置摄像头设置在运动提醒装置的前面板,后置摄像头设置在运动提醒装置的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件405还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路406可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器401进行处理,或者输入至射频电路404以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在运动提醒装置400的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器401或射频电路404的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路406还可以包括耳机插孔。
本领域技术人员可以理解,图10中示出的结构并不构成对运动提醒装置400的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本发明实施例提供了一种计算机设备,该计算机设备可以为上述运动提醒装置,该计算机设备包括:至少一个处理器和至少一个存储器;
其中,该至少一个存储器存储有一个或多个程序;
至少一个处理器,用于执行至少一个存储器上所存储的程序,实现上述实施例所述的运动提醒方法,示例的,该方法可以包括:
根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合,三维模型集合包括至少一个三维模型;
提取三维模型集合的特征信息;
获取三维模型集合所对应的标准特征信息;
当三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,执行提醒操作。
本发明实施例提供了一种存储介质,该存储介质可以为非易失性计算机可读存储介质,该存储介质内存储有计算机程序,该计算机程序被处理器执行时实现上述方法实施例提供的运动提醒方法。
本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述方法实施例提供的运动提醒方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的可选实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (28)
1.一种运动提醒方法,其特征在于,所述方法包括:
根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合,所述三维模型集合包括时序上连续的多个三维模型;
提取所述三维模型集合的特征信息;
将所述三维模型集合按照对应的运动姿势的不同划分为至少一个动作组,每个动作组具有一个标签信息,所述标签信息用于标识动作组对应的运动姿势;
对于每个动作组,在预设的样本三维模型库中,查找具有所述标签信息的备选样本三维模型集合,所述备选样本三维模型集合包括对应同一运动姿势的时序上连续的多个样本三维模型,每个样本三维模型对应一个标准特征信息;
在所述备选样本三维模型集合中,确定目标样本动作组,所述目标样本动作组包括与所述动作组中的x个三维模型一一对应的时序上连续的x个样本三维模型,且所述目标样本动作组的x个样本三维模型满足:
N1<N;
其中,所述N1为所述目标样本动作组的x个样本三维模型对应的标准特征信息与所述动作组对应的特征信息的差值之和,所述N为所述备选样本三维模型集合中其他任意时序上连续的x个样本三维模型对应的标准特征信息与所述动作组对应的特征信息的差值之和;
将所述多个样本三维模型对应的标准特征信息确定为所述三维模型集合所对应的标准特征信息;
当所述三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,执行提醒操作。
2.根据权利要求1所述的方法,其特征在于,
在所述将所述多个样本三维模型对应的标准特征信息确定为所述三维模型集合所对应的标准特征信息之后,所述方法还包括:
获取第一三维模型的特征信息相对于第二三维模型的特征信息的第一变化量,所述第二三维模型与所述第一三维模型为所述多个三维模型中时序上依次相邻的任意两个三维模型;
获取第一标准特征信息相对于第二标准特征信息的第二变化量,所述第二标准特征信息为与所述第二三维模型对应的标准特征信息,所述第一标准特征信息为与所述第一三维模型对应的标准特征信息;
当所述第一变化量与所述第二变化量的差值大于预设阈值时,确定所述三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值。
3.根据权利要求2所述的方法,其特征在于,
所述运动图像包括多个子图像集合,每个子图像集合中携带有时间信息,所述根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合,包括:
