CN111275023A - 一种基于人脸识别和人体姿态估计的俯卧撑测试系统 - Google Patents

一种基于人脸识别和人体姿态估计的俯卧撑测试系统 Download PDF

Info

Publication number
CN111275023A
CN111275023A CN202010196967.7A CN202010196967A CN111275023A CN 111275023 A CN111275023 A CN 111275023A CN 202010196967 A CN202010196967 A CN 202010196967A CN 111275023 A CN111275023 A CN 111275023A
Authority
CN
China
Prior art keywords
push
module
prompt
joint point
counting
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
Application number
CN202010196967.7A
Other languages
English (en)
Other versions
CN111275023B (zh
Inventor
罗磊
段雷
王帆
薛飞
陶泽坤
祝恩
刘新旺
李莎莎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202010196967.7A priority Critical patent/CN111275023B/zh
Publication of CN111275023A publication Critical patent/CN111275023A/zh
Application granted granted Critical
Publication of CN111275023B publication Critical patent/CN111275023B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B23/00—Exercising apparatus specially adapted for particular parts of the body
    • A63B23/035—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously
    • A63B23/12—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously for upper limbs or related muscles, e.g. chest, upper back or shoulder muscles
    • A63B23/1209—Involving a bending of elbow and shoulder joints simultaneously
    • A63B23/1236—Push-ups in horizontal position, i.e. eccentric movement
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/17—Counting, e.g. counting periodical movements, revolutions or cycles, or including further data processing to determine distances or speed
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/80—Special sensors, transducers or devices therefor
    • A63B2220/805—Optical or opto-electronic sensors

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Library & Information Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公布了一种基于人脸识别和人体姿态估计的俯卧撑测试系统，目的是解决俯卧撑测试中防替考和准确计数问题。本发明由支柱和俯卧撑考核器组成。俯卧撑考核器由主板机盒、显示屏、摄像头、总开关、电源组件和主板组成。主板机盒容纳主板、电源组件，安装显示屏、摄像头、总开关；主板上装有由采集模块、新建录入模块、身份对比模块、计数模块、显示模块和数据库组成的俯卧撑软件；新建录入模块、身份对比模块采用人脸识别算法进行人脸识别，计数模块采用人体姿态估计算法估计实时人体姿态，通过被测人员双肩与双肘的关节点坐标对俯卧撑计数。本发明设计合理，能有效准确检测被测人员俯卧撑个数且能够防止被测人员替考。

