CN110495889A - 体态评估方法、电子装置、计算机设备及存储介质 - Google Patents
体态评估方法、电子装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110495889A CN110495889A CN201910599978.7A CN201910599978A CN110495889A CN 110495889 A CN110495889 A CN 110495889A CN 201910599978 A CN201910599978 A CN 201910599978A CN 110495889 A CN110495889 A CN 110495889A
- Authority
- CN
- China
- Prior art keywords
- vector
- angle
- key point
- tester
- shoulder
- 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.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Dentistry (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种体态评估方法、电子装置、计算机设备及存储介质,通过获取待测图像,所述待测图像包括测试者立正站立的正面全身图像及侧面全身图像;从所述待测图像中提取骨骼关键点;根据所述骨骼关键点计算测试者姿态向量;获取所述测试者姿态向量的弯曲角度。本发明所提出的体态评估方法、电子装置、计算机设备及存储介质,能够从测试者的待测图像中提取骨骼关键点,根据所述骨骼关键点计算测试者姿态向量,获取所述测试者姿态向量的弯曲角度,进而根据所述弯曲角度进行体态评估,能够提高体态评估的全面性及准确性,且操作简单。
Description
技术领域
本发明涉及计算机视觉技术领域,尤其涉及一种体态评估方法、电子装置、计算机设备及存储介质。
背景技术
现代人在生活中多少都会有一些不良体态的行为,驼背、高低肩、脊柱侧弯、O型腿、X型腿等都属于不良体态。而不良体态不仅会影响人的体型与气质,长期的不良体态还会导致伤痛与骨骼变形,影响人的身体健康,例如,身体僵硬、慢性疼痛、肌肉劳损、骨刺、椎间盘突出等。
目前的体态评估,通常是用户根据资料的描述进行自测并评估,但是,该方法难以得出全面且准确的结果,而寻找专业人士进行评估的方式通常费时费力。
发明内容
有鉴于此,本发明提出一种体态评估方法、电子装置、计算机设备及存储介质,能够提高体态评估的全面性及准确性,且操作简单。
首先,为实现上述目的,本发明提出一种体态评估方法,该方法包括步骤:
获取待测图像,所述待测图像包括测试者立正站立的正面全身图像及侧面全身图像;
从所述待测图像中提取骨骼关键点;
根据所述骨骼关键点计算测试者姿态向量;及
获取所述测试者姿态向量的弯曲角度。
进一步地,所述从所述待测图像中提取骨骼关键点的步骤还包括:
将所述待测图像输入神经网络,基于人体姿态估计算法预估所述待测图像的关键点热点图;及
计算所述关键点热点图中各位置的热点的高斯值,选取高斯值中的峰值所在的热点作为该位置的骨骼关键点。
进一步地,所述骨骼关键点包括:头部、颈部、躯干中心、左肩、左肘、左腕、左臀、左膝、左踝、右肩、右肘、右腕、右臀、右膝、右踝。
进一步地,所述根据所述骨骼关键点计算测试者姿态向量的步骤还包括:
基于人体姿态连接所述骨骼关键点;
获取所述骨骼关键点的坐标;及
基于所述坐标计算相连接的两个骨骼关键点的肢体向量,根据所述肢体向量生成测试者姿态向量。
进一步地,所述基于所述坐标计算相连接的两个骨骼关键点的肢体向量的步骤还包括:
基于颈部与左肩的坐标计算左肩部向量,基于颈部与右肩的坐标计算右肩部向量;
基于颈部与躯干中心的坐标计算腰部向量;
基于颈部与头部的坐标计算颈部向量;
基于左臀与左膝的坐标计算左大腿部向量,基于右臀与右膝的坐标计算右大腿部向量;及
基于左膝与左踝的坐标计算左小腿部向量,基于右膝与右踝的坐标计算右小腿部向量。
进一步地,所述获取所述测试者姿态向量的弯曲角度的步骤还包括:
基于所述左肩部向量与右肩部向量计算待测肩部夹角,基于所述待测肩部夹角与标准肩部夹角的角度关系获取肩部弯曲角度;
基于所述腰部向量和/或颈部向量计算待测脊柱夹角,基于所述待测脊柱夹角与标准脊柱夹角的角度关系获取脊柱弯曲角度;
基于所述左大腿部向量、左小腿部向量、右大腿部向量与右小腿部向量计算待测腿部夹角,基于所述待测腿部夹角与标准腿部夹角的角度关系获取腿部弯曲角度;及
基于所述肩部弯曲角度、脊柱弯曲角度、腿部弯曲角度获取所述测试者姿态向量的弯曲角度。
进一步地,所述获取所述测试者姿态向量的弯曲角度的步骤之前,还包括:
判断所述待测图像是否符合测试要求;
若否,则发送提示信息提示所述测试者调整姿态。
此外,为实现上述目的,本发明还提供一种电子装置,其包括:
获取模块,适于获取待测图像,所述待测图像包括测试者立正站立的正面全身图像及侧面全身图像;
提取模块,适于从所述待测图像中提取骨骼关键点;
计算模块,适于根据所述骨骼关键点计算测试者姿态向量;及
评估模块,适于获取所述测试者姿态向量的弯曲角度。
进一步地,所述提取模块包括:预估单元,适于将所述待测图像输入神经网络,基于人体姿态估计算法预估所述待测图像的关键点热点图;及第一计算单元,适于计算所述关键点热点图中各位置的热点的高斯值,选取高斯值中的峰值所在的热点作为该位置的骨骼关键点。
进一步地,所述骨骼关键点包括:头部、颈部、躯干中心、左肩、左肘、左腕、左臀、左膝、左踝、右肩、右肘、右腕、右臀、右膝、右踝。
进一步地,所述计算模块包括:连接单元,适于基于人体姿态连接所述骨骼关键点;获取单元,适于获取所述骨骼关键点的坐标;及第二计算单元,适于基于所述坐标计算相连接的两个骨骼关键点的肢体向量,根据所述肢体向量生成测试者姿态向量。
进一步地,所述第二计算单元,还适于基于颈部与左肩的坐标计算左肩部向量,基于颈部与右肩的坐标计算右肩部向量;基于颈部与躯干中心的坐标计算腰部向量;基于颈部与头部的坐标计算颈部向量;基于左臀与左膝的坐标计算左大腿部向量,基于右臀与右膝的坐标计算右大腿部向量;及基于左膝与左踝的坐标计算左小腿部向量,基于右膝与右踝的坐标计算右小腿部向量。