按照所述多个子图像集合的时间信息指示的时间的先后顺序,依次为每个子图像集合生成一个三维模型。
4.根据权利要求1所述的方法,其特征在于,所述将所述三维模型集合按照对应的运动姿势的不同划分为至少一个动作组,包括:
当所述三维模型集合包括多个三维模型时,对所述多个三维模型进行分组,得到至少一个动作组;
对于分组后的至少一个动作组,识别每个动作组中的三维模型对应的姿态;
根据识别结果为每个动作组添加标签信息,所述标签信息用于标识动作组所对应的运动姿势。
5.根据权利要求1至4任一所述的方法,其特征在于,所述运动图像为视频,所述根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合,包括:
将所述视频划分为至少一个视频子集合,每个视频子集合中包括预设帧数个视频帧,且所述至少一个视频子集合中的视频帧不同;
对于每个视频子集合,基于所述视频子集合中的视频帧生成一个三维模型。
6.根据权利要求5所述的方法,其特征在于,所述预设帧数为1帧、30帧或60帧。
7.根据权利要求1至4任一所述的方法,其特征在于,所述运动图像包括多张图片,所述根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合,包括:
将所述多张图片划分为至少一个图片子集合,每个图片子集合中包括预设张数张图片,且所述至少一个图片子集合中的图片不同;
对于每个图片子集合,基于所述图片子集合中的图片生成一个三维模型。
8.根据权利要求1至4任一所述的方法,其特征在于,所述执行提醒操作,包括:
根据所述差距生成提醒校正姿势的音频信息,播放所述音频信息;
和/或,
根据所述差距,生成提醒校正姿势的推送信息,向预设终端发送所述推送信息。
9.根据权利要求1至4任一所述的方法,其特征在于,在所述提取所述三维模型集合的特征信息之后,所述方法还包括:
当无法获取所述三维模型集合所对应的标准特征信息时,将所述运动图像保存至无效运动库中。
10.根据权利要求1至4任一所述的方法,其特征在于,在所述将所述三维模型集合按照对应的运动姿势的不同划分为至少一个动作组之前,所述方法还包括:
获取标准运动者的标准运动图像,所述标准运动图像携带有时间信息;
按照所述时间信息指示的时间的先后顺序,根据所述标准运动图像依次生成反映标准运动者的标准运动状态的多个三维模型;
提取生成的多个三维模型的标准特征信息;
保存生成的多个三维模型的标准特征信息。
11.根据权利要求10所述的方法,其特征在于,在所述提取生成的多个三维模型的标准特征信息之前,所述方法还包括:
对所述多个三维模型进行分组,得到至少一个动作组,每个动作组包括至少一个反映标准运动者的标准运动状态的三维模型;
对于所述至少一个动作组,识别每个动作组中的三维模型对应的姿态;
根据识别结果为每个样本动作组添加标签信息,所述标签信息用于标识样本动作组所对应的运动姿势。
12.根据权利要求4或11所述的方法,其特征在于,所述识别每个动作组中的三维模型对应的姿态,包括:
以动作组为单位,分别将所述至少一个动作组中的三维模型发送至运动姿势识别设备;
接收所述运动姿势识别设备发送的识别结果,所述识别结果中携带有每个动作组中的三维模型的姿态信息。
13.根据权利要求4或11所述的方法,其特征在于,所述三维模型集合包括时序上连续的多个三维模型,所述对所述多个三维模型进行分组,得到至少一个动作组,包括:
计算时序上相邻的每两个三维模型的相似度;
当时序上相邻的两个三维模型的相似度大于相似度阈值时,将所述两个三维模型划分至同一动作组。
14.根据权利要求1至4任一所述的方法,其特征在于,所述特征信息包括:垂直度、肌肉状态、伸展状态、偏移程度、状态持续时间和状态变化速度中至少一个。
15.一种运动提醒装置,其特征在于,所述装置包括:
第一生成模块,用于根据采集到的运动图像生成反映运动物体的运动状态的三维模型集合,所述三维模型集合包括时序上连续的多个三维模型;
第一提取模块,用于提取所述三维模型集合的特征信息;
划分单元,用于将所述三维模型集合按照对应的运动姿势的不同划分为至少一个动作组,每个动作组具有一个标签信息,所述标签信息用于标识动作组对应的运动姿势;
查找单元,用于对于每个动作组,在预设的样本三维模型库中,查找具有所述标签信息的备选样本三维模型集合,所述备选样本三维模型集合包括对应同一运动姿势的时序上连续的多个样本三维模型,每个样本三维模型对应一个标准特征信息;
确定单元,用于在所述备选样本三维模型集合中,确定目标样本动作组,所述目标样本动作组包括与所述动作组中的x个三维模型一一对应的时序上连续的x个样本三维模型,每个样本三维模型对应一个标准特征信息且所述目标样本动作组的x个样本三维模型满足:
N1<N;
其中,所述N1为所述目标样本动作组的x个样本三维模型对应的标准特征信息与所述动作组对应的特征信息的差值之和,所述N为所述备选样本三维模型集合中其他任意时序上连续的x个样本三维模型对应的标准特征信息与所述动作组对应的特征信息的差值之和;