Description

一种基于人脸识别和人体姿态估计的俯卧撑测试系统
技术领域
本发明涉及一种俯卧撑测试系统领域，尤其涉及一种能够准确测定标准俯卧撑并且防替考的非接触式俯卧撑测试系统。
背景技术
目前俯卧撑的日常训练考核，通常的组织方式是安排监考员一对一进行，需要监考员人工先核对测试人员姓名证件等信息，而后在测试中观察测试人员的双肩与双肘的位置关系来判断俯卧撑动作是否达标。这种人工计数的方法在测试过程中效率不高，费时费力，长时间性、反复性容易导致监考员疲惫，对标准动作把握不牢，难以客观公正地记录成绩。
发明内容
本发明要解决的技术问题在于提供一种基于人脸识别和人体姿态估计的非接触式俯卧撑测试系统，解决俯卧撑测试中防替考和准确计数的问题；能够通过人脸识别身份，达到防止替考的目的；能够通过姿态识别判断双肩与双肘的位置信息判断俯卧撑是否标准，达到准确计数的目的。
本发明的技术方案是：
本发明基于人脸识别和人体姿态估计的俯卧撑测试系统由支柱和俯卧撑考核器组成。俯卧撑考核器固定在支柱顶端。
支柱由底盘和支撑杆组成，支撑杆采用胶黏剂黏在底盘上。底盘为圆台形，下底面半径为R1，R1＝10～15cm，上底面半径为R2，R2＝0.5～1cm，厚度为H1，H1＝0.2～0.3cm，由金属材质制成，用于将俯卧撑考核器固定在地面上，保持俯卧撑考核器的平稳；所述支撑杆为圆柱形，半径为R3，R3＝0.5～1cm，高度为H2，H2＝30～35cm，由塑料材质制成，用于支撑俯卧撑考核器。
俯卧撑考核器由主板机盒、显示屏、摄像头、总开关、电源组件和主板组成。主板机盒的下底面开有圆形通孔，使得俯卧撑考核器通过卡扣方式连接在支撑杆的顶端。
所述主板机盒为矩形盒子，长为a，宽为b，厚度为H3，a＝15～20cm，b＝10～15cm，H3＝3～5cm，由塑料材质制成，用于容纳主板、电源组件，安装显示屏、摄像头、总开关；主板机盒的正面上挖有凹槽，凹槽深度为H4，满足0.5cm≤H4<H3，凹槽的长度和宽度与显示屏22的长度和宽度相匹配，正好可以嵌入显示屏。
所述显示屏为触控液晶屏，与主板中运行的显示模块相连。当俯卧撑考核器通电后显示屏面板上显示新建录入、身份对比、俯卧撑计数三个触控按钮，用于开启新建录入、身份对比、俯卧撑计数三项工作界面，并显示显示模块发送的消息，包括视频帧、人员信息、俯卧撑个数、各种提示；
所述摄像头选用30万像素、最大分辨率为640像素*480像素的摄像头，安装在主板机盒的凹槽的上方，与采集模块、显示模块相连，用于获取视频帧，包括人脸视频帧和人体姿态视频帧，将视频帧发送给采集模块；
所述总开关安装在主板机盒的凹槽下方，与电源组件相连，用于开启电源组件。
所述电源组件为锂电池，电源组件的输出电压为12V，集成在主板机盒内，与总开关和主板相连，用于为俯卧撑考核器供电。
所述主板为深度学习开发板，集成并固定在主板机盒内，与显示屏、摄像头、总开关和电源组件相连。主板上装有俯卧撑软件，俯卧撑软件由采集模块、新建录入模块、身份对比模块、计数模块、显示模块和数据库组成；
采集模块与摄像头、新建录入模块、身份对比模块、计数模块、显示模块相连，负责获取摄像头的视频帧，将视频帧传给新建录入模块、身份对比模块、计数模块、显示模块。
新建录入模块与采集模块、显示模块和数据库相连，新建录入模块从显示屏上新建录入按钮接收用户输入的姓名和编号，在数据库中查询是否有重复的姓名或者编号，如果重复，向显示模块发送“人员信息已存在，请勿重新录入”的提示，如果不重复，新建录入模块从采集模块接收视频帧，利用人脸识别算法(“Taigman Y,Yang M,Ranzato M A,etal.Deepface:Closing the gap to human-level performance in face verification[C].IEEE Conference on Computer Vision and Pattern Recognition(CVPR),2014:1701-1708”译为：《Deepface:缩小人脸验证与人类表现的差距》)对视频帧进行人脸识别，得到人脸特征，将人脸特征和数据库中的人脸特征作对比，若人脸特征存在，新建录入模块向显示模块发送“人脸信息已存在，请核对姓名和编号”的提示；若人脸特征不存在，新建录入模块将人脸特征、姓名和编号存入数据库中，向显示模块发送“录入成功”提示。
身份对比模块与采集模块、显示模块和数据库相连，身份对比模块通过显示屏显示的身份对比按钮从采集模块接收视频帧，利用人脸识别算法对视频帧进行人脸识别，得到人脸特征，将人脸特征和数据库中的人脸特征作对比；当数据库中存在与被测人员人脸特征比对成功的人脸特征，从数据库中查找到被测人员的姓名，编号信息，向显示模块发送“身份认证成功”提示，并显示姓名和编号；若不存在被测人员人脸信息，向显示模块发送“身份未能成功识别，请先录入人脸信息”提示。
计数模块与采集模块、显示模块相连，从采集模块接收被测人员准备动作时的视频帧，采用人体姿态估计算法(“Cao Z,Simon T,Wei S E,et al.OpenPose:RealtimeMulti-Person 2D Pose Estimation using Part Affinity Fields[C].IEEE Conferenceon Computer Vision and Pattern Recognition(CVPR即国际计算机视觉与模式识别会议),2017:7291-7299”译为：《OpenPose:使用部件亲和域的实时多人二维姿态估计》)对视频帧做实时人体姿态估计，获取视频帧中被测人员的关节点坐标，判断被测人员双肩与双肘的关节点坐标，双肩的关节点纵坐标平均值与双肘的关节点纵坐标平均值相同后双肩位置再回到最高位置的关节点坐标计完成俯卧撑一次。计数模块具体流程为：
第一步，初始化双肩最高关节点纵坐标最高值H＝0，令双肩实时关节点纵坐标位置平均值p＝0，令双肘实时关节点纵坐标位置平均值q＝0，令俯卧撑个数c＝0；令计数状态s＝0(s＝0代表完成了俯卧撑向下的动作后并回到准备动作，s＝1完成了俯卧撑向下的动作并未回到准备动作)；
第二步，计数模块从采集模块获取准备动作时刻人体视频帧；
