CN110427900B - 一种智能指导健身的方法、装置和设备 - Google Patents
一种智能指导健身的方法、装置和设备 Download PDFInfo
- Publication number
- CN110427900B CN110427900B CN201910726922.3A CN201910726922A CN110427900B CN 110427900 B CN110427900 B CN 110427900B CN 201910726922 A CN201910726922 A CN 201910726922A CN 110427900 B CN110427900 B CN 110427900B
- Authority
- CN
- China
- Prior art keywords
- fitness
- video
- guided
- building
- area
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
Abstract
本申请公开了一种智能指导健身的方法、装置和设备,包括:获取待指导健身视频;对待指导健身视频进行分帧处理,得到待指导健身视频连续时刻的帧图像;识别帧图像的目标健身区域;对目标健身区域进行骨架关节点特征提取,得到骨架序列的第一姿态特征表示;将第一姿态特征表示与标准健身视频的骨架序列的第二姿态特征表示进行比对,得到比对结果;根据比对结果为待指导健身视频的健身者提供健身指导。实现了健身指导的高效智能化。
Description
技术领域
本申请涉及智能健身领域,特别涉及一种智能指导健身的方法、装置和设备。
背景技术
随着人们生活水平的提高和人工智能的不断发展,健身指导智能化也在与时俱进。目前的健身指导是通过看视频进行健身动作学习或者在健身房由私人教练进行指导,通过看视频进行健身动作学习的方式,没有对健身动作进行规范性指导,健身效率比较低;在健身房由私人教练进行指导的方式需要和教练进行协调,容易受到时间地点的限制,健身不够智能方便。
因此,实现健身指导的高效智能化是本领域技术人员亟待解决的技术问题。
发明内容
本申请的目的是提供一种智能指导健身的方法、装置和设备,用于实现健身指导的高效智能化。
本申请第一方面提供了一种智能指导健身的方法,包括:
获取待指导健身视频;
对所述待指导健身视频进行分帧处理,得到所述待指导健身视频连续时刻的帧图像;
识别所述帧图像的目标健身区域;
对所述目标健身区域进行骨架关节点特征提取,得到骨架序列的第一姿态特征表示;
将所述第一姿态特征表示与标准健身视频的骨架序列的第二姿态特征表示进行比对,得到比对结果;
根据所述比对结果为所述待指导健身视频的健身者提供健身指导。
可选的,所述获取待指导健身视频包括:
获取待识别健身人员所在区域的预选视频;
判断所述预选视频的清晰度是否满足第一设定条件;
当所述预选视频的清晰度满足第一设定条件时,将所述预选视频作为待指导健身视频。
可选的,还包括:
当所述预选视频的清晰度不满足第一设定条件时,重新获取待识别健身人员所在区域的预选视频,直到所述预选视频的清晰度满足所述第一设定条件。
可选的,所述对所述待指导健身视频进行分帧处理,得到所述待指导健身视频连续时刻的帧图像之前,还包括:
对所述待指导健身视频进行增强,使得所述待指导健身视频的清晰度满足第二设定条件。
可选的,所述识别所述帧图像的目标健身区域包括:
根据由标准健身视频的帧图像训练好的卷积神经网络模型,识别所述帧图像的目标健身区域。
可选的,所述识别所述帧图像的目标健身区域,之前还包括:
获取标准健身视频样本和训练健身视频样本;
提取所述标准健身视频样本的第一目标区域和所述训练健身视频样本的第二目标区域;
提取所述第一目标区域的骨架关节点特征和所述第二目标区域的骨架关节点特征;
根据所述第一目标区域的骨架关节点特征和所述第二目标区域的骨架关节点特征,训练所述卷积神经网络模型。
可选的,所述将所述姿态特征表示与标准健身视频的骨架序列的第二姿态特征表示进行比对,得到比对结果,包括:
将所述标准健身视频的骨架关节点特征的第一三维坐标集和待指导健身视频的骨架关节点特征的第二三维坐标集进行比对,得到差异坐标集。
所述根据所述比对结果为所述待指导健身视频的健身者提供健身指导,具体为:
根据所述差异坐标集为所述待指导健身视频的健身者提供健身指导。
可选的,所述根据所述差异坐标集为所述待指导健身视频的健身者提供健身指导,包括:
当所述差异坐标集等于阈值时,为所述待指导健身视频的健身者提供健身动作标准的提示信息;