确定子模块,用于将所述多个样本三维模型对应的标准特征信息确定为所述三维模型集合所对应的标准特征信息;
提醒模块,用于当所述三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值时,执行提醒操作。
16.根据权利要求15所述的装置,其特征在于;
所述装置还包括:
第二获取模块,用于获取第一三维模型的特征信息相对于第二三维模型的特征信息的第一变化量,所述第二三维模型与所述第一三维模型为所述多个三维模型中时序上依次相邻的任意两个三维模型;
第三获取模块,用于获取第一标准特征信息相对于第二标准特征信息的第二变化量,所述第二标准特征信息为与所述第二三维模型对应的标准特征信息,所述第一标准特征信息为与所述第一三维模型对应的标准特征信息;
确定模块,用于当所述第一变化量与所述第二变化量的差值大于预设阈值时,确定所述三维模型集合的特征信息与对应的标准特征信息的差距大于预设差距阈值。
17.根据权利要求16所述的装置,其特征在于,
所述运动图像包括多个子图像集合,每个子图像集合中携带有时间信息,所述第一生成模块,用于:
按照所述多个子图像集合的时间信息指示的时间的先后顺序,依次为每个子图像集合生成一个三维模型。
18.根据权利要求15所述的装置,其特征在于,所述划分单元,包括:
分组子单元,用于当所述三维模型集合包括多个三维模型时,对所述多个三维模型进行分组,得到至少一个动作组;
识别子单元,用于对于分组后的至少一个动作组,识别每个动作组中的三维模型对应的姿态;
添加子单元,用于根据识别结果为每个动作组添加标签信息,所述标签信息用于标识动作组所对应的运动姿势。
19.根据权利要求15至18任一所述的装置,其特征在于,所述运动图像为视频,所述第一生成模块,用于:
将所述视频划分为至少一个视频子集合,每个视频子集合中包括预设帧数个视频帧,且所述至少一个视频子集合中的视频帧不同;
对于每个视频子集合,基于所述视频子集合中的视频帧生成一个三维模型。
20.根据权利要求15至18任一所述的装置,其特征在于,所述运动图像包括多张图片,所述第一生成模块,用于:
将所述多张图片划分为至少一个图片子集合,每个图片子集合中包括预设张数张图片,且所述至少一个图片子集合中的图片不同;
对于每个图片子集合,基于所述图片子集合中的图片生成一个三维模型。
21.根据权利要求15至18任一所述的装置,其特征在于,所述提醒模块,用于:
根据所述差距生成提醒校正姿势的音频信息,播放所述音频信息;
和/或,
根据所述差距,生成提醒校正姿势的推送信息,向预设终端发送所述推送信息。
22.根据权利要求15至18任一所述的装置,其特征在于,所述装置还包括:
第一保存模块,用于当无法获取所述三维模型集合所对应的标准特征信息时,将所述运动图像保存至无效运动库中。
23.根据权利要求15至18任一所述的装置,其特征在于,所述装置还包括:
第四获取模块,用于获取标准运动者的标准运动图像,所述标准运动图像携带有时间信息;
第二生成模块,用于按照所述时间信息指示的时间的先后顺序,根据所述标准运动图像依次生成反映标准运动者的标准运动状态的多个三维模型;
第二提取模块,用于提取生成的多个三维模型的标准特征信息;
第二保存模块,用于保存生成的多个三维模型的标准特征信息。
24.根据权利要求23所述的装置,其特征在于,
分组子单元,用于对所述多个三维模型进行分组,得到至少一个动作组,每个动作组包括至少一个反映标准运动者的标准运动状态的三维模型;
识别子单元,用于对于所述至少一个动作组,识别每个动作组中的三维模型对应的姿态;
添加子单元,用于根据识别结果为每个样本动作组添加标签信息,所述标签信息用于标识样本动作组所对应的运动姿势。
25.根据权利要求18或24所述的装置,其特征在于,
所述识别子单元,用于:
以动作组为单位,分别将所述至少一个动作组中的三维模型发送至运动姿势识别设备;
接收所述运动姿势识别设备发送的识别结果,所述识别结果中携带有每个动作组中的三维模型的姿态信息。
26.根据权利要求18或24所述的装置,其特征在于,所述三维模型集合包括时序上连续的多个三维模型,所述分组子单元,用于:
计算时序上相邻的每两个三维模型的相似度;
当时序上相邻的两个三维模型的相似度大于相似度阈值时,将所述两个三维模型划分至同一动作组。
27.根据权利要求15至18任一所述的装置,其特征在于,所述特征信息包括:垂直度、肌肉状态、伸展状态、偏移程度、状态持续时间和状态变化速度中至少一个。
28.一种运动提醒系统,其特征在于,所述运动提醒系统包括:运动姿势识别设备和如权利要求15至27任一所述的运动提醒装置;