第三步，计数模块采用人体姿态估计算法获取准备时刻被测人员的关节点坐标，并提取右肩的关节点坐标N2(X2,Y2)(由于人体姿态估计算法提取的骨架序号图中的点是人脸朝外，所以左边是右肩)、右肘的关节点坐标N3(X3,Y3)、右腕的关节点坐标N4(X4,Y4)、左肩的关节点坐标N5(X5,Y5)、左肘的关节点坐标N6(X6,Y6)、左腕的关节点坐标N7(X7,Y7)，判断线段N3N2与线段N3N4所成角度，以及线段N6N5与线段N6N7所成角度是否在角度阈值κ内。判断方法为：计算K1＝(X3－X2)/(Y3－Y2)、K2＝(X4－X3)/(Y4－Y3)、K3＝(X6－X5)/(Y6－Y5)、K4＝(X7－X6)/(Y7－Y6)，若|arctanK1－arctanK2|>κ或|arctanK3－arctanK4|>κ(κ为阈值，一般设置为5°)，说明左肘或右肘弯曲过大，向显示模块发送“准备动作不标准，请注意手臂不要弯曲”提示，转第二步；若|arctanK1－arctanK2≤κ且|arctanK3－arctanK4|≤κ，说明左肘和右肘的弯曲程度在标准动作允许范围以内，表明准备动作标准，将右肩的关节点坐标N2(X2,Y2)和左肩的关节点坐标N5(X5,Y5)的纵坐标平均值赋值给H，即令H＝(Y2+Y5)/2，将H作为双肩在整个俯卧撑测试过程中最高位置，向显示模块发送“准备动作标准，请继续完成俯卧撑动作”提示，转第四步；
第四步，计数模块从采集模块获取人体视频帧；
第五步，计数模块获取人体视频帧中人体骨架关节点坐标，根据人体骨架关节点坐标对俯卧撑进行计数，将俯卧撑个数c发送给显示模块，方法是：
5.1计数模块采用人体姿态估计算法获取实时人体视频帧中人体骨架关节点坐标，若在时间阈值T(T为正整数，单位为秒，一般设置T＝5秒)内获取了右肩的关节点坐标N2(X2,Y2)、左肩的关节点坐标N5(X5,Y5)、右肘的关节点坐标N3(X3,Y3)、左肘的关节点坐标N6(X6,Y6)的值，转5.2；若在T内未获取到双肩、双肘的视频像素坐标，转5.3.3；
5.2计数模块将右肩的关节点坐标N2(X2,Y2)、左肩的关节点坐标N5(X5,Y5)的纵坐标平均值赋值给双肩实时关节点纵坐标位置值p，即令p＝(Y2+Y5)/2，将右肘的关节点坐标N3(X3,Y3)、左肘的关节点坐标N6(X6,Y6)的纵坐标平均值赋值给双肘实时关节点纵坐标位置值q，即令q＝(Y3+Y6)/2；
5.3计数模块根据s、p、q、H的情况判断是否进行俯卧撑计数：
5.3.1若s＝0且|p－q|≤σ(σ为第一距离阈值，一般设置为5cm)，说明此时刚完成如图5(b)所示的俯卧撑屈臂动作，不需计数，令s＝1，转第四步；
5.3.2若s＝1且|p－H|≤β(β为第二距离阈值，一般设置为5cm)，说明被测人员完成俯卧撑屈臂动作后回到准备动作，需要计数，令c＝c+1，s＝0，转5.3.5；
5.3.3若未获取到人体骨架关节点坐标或p＞H+γ1或p<q－γ2(γ1、γ2分别为第三距离阈值和第四距离阈值，一般设置为γ1＝γ2＝15cm，此时说明人站起来了或人趴在了地上)，说明被测人员已停止做俯卧撑或已离开摄像头视线，转第六步；
5.3.4否则，说明处于俯卧撑动作执行过程中，不需计数，转第四步；
5.3.5计数模块将俯卧撑累计个数c发送给显示模块，并由显示模块向显示屏发送进行实时显示，转第四步；
第六步，计数模块令p＝0，q＝0，此时的c即为该被测人员的俯卧撑个数，向显示模块发送“XX最终俯卧撑成绩为c个”(其中XX代表从身份识别模块获取的被侧人员姓名)，结束。
数据库是本地轻型数据库(如SQLite3.0或以上版本)，与新建录入模块、身份对比模块相连，存储被测人员的姓名、编号和人脸特征数据。
显示模块与采集模块、新建录入模块、身份对比模块、计数模块和显示屏相连，从采集模块接收视频帧，从新建录入模块接收录入的姓名和编号信息。若从新建录入模块接收到“人员信息已存在，请勿重新录入”的提示，则向显示屏发送“人员信息已存在，请勿重新录入”的提示；若从新建录入模块接收到“录入成功”提示，则向显示屏发送“录入成功”提示；若从新建录入模块接收到“人脸信息已存在，请核对姓名和编号”的提示，则向显示屏发送“人脸信息已存在，请核对姓名和编号”的提示；显示模块从身份对比模块接收姓名和编号信息，若从身份对比模块接收到“身份认证成功”提示，向显示屏发送“身份认证成功”的提示，并显示姓名和编号；若从身份对比模块接收到“身份未能成功识别，请先录入人脸信息”提示，则向显示屏发送“身份未能成功识别，请先录入人脸信息”的提示；显示模块从计数模块接收被测人员的动作判断信息和俯卧撑个数，当显示模块从计数模块接收到“准备动作不标准，请注意手臂不要弯曲”提示，向显示屏发送“准备动作不标准，请注意手臂不要弯曲”的提示；当从计数模块接收到“准备动作标准，请继续完成俯卧撑动作”提示时，向显示屏发送“准备动作标准，请继续完成俯卧撑动作”的提示；当从计数模块接收到“XX最终俯卧撑成绩为c个”时，将视频帧、姓名、编号和俯卧撑个数c一起发送给显示屏。
采用本发明进行俯卧撑考核的方法是：
第一步，平稳放置俯卧撑考核器，打开总开关，摄像头处于开启状态；
第二步，摄像头拍摄被测人员信息，被测人员在俯卧撑考核器前0.5～1m，范围内做俯卧撑准备动作，双手撑地略宽于肩，双肩与地面平行，腰部绷直，背部呈一条直线，眼睛注视摄像头；
第三步，显示模块在显示屏上显示新建录入、身份对比、俯卧撑计数三个触控按钮。
第四步，身份对比模块通过显示屏上的身份对比按钮从采集模块接收视频帧，通过人脸识别算法获取被测人员的信息，将被测人员的人脸信息与数据库的人脸进行比较，若在数据库中找到，向显示模块发送找到的被测人员姓名，编号，显示屏显示被测人员姓名，编号，转第六步；若在数据库中未找到，则向显示模块发送“未识别人脸，请从终端导入人脸信息”提示，显示屏显示“未识别人脸，请从终端导入人脸信息”，转第五步。
第五步，新建录入模块通过显示屏上新建录入按钮接收到工作人员输入的姓名和编号，从数据库中查询是否有重复的姓名或者编号，如果重复，向显示模块发送“人员信息已存在，请勿重新录入”提示，转第四步；如果不重复，新建录入模块从采集模块接收视频帧，利用人脸识别算法对视频帧进行人脸识别，得到人脸特征，将人脸特征和数据库中的人脸特征作对比，若人脸特征存在，向显示模块发送“人脸信息已存在，请核对姓名和编号”提示，转第四步；若人脸特征不存在，将人脸特征、姓名和编号存入数据库中，向显示模块发送“录入成功”提示，转第四步。
第六步，计数模块通过显示屏上的俯卧撑计数按钮从采集模块接收实时人体视频帧，利用人体姿态估计算法获取人体骨架关节点坐标，采用计数模块流程实时记录被测人员的俯卧撑个数c，具体步骤为：
6.1，初始化双肩最高关节点纵坐标最高值H＝0，双肩实时关节点纵坐标位置值p＝0，双肘实时关节点纵坐标位置值q＝0，俯卧撑个数c＝0；令计数状态s＝0；
6.2，计数模块从采集模块获取准备动作时刻人体视频帧；