当所述差异坐标集小于阈值时,为所述待指导健身视频的健身者提供降低所述差异坐标集对应的帧时刻和骨架关节点运动幅度的提示信息;
当所述差异坐标集大于阈值时,为所述待指导健身视频的健身者提供增大所述差异坐标集对应的帧时刻和骨架关节点运动幅度的提示信息。
本申请第二方面还提供了一种智能指导健身的装置,包括:
获取模块,用于获取待指导健身视频;
分帧处理模块,用于对所述待指导健身视频进行分帧处理,得到所述待指导健身视频连续时刻的帧图像;
识别模块,用于识别所述帧图像的目标健身区域;
特征提取模块,用于对所述目标健身区域进行骨架关节点特征提取,得到骨架序列的第一姿态特征表示;
比对模块,用于将所述第一姿态特征表示与标准健身视频的骨架序列的第二姿态特征表示进行比对,得到比对结果;
指导模块,用于根据所述比对结果为所述待指导健身视频的健身者提供健身指导。
本申请第三方面提供了一种智能指导健身的设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面所述的任一种智能指导健身的方法。
本申请提供一种智能指导健身的方法,包括:获取待指导健身视频;对待指导健身视频进行分帧处理,得到待指导健身视频连续时刻的帧图像;识别帧图像的目标健身区域;对目标健身区域进行骨架关节点特征提取,得到骨架序列的第一姿态特征表示;将第一姿态特征表示与标准健身视频的骨架序列的第二姿态特征表示进行比对,得到比对结果;根据比对结果为待指导健身视频的健身者提供健身指导。
本申请提供的智能指导健身的方法,只需在得到待指导健身视频后,通过获取目标健身区域的骨架关节点特征,得到第一姿态特征表示,将第一姿态特征表示和标准健身视频中健身人员的骨架关节点特征对应的第二姿态特征表示进行比对,根据比对结果为待指导健身视频的健身人员提供健身指导,避免了健身人员通过看视频进行健身动作学习的方式,缺少对健身动作进行规范性指导的问题,也不需要健身人员到健身房由私人教练进行指导,提高了健身的效率和健身指导的智能化,实现了健身指导的高效智能化。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种智能指导健身的方法的一个实施例的流程示意图;
图2为本申请实施例所提供的一种智能指导健身的方法的另一个实施例的流程示意图;
图3为本申请实施例中提供的一种智能指导健身的装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参考图1,图1为本申请实施例所提供的一种智能指导健身的方法的流程示意图,本申请实施例中提供的智能指导健身的方法,包括:
S101:获取待指导健身视频。
需要说明的是,本申请实施例中,待指导健身视频是健身人员一系列连续健身动作的视频,可以是实时拍摄获取到的,目标健身区域为包含健身人员全部健身动作的区域。其中,获取待指导健身视频可以由移动设备所获取,如手机、平板电脑等。待指导健身视频可以包含健身人员、健身器材以及其他障碍物。
S102:对待指导健身视频进行分帧处理,得到待指导健身视频连续时刻的帧图像。
需要说明的是,获取待指导健身视频之后,先对待指导健身视频进行处理,对视频进行处理的过程可以包括:视频增强以提高视频的清晰度,利用现有计算机视觉库opencv进行视频分帧处理等,在此对于视频处理的具体步骤不作具体限定。
本发明实施例中,对视频进行视频处理可以包括对视频进行视频增强处理已在提高视频的清晰度后,然后从经视频增强处理后的视频中利用现有计算机视觉库opencv进行视频分帧处理,得到待识别视频中的帧。帧中包括健身人员、健身器材以及其他障碍物。
S103:识别帧图像的目标健身区域。
需要说明的是,本实施例中,对待指导健身视频进行分帧处理后,得到连续时刻的每一帧的帧图像,然后需要对帧图像中的目标健身区域进行识别。
S104:对目标健身区域进行骨架关节点特征提取,得到骨架序列的第一姿态特征表示。
需要说明的是,本申请实施例中,骨架关节点特征是指将健身人员抽象为以关节和肢体为主干的一组三维的坐标集,每一帧的目标健身区域对应着一组三维的坐标集。骨架序列的姿态特征表示是指把视频中健身人员的动作抽象为若干组三维的坐标集。此处可以采用网络模型从每一目标健身区域中提取骨架关节点特征,得到骨架序列的姿态特征表示。
S105:将第一姿态特征表示与标准健身视频的骨架序列的第二姿态特征表示进行比对,得到比对结果。
需要说明的是,本实施例中,计算待识别视频的骨架序列三维的坐标集和标准健身视频的三维坐标集中的两两对应坐标点的运动矢量差值,得到两者的骨架姿态特征的差异。