所述运动姿势识别设备用于识别每个动作组中的三维模型对应的姿态,并向所述运动提醒装置发送识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810276397.5A CN110314344B (zh) | 2018-03-30 | 2018-03-30 | 运动提醒方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810276397.5A CN110314344B (zh) | 2018-03-30 | 2018-03-30 | 运动提醒方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110314344A CN110314344A (zh) | 2019-10-11 |
CN110314344B true CN110314344B (zh) | 2021-08-24 |
Family
ID=68111449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810276397.5A Active CN110314344B (zh) | 2018-03-30 | 2018-03-30 | 运动提醒方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110314344B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110681133A (zh) * | 2019-10-31 | 2020-01-14 | 北京工业大学 | 一种用于捡乒乓球机器人的双模态控制方法 |
CN110996087B (zh) * | 2019-12-10 | 2021-04-02 | 腾讯科技(深圳)有限公司 | 视频显示方法、装置 |
CN114356100B (zh) * | 2022-01-13 | 2024-05-07 | 上海健指树智能系统有限公司 | 健身动作指导方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2933562B2 (ja) * | 1997-03-27 | 1999-08-16 | 日本電気ソフトウェア株式会社 | パソコンを使用した運動の姿勢の分析装置 |
CN103390174A (zh) * | 2012-05-07 | 2013-11-13 | 深圳泰山在线科技有限公司 | 基于人体姿态识别的体育教学辅助系统和方法 |
CN103706106A (zh) * | 2013-12-30 | 2014-04-09 | 南京大学 | 一种基于Kinect的自适应连续动作训练方法 |
CN105912985A (zh) * | 2016-04-01 | 2016-08-31 | 上海理工大学 | 基于能量函数的人体骨架关节点的行为动作表示方法 |
CN106730760A (zh) * | 2016-12-06 | 2017-05-31 | 广州视源电子科技股份有限公司 | 健身动作检测方法、系统、可穿戴设备及终端 |
CN107335192A (zh) * | 2017-05-26 | 2017-11-10 | 深圳奥比中光科技有限公司 | 运动辅助训练方法、装置及存储装置 |
CN107609474A (zh) * | 2017-08-07 | 2018-01-19 | 深圳市科迈爱康科技有限公司 | 肢体动作识别方法、装置、机器人及存储介质 |
CN107831890A (zh) * | 2017-10-11 | 2018-03-23 | 北京华捷艾米科技有限公司 | 基于ar的人机交互方法、装置及设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5754439B2 (ja) * | 2012-12-21 | 2015-07-29 | カシオ計算機株式会社 | 情報報知装置、情報報知方法及びプログラム |
US10565889B2 (en) * | 2016-03-21 | 2020-02-18 | Ying Chieh Mitchell | Method and system for authoring animated human movement examples with scored movements |
-
2018
- 2018-03-30 CN CN201810276397.5A patent/CN110314344B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2933562B2 (ja) * | 1997-03-27 | 1999-08-16 | 日本電気ソフトウェア株式会社 | パソコンを使用した運動の姿勢の分析装置 |
CN103390174A (zh) * | 2012-05-07 | 2013-11-13 | 深圳泰山在线科技有限公司 | 基于人体姿态识别的体育教学辅助系统和方法 |
