CN110448870B - 一种人体姿态训练方法 - Google Patents

Abstract

本发明涉及一种人体姿态训练方法，采集教练和学员动作关键帧后，采集教练和学员的动作视频数据后，首先使用DTW算法将教练动作视频和学员动作视频的时长和时序一致，建立基于教练动作关键帧的第一特征平面组和学员动作关键帧的第二特征平面组，通过比对其法向量的夹角匹配教练动作关键帧和学员动作关键帧，再通过人体关节点的详细坐标获取第二特征平面组内的边向量的夹角并和第一特征平面组内的边向量夹角比对，确认学员动作相似度。本发明的有益之处在于提高学员训练运动效果，并确动作足够的安全，没有健康隐患。使学员能够从一个动作中，获得足够的训练体验，提高学员的训练效果。

Description

一种人体姿态训练方法

技术领域

本发明涉及运动捕捉训练评估技术领域，特别是涉及一种人体姿态训练方法。

背景技术

人体姿态识别是指根据一段视频或者图像，去恢复图像或视频中人体关节点位置的过程。根据图像类型，人体姿态识别算法可以划分为基于深度图的算法和直接基于RGB图像的算法。因为深度图算法对图像采集设备要求较高，导致成本较高，因此只适用于高水准的应用场合，基于RGB图像的人体姿态识别算法对设备要求较低，特别是现如今硬件设备商提供一种TOF雷达，即所谓的飞行时间法3D成像传感器，通过给目标连续发送光脉冲，然后用传感器接收从物体返回的光，通过探测光脉冲的飞行(往返)时间来得到目标物距离。因此针对比较复杂的场景，基于RGB图像的人体姿态识别算法具有很好的应用效果。而目前没有基于RGB图像的人体姿态识别训练方法，一般情况下，大都是采用在人体上安放信号发射源用来追踪人体的姿态，成本高昂，这种体育教学设备只能用于国家集训中心类的专业高级别应用和普通人使用相距万里。

发明内容

基于此，有必要针对当前大众市场缺乏运动训练教学方法，提供一种人体姿态训练方法，能够有效快速识别学员训练过程中动作的教练度，提高学员运动训练效果，降低训练中的安全隐患。

一种人体姿态教学训练方法，包括以下步骤，

S1，采集教练动作视频数据，识别教练动作关键帧，并基于若干教练动作关键帧建立教练动作数据库；

S2，采集学员动作视频数据，识别学员动作关键帧，并基于若干学员动作关键帧建立学员动作数据库；

S3，基于DTW算法调节学员动作数据库播放时长，使其与教练动作数据库播放时长和时序一致；

S4，建立基于若干教练动作关键帧的第一特征平面组和基于若干学员动作关键帧的第二特征平面组，分别确认基于第一特征平面组的第一法向量组和基于第二特征平面组的第二法向量组，对应比较获取第一法向量组和第二法向量组的夹角组，若夹角组中的全部夹角小于或等于预设的夹角阈值，将学员动作关键帧和对应比较的教练动作关键帧匹配；若夹角组中有任一夹角大于预设的夹角阈值，不匹配学员动作关键帧和对应比较的教练动作关键帧；

S5，若干学员动作关键帧和若干教练动作关键帧匹配完成后，计算第一特征平面组的第一边向量组和对应的第二特征平面组的第二边向量组的余弦相似度similarity，

优选的，所述教练动作关键帧是由教练动作起始帧、教练动作中间帧和教练动作完成帧组成，所述学员动作关键帧是由学员动作起始帧、学员动作中间帧和学员动作完成帧组成。

优选的，所述S4还包括基于TOF雷达摄像头采集教练和学员在物理空间中的二十一关节点的3D坐标，骨骼作为相邻关节点之间的连线，通过骨骼连线以及二十一关节点的3D坐标确认第一特征平面组的七个特征平面组和第二特征平面组的七个特征平面组。

优选的，第一特征平面组为第一左臂特征平面P1，第一右臂特征平面P2，第一头部特征平面P3，第一胸部特征平面P4，第一髋部特征平面P5，第一左腿特征平面P6，第一右腿特征平面P7；所述第二特征平面组为第二左臂特征平面P1'，第二右臂特征平面P2'，第二头部特征平面P3'，第二胸部特征平面P4'，第二髋部特征平面P5'，第二左腿特征平面P6'，第二右腿特征平面P7'。