进一步地,所述评估模块包括:第三计算单元,适于基于所述左肩部向量与右肩部向量计算待测肩部夹角,基于所述待测肩部夹角与标准肩部夹角的角度关系获取肩部弯曲角度;基于所述腰部向量和/或颈部向量计算待测脊柱夹角,基于所述待测脊柱夹角与标准脊柱夹角的角度关系获取脊柱弯曲角度;基于所述左大腿部向量、左小腿部向量、右大腿部向量与右小腿部向量计算待测腿部夹角,基于所述待测腿部夹角与标准腿部夹角的角度关系获取腿部弯曲角度;及评估单元,适于基于所述肩部弯曲角度、脊柱弯曲角度、腿部弯曲角度获取所述测试者姿态向量的弯曲角度。
进一步地,所述电子装置还包括:提示模块,适于在所述待测图像不符合测试要求时,发送提示信息提示所述测试者调整姿态。
为实现上述目的,本发明还提供一种计算机设备,包括存储器、处理器以及存储在存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
为实现上述目的,本发明还提供计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
相较于现有技术,本发明所提出的体态评估方法、电子装置、计算机设备及存储介质,能够从测试者的待测图像中提取骨骼关键点,根据所述骨骼关键点计算测试者姿态向量,获取所述测试者姿态向量的弯曲角度,进而根据所述弯曲角度进行体态评估,能够提高体态评估的全面性及准确性,且操作简单。
附图说明
图1是本发明一示例性实施例示出的体态评估的流程示意图;
图2是本发明一示例性实施例示出的体态评估的流程示意图;
图3是本发明一示例性实施例示出的骨骼关键点示意图;
图4是本发明一示例性实施例示出的体态评估的流程示意图;
图5是本发明一示例性实施例示出的体态评估的流程示意图;
图6是本发明一示例性实施例示出的体态评估的流程示意图;
图7是本发明一示例性实施例示出的高低肩示意图;
图8是本发明一示例性实施例示出的驼背示意图;
图9是本发明一示例性实施例示出的脊柱侧弯示意图;
图10是本发明一示例性实施例示出的O型腿和X型腿示意图;
图11是本发明一示例性实施例示出的体态评估的流程示意图;
图12是本发明一示例性实施例示出的电子装置的程序模块示意图;
图13是本发明一示例性实施例示出的电子装置的硬件架构示意图。
附图标记:
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,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,都属于本发明保护的范围。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参阅图1所示,是本发明一实施例之体态评估方法的流程示意图,所述方法包括以下步骤:
步骤S110,获取待测图像,所述待测图像包括测试者立正站立的正面全身图像及侧面全身图像;
步骤S120,从所述待测图像中提取骨骼关键点;
步骤S130,根据所述骨骼关键点计算测试者姿态向量;及
步骤S140,获取所述测试者姿态向量的弯曲角度。
现代人在生活中多少都会有一些不良体态的行为,驼背、高低肩、脊柱侧弯、O型腿、X型腿等都属于不良体态。由于不良体态通常不会对人的生活造成严重影响,因此,重视程度较低,即便想知道自己是否存在不良体态,大部分人也只是根据资料介绍的方法自己来判断是否存在不良体态的情况,仅极少数人会寻找专业人士进行评估。例如,当想知道自己是否有高低肩时,可以采用自照镜子检查的方式:把上衣脱去,放松双肩,自然站立,然后观察镜子中的自己,肩膀是否存在一高一低的现象。如果两边的肩膀不在同一水平线上,就有可能是高低肩了。但自测的方式通常难以得出全面且准确的结果,由于高低肩一般不会对生活造成严重影响,因此,大部分人通常也不会觉得需要寻找专业人士进行评估。
本发明一实施例中,可以根据测试者提供的若干张立正站立的全身图像进行体态评估,操作简单,准确度高。
在步骤S110中,获取待测图像,所述待测图像包括测试者立正站立的正面全身图像及侧面全身图像。
从本质上讲,体态评估是一套方法论,是在我们身体结构的功能和形态之间建立的联系。比如,当我们的某些肌肉出现功能紊乱,那么,从形态上看,这些肌肉可能被拉长或缩短,其连接的骨骼和关节的形态也会发生相应的变化。体态评估正是要捕捉到这些形态上的变化,以此推断功能紊乱的具体情况。
虽然体态评估并没有限定是在哪种体态下进行评估,也没有限定是静态还是动态,但我们一般认为体态评估指的是静态站姿评估。站姿中透露了很多关于身体姿势维持的信息,而且是整体性的信息。
因此,本发明一实施例中,用于进行体态评估的待测图像,是测试者立正站立的全身图像,可以包括正面全身图像、侧面全身图像、背面全身图像等。
体态评估有四个原则:
1)、要拍照
由于体态维持是动态的,即便是在静止站立的状态下,仍然有微小的动作。通过拍照的方法,记录瞬间的体态表现,能够更好的评估和分析。
2)、要在自然状态下评估
在日常生活中,各种体态的维持都是下意识的,比如自然站立时,不会刻意收缩哪块肌肉来保持平衡。为了更准确地反映真实状态,在下意识的状态下进行评估是很必要的。
3)、要整体评估
整体评估以便发现不良体态的根源。
4)、要关注评估环境
简单合理的环境设置能简化评估过程,还能提高评估的准确性。
因此,所述待测图像可以是在专业人员指导下拍摄;也可以是测试者通过手机等具有拍摄功能的设备,在语音提示下做出相应动作后拍摄的,本发明对待测图像的来源不作限定。
在步骤S120中,从所述待测图像中提取骨骼关键点。
由于测试者的胖瘦会影响待测图像的视觉效果,而实际上,不良体态是人的骨骼形态异常,为了尽可能降低肌肉和脂肪等对评估结果产生的影响,本发明一实施例采用的是通过骨骼关键点进行体态评估。
如图2所示,本发明一实施例中,所述从所述待测图像中提取骨骼关键点的步骤可以包括以下步骤:
步骤S201,将所述待测图像输入神经网络,基于人体姿态估计算法预估所述待测图像的关键点热点图;及
步骤S202,计算所述关键点热点图中各位置的热点的高斯值,选取高斯值中的峰值所在的热点作为该位置的骨骼关键点。