S106:根据比对结果为待指导健身视频的健身者提供健身指导。
需要说明的是,本实施例中,得到两者的骨架姿态特征的差异之后,根据差异情况对待指导健身视频的健身者提供健身指导,例如,设置一个动作标准的差异范围,如果差异情况在差异范围内,则认为待指导健身视频的健身者动作标准,可相应给出动作标准的提示信息,若差异情况小于差异范围,则给出需要减小/增大对应关节点的动作幅度,若差异情况大于差异范围,则给出需要增大/减小对应关节点的动作幅度。
本申请实施例公开的一种智能指导健身的方法,包括:获取待指导健身视频;对待指导健身视频进行分帧处理,得到待指导健身视频连续时刻的帧图像;识别帧图像的目标健身区域;对目标健身区域进行骨架关节点特征提取,得到骨架序列的第一姿态特征表示;将第一姿态特征表示与标准健身视频的骨架序列的第二姿态特征表示进行比对,得到比对结果;根据比对结果为待指导健身视频的健身者提供健身指导。
本申请提供的智能指导健身的方法,只需在得到待指导健身视频后,通过获取目标健身区域的骨架关节点特征,得到第一姿态特征表示,将第一姿态特征表示和标准健身视频中健身人员的骨架关节点特征对应的第二姿态特征表示进行比对,根据比对结果为待指导健身视频的健身人员提供健身指导,避免了健身人员通过看视频进行健身动作学习的方式,缺少对健身动作进行规范性指导的问题,也不需要健身人员到健身房由私人教练进行指导,提高了健身的效率和健身指导的智能化,实现了健身指导的高效智能化。
为了便于理解,请参阅图2,本申请中提供了一种智能指导健身的方法的另一个实施例,包括:
S201、获取待识别健身人员所在区域的预选视频。
S202、判断预选视频的清晰度是否满足第一设定条件。
S203、当预选视频的清晰度满足第一设定条件时,将预选视频作为待指导健身视频。
S204、当预选视频的清晰度不满足第一设定条件时,重新获取待识别健身人员所在区域的预选视频,直到预选视频的清晰度满足第一设定条件。
需要说明的是,本申请实施例中,可以通过摄像设备获取待识别健身人员所在区域的健身动作视频作为预选视频,获取到的预选视频,由于光照以及拍摄设备等原因可能会导致视频的清晰度受到影响,从而对后续的视频处理造成影响。因此,本实施例中,先对获取到的待识别健身人员所在区域的视频作为预选视频,对于预选视频的清晰度的确定可以利用相关清晰度评测软件来确定预选视频的清晰度,第一设定条件可以为预先设定的清晰度阈值,清晰度阈值的设定可以根据实际环境进行确定,本申请实施例在此暂不作限定。
S205、对待指导健身视频进行增强,使得待指导健身视频的清晰度满足第二设定条件。
需要说明的是,第二设定条件的取值应该大于第一设定条件的取值,第二设定条件的具体取值大小可以根据实际情况进行确定,本申请实施例在此并不作限定。
S206、对待指导健身视频进行分帧处理,得到待指导健身视频连续时刻的帧图像。
需要说明的是,本申请实施例中的步骤S206与上一实施例中的步骤S102一致,在此不再进行赘述。
S207、根据由标准健身视频的帧图像训练好的卷积神经网络模型,识别帧图像的目标健身区域。
需要说明的是,本申请实施中,预先对卷积神经网络模型进行训练,训练的过程为:
获取标准健身视频样本和训练健身视频样本;
提取标准健身视频样本的第一目标区域和训练健身视频样本的第二目标区域;
提取第一目标区域的骨架关节点特征和第二目标区域的骨架关节点特征;
根据第一目标区域的骨架关节点特征和第二目标区域的骨架关节点特征,训练卷积神经网络模型。
利用训练好的卷积神经网络模型对处理后的待指导健身视频的每一帧进行分割得到目标区域图像;利用卷积神经网络对视频增强后的视频的每一帧进行目标区域分割,主要是将经视频增强后的视频的每一帧像素作为卷积神经网络的输入层,然后由训练好的卷积神经网络对各个像素进行特征提取,从中提取出目标区域,而目标区域中包含健身人员健身动作特征。提取的帧图像中包含的不仅是健身人员健身动作信息,也包含了运动人员四周的环境信息,如健身器材,障碍物等。因此,从经过视视频增强后的待指导健身视频的每一帧中提取健身人员健身动作特征从而得到包含健身人员健身动作信息、健身器材以及障碍物的目标区域。目标区域的选取规则可以为每一帧中某一区域的健身器材与健身人员动作的重合度达到阈值,且该阈值可以根据实际环境进行确定,待确定信息所在的区域即为目标健身区域。
S208、对目标健身区域进行骨架关节点特征提取,得到骨架序列的第一姿态特征表示。