优选的，所述S5具体为，根据所述的七个特征平面组的相邻关节点获取各个特征平面的边向量A和B，计算

获取七个特征平面组边向量的余弦值，将教练动作关键帧特征平面组的边向量余弦值与对应的学员动作关键帧特征平面组的边向量余弦值进行比对。

优选的，所述夹角阈值为10°。

本发明的有益之处在于提高学员训练运动效果，并确动作足够的安全，没有健康隐患。使学员能够从一个动作中，获得足够的训练体验。获取学员原始的3视角运动视频，基于TOF雷达摄像头完成基础的通用人体骨骼和关节点的3D坐标采集，通过教练视频关键帧完成特定运动标准模板库的建立，将普通学员的训练视频进行运动骨骼数据提取和标准模板库数据比对，进行训练指导，并生成局部标示视频输出，指导学员，大幅度提高学员训练效果。

附图说明

图1为一种人体姿态训练方法流程示意图；

图2为人体特征平面示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。

需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。

如图1所示，一种人体姿态教学训练方法，包括以下步骤，

S1，采集教练教练动作视频数据，识别教练动作关键帧，并基于若干教练动作关键帧建立教练动作数据库；

S2，采集学员训练运动视频数据，识别学员动作关键帧，并基于若干学员动作关键帧建立学员动作数据库。

具体的，在本实施例当中，是通过TOF雷达摄像头采集教练动作视频数据和训练动作视频数据，并且，进一步约定所述教练动作关键帧是由教练动作起始帧、教练动作中间帧和教练动作完成帧组成，所述学员动作关键帧是由训练动作起始帧、训练动作中间帧和训练动作完成帧组成，进而形成完整动作序列库。

S3，基于DTW算法调节学员动作数据库播放时长，使其与教练动作数据库播放时长和时序一致。具体的，Dynamic Time Warping(DTW)是一种将距离测度计算与时间规整方法结合在一起的非线性动态规整技术，使用DTW算法可实现不同时间长度视频之间时序的匹配。

S4，建立基于若干教练动作关键帧的第一特征平面组和基于若干学员动作关键帧的第二特征平面组，分别确认基于第一特征平面组的第一法向量组和基于第二特征平面组的第二法向量组，对应比较获取第一法向量组和第二法向量组的夹角组，若夹角组中的全部夹角小于或等于夹角阈值，将学员动作关键帧和对应比较的教练动作关键帧匹配；若夹角组中有任一夹角大于夹角阈值，不匹配学员动作关键帧和对应比较的教练动作关键帧。

具体在本实施例当中，获取教练和学员的关键帧图像后，分别确认基于教练动作关键帧图像的第一特征平面组P和基于学员动作关键帧的第二特征平面组P'，为了将教练和学员对应的动作匹配上，首先判断关键帧是否匹配，具体方法是分析教练动作关键帧的第一特征平面组的法向量V和对应的学员动作关键帧的第二特征平面组的的法向量V'之间的夹角，将视频中的教练动作关键帧和学员动作关键帧匹配上。进一步的，设定夹角阈值，具体夹角阈值可以为10°。当两个关键帧对应的其中一组特征平面的法向量夹角大于预设的夹角阈值时，判定学员动作关键帧和教练动作关键帧不匹配；当两个关键帧对应的全部特征平面组的法向量夹角小于或等于预设的夹角阈值时，判定学员动作关键帧和教练动作关键帧匹配，即可使用该教练动作关键帧作为学员动作关键帧参照对象，进行学员训练标准度分析。

同时，基于TOF雷达摄像头采集教练和学员在物理空间中的二十一关节点的3D坐标，骨骼作为相邻关节点之间的连线，通过骨骼连线以及二十一关节点的3D坐标确认第一特征平面组的七个特征平面组和第二特征平面组的七个特征平面组。关节点之间的连线为骨骼，可以视为不会发生形变的刚体连线，因此，相邻关节点任意时刻的距离不会发生改变。

在本实施例中，第一特征平面组为第一左臂特征平面P1，第一右臂特征平面P2，第一头部特征平面P3，第一胸部特征平面P4，第一髋部特征平面P5，第一左腿特征平面P6，第一右腿特征平面P7。