本发明一实施例中,将所述待测图像输入神经网络(例如,卷积神经网络),待测图像被卷积神经网络处理后生成特征图集F,然后进入以视觉几何组前训练网络(VisualGeometry Group pre-train network,VGG pre-train network)作为骨架的神经网络,分别对关键点位置和关键点的走向进行回归,从而输出关键点热点图,如图3所示,可以输出25个骨骼关键点的位置。本发明一实施例中,所述骨骼关键点可以包括:头部、颈部、躯干中心、左肩、左肘、左腕、左臀、左膝、左踝、右肩、右肘、右腕、右臀、右膝、右踝等。
神经网络根据人体姿态估计算法预估所述待测图像的关键点热点图,以热点图中的高斯峰值所在的热点作为该位置的骨骼关键点。比如预估待测图像上人体右肩膀的位置,得到的检测结果是通过预测人体关键点的热点图,计算右肩膀位置的热点图中各热点的高斯值,选取高斯值中的峰值所在的热点作为右肩膀的骨骼关键点。每个人体关键点都是该位置处的高斯峰值,代表神经网络相信这里有一个人体的骨骼关键点。对其他的位置,比如说右肘作类似的处理,可以得到相应位置的骨骼关键点。
在得到骨骼关键点之后,对骨骼关键点进行连接,以确定每个骨骼关键点间的连接关系,特别地,当待测图像中不止一个人时,可以确定每个骨骼关键点具体是属于图片中哪个人的。
如图4所示,本发明一实施例中,所述根据所述骨骼关键点计算测试者姿态向量的步骤可以包括以下步骤:
步骤S401,基于人体姿态连接所述骨骼关键点;
步骤S402,获取所述骨骼关键点的坐标;及
步骤S403,基于所述坐标计算相连接的两个骨骼关键点的肢体向量,根据所述肢体向量生成测试者姿态向量。
本发明一实施例中采用的是,根据一个骨骼关键点,通过人体关键点亲和场(PartAffinity Fields,简称PAFs)推测与其他的骨骼关键点之间的连接,重复这个步骤,直到得到人体的全部骨骼关键点。获取各骨骼关键点的坐标,基于所述坐标计算相连接的两个骨骼关键点的肢体向量,根据所述肢体向量生成测试者姿态向量。
首先建立坐标系,本发明一实施例中,以水平向右为X轴正方向,以竖直向上为Y轴正方向,以垂直画面(正面全身图像)向内记为Z轴正方向,参考图3,可以根据像素点获取测试者各骨骼关键点的坐标,各骨骼关键点的坐标记为其中n表示骨骼关键点的序号,从而可以基于所述坐标计算相连接的两个骨骼关键点的肢体向量。
如图5所示,本发明一实施例中,所述基于所述坐标计算相连接的两个骨骼关键点的肢体向量的步骤可以包括以下步骤:
步骤S501,基于颈部与左肩的坐标计算左肩部向量,基于颈部与颈部与左肩的坐标计算右肩部向量;
步骤S502,基于颈部与躯干中心的坐标计算腰部向量;
步骤S503,基于颈部与头部的坐标计算颈部向量;
步骤S504,基于左臀与左膝的坐标计算左大腿部向量,基于右臀与右膝的坐标计算右大腿部向量;及
步骤S504,基于左膝与左踝的坐标计算左小腿部向量,基于右膝与右踝的坐标计算右小腿部向量。
参考图3,骨骼关键点0为头部,骨骼关键点1为颈部,骨骼关键点2为右肩,骨骼关键点5左肩,骨骼关键点8为躯干中心,骨骼关键点9为右臀,骨骼关键点10为右膝,骨骼关键点11为右踝,骨骼关键点12为左臀,骨骼关键点13为左膝,骨骼关键点14为左踝,各骨骼关键点的坐标记为其中n表示骨骼关键点的序号。本发明一实施例中,可以通过以下公式计算测试者的肢体向量:颈部向量为L10=P1-P0,右肩部向量为L12=P1-P2,左肩部向量为L15=P1-P5,腰部向量为L81=P8-P1,右大腿部向量为L910=P9-P10,右小腿部向量为L1011=P10-P11,左大腿部向量为L1213=P12-P13,左小腿部向量为L1314=P13-P14。
如图6所示,本发明一实施例中,所述获取所述测试者姿态向量的弯曲角度的步骤可以包括以下步骤:
步骤S601,基于所述左肩部向量与右肩部向量计算待测肩部夹角,基于所述待测肩部夹角与标准肩部夹角的角度关系获取肩部弯曲角度;
步骤S602,基于所述腰部向量和/或颈部向量计算待测脊柱夹角,基于所述待测脊柱夹角与标准脊柱夹角的角度关系获取脊柱弯曲角度;
步骤S603,基于所述左大腿部向量、左小腿部向量、右大腿部向量与右小腿部向量计算待测腿部夹角,基于所述待测腿部夹角与标准腿部夹角的角度关系获取腿部弯曲角度;及
步骤S604,基于所述肩部弯曲角度、脊柱弯曲角度、腿部弯曲角度获取所述测试者姿态向量的弯曲角度。
常见的不良体态包括驼背、高低肩、脊柱侧弯、O型腿、X型腿等。参见图7,高低肩是指两边的肩膀不在同一水平线上,可以根据肩部评估模型获取肩部弯曲角度,所述肩部评估模型如下:
其中,L12为测试者的右肩部向量,L15为测试者的左肩部向量,B12为标准模特的右肩部向量,B15为标准模特的左肩部向量。
若Sj的值超过预设阈值(例如,5度),则表示与标准体态相比,测试者的肩部有较大的倾斜,评估为高低肩。
参见图8,驼背是指人的脊柱向后拱起,可以根据驼背评估模型获取脊柱弯曲角度,所述驼背评估模型如下:
其中,为测试者的颈部向量中Y轴、Z轴方向的向量,为测试者的腰部向量中Y轴、Z轴方向的向量,为标准模特的颈部向量中Y轴、Z轴方向的向量,为标准模特的腰部向量中Y轴、Z轴方向的向量。
若Sb的值超过预设阈值(例如,5度),则表示与标准体态相比,测试者的背部向后有较大拱起,评估为驼背。
参见图9,脊柱侧弯是指脊柱向侧方偏移引起的脊柱弯曲,可以根据脊柱侧弯评估模型获取脊柱弯曲角度,所述脊柱侧弯评估模型如下:
其中,为测试者的腰部向量中X轴、Y轴方向的向量,为标准模特的腰部向量中X轴、Y轴方向的向量。
若Sz的值超过预设阈值(例如,8度),则表示与标准体态相比,测试者脊柱有较大侧弯,评估为脊柱侧弯。
参见图10,图中展示了O型腿和X型腿,显然,可以根据两腿间的腿部夹角获取腿部弯曲角度。本发明一实施例中,根据腿部评估模型计算腿部夹角,根据腿部评估模型计算测试者的待测腿部夹角如下:
其中,为测试者的右大腿部向量中X轴、Y轴方向的向量,为测试者的右小腿部向量中X轴、Y轴方向的向量,为测试者的左大腿部向量中X轴、Y轴方向的向量,为测试者的左小腿部向量中X轴、Y轴方向的向量。
根据腿部评估模型计算标准模特的标准腿部夹角如下:
其中,为标准模特的右大腿部向量中X轴、Y轴方向的向量,为标准模特的右小腿部向量中X轴、Y轴方向的向量,为标准模特的左大腿部向量中X轴、Y轴方向的向量,为标准模特的左小腿部向量中X轴、Y轴方向的向量。