6.3，计数模块采用人体姿态估计算法获取准备时刻被测人员的关节点坐标，并提取右肩的关节点坐标N2(X2,Y2)、右肘的关节点坐标N3(X3,Y3)、右腕的关节点坐标N4(X4,Y4)、左肩的关节点坐标N5(X5,Y5)、左肘的关节点坐标N6(X6,Y6)、左腕的关节点坐标N7(X7,Y7)，判断线段N3N2与线段N3N4所成角度，以及线段N6N5与线段N6N7所成角度是否在角度阈值κ内。计算K1＝(X3－X2)/(Y3－Y2)、K2＝(X4－X3)/(Y4－Y3)、K3＝(X6－X5)/(Y6－Y5)、K4＝(X7－X6)/(Y7－Y6)，若|arctanK1－arctanK2|>κ或|arctanK3－arctanK4|>κ(κ为阈值，一般设置为5°)，说明左肘或右肘弯曲过大，向显示模块发送“准备动作不标准，请注意手臂不要弯曲”提示，转6.2；若|arctanK1－arctanK2≤κ且|arctanK3－arctanK4|≤κ，说明左肘和右肘的弯曲程度在标准动作允许范围以内，准备动作标准，将右肩的关节点坐标N2(X2,Y2)和左肩的关节点坐标N5(X5,Y5)的纵坐标平均值赋值给H，即H＝(Y2+Y5)/2，将H作为双肩在整个俯卧撑测试过程中最高位置，向显示模块发送“准备动作标准，请继续完成俯卧撑动作”提示，转6.4；
6.4，计数模块从采集模块获取人体视频帧；
6.5，计数模块采用人体姿态估计算法获取实时人体视频帧中人体骨架关节点坐标，若在T内未获取到右肩的关节点坐标N2(X2,Y2)、左肩的关节点坐标N5(X5,Y5)、右肘的关节点坐标N3(X3,Y3)、左肘的关节点坐标N6(X6,Y6)的值，转6.5.3；若获取到上述坐标信息，将右肩的关节点坐标N2(X2,Y2)、左肩的关节点坐标N5(X5,Y5)的纵坐标平均值赋值给p，即p＝(Y2+Y5)/2，将右肘的关节点坐标N3(X3,Y3)、左肘的关节点坐标N6(X6,Y6)的纵坐标平均值赋值给q，即q＝(Y3+Y6)/2；判断执行：
6.5.1若s＝0且|p－q|≤σ，说明此时刚完成如图5(b)所示的俯卧撑屈臂动作，不需计数，令s＝1，转6.4；
6.5.2若s＝1且|p－H|≤β，说明处于如图5(a)所示的完成俯卧撑屈臂动作后回到准备动作，需要计数，令c＝c+1，s＝0，转6.5.5；
6.5.3若未获取到人体骨架关节点坐标或p＞H+γ1或p<q－γ2，说明被测人员已停止做俯卧撑或已离开摄像头视线，转第七步；
6.5.4否则，说明处于俯卧撑动作执行过程中，不需计数，转6.4；
6.5.5计数模块将俯卧撑累计个数c发送给显示模块，并由显示模块向显示屏发送进行实时显示，转6.4；
第七步，计数模块令p＝0，q＝0，此时的c即为该被测人员的俯卧撑个数，并向显示模块发送“XX最终俯卧撑成绩为c个”(其中XX代表从身份识别模块获取的被侧人员姓名)，本次俯卧撑测试完毕。
采用本发明可以达到以下技术效果：本发明设计合理，能够有效准确检测被测人员标准俯卧撑个数，并且能够防止被测人员替考，从而解决以往人工计数的弊端，节省人力的同时节省时间。
附图说明
图1是本发明总体结构图。
图2是本发明俯卧撑考核器2整体逻辑结构图。
图3是本发明俯卧撑考核器2中计数模块的计数流程图。
图4是人体姿态估计算法提取的骨架序号图。
图5是俯卧撑测试过程中两种动作的骨架序号图。图5(a)表示俯卧撑准备动作或是做完一个俯卧撑屈臂动作后回到准备动作，图5(b)表示俯卧撑屈臂动作。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。
如图1所示，本发明基于人脸识别和人体姿态估计的俯卧撑测试系统由支柱1和俯卧撑考核器2组成。俯卧撑考核器2固定在支柱1顶端。
支柱1由底盘12和支撑杆11组成，支撑杆11采用胶黏剂黏在底盘12上。底盘12为圆台形，下底面半径为R1，R1＝10～15cm，上底面半径为R2，R2＝0.5～1cm，厚度为H1，H1＝0.2～0.3cm，由金属材质制成，用于将俯卧撑考核器2固定在地面上，保持俯卧撑考核器2的平稳；所述支撑杆11为圆柱形，半径为R3，R3＝0.5～1cm，高度为H2，H2＝30～35cm，由塑料材质制成，用于支撑俯卧撑考核器2。
俯卧撑考核器2由主板机盒24、显示屏22、摄像头21、总开关23、电源组件和主板组成。主板机盒24的下底面开有圆形通孔，使得俯卧撑考核器2通过卡扣方式连接在支撑杆11的顶端。
所述主板机盒24为矩形盒子，长为a，宽为b，厚度为H3，a＝15～20cm，b＝10～15cm，H3＝3～5cm，由塑料材质制成，用于容纳主板、电源组件，安装显示屏22、摄像头21、总开关23；主板机盒24的正面241上挖有凹槽242，凹槽242深度为H4，满足0.5cm≤H4<H3，凹槽242的长度和宽度与显示屏22的长度和宽度相匹配，正好可以嵌入显示屏22。
所述显示屏22为触控液晶屏，与主板中运行的显示模块相连。当俯卧撑考核器2通电后显示屏22面板上显示新建录入、身份对比、俯卧撑计数三个触控按钮，用于开启新建录入、身份对比、俯卧撑计数三项工作界面，并显示显示模块发送的消息，包括视频帧、人员信息、俯卧撑个数、各种提示；
所述摄像头21选用30万像素、最大分辨率为640像素*480像素的摄像头，安装在主板机盒24的凹槽242的上方，与采集模块、显示模块相连，用于获取视频帧，包括人脸视频帧和人体姿态视频帧，将视频帧发送给采集模块；
所述总开关23安装在主板机盒24的凹槽242下方，与电源组件相连，用于开启电源组件。
如图2所示，电源组件为锂电池，电源组件的输出电压为12V，集成在主板机盒24内，与总开关和主板相连，用于为俯卧撑考核器供电。
所述主板为深度学习开发板，集成并固定在主板机盒24内，与显示屏22、摄像头21、总开关23和电源组件相连。主板上装有俯卧撑软件，俯卧撑软件由采集模块、新建录入模块、身份对比模块、计数模块、显示模块和数据库组成；
采集模块与摄像头21、新建录入模块、身份对比模块、计数模块、显示模块相连，负责获取摄像头21的视频帧，将视频帧传给新建录入模块、身份对比模块、计数模块、显示模块。
新建录入模块与采集模块、显示模块和数据库相连，新建录入模块从显示屏22上新建录入按钮接收用户输入的姓名和编号，在数据库中查询是否有重复的姓名或者编号，如果重复，向显示模块发送“人员信息已存在，请勿重新录入”的提示，如果不重复，新建录入模块从采集模块接收视频帧，利用人脸识别算法对视频帧进行人脸识别，得到人脸特征，将人脸特征和数据库中的人脸特征作对比，若人脸特征存在，新建录入模块向显示模块发送“人脸信息已存在，请核对姓名和编号”的提示；若人脸特征不存在，新建录入模块将人脸特征、姓名和编号存入数据库中，向显示模块发送“录入成功”提示。