所述第二特征平面组为第二左臂特征平面P1'，第二右臂特征平面P2'，第二头部特征平面P3'，第二胸部特征平面P4'，第二髋部特征平面P5'，第二左腿特征平面P6'，第二右腿特征平面P7'。具体的，第一左臂特征平面由手腕、手肘和肩部三个关节点以及其骨骼组成的特征平面，第一头部特征平面由双耳和嘴三个关节点及其骨骼组成的特征平面。其余特征平面以此类推，在此不针对关节点的选取做详细限制。

S5，若干教练动作关键帧和学员动作关键帧匹配完成后，计算第一特征平面组的第一边向量组和对应的第二特征平面组的第二边向量组的余弦相似度similarity，

具体的，根据所述的七个特征平面组的相邻关节点获取各个特征平面的边向量A和B，即同一特征平面内的相邻关节点的骨骼连线形成的边向量A和B，并进一步按照向量的余弦相似度公式，获取七个特征平面组边向量的余弦值，将教练动作关键帧特征平面的边向量余弦值与对应的学员动作关键帧特征平面的边向量余弦值进行比对，即可获得教练动作关键帧和学员动作关键帧之间的差异度大小，输出评分结果，提醒学员整体和/或局部位置动作调节。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种人体姿态教学训练方法，其特征在于：包括以下步骤，

S1，采集教练动作视频数据，识别教练动作关键帧，并基于若干教练动作关键帧建立教练动作数据库；

S2，采集学员动作视频数据，识别学员动作关键帧，并基于若干学员动作关键帧建立学员动作数据库；

S3，基于DTW算法调节学员动作数据库播放时长，使其与教练动作数据库播放时长和时序一致；

S4，建立基于若干教练动作关键帧的第一特征平面组和基于若干学员动作关键帧的第二特征平面组，分别确认基于第一特征平面组的第一法向量组和基于第二特征平面组的第二法向量组，对应比较获取第一法向量组和第二法向量组的夹角组，若夹角组中的全部夹角小于或等于预设的夹角阈值，将学员动作关键帧和对应比较的教练动作关键帧匹配；若夹角组中有任一夹角大于预设的夹角阈值，不匹配学员动作关键帧和对应比较的教练动作关键帧；

S5，若干学员动作关键帧和若干教练动作关键帧匹配完成后，计算第一特征平面组的第一边向量组和对应的第二特征平面组的第二边向量组的余弦相似度similarity，

2.如权利要求1所述的一种人体姿态教学训练方法，其特征在于：所述教练动作关键帧是由教练动作起始帧、教练动作中间帧和教练动作完成帧组成，所述学员动作关键帧是由学员动作起始帧、学员动作中间帧和学员动作完成帧组成。

3.如权利要求1所述的一种人体姿态教学训练方法，其特征在于：所述S4还包括基于TOF雷达摄像头采集教练和学员在物理空间中的二十一关节点的3D坐标，骨骼作为相邻关节点之间的连线，通过骨骼连线以及二十一关节点的3D坐标确认第一特征平面组的七个特征平面组和第二特征平面组的七个特征平面组。

4.如权利要求3所述的一种人体姿态教学训练方法，其特征在于：第一特征平面组为第一左臂特征平面P1，第一右臂特征平面P2，第一头部特征平面P3，第一胸部特征平面P4，第一髋部特征平面P5，第一左腿特征平面P6，第一右腿特征平面P7；

所述第二特征平面组为第二左臂特征平面P1'，第二右臂特征平面P2'，第二头部特征平面P3'，第二胸部特征平面P4'，第二髋部特征平面P5'，第二左腿特征平面P6'，第二右腿特征平面P7'。

5.如权利要求4所述的一种人体姿态教学训练方法，其特征在于：所述S5具体为，根据所述的七个特征平面组的相邻关节点获取各个特征平面的边向量A和B，计算

获取七个特征平面组边向量的余弦值，将教练动作关键帧特征平面组的边向量余弦值与对应的学员动作关键帧特征平面组的边向量余弦值进行比对。

6.如权利要求1所述的一种人体姿态教学训练方法，其特征在于：所述夹角阈值为10°。

Images