需要说明的是,本申请实施例中的步骤S208与上一实施例中的步骤S104一致,在此不再进行赘述。
S209、将标准健身视频的骨架关节点特征的第一三维坐标集和待指导健身视频的骨架关节点特征的第二三维坐标集进行比对,得到差异坐标集。
S210、当差异坐标集等于阈值时,为待指导健身视频的健身者提供健身动作标准的提示信息。
S211、当差异坐标集小于阈值时,为待指导健身视频的健身者提供降低差异坐标集对应的帧时刻和骨架关节点运动幅度的提示信息。
S212、当差异坐标集大于阈值时,为待指导健身视频的健身者提供增大差异坐标集对应的帧时刻和骨架关节点运动幅度的提示信息。
需要说明的是,将表示标准健身视频中人体骨架姿态特征的三维坐标集和待识别视频中人体骨架姿态特征的三维坐标集进行比对得到差异坐标集。人体骨架姿态特征由若干组三维坐标集表示,计算两两不同关节点之间的坐标差异作为该静止姿态的空间域,一系列有序的静止姿态构成了视频序列,而同一关节点在所有不同时刻的位置信息构成了该关节点的运动轨迹,相邻时刻间的位置矢量近似表示了该关节点的运动速度,计算当前时刻静止姿态中所有关节点与相邻时刻静止姿态中对应关节点的运动矢量,以此构建姿态随时间的动态变化关系,得到视频序列的时间域特征,将空间域与时间域直接连接起来,便得到了表示人体的姿态变化特征。
将标准健身视频的骨架关节点特征的第一三维坐标集和待指导健身视频的骨架关节点特征的第二三维坐标集,得到差异坐标集。由骨架姿态特征差别和预先设置好的阙值,给健身者提出一些关于此类健身动作方面的指导。
待指导健身视频的健身人员姿态变化特征和标准健身视频的健身人员姿态变化特征做减法得到的差异坐标集表示在这一系列连续健身动作中与标准健身动作的误差,每一个坐标表示一个关节点与标准健身动作的关节点的误差,故通过对比预先设置好的可接受误差最大值的阙值,可以获得健身动作各个关节点的规范程度,从而能够从关节点层面给出健身动作的指导,可以是:当差异坐标集等于阈值时,为待指导健身视频的健身者提供健身动作标准的提示信息;当差异坐标集小于阈值时,为待指导健身视频的健身者提供降低差异坐标集对应的帧时刻和骨架关节点运动幅度的提示信息;当差异坐标集大于阈值时,为待指导健身视频的健身者提供增大差异坐标集对应的帧时刻和骨架关节点运动幅度的提示信息。
为了便于理解,请参阅图3,本申请中还提供了一种智能指导健身的装置的实施例,包括:
获取模块301,用于获取待指导健身视频。
分帧处理模块302,用于对待指导健身视频进行分帧处理,得到待指导健身视频连续时刻的帧图像。
识别模块303,用于识别帧图像的目标健身区域。
特征提取模块304,用于对目标健身区域进行骨架关节点特征提取,得到骨架序列的第一姿态特征表示。
比对模块305,用于将第一姿态特征表示与标准健身视频的骨架序列的第二姿态特征表示进行比对,得到比对结果。
指导模块306,用于根据比对结果为待指导健身视频的健身者提供健身指导。
进一步的,获取模块301具体用于:
获取待识别健身人员所在区域的预选视频;
判断预选视频的清晰度是否满足第一设定条件;
当预选视频的清晰度满足第一设定条件时,将预选视频作为待指导健身视频。
进一步的,获取模块301具体还用于:
当预选视频的清晰度不满足第一设定条件时,重新获取待识别健身人员所在区域的预选视频,直到预选视频的清晰度满足所述第一设定条件。
进一步的,还包括:
增强模块307,用于对待指导健身视频进行增强,使得待指导健身视频的清晰度满足第二设定条件。
进一步的,识别模块303具体用于:
根据由标准健身视频的帧图像训练好的卷积神经网络模型,识别帧图像的目标健身区域。
进一步的,还包括:训练模块308;
训练模块308用于:
获取标准健身视频样本和训练健身视频样本;
提取标准健身视频样本的第一目标区域和所述训练健身视频样本的第二目标区域;
提取第一目标区域的骨架关节点特征和第二目标区域的骨架关节点特征;
根据第一目标区域的骨架关节点特征和第二目标区域的骨架关节点特征,训练所述卷积神经网络模型。
进一步的,比对模块305具体用于:
将标准健身视频的骨架关节点特征的第一三维坐标集和待指导健身视频的骨架关节点特征的第二三维坐标集进行比对,得到差异坐标集。
进一步的,指导模块306具体用于:
当差异坐标集等于阈值时,为待指导健身视频的健身者提供健身动作标准的提示信息;
当差异坐标集小于阈值时,为待指导健身视频的健身者提供降低差异坐标集对应的帧时刻和骨架关节点运动幅度的提示信息;
当差异坐标集大于阈值时,为待指导健身视频的健身者提供增大差异坐标集对应的帧时刻和骨架关节点运动幅度的提示信息。