身份对比模块与采集模块、显示模块和数据库相连，身份对比模块通过显示屏22显示的身份对比按钮从采集模块接收视频帧，利用人脸识别算法对视频帧进行人脸识别，得到人脸特征，将人脸特征和数据库中的人脸特征作对比；当数据库中存在与被测人员人脸特征比对成功的人脸特征，从数据库中查找到被测人员的姓名，编号信息，向显示模块发送“身份认证成功”提示，并显示姓名和编号；若不存在被测人员人脸信息，向显示模块发送“身份未能成功识别，请先录入人脸信息”提示。
计数模块与采集模块、显示模块相连，从采集模块接收被测人员准备动作时的视频帧，采用人体姿态估计算法对视频帧做实时人体姿态估计，获取视频帧中被测人员的关节点坐标，判断被测人员双肩与双肘的关节点坐标，双肩的关节点纵坐标平均值与双肘的关节点纵坐标平均值相同后双肩位置再回到最高位置的关节点坐标计完成俯卧撑一次。计数模块流程如图3所示：
第一步，初始化双肩最高关节点纵坐标最高值H＝0，令双肩实时关节点纵坐标位置平均值p＝0，令双肘实时关节点纵坐标位置平均值q＝0，令俯卧撑个数c＝0；令计数状态s＝0(s＝0代表完成了俯卧撑向下的动作后并回到准备动作，s＝1完成了俯卧撑向下的动作并未回到准备动作)；
第二步，计数模块从采集模块获取准备动作时刻人体视频帧；
第三步，计数模块采用人体姿态估计算法获取准备时刻被测人员的关节点坐标，并提取右肩的关节点坐标N2(X2,Y2)(图4是人体姿态估计算法提取的骨架序号图。由于图4中的点是人脸朝外，所以左边是右肩)、右肘的关节点坐标N3(X3,Y3)、右腕的关节点坐标N4(X4,Y4)、左肩的关节点坐标N5(X5,Y5)、左肘的关节点坐标N6(X6,Y6)、左腕的关节点坐标N7(X7,Y7)，如图4所示，判断线段N3N2与线段N3N4所成角度，以及线段N6N5与线段N6N7所成角度是否在角度阈值κ内。判断方法为：计算K1＝(X3－X2)/(Y3－Y2)、K2＝(X4－X3)/(Y4－Y3)、K3＝(X6－X5)/(Y6－Y5)、K4＝(X7－X6)/(Y7－Y6)，若|arctanK1－arctanK2|>κ或|arctanK3－arctanK4|>κ(κ为阈值，一般设置为5°)，说明左肘或右肘弯曲过大，向显示模块发送“准备动作不标准，请注意手臂不要弯曲”提示，转第二步；若|arctanK1－arctanK2≤κ且|arctanK3－arctanK4|≤κ，说明左肘和右肘的弯曲程度在标准动作允许范围以内，表明准备动作标准，将右肩的关节点坐标N2(X2,Y2)和左肩的关节点坐标N5(X5,Y5)的纵坐标平均值赋值给H，即令H＝(Y2+Y5)/2，将H作为双肩在整个俯卧撑测试过程中最高位置，向显示模块发送“准备动作标准，请继续完成俯卧撑动作”提示，转第四步；
第四步，计数模块从采集模块获取人体视频帧；
第五步，计数模块获取人体视频帧中人体骨架关节点坐标，根据人体骨架关节点坐标对俯卧撑进行计数，将俯卧撑个数c发送给显示模块，方法是：
5.1计数模块采用人体姿态估计算法获取实时人体视频帧中人体骨架关节点坐标，若在时间阈值T(T设置T＝5秒)内获取了右肩的关节点坐标N2(X2,Y2)、左肩的关节点坐标N5(X5,Y5)、右肘的关节点坐标N3(X3,Y3)、左肘的关节点坐标N6(X6,Y6)的值，转5.2；若在T内未获取到双肩、双肘的视频像素坐标，转5.3.3；
5.2计数模块将右肩的关节点坐标N2(X2,Y2)、左肩的关节点坐标N5(X5,Y5)的纵坐标平均值赋值给双肩实时关节点纵坐标位置值p，即令p＝(Y2+Y5)/2，将右肘的关节点坐标N3(X3,Y3)、左肘的关节点坐标N6(X6,Y6)的纵坐标平均值赋值给双肘实时关节点纵坐标位置值q，即令q＝(Y3+Y6)/2；
5.3计数模块根据s、p、q、H的情况判断是否进行俯卧撑计数：
5.3.1若s＝0且|p－q|≤σ(σ设置为5cm)，说明此时刚完成如图5(b)所示的俯卧撑屈臂动作，不需计数，令s＝1，转第四步；
5.3.2若s＝1且|p－H|≤β(β设置为5cm)，说明处于如图5(a)所示的完成俯卧撑屈臂动作后回到准备动作，需要计数，令c＝c+1，s＝0，转5.3.5；
5.3.3若未获取到人体骨架关节点坐标或p＞H+γ1或p<q－γ2(γ1、γ2分别为第三距离阈值和第四距离阈值，一般设置为γ1＝γ2＝15cm，此时说明人站起来了或人趴在了地上)，说明被测人员已停止做俯卧撑或已离开摄像头视线，转第六步；
5.3.4否则，说明处于俯卧撑动作执行过程中，不需计数，转第四步；
5.3.5计数模块将俯卧撑累计个数c发送给显示模块，并由显示模块向显示屏22发送进行实时显示，转第四步；
第六步，计数模块令p＝0，q＝0，此时的c即为该被测人员的俯卧撑个数，向显示模块发送“XX最终俯卧撑成绩为c个”(其中XX代表从身份识别模块获取的被侧人员姓名)，结束。
数据库是SQLite3.0，与新建录入模块、身份对比模块相连，存储被测人员的姓名、编号和人脸特征数据。
显示模块与采集模块、新建录入模块、身份对比模块、计数模块和显示屏22相连，从采集模块接收视频帧，从新建录入模块接收录入的姓名和编号信息。若从新建录入模块接收到“人员信息已存在，请勿重新录入”的提示，则向显示屏22发送“人员信息已存在，请勿重新录入”的提示；若从新建录入模块接收到“录入成功”提示，则向显示屏22发送“录入成功”提示；若从新建录入模块接收到“人脸信息已存在，请核对姓名和编号”的提示，则向显示屏22发送“人脸信息已存在，请核对姓名和编号”的提示；显示模块从身份对比模块接收姓名和编号信息，若从身份对比模块接收到“身份认证成功”提示，向显示屏22发送“身份认证成功”的提示，并显示姓名和编号；若从身份对比模块接收到“身份未能成功识别，请先录入人脸信息”提示，则向显示屏22发送“身份未能成功识别，请先录入人脸信息”的提示；显示模块从计数模块接收被测人员的动作判断信息和俯卧撑个数，当显示模块从计数模块接收到“准备动作不标准，请注意手臂不要弯曲”提示，向显示屏22发送“准备动作不标准，请注意手臂不要弯曲”的提示；当从计数模块接收到“准备动作标准，请继续完成俯卧撑动作”提示时，向显示屏22发送“准备动作标准，请继续完成俯卧撑动作”的提示；当从计数模块接收到“XX最终俯卧撑成绩为c个”时，将视频帧、姓名、编号和俯卧撑个数c一起发送给显示屏22。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部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发明实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (12)