若St-S't>α(α为预设阈值,例如,8度),则表示与标准体态相比,测试者腿部向外侧弯曲,评估为O型腿;若St-St'<β(β为预设阈值,例如,10度),则表示与标准体态相比,测试者腿部向内侧弯曲,评估为X型腿。
基于所述肩部弯曲角度、脊柱弯曲角度、腿部弯曲角度获取所述测试者姿态向量的弯曲角度。当然,还可以根据测试者的性别、年龄等选取对应的标准体态作为评估标准。
如图11所示,本发明一实施例中,所述根据所述测试者姿态向量进行体态评估的步骤可以包括以下步骤:
步骤S111,在所述待测图像不符合测试要求时,发送提示信息提示所述测试者调整姿态。
如前所述,待测图像可以是测试者通过手机等具有拍摄功能的设备,在语音提示下做出相应动作后拍摄的。因此,在拍摄了待测图像后,可以对所述待测图像进行分析,以判断所述测试者是否立正站立,所述待测图像是否为全身图像等,若所述待测图像不符合测试要求,还可以通过发送提示信息提示所述测试者调整姿态,以提高测试的准确性。
进一步地,若所述测试者存在不良体态,例如脊柱侧弯,可能与所述测试者长期翘二郎腿有关,则可以间歇性的发送提示信息,提醒用户不要翘二郎腿、久坐后起身活动一下等,以提醒测试者改善不良体态。
本发明所提出的体态评估方法,能够从测试者的待测图像中提取骨骼关键点,根据所述骨骼关键点计算测试者姿态向量,获取所述测试者姿态向量的弯曲角度,进而根据所述测试者姿态向量进行体态评估,能够提高体态评估的全面性及准确性,且操作简单。
本发明进一步提供一种电子装置。参阅图12,是本发明一示例性实施例示出的电子装置20的程序模块示意图。
所述电子装置20包括:
获取模块201,适于获取待测图像,所述待测图像包括测试者立正站立的正面全身图像及侧面全身图像;
提取模块202,适于从所述待测图像中提取骨骼关键点;
计算模块203,适于根据所述骨骼关键点计算测试者姿态向量;及
评估模块204,适于获取所述测试者姿态向量的弯曲角度。
进一步地,所述提取模块202包括:预估单元,适于将所述待测图像输入神经网络,基于人体姿态估计算法预估所述待测图像的关键点热点图;及第一计算单元,适于计算所述关键点热点图中各位置的热点的高斯值,选取高斯值中的峰值所在的热点作为该位置的骨骼关键点。
进一步地,所述骨骼关键点包括:头部、颈部、躯干中心、左肩、左肘、左腕、左臀、左膝、左踝、右肩、右肘、右腕、右臀、右膝、右踝。
进一步地,所述计算模块203包括:连接单元,适于基于人体姿态连接所述骨骼关键点;获取单元,适于获取所述骨骼关键点的坐标;及第二计算单元,适于基于所述坐标计算相连接的两个骨骼关键点的肢体向量,根据所述肢体向量生成测试者姿态向量。
进一步地,所述第二计算单元,还适于基于颈部与左肩的坐标计算左肩部向量,基于颈部与右肩的坐标计算右肩部向量;基于颈部与躯干中心的坐标计算腰部向量;基于颈部与头部的坐标计算颈部向量;基于左臀与左膝的坐标计算左大腿部向量,基于右臀与右膝的坐标计算右大腿部向量;及基于左膝与左踝的坐标计算左小腿部向量,基于右膝与右踝的坐标计算右小腿部向量。
进一步地,所述评估模块204包括:第三计算单元,适于基于所述左肩部向量与右肩部向量计算待测肩部夹角,基于所述待测肩部夹角与标准肩部夹角的角度关系获取肩部弯曲角度;基于所述腰部向量和/或颈部向量计算待测脊柱夹角,基于所述待测脊柱夹角与标准脊柱夹角的角度关系获取脊柱弯曲角度;基于所述左大腿部向量、左小腿部向量、右大腿部向量与右小腿部向量计算待测腿部夹角,基于所述待测腿部夹角与标准腿部夹角的角度关系获取腿部弯曲角度;及评估单元,适于基于所述肩部弯曲角度、脊柱弯曲角度、腿部弯曲角度获取所述测试者姿态向量的弯曲角度。
进一步地,所述电子装置20还包括:提示模块,适于在所述待测图像不符合测试要求时,发送提示信息提示所述测试者调整姿态。
本发明所提出的电子装置,能够从测试者的待测图像中提取骨骼关键点,根据所述骨骼关键点计算测试者姿态向量,获取所述测试者姿态向量的弯曲角度,进而根据所述弯曲角度进行体态评估,能够提高体态评估的全面性及准确性,且操作简单。
为实现上述目的,如图13所示,本发明还提供一种计算机设备20,包括存储器21、处理器22以及存储在存储器21上并可在所述处理器22上运行的计算机程序,所述处理器22执行所述计算机程序时实现上述方法的步骤。可以将所述计算机程序存储于内存24中。
为实现上述目的,本发明还提供计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述方法的步骤。
本发明还提供一种计算机设备,如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于:可通过系统总线相互通信连接的存储器、处理器等。
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储电子装置20,被处理器22执行时实现本发明的体态评估方法。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种体态评估方法,其特征在于,所述方法包括步骤:
获取待测图像,所述待测图像包括测试者立正站立的正面全身图像及侧面全身图像;
从所述待测图像中提取骨骼关键点;
根据所述骨骼关键点计算测试者姿态向量;及
获取所述测试者姿态向量的弯曲角度。
2.如权利要求1所述的体态评估方法,其特征在于,所述从所述待测图像中提取骨骼关键点的步骤还包括:
将所述待测图像输入神经网络,基于人体姿态估计算法预估所述待测图像的关键点热点图;及
计算所述关键点热点图中各位置的热点的高斯值,选取高斯值中的峰值所在的热点作为该位置的骨骼关键点。
3.如权利要求1或2所述的体态评估方法,其特征在于,所述骨骼关键点包括:头部、颈部、躯干中心、左肩、左肘、左腕、左臀、左膝、左踝、右肩、右肘、右腕、右臀、右膝、右踝。
4.如权利要求3所述的体态评估方法,其特征在于,所述根据所述骨骼关键点计算测试者姿态向量的步骤还包括:
基于人体姿态连接所述骨骼关键点;
获取所述骨骼关键点的坐标;及
基于所述坐标计算相连接的两个骨骼关键点的肢体向量,根据所述肢体向量生成测试者姿态向量。
5.如权利要求4所述的体态评估方法,其特征在于,所述基于所述坐标计算相连接的两个骨骼关键点的肢体向量的步骤还包括:
基于颈部与左肩的坐标计算左肩部向量,基于颈部与右肩的坐标计算右肩部向量;
基于颈部与躯干中心的坐标计算腰部向量;
基于颈部与头部的坐标计算颈部向量;
基于左臀与左膝的坐标计算左大腿部向量,基于右臀与右膝的坐标计算右大腿部向量;及
基于左膝与左踝的坐标计算左小腿部向量,基于右膝与右踝的坐标计算右小腿部向量。
6.如权利要求5所述的体态评估方法,其特征在于,所述获取所述测试者姿态向量的弯曲角度的步骤还包括:
基于所述左肩部向量与右肩部向量计算待测肩部夹角,基于所述待测肩部夹角与标准肩部夹角的角度关系获取肩部弯曲角度;
基于所述腰部向量和/或颈部向量计算待测脊柱夹角,基于所述待测脊柱夹角与标准脊柱夹角的角度关系获取脊柱弯曲角度;
基于所述左大腿部向量、左小腿部向量、右大腿部向量与右小腿部向量计算待测腿部夹角,基于所述待测腿部夹角与标准腿部夹角的角度关系获取腿部弯曲角度;及
基于所述肩部弯曲角度、脊柱弯曲角度、腿部弯曲角度获取所述测试者姿态向量的弯曲角度。
7.如权利要求1所述的体态评估方法,其特征在于,所述获取所述测试者姿态向量的弯曲角度的步骤之前,还包括:
在所述待测图像不符合测试要求时,发送提示信息提示所述测试者调整姿态。
8.一种电子装置,其特征在于,其包括:
获取模块,适于获取待测图像,所述待测图像包括测试者立正站立的正面全身图像及侧面全身图像;
提取模块,适于从所述待测图像中提取骨骼关键点;
计算模块,适于根据所述骨骼关键点计算测试者姿态向量;及
评估模块,适于获取所述测试者姿态向量的弯曲角度。
9.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述体态评估方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1至7任一项所述体态评估方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910599978.7A CN110495889B (zh) | 2019-07-04 | 2019-07-04 | 体态评估方法、电子装置、计算机设备及存储介质 |
PCT/CN2019/102793 WO2021000401A1 (zh) | 2019-07-04 | 2019-08-27 | 体态评估方法、电子装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910599978.7A CN110495889B (zh) | 2019-07-04 | 2019-07-04 | 体态评估方法、电子装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110495889A true CN110495889A (zh) | 2019-11-26 |
CN110495889B CN110495889B (zh) | 2022-05-27 |
Family
ID=68585849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910599978.7A Active CN110495889B (zh) | 2019-07-04 | 2019-07-04 | 体态评估方法、电子装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110495889B (zh) |
WO (1) | WO2021000401A1 (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274990A (zh) * | 2020-02-11 | 2020-06-12 | 广东同天投资管理有限公司 | 对脊柱形态进行分类的计算机设备和存储介质 |
CN111311660A (zh) * | 2020-02-21 | 2020-06-19 | 联想(北京)有限公司 | 一种镜像显示人体姿态的方法、智能镜及存储介质 |
CN111358471A (zh) * | 2020-04-15 | 2020-07-03 | 青岛一小步科技有限公司 | 一种身体姿态检测装置及检测方法 |
CN111666844A (zh) * | 2020-05-26 | 2020-09-15 | 电子科技大学 | 一种羽毛球运动员运动姿态评估方法 |
CN111814772A (zh) * | 2020-09-07 | 2020-10-23 | 科大讯飞(苏州)科技有限公司 | 人体姿态评估方法、装置、电子设备和存储介质 |
CN111914790A (zh) * | 2020-08-14 | 2020-11-10 | 电子科技大学 | 基于双摄像头的不同场景下实时人体转动角度识别方法 |
CN112070031A (zh) * | 2020-09-09 | 2020-12-11 | 中金育能教育科技集团有限公司 | 体态检测方法、装置及设备 |
CN112102947A (zh) * | 2020-04-13 | 2020-12-18 | 国家体育总局体育科学研究所 | 用于身体姿态评估的装置和方法 |
CN112107318A (zh) * | 2020-09-24 | 2020-12-22 | 自达康(北京)科技有限公司 | 一种身体活动能力评估系统 |
CN112801979A (zh) * | 2021-01-28 | 2021-05-14 | 广东工业大学 | 一种基于不确定性推理的脊柱侧弯检测方法及系统 |
CN112842779A (zh) * | 2021-01-15 | 2021-05-28 | 上海市第十人民医院 | 脊柱退行性疾病的自然位影像检查智能辅助系统 |
CN113128336A (zh) * | 2021-03-10 | 2021-07-16 | 恒鸿达科技有限公司 | 一种引体向上测试计数方法、装置、设备和介质 |
CN113139962A (zh) * | 2021-05-26 | 2021-07-20 | 北京欧应信息技术有限公司 | 用于脊柱侧凸概率评估的系统和方法 |
WO2021179230A1 (zh) * | 2020-03-12 | 2021-09-16 | 南方科技大学 | 一种脊柱侧弯检测模型的生成方法和计算机设备 |