CN103706106A (zh) * | 2013-12-30 | 2014-04-09 | 南京大学 | 一种基于Kinect的自适应连续动作训练方法 |
CN105912985A (zh) * | 2016-04-01 | 2016-08-31 | 上海理工大学 | 基于能量函数的人体骨架关节点的行为动作表示方法 |
CN106730760A (zh) * | 2016-12-06 | 2017-05-31 | 广州视源电子科技股份有限公司 | 健身动作检测方法、系统、可穿戴设备及终端 |
CN107335192A (zh) * | 2017-05-26 | 2017-11-10 | 深圳奥比中光科技有限公司 | 运动辅助训练方法、装置及存储装置 |
CN107609474A (zh) * | 2017-08-07 | 2018-01-19 | 深圳市科迈爱康科技有限公司 | 肢体动作识别方法、装置、机器人及存储介质 |
CN107831890A (zh) * | 2017-10-11 | 2018-03-23 | 北京华捷艾米科技有限公司 | 基于ar的人机交互方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110314344A (zh) | 2019-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230338778A1 (en) | Method and system for monitoring and feed-backing on execution of physical exercise routines | |
CN111738220B (zh) | 三维人体姿态估计方法、装置、设备及介质 | |
EP3876140B1 (en) | Method and apparatus for recognizing postures of multiple persons, electronic device, and storage medium | |
WO2020063009A1 (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN109815776B (zh) | 动作提示方法和装置、存储介质及电子装置 | |
CN110314344B (zh) | 运动提醒方法、装置及系统 | |
US11423699B2 (en) | Action recognition method and apparatus and electronic equipment | |
CN110544301A (zh) | 一种三维人体动作重建系统、方法和动作训练系统 | |
KR102202490B1 (ko) | 3차원 신체 모델 측정 장치 및 방법 | |
KR102320960B1 (ko) | 사용자 신체 맞춤형 홈 트레이닝 동작 안내 및 교정 시스템 | |
CN111107278B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN113569753A (zh) | 视频中的动作比对方法、装置、存储介质与电子设备 | |
CN112348942A (zh) | 一种健身交互方法和系统 | |
CN112069863B (zh) | 一种面部特征的有效性判定方法及电子设备 | |
WO2022206639A1 (zh) | 人体关键点检测方法及相关装置 | |
WO2020252918A1 (zh) | 基于人体的姿态识别方法、装置、设备及存储介质 | |
CN111104827A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN116580211B (zh) | 关键点检测方法、装置、计算机设备及存储介质 | |
CN113342157B (zh) | 眼球追踪处理方法及相关装置 | |
CN116403285A (zh) | 动作识别方法、装置、电子设备以及存储介质 | |
CN113298013A (zh) | 运动动作矫正方法、装置、存储介质及电子设备 | |
CN110996149A (zh) | 一种信息处理方法、装置和系统 | |
CN115147917A (zh) | 一种动作评估方法、存储介质及终端设备 | |
Li et al. | Fitness coach: Design and implementation of a smart mirror based on automatic image recognition and action model comparison | |
JP2019139608A (ja) | 画像生成装置及び画像生成プログラム |
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 |