1.一种基于人脸识别和人体姿态估计的俯卧撑测试系统，其特征在于基于人脸识别和人体姿态估计的俯卧撑测试系统由支柱(1)和俯卧撑考核器(2)组成，俯卧撑考核器(2)固定在支柱(1)顶端；
支柱(1)由底盘(12)和支撑杆(11)组成，支撑杆(11)采用胶黏剂黏在底盘(12)上；
俯卧撑考核器(2)由主板机盒(24)、显示屏(22)、摄像头(21)、总开关(23)、电源组件和主板组成；主板机盒(24)的下底面开有圆形通孔，使得俯卧撑考核器(2)通过卡扣方式连接在支撑杆(11)的顶端；
所述主板机盒(24)容纳主板、电源组件，安装显示屏(22)、摄像头(21)、总开关(23)；主板机盒(24)的正面(241)上挖有凹槽(242)，凹槽(242)嵌入显示屏(22)；
所述显示屏(22)为触控液晶屏，与主板中运行的显示模块相连；当俯卧撑考核器(2)通电后显示屏(22)面板上显示新建录入、身份对比、俯卧撑计数三个触控按钮，用于开启新建录入、身份对比、俯卧撑计数三项工作界面，并显示显示模块发送的消息，包括视频帧、人员信息、俯卧撑个数、各种提示；
所述摄像头(21)安装在主板机盒(24)的凹槽(242)的上方，与采集模块、显示模块相连，用于获取视频帧，将视频帧发送给采集模块；
所述总开关(23)与电源组件相连，用于开启电源组件；
所述电源组件集成在主板机盒(24)内，与总开关和主板相连，用于为俯卧撑考核器(2)供电；
所述主板为深度学习开发板，集成并固定在主板机盒(24)内，与显示屏(22)、摄像头(21)、总开关(23)和电源组件相连；主板上装有俯卧撑软件，俯卧撑软件由采集模块、新建录入模块、身份对比模块、计数模块、显示模块和数据库组成；
采集模块与摄像头(21)、新建录入模块、身份对比模块、计数模块、显示模块相连，负责获取摄像头(21)的视频帧，将视频帧传给新建录入模块、身份对比模块、计数模块、显示模块；
新建录入模块与采集模块、显示模块和数据库相连，新建录入模块从显示屏(22)上新建录入按钮接收用户输入的姓名和编号，在数据库中查询是否有重复的姓名或者编号，如果重复，向显示模块发送“人员信息已存在，请勿重新录入”的提示，如果不重复，新建录入模块从采集模块接收视频帧，利用人脸识别算法对视频帧进行人脸识别，得到人脸特征，将人脸特征和数据库中的人脸特征作对比，若人脸特征存在，新建录入模块向显示模块发送“人脸信息已存在，请核对姓名和编号”的提示；若人脸特征不存在，新建录入模块将人脸特征、姓名和编号存入数据库中，向显示模块发送“录入成功”提示；
身份对比模块与采集模块、显示模块和数据库相连，身份对比模块通过显示屏(22)显示的身份对比按钮从采集模块接收视频帧，利用人脸识别算法对视频帧进行人脸识别，得到人脸特征，将人脸特征和数据库中的人脸特征作对比；当数据库中存在与被测人员人脸特征比对成功的人脸特征，从数据库中查找到被测人员的姓名，编号信息，向显示模块发送“身份认证成功”提示，并显示姓名和编号；若不存在被测人员人脸信息，向显示模块发送“身份未能成功识别，请先录入人脸信息”提示；
计数模块与采集模块、显示模块相连，从采集模块接收被测人员准备动作时的视频帧，采用人体姿态估计算法对视频帧做实时人体姿态估计，获取视频帧中被测人员的关节点坐标，判断被测人员双肩与双肘的关节点坐标，双肩的关节点纵坐标平均值与双肘的关节点纵坐标平均值相同后双肩位置再回到最高位置的关节点坐标计完成俯卧撑一次；计数模块流程为：
第一步，初始化双肩最高关节点纵坐标最高值H＝0，令双肩实时关节点纵坐标位置平均值p＝0，令双肘实时关节点纵坐标位置平均值q＝0，令俯卧撑个数c＝0；令计数状态s＝0，s＝0代表完成了俯卧撑向下的动作后并回到准备动作，s＝1完成了俯卧撑向下的动作并未回到准备动作；
第二步，计数模块从采集模块获取准备动作时刻人体视频帧；
第三步，计数模块采用人体姿态估计算法获取准备时刻被测人员的关节点坐标，并提取右肩的关节点坐标N2(X2,Y2)、右肘的关节点坐标N3(X3,Y3)、右腕的关节点坐标N4(X4,Y4)、左肩的关节点坐标N5(X5,Y5)、左肘的关节点坐标N6(X6,Y6)、左腕的关节点坐标N7(X7,Y7)，判断线段N3 N2与线段N3 N4所成角度，以及线段N6 N5与线段N6 N7所成角度是否在角度阈值κ内，若所成角度不在阈值κ内，向显示模块发送“准备动作不标准，请注意手臂不要弯曲”提示，转第二步；若所成角度在角度阈值κ内，则将右肩的关节点坐标N2(X2,Y2)和左肩的关节点坐标N5(X5,Y5)的纵坐标平均值赋值给H，即令H＝(Y2+Y5)/2，将H作为双肩在整个俯卧撑测试过程中最高位置，向显示模块发送“准备动作标准，请继续完成俯卧撑动作”提示，转第四步；
第四步，计数模块从采集模块获取人体视频帧；
第五步，计数模块获取人体视频帧中人体骨架关节点坐标，根据人体骨架关节点坐标对俯卧撑进行计数，将俯卧撑个数c发送给显示模块，方法是：
5.1计数模块采用人体姿态估计算法获取实时人体视频帧中人体骨架关节点坐标，若在时间阈值T内获取了右肩的关节点坐标N2(X2,Y2)、左肩的关节点坐标N5(X5,Y5)、右肘的关节点坐标N3(X3,Y3)、左肘的关节点坐标N6(X6,Y6)的值，转5.2；若在T内未获取到双肩、双肘的视频像素坐标，转5.3.3；
5.2计数模块将右肩的关节点坐标N2(X2,Y2)、左肩的关节点坐标N5(X5,Y5)的纵坐标平均值赋值给双肩实时关节点纵坐标位置值p，即令p＝(Y2+Y5)/2，将右肘的关节点坐标N3(X3,Y3)、左肘的关节点坐标N6(X6,Y6)的纵坐标平均值赋值给双肘实时关节点纵坐标位置值q，即令q＝(Y3+Y6)/2；
5.3计数模块根据s、p、q、H的情况判断是否进行俯卧撑计数：