CN113842622A (zh) * | 2021-09-23 | 2021-12-28 | 京东方科技集团股份有限公司 | 一种运动教学方法、装置、系统、电子设备及存储介质 |
CN113925497A (zh) * | 2021-10-22 | 2022-01-14 | 吉林大学 | 一种基于双目视觉测量系统的汽车乘员乘坐姿态提取方法 |
CN113951874A (zh) * | 2021-10-25 | 2022-01-21 | 中国科学院长春光学精密机械与物理研究所 | 一种脊柱侧弯风险评估系统 |
CN114224322A (zh) * | 2021-10-25 | 2022-03-25 | 上海工程技术大学 | 一种基于人体骨骼关键点的脊柱侧弯评估方法 |
WO2022110453A1 (zh) * | 2020-11-26 | 2022-06-02 | 广州源动智慧体育科技有限公司 | 跑步姿态的识别方法、装置和计算机设备 |
CN114952854A (zh) * | 2022-06-16 | 2022-08-30 | 山东大学 | 基于人机协作的人体碰撞物对接方法及系统 |
CN115316941A (zh) * | 2022-06-15 | 2022-11-11 | 芯海科技(深圳)股份有限公司 | 基于背包的人体姿态检测方法、装置、背包及存储介质 |
CN115462761A (zh) * | 2022-09-29 | 2022-12-13 | 中国医学科学院北京协和医院 | 一种身体平衡监测方法及系统 |
CN116052273A (zh) * | 2023-01-06 | 2023-05-02 | 北京体提科技有限公司 | 一种基于体态鱼骨线的动作比对方法及装置 |
WO2023138406A1 (zh) * | 2022-01-21 | 2023-07-27 | 华为技术有限公司 | 基于图像的姿态判断方法及电子设备 |
WO2023143215A1 (zh) * | 2022-01-29 | 2023-08-03 | 阿里巴巴(中国)有限公司 | 人体测量数据的获取方法、处理方法及设备 |
US11809616B1 (en) | 2022-06-23 | 2023-11-07 | Qing Zhang | Twin pose detection method and system based on interactive indirect inference |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112932470B (zh) * | 2021-01-27 | 2023-12-29 | 上海萱闱医疗科技有限公司 | 俯卧撑训练的评估方法及装置、设备、存储介质 |
CN113128337A (zh) * | 2021-03-10 | 2021-07-16 | 恒鸿达科技有限公司 | 一种斜体引身测试计数方法、装置、设备和介质 |
CN113221815A (zh) * | 2021-05-25 | 2021-08-06 | 北京无垠创新科技有限责任公司 | 一种基于骨骼关键点自动检测技术的步态鉴定方法 |
CN113486771B (zh) * | 2021-06-30 | 2023-07-07 | 福州大学 | 基于关键点检测的视频动作整齐度评估方法及系统 |
CN113850150A (zh) * | 2021-09-02 | 2021-12-28 | 苏州爱可尔智能科技有限公司 | 一种基于深度学习3d姿态分析的运动评分方法及装置 |
CN115890671A (zh) * | 2022-11-17 | 2023-04-04 | 山东大学 | 一种基于smpl参数的多几何体人体碰撞模型生成方法及系统 |
WO2024124927A1 (zh) * | 2022-12-12 | 2024-06-20 | 海信视像科技股份有限公司 | 一种虚拟数字人的生成方法、装置和电子设备 |
CN115861381B (zh) * | 2023-02-28 | 2023-05-09 | 中国民用航空飞行学院 | 球体协同运动中鱼跃救球动作标准性的检测方法及系统 |
CN118230427A (zh) * | 2024-05-24 | 2024-06-21 | 浪潮软件科技有限公司 | 一种适用线上体育活动的仰卧起坐计数方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886069A (zh) * | 2017-11-10 | 2018-04-06 | 东北大学 | 一种多目标人体2d姿态实时检测系统及检测方法 |
CN108830150A (zh) * | 2018-05-07 | 2018-11-16 | 山东师范大学 | 一种基于三维人体姿态估计方法及装置 |
CN109344803A (zh) * | 2018-10-29 | 2019-02-15 | 广东工业大学 | 一种姿态特征提取方法及相关装置 |
CN109674477A (zh) * | 2018-08-06 | 2019-04-26 | 深圳创感科技有限公司 | 基于深度学习的计算机视觉体态分析方法 |
CN109948590A (zh) * | 2019-04-01 | 2019-06-28 | 启霖世纪(北京)教育科技有限公司 | 姿态问题检测方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019079489A1 (en) * | 2017-10-17 | 2019-04-25 | Beneufit, Inc. | MEASUREMENT OF BODY MOVEMENT IN A DISEASE OF MOVEMENT DISORDERS |
CN109330602B (zh) * | 2018-11-01 | 2022-06-24 | 中山市人民医院 | 一种女性形体智能评估检测装置及方法、存储介质 |
-
2019
- 2019-07-04 CN CN201910599978.7A patent/CN110495889B/zh active Active