本申请中还提供了一种智能指导健身的设备,设备包括处理器以及存储器:
存储器用于存储程序代码,并将程序代码传输给所述处理器;
处理器用于根据程序代码中的指令执行前述的智能指导健身的方法实施例中的任一种智能指导健身的方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以通过一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (8)
1.一种智能指导健身的方法,其特征在于,包括:
获取待指导健身视频;
对所述待指导健身视频进行分帧处理,得到所述待指导健身视频连续时刻的帧图像;
识别所述帧图像的目标健身区域,包括:
根据由标准健身视频的帧图像训练好的卷积神经网络模型,对所述待指导健身视频的每一帧像素进行特征提取;
当所述待指导健身视频的每一帧中某一区域的健身器材与健身人员动作的重合度达到预设阈值时,所述某一区域即识别为所述目标健身区域;
其中,所述预设阈值根据实际环境进行确定,所述目标健身区域包含健身人员健身动作信息、健身器材以及障碍物;
对所述目标健身区域进行骨架关节点特征提取,得到骨架序列的第一姿态特征表示;
将所述第一姿态特征表示与标准健身视频的骨架序列的第二姿态特征表示进行比对,得到比对结果,包括:将所述标准健身视频的骨架关节点特征的第一三维坐标集和待指导健身视频的骨架关节点特征的第二三维坐标集进行比对,得到差异坐标集;
根据所述比对结果为所述待指导健身视频的健身者提供健身指导,具体为:根据所述差异坐标集为所述待指导健身视频的健身者提供健身指导。
2.根据权利要求1所述的智能指导健身的方法,其特征在于,所述获取待指导健身视频包括:
获取待识别健身人员所在区域的预选视频;
判断所述预选视频的清晰度是否满足第一设定条件;
当所述预选视频的清晰度满足第一设定条件时,将所述预选视频作为待指导健身视频。
3.根据权利要求2所述的智能指导健身的方法,其特征在于,还包括:
当所述预选视频的清晰度不满足第一设定条件时,重新获取待识别健身人员所在区域的预选视频,直到所述预选视频的清晰度满足所述第一设定条件。
4.根据权利要求2所述的智能指导健身的方法,其特征在于,所述对所述待指导健身视频进行分帧处理,得到所述待指导健身视频连续时刻的帧图像之前,还包括:
对所述待指导健身视频进行增强,使得所述待指导健身视频的清晰度满足第二设定条件。
5.根据权利要求1所述的智能指导健身的方法,其特征在于,所述识别所述帧图像的目标健身区域,之前还包括:
获取标准健身视频样本和训练健身视频样本;
提取所述标准健身视频样本的第一目标区域和所述训练健身视频样本的第二目标区域;
提取所述第一目标区域的骨架关节点特征和所述第二目标区域的骨架关节点特征;
根据所述第一目标区域的骨架关节点特征和所述第二目标区域的骨架关节点特征,训练所述卷积神经网络模型。
6.根据权利要求1所述的智能指导健身的方法,其特征在于,所述根据所述差异坐标集为所述待指导健身视频的健身者提供健身指导,包括:
当所述差异坐标集等于阈值时,为所述待指导健身视频的健身者提供健身动作标准的提示信息;
当所述差异坐标集小于阈值时,为所述待指导健身视频的健身者提供降低所述差异坐标集对应的帧时刻和骨架关节点运动幅度的提示信息;
当所述差异坐标集大于阈值时,为所述待指导健身视频的健身者提供增大所述差异坐标集对应的帧时刻和骨架关节点运动幅度的提示信息。
7.一种智能指导健身的装置,其特征在于,包括:
获取模块,用于获取待指导健身视频;
分帧处理模块,用于对所述待指导健身视频进行分帧处理,得到所述待指导健身视频连续时刻的帧图像;
识别模块,用于识别所述帧图像的目标健身区域,包括:
根据由标准健身视频的帧图像训练好的卷积神经网络模型,对所述待指导健身视频的每一帧像素进行特征提取;
当所述待指导健身视频的每一帧中某一区域的健身器材与健身人员动作的重合度达到预设阈值时,所述某一区域即识别为所述目标健身区域;
其中,所述预设阈值根据实际环境进行确定,所述目标健身区域包含健身人员健身动作信息、健身器材以及障碍物;
特征提取模块,用于对所述目标健身区域进行骨架关节点特征提取,得到骨架序列的第一姿态特征表示;
比对模块,用于将所述第一姿态特征表示与标准健身视频的骨架序列的第二姿态特征表示进行比对,得到比对结果,包括:将所述标准健身视频的骨架关节点特征的第一三维坐标集和待指导健身视频的骨架关节点特征的第二三维坐标集进行比对,得到差异坐标集;