5.3.1若s＝0且|p－q|≤σ，令s＝1，转第四步；
5.3.2若s＝1且|p－H|≤β，令c＝c+1，s＝0，转5.3.5；
5.3.3若未获取到人体骨架关节点坐标或p＞H+γ1或p<q－γ2，转第六步；
5.3.4否则，直接转第四步；
5.3.5计数模块将俯卧撑累计个数c发送给显示模块，并由显示模块向显示屏(22)发送进行实时显示，转第四步；
第六步，计数模块令p＝0，q＝0，此时的c即为该被测人员的俯卧撑个数，向显示模块发送“XX最终俯卧撑成绩为c个”，其中XX代表从身份识别模块获取的被侧人员姓名，结束；
数据库与新建录入模块、身份对比模块相连，存储被测人员的姓名、编号和人脸特征数据；
显示模块与采集模块、新建录入模块、身份对比模块、计数模块和显示屏(22)相连，从采集模块接收视频帧，从新建录入模块接收录入的姓名和编号信息；若从新建录入模块接收到“人员信息已存在，请勿重新录入”的提示，则向显示屏(22)发送“人员信息已存在，请勿重新录入”的提示；若从新建录入模块接收到“录入成功”提示，则向显示屏(22)发送“录入成功”提示；若从新建录入模块接收到“人脸信息已存在，请核对姓名和编号”的提示，则向显示屏(22)发送“人脸信息已存在，请核对姓名和编号”的提示；显示模块从身份对比模块接收姓名和编号信息，若从身份对比模块接收到“身份认证成功”提示，向显示屏(22)发送“身份认证成功”的提示，并显示姓名和编号；若从身份对比模块接收到“身份未能成功识别，请先录入人脸信息”提示，则向显示屏(22)发送“身份未能成功识别，请先录入人脸信息”的提示；显示模块从计数模块接收被测人员的动作判断信息和俯卧撑个数，当从计数模块接收到“准备动作不标准，请注意手臂不要弯曲”提示时，向显示屏(22)发送“准备动作不标准，请注意手臂不要弯曲”的提示；当从计数模块接收到“准备动作标准，请继续完成俯卧撑动作”提示时，向显示屏(22)发送“准备动作标准，请继续完成俯卧撑动作”的提示；当从计数模块接收到“XX最终俯卧撑成绩为c个”时，将视频帧、姓名、编号和俯卧撑个数c一起发送给显示屏(22)。
2.如权利要求1所述的一种基于人脸识别和人体姿态估计的俯卧撑测试系统，其特征在于所述底盘(12)为圆台形，下底面半径为R1，R1＝10～15cm，上底面半径为R2，R2＝0.5～1cm，厚度为H1，H1＝0.2～0.3cm，由金属材质制成。
3.如权利要求1所述的一种基于人脸识别和人体姿态估计的俯卧撑测试系统，其特征在于所述支撑杆(11)为圆柱形，半径为R3，R3＝0.5～1cm，高度为H2，H2＝30～35cm，由塑料材质制成。
4.如权利要求1所述的一种基于人脸识别和人体姿态估计的俯卧撑测试系统，其特征在于所述主板机盒(24)为矩形盒子，长为a，宽为b，厚度为H3，a＝15～20cm，b＝10～15cm，H3＝3～5cm，由塑料材质制成。
5.如权利要求4所述的一种基于人脸识别和人体姿态估计的俯卧撑测试系统，其特征在于所述主板机盒(24)的凹槽(242)深度为H4，满足0.5cm≤H4<H3，凹槽(242)的长度和宽度与显示屏(22)的长度和宽度相匹配。
6.如权利要求1所述的一种基于人脸识别和人体姿态估计的俯卧撑测试系统，其特征在于所述摄像头(21)选用30万像素、最大分辨率为640像素*480像素的摄像头。
7.如权利要求1所述的一种基于人脸识别和人体姿态估计的俯卧撑测试系统，其特征在于所述总开关(23)安装在主板机盒(24)的凹槽(242)下方。
8.如权利要求1所述的一种基于人脸识别和人体姿态估计的俯卧撑测试系统，其特征在于所述电源组件为锂电池，电源组件的输出电压为12V。
9.如权利要求1所述的一种基于人脸识别和人体姿态估计的俯卧撑测试系统，其特征在于所述计数模块流程中判断线段N3 N2与线段N3 N4所成角度，以及线段N6 N5与线段N6 N7所成角度是否在角度阈值κ内的方法为：计算K1＝(X3－X2)/(Y3－Y2)、K2＝(X4－X3)/(Y4－Y3)、K3＝(X6－X5)/(Y6－Y5)、K4＝(X7－X6)/(Y7－Y6)，若|arctanK1－arctanK2|>κ或|arctanK3－arctanK4|>κ，说明左肘或右肘弯曲过大；若|arctanK1－arctanK2≤κ且|arctanK3－arctanK4|≤κ，说明左肘和右肘的弯曲程度在标准动作允许范围以内。
10.如权利要求9所述的一种基于人脸识别和人体姿态估计的俯卧撑测试系统，其特征在于所述角度阈值κ为5°。
11.如权利要求1所述的一种基于人脸识别和人体姿态估计的俯卧撑测试系统，其特征在于所述时间阈值T为5秒，第一距离阈值σ和第二距离阈值β均为5cm，第三距离阈值γ1和第四距离阈值γ2设置为15cm。
12.如权利要求1所述的一种基于人脸识别和人体姿态估计的俯卧撑测试系统，其特征在于所述数据库指SQLite3.0或以上版本。
CN202010196967.7A 2020-03-19 2020-03-19 一种基于人脸识别和人体姿态估计的俯卧撑测试系统 Active CN111275023B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010196967.7A CN111275023B (zh) 2020-03-19 2020-03-19 一种基于人脸识别和人体姿态估计的俯卧撑测试系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010196967.7A CN111275023B (zh) 2020-03-19 2020-03-19 一种基于人脸识别和人体姿态估计的俯卧撑测试系统