- 2019-08-27 WO PCT/CN2019/102793 patent/WO2021000401A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886069A (zh) * | 2017-11-10 | 2018-04-06 | 东北大学 | 一种多目标人体2d姿态实时检测系统及检测方法 |
CN108830150A (zh) * | 2018-05-07 | 2018-11-16 | 山东师范大学 | 一种基于三维人体姿态估计方法及装置 |
CN109674477A (zh) * | 2018-08-06 | 2019-04-26 | 深圳创感科技有限公司 | 基于深度学习的计算机视觉体态分析方法 |
CN109344803A (zh) * | 2018-10-29 | 2019-02-15 | 广东工业大学 | 一种姿态特征提取方法及相关装置 |
CN109948590A (zh) * | 2019-04-01 | 2019-06-28 | 启霖世纪(北京)教育科技有限公司 | 姿态问题检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
HAIPENG DONG ET AL: "A novel 3D human action recognition method based on part affinity fields", 《EMBEDDED SYSTEMS TECHNOLOGY》 * |
ZHE CAO,ET AL: "Realtime Multi-person 2D pose estimation using part affinity fields", 《2017 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 * |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274990A (zh) * | 2020-02-11 | 2020-06-12 | 广东同天投资管理有限公司 | 对脊柱形态进行分类的计算机设备和存储介质 |
CN111274990B (zh) * | 2020-02-11 | 2024-01-12 | 广东同天科技产业发展有限公司 | 对脊柱形态进行分类的计算机设备和存储介质 |
CN111311660A (zh) * | 2020-02-21 | 2020-06-19 | 联想(北京)有限公司 | 一种镜像显示人体姿态的方法、智能镜及存储介质 |
WO2021179230A1 (zh) * | 2020-03-12 | 2021-09-16 | 南方科技大学 | 一种脊柱侧弯检测模型的生成方法和计算机设备 |
CN112102947A (zh) * | 2020-04-13 | 2020-12-18 | 国家体育总局体育科学研究所 | 用于身体姿态评估的装置和方法 |
CN112102947B (zh) * | 2020-04-13 | 2024-02-13 | 国家体育总局体育科学研究所 | 用于身体姿态评估的装置和方法 |
CN111358471A (zh) * | 2020-04-15 | 2020-07-03 | 青岛一小步科技有限公司 | 一种身体姿态检测装置及检测方法 |
CN111666844A (zh) * | 2020-05-26 | 2020-09-15 | 电子科技大学 | 一种羽毛球运动员运动姿态评估方法 |
CN111914790A (zh) * | 2020-08-14 | 2020-11-10 | 电子科技大学 | 基于双摄像头的不同场景下实时人体转动角度识别方法 |
CN111914790B (zh) * | 2020-08-14 | 2022-08-02 | 电子科技大学 | 基于双摄像头的不同场景下实时人体转动角度识别方法 |
CN111814772A (zh) * | 2020-09-07 | 2020-10-23 | 科大讯飞(苏州)科技有限公司 | 人体姿态评估方法、装置、电子设备和存储介质 |
CN112070031A (zh) * | 2020-09-09 | 2020-12-11 | 中金育能教育科技集团有限公司 | 体态检测方法、装置及设备 |
CN112107318A (zh) * | 2020-09-24 | 2020-12-22 | 自达康(北京)科技有限公司 | 一种身体活动能力评估系统 |
CN112107318B (zh) * | 2020-09-24 | 2024-02-27 | 自达康(北京)科技有限公司 | 一种身体活动能力评估系统 |
WO2022110453A1 (zh) * | 2020-11-26 | 2022-06-02 | 广州源动智慧体育科技有限公司 | 跑步姿态的识别方法、装置和计算机设备 |
CN112842779A (zh) * | 2021-01-15 | 2021-05-28 | 上海市第十人民医院 | 脊柱退行性疾病的自然位影像检查智能辅助系统 |
CN112801979B (zh) * | 2021-01-28 | 2023-09-05 | 广东工业大学 | 一种基于不确定性推理的脊柱侧弯检测方法及系统 |
CN112801979A (zh) * | 2021-01-28 | 2021-05-14 | 广东工业大学 | 一种基于不确定性推理的脊柱侧弯检测方法及系统 |
CN113128336A (zh) * | 2021-03-10 | 2021-07-16 | 恒鸿达科技有限公司 | 一种引体向上测试计数方法、装置、设备和介质 |
CN113139962A (zh) * | 2021-05-26 | 2021-07-20 | 北京欧应信息技术有限公司 | 用于脊柱侧凸概率评估的系统和方法 |
CN113842622A (zh) * | 2021-09-23 | 2021-12-28 | 京东方科技集团股份有限公司 | 一种运动教学方法、装置、系统、电子设备及存储介质 |