指导模块,用于根据所述比对结果为所述待指导健身视频的健身者提供健身指导,具体为:根据所述差异坐标集为所述待指导健身视频的健身者提供健身指导。
8.一种智能指导健身的设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-6任一项所述的智能指导健身的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910726922.3A CN110427900B (zh) | 2019-08-07 | 2019-08-07 | 一种智能指导健身的方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910726922.3A CN110427900B (zh) | 2019-08-07 | 2019-08-07 | 一种智能指导健身的方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110427900A CN110427900A (zh) | 2019-11-08 |
CN110427900B true CN110427900B (zh) | 2022-04-19 |
Family
ID=68414734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910726922.3A Active CN110427900B (zh) | 2019-08-07 | 2019-08-07 | 一种智能指导健身的方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110427900B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942006B (zh) * | 2019-11-21 | 2023-04-18 | 中国科学院深圳先进技术研究院 | 运动姿态识别方法、运动姿态识别装置、终端设备及介质 |
CN111840964A (zh) * | 2020-07-17 | 2020-10-30 | 谢小强 | 健身强度调控方法、智能健身设备及可读存储介质 |
CN112348942B (zh) * | 2020-09-18 | 2024-03-19 | 当趣网络科技(杭州)有限公司 | 一种健身交互方法和系统 |
CN112734799A (zh) * | 2020-12-14 | 2021-04-30 | 中国科学院长春光学精密机械与物理研究所 | 健身运动姿态指导系统 |
CN113657278A (zh) * | 2021-08-18 | 2021-11-16 | 成都信息工程大学 | 一种运动姿态识别方法、装置、设备及存储介质 |
WO2023108842A1 (zh) * | 2021-12-14 | 2023-06-22 | 成都拟合未来科技有限公司 | 基于健身教学训练的动作评价方法及系统 |
TWI823478B (zh) * | 2022-07-18 | 2023-11-21 | 新加坡商鴻運科股份有限公司 | 人工智慧之動作管理方法、電子設備及存儲介質 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106981075A (zh) * | 2017-05-31 | 2017-07-25 | 江西制造职业技术学院 | 仿人运动拟态的人体骨骼点参数采集装置及其识别方法 |
CN207117835U (zh) * | 2017-08-21 | 2018-03-16 | 尉捷 | 基于人工智能关节捕捉技术的健身辅助系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404395B (zh) * | 2015-11-25 | 2018-04-17 | 北京理工大学 | 基于增强现实技术的舞台表演辅助训练方法及系统 |
US10065076B2 (en) * | 2016-11-01 | 2018-09-04 | Braxton K. Davis | Facilitation of interactive exercise system |
CN107492108A (zh) * | 2017-08-18 | 2017-12-19 | 成都通甲优博科技有限责任公司 | 一种基于深度学习的骨架线提取算法、系统及存储介质 |