Publications (2)

Publication Number Publication Date
CN111275023A true CN111275023A (zh) 2020-06-12
CN111275023B CN111275023B (zh) 2023-04-18

Family

ID=71003882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010196967.7A Active CN111275023B (zh) 2020-03-19 2020-03-19 一种基于人脸识别和人体姿态估计的俯卧撑测试系统

Country Status (1)

Country Link
CN (1) CN111275023B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464915A (zh) * 2020-12-30 2021-03-09 南京积图网络科技有限公司 一种基于人体骨骼点检测的俯卧撑计数方法
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
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
CN113158731A (zh) * 2020-12-31 2021-07-23 杭州拓深科技有限公司 一种俯卧撑计数方法、装置、电子装置和存储介质
CN113191200A (zh) * 2021-04-06 2021-07-30 恒鸿达科技有限公司 一种俯卧撑测试计数方法、装置、设备和介质
CN113457110A (zh) * 2021-07-13 2021-10-01 北京理工大学 一种智慧操场中的计数方法、系统及装置
CN113723306A (zh) * 2021-08-31 2021-11-30 上海掌门科技有限公司 俯卧撑检测方法、设备以及计算机可读介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101706872A (zh) * 2009-11-26 2010-05-12 上海交通大学 通用的开放式人脸识别系统
CN105608467A (zh) * 2015-12-16 2016-05-25 西北工业大学 基于Kinect的无接触式学生体质测评方法
US20170344832A1 (en) * 2012-11-28 2017-11-30 Innovative Alert Systems Inc. System and method for event monitoring and detection
CN206965078U (zh) * 2017-05-24 2018-02-06 中国人民武装警察部队警官学院 军用防作弊标准俯卧撑考核器
CN109815907A (zh) * 2019-01-25 2019-05-28 深圳市象形字科技股份有限公司 一种基于计算机视觉技术的仰卧起坐姿态检测与指导方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101706872A (zh) * 2009-11-26 2010-05-12 上海交通大学 通用的开放式人脸识别系统
US20170344832A1 (en) * 2012-11-28 2017-11-30 Innovative Alert Systems Inc. System and method for event monitoring and detection
CN105608467A (zh) * 2015-12-16 2016-05-25 西北工业大学 基于Kinect的无接触式学生体质测评方法
CN206965078U (zh) * 2017-05-24 2018-02-06 中国人民武装警察部队警官学院 军用防作弊标准俯卧撑考核器
CN109815907A (zh) * 2019-01-25 2019-05-28 深圳市象形字科技股份有限公司 一种基于计算机视觉技术的仰卧起坐姿态检测与指导方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
葛峰峰: "一种运动姿态测量系统的设计", 《电子设计工程》 *
黄知超等: "一种基于机器视觉的引体向上计数方法", 《电视技术》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464915A (zh) * 2020-12-30 2021-03-09 南京积图网络科技有限公司 一种基于人体骨骼点检测的俯卧撑计数方法
CN112464915B (zh) * 2020-12-30 2024-03-26 南京积图网络科技有限公司 一种基于人体骨骼点检测的俯卧撑计数方法
CN113158731A (zh) * 2020-12-31 2021-07-23 杭州拓深科技有限公司 一种俯卧撑计数方法、装置、电子装置和存储介质
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
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
CN113191200A (zh) * 2021-04-06 2021-07-30 恒鸿达科技有限公司 一种俯卧撑测试计数方法、装置、设备和介质
CN113457110A (zh) * 2021-07-13 2021-10-01 北京理工大学 一种智慧操场中的计数方法、系统及装置
CN113457110B (zh) * 2021-07-13 2022-03-11 北京理工大学 一种智慧操场中的计数方法、系统及装置
CN113723306A (zh) * 2021-08-31 2021-11-30 上海掌门科技有限公司 俯卧撑检测方法、设备以及计算机可读介质

Also Published As

Publication number Publication date
CN111275023B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN111275023B (zh) 一种基于人脸识别和人体姿态估计的俯卧撑测试系统
CN111167107B (zh) 基于人脸识别和人体姿态估计的引体向上测试系统
CN110032278A (zh) 一种人眼感兴趣物体的位姿识别方法、装置及系统
CN107103298A (zh) 基于图像处理的引体向上计数系统及计数方法
CN101276421A (zh) 人脸部件特征和Gabor人脸特征融合的人脸识别方法及其装置
CN105740780A (zh) 人脸活体检测的方法和装置
CN110009027A (zh) 图像的比对方法、装置、存储介质及电子装置
CN110448870A (zh) 一种人体姿态训练方法
CN109472217A (zh) 智能化运动训练模型构建方法及装置、训练方法及装置
CN105832528A (zh) 一种数字人体经络穴位模型的显示方法及装置
CN113223389A (zh) 一种基于ar技术的心肺复苏自助培训考核系统
CN111444879A (zh) 一种关节劳损自主康复动作识别方法及系统
CN111597975A (zh) 人员动作检测方法方法、装置及电子设备
CN110477921B (zh) 基于骨架折线Ridge回归的身高测量方法
CN113255622B (zh) 一种智能识别仰卧起坐动作姿态完成状况的系统和方法
CN113255623B (zh) 一种智能识别俯卧撑动作姿态完成状况的系统和方法
CN107945607A (zh) 超声演示系统及装置
CN110399810A (zh) 一种辅助点名方法及装置
CN108514510A (zh) 经络体表智能投影装置和标识方法
CN112818800A (zh) 一种基于人体骨骼点深度图像的体育动作评估方法及系统
CN216497396U (zh) 一种引体向上互动测数装置
CN110378261A (zh) 一种学生识别方法及装置
CN114832349B (zh) 元宇宙游泳教学辅助系统及其使用方法
CN115068919B (zh) 一种单杠项目的考核方法及其实现装置
CN113808256B (zh) 一种结合身份识别的高精度全息人体重建方法

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