CN113925497A (zh) * | 2021-10-22 | 2022-01-14 | 吉林大学 | 一种基于双目视觉测量系统的汽车乘员乘坐姿态提取方法 |
CN113925497B (zh) * | 2021-10-22 | 2023-09-15 | 吉林大学 | 一种基于双目视觉测量系统的汽车乘员乘坐姿态提取方法 |
CN113951874A (zh) * | 2021-10-25 | 2022-01-21 | 中国科学院长春光学精密机械与物理研究所 | 一种脊柱侧弯风险评估系统 |
CN113951874B (zh) * | 2021-10-25 | 2023-12-26 | 中国科学院长春光学精密机械与物理研究所 | 一种脊柱侧弯风险评估系统 |
CN114224322A (zh) * | 2021-10-25 | 2022-03-25 | 上海工程技术大学 | 一种基于人体骨骼关键点的脊柱侧弯评估方法 |
WO2023138406A1 (zh) * | 2022-01-21 | 2023-07-27 | 华为技术有限公司 | 基于图像的姿态判断方法及电子设备 |
WO2023143215A1 (zh) * | 2022-01-29 | 2023-08-03 | 阿里巴巴(中国)有限公司 | 人体测量数据的获取方法、处理方法及设备 |
CN115316941A (zh) * | 2022-06-15 | 2022-11-11 | 芯海科技(深圳)股份有限公司 | 基于背包的人体姿态检测方法、装置、背包及存储介质 |
CN114952854A (zh) * | 2022-06-16 | 2022-08-30 | 山东大学 | 基于人机协作的人体碰撞物对接方法及系统 |
US11809616B1 (en) | 2022-06-23 | 2023-11-07 | Qing Zhang | Twin pose detection method and system based on interactive indirect inference |
CN115462761A (zh) * | 2022-09-29 | 2022-12-13 | 中国医学科学院北京协和医院 | 一种身体平衡监测方法及系统 |
CN115462761B (zh) * | 2022-09-29 | 2024-02-23 | 中国医学科学院北京协和医院 | 一种身体平衡监测方法及系统 |
CN116052273A (zh) * | 2023-01-06 | 2023-05-02 | 北京体提科技有限公司 | 一种基于体态鱼骨线的动作比对方法及装置 |
CN116052273B (zh) * | 2023-01-06 | 2024-03-08 | 北京体提科技有限公司 | 一种基于体态鱼骨线的动作比对方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2021000401A1 (zh) | 2021-01-07 |
CN110495889B (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110495889A (zh) | 体态评估方法、电子装置、计算机设备及存储介质 | |
CN107358217B (zh) | 一种视线估计方法及装置 | |
CN108875524A (zh) | 视线估计方法、装置、系统和存储介质 | |
CN112464918B (zh) | 健身动作纠正方法、装置、计算机设备和存储介质 | |
CN108461129A (zh) | 一种基于图像认证的医学影像标注方法、装置和用户终端 | |
CN109785396B (zh) | 基于双目相机的写字姿态监测方法、系统、装置 | |
CN111739115B (zh) | 基于循环一致性的无监督人体姿态迁移方法、系统及装置 | |
US20220284652A1 (en) | System and method for matching a test frame sequence with a reference frame sequence | |
CN108062544A (zh) | 用于人脸活体检测的方法和装置 | |
CN110123331A (zh) | 人体形体及体质数据采集方法、装置及存储介质 | |
CN110020628A (zh) | 基于面部检测的坐姿检测方法、系统、设备及存储介质 | |
CN114120357B (zh) | 一种基于神经网络的防近视方法和装置 | |
CN112070031A (zh) | 体态检测方法、装置及设备 | |
CN114596451B (zh) | 基于ai视觉的体适能测试方法、装置及存储介质 | |
CN108227925A (zh) | 一种坐姿调整的方法、装置、设备及存储介质 | |
CN116994339B (zh) | 一种基于图像处理的用于坐位体前屈测试的方法和系统 | |
Seoud et al. | Multilevel analysis of trunk surface measurements for noninvasive assessment of scoliosis deformities | |
CN117503099A (zh) | 人体成分分析仪、测量方法、装置、设备及存储介质 | |
CN110322964B (zh) | 一种健康状态展示方法、装置、计算机设备及存储介质 | |
KR101689553B1 (ko) | 체성분 측정 결과를 보정하기 위한 체성분 측정 장치 및 서버 | |
CN112116971A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN113342157A (zh) | 眼球追踪处理方法及相关装置 | |
CN116228727A (zh) | 一种基于图像的人体背部表皮脊柱线的检测方法和装置 | |
CN112149455A (zh) | 一种检测人体姿势的方法和装置 | |
CN113842622B (zh) | 一种运动教学方法、装置、系统、电子设备及存储介质 |
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 |