CN108256433B (zh) * | 2017-12-22 | 2020-12-25 | 银河水滴科技(北京)有限公司 | 一种运动姿态评估方法及系统 |
CN109345522A (zh) * | 2018-09-25 | 2019-02-15 | 北京市商汤科技开发有限公司 | 一种图像质量筛选方法及装置、设备和存储介质 |
-
2019
- 2019-08-07 CN CN201910726922.3A patent/CN110427900B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106981075A (zh) * | 2017-05-31 | 2017-07-25 | 江西制造职业技术学院 | 仿人运动拟态的人体骨骼点参数采集装置及其识别方法 |
CN207117835U (zh) * | 2017-08-21 | 2018-03-16 | 尉捷 | 基于人工智能关节捕捉技术的健身辅助系统 |
Non-Patent Citations (2)
Title |
---|
HEp-2 specimen classification with fully convolutional network;Li, Y.,et.al;《In 2016 23rd International Conference on Pattern Recognition (ICPR) 》;20161231 * |
骨科手术机器人及其导航技术;宋国立;《科学通报》;20131220 * |
Also Published As
Publication number | Publication date |
---|---|
CN110427900A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110427900B (zh) | 一种智能指导健身的方法、装置和设备 | |
CN109191588B (zh) | 运动教学方法、装置、存储介质及电子设备 | |
CN110942006B (zh) | 运动姿态识别方法、运动姿态识别装置、终端设备及介质 | |
CN111191599B (zh) | 姿态识别方法、装置、设备及存储介质 | |
KR102106135B1 (ko) | 행동 인식 기반의 응용 서비스 제공 장치 및 그 방법 | |
CN109274883B (zh) | 姿态矫正方法、装置、终端及存储介质 | |
CN109117753B (zh) | 部位识别方法、装置、终端及存储介质 | |
CN111539991B (zh) | 目标跟踪方法及装置、存储介质 | |
CN110428486B (zh) | 虚拟互动的健身方法、电子设备及存储介质 | |
CN110033463B (zh) | 一种前景数据生成及其应用方法、相关装置和系统 | |
CN107220608B (zh) | 一种篮球动作模型重建和防守的指导系统及方法 | |
CN110348358B (zh) | 一种肤色检测系统、方法、介质和计算设备 | |
CN111967407B (zh) | 动作评价方法、电子设备和计算机可读存储介质 | |
CN114187656A (zh) | 一种动作检测方法、装置、设备及存储介质 | |
CN111753795A (zh) | 一种动作识别方法、装置、电子设备及存储介质 | |
CN109407826B (zh) | 球类运动模拟方法、装置、存储介质及电子设备 | |
CN116055684B (zh) | 基于画面监控的在线体育教学系统 | |
CN108121963B (zh) | 视频数据的处理方法、装置及计算设备 | |
CN112926388A (zh) | 一种基于动作识别的校园暴力行为视频检测方法 | |
CN111898471A (zh) | 一种行人跟踪方法和装置 | |
CN110909609A (zh) | 基于人工智能的表情识别方法 | |
CN111291692B (zh) | 视频场景识别方法、装置、电子设备及存储介质 | |
CN112818801B (zh) | 运动计数方法、识别装置、识别系统及存储介质 | |
CN116363756A (zh) | 动作朝向识别方法及装置 | |
CN113573009A (zh) | 视频处理方法、装置、计算机设备以及存储介质 |
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 |