CN111437583B - 一种基于Kinect的羽毛球基本动作辅助训练系统 - Google Patents
一种基于Kinect的羽毛球基本动作辅助训练系统 Download PDFInfo
- Publication number
- CN111437583B CN111437583B CN202010281536.0A CN202010281536A CN111437583B CN 111437583 B CN111437583 B CN 111437583B CN 202010281536 A CN202010281536 A CN 202010281536A CN 111437583 B CN111437583 B CN 111437583B
- Authority
- CN
- China
- Prior art keywords
- action
- category
- motion
- standard
- user
- 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
- 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
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
-
- 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
- A63B24/0075—Means for generating exercise programs or schemes, e.g. computerized virtual trainer, e.g. using expert databases
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B69/00—Training appliances or apparatus for special sports
- A63B69/0017—Training appliances or apparatus for special sports for badminton
-
- 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
- A63B71/0622—Visual, audio or audio-visual systems for entertaining, instructing or motivating the user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
- G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
- A63B2024/0012—Comparing movements or motion sequences with a registered reference
- A63B2024/0015—Comparing movements or motion sequences with computerised simulations of movements or motion sequences, e.g. for generating an ideal template as reference to be achieved by the user
-
- 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
- A63B71/0622—Visual, audio or audio-visual systems for entertaining, instructing or motivating the user
- A63B2071/0625—Emitting sound, noise or music
- A63B2071/063—Spoken or verbal instructions
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2102/00—Application of clubs, bats, rackets or the like to the sporting activity ; particular sports involving the use of balls and clubs, bats, rackets, or the like
- A63B2102/04—Badminton
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
- G06V2201/033—Recognition of patterns in medical or anatomical images of skeletal patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/12—Acquisition of 3D measurements of objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Physical Education & Sports Medicine (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Psychiatry (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Image Analysis (AREA)
Abstract
一种基于Kinect的羽毛球基本动作辅助训练系统,属于人机交互领域,本发明为解决采用DTW算法的羽毛球动作指导系统存在适用范围小、准确率低的问题。本发明系统包括数据采集模块、动作特征提取与识别模块和动作标准程度分析与指导模块;数据采集模块:利用Kinect v2体感设备对运动员进行实时监控,采集运动员全身25个关节点三维坐标数据;动作特征提取与识别模块:建立标准模板;获取待测用户与标准模板动作的相似度;动作标准程度分析与指导模块:根据相似度判断待测用户当前所做动作所属类别,再根据该类别动作技术评价规则设定的骨骼夹角阈值范围分析待测用户当前所做动作是否符合标准。
Description
技术领域
本发明涉及羽毛球训练智能指导技术,属于人机交互领域。
背景技术
羽毛球作为中国参与人数最多的体育运动,参与人数已高达2.5亿,其竞技水平的高低与基本功的牢固程度密不可分,教练费用过高导致众多参与者无法打下良好的基础,开发一套羽毛球基本动作辅助训练系统可有效解决上述问题。同时伴随着深度摄像头的不断革新,基于机器视觉的动作识别技术已经取得了长远的进步,并正逐步辅助完成我们生活中的各项任务,这使得开发一套羽毛球基本动作辅助系统成为了可能,目前已有相关研究专利发表。中国CN105512621B公开了一种基于Kinect的羽毛球动作指导系统,采用 DTW算法与相似度测量的方法对羽毛球动作进行识别与评估,但未综合考虑年龄,体态,性别,惯用手等运动员各异性特征,其适用范围大小缺乏实际验证,且在阈 值确定方面缺乏相关科学依据。CN105512621B采集全局躯干特征,这使得对体态、站位等动作识别的计算量大且影响动作识别的准确性。
发明内容
本发明目的是为了解决采用DTW算法的羽毛球动作指导系统存在适用范围小、准确率低的问题,提供了一种基于Kinect的羽毛球基本动作辅助训练系统。
本发明所述一种基于Kinect的羽毛球基本动作辅助训练系统包括数据采集模块、动作特征提取与识别模块和动作标准程度分析与指导模块;
数据采集模块:利用Kinect v2体感设备对运动员进行实时监控,采集运动员全身25 个关节点三维坐标数据;所述运动员为教练或待测用户;
动作特征提取与识别模块:用于将教练的运动数据进行提取和识别以建立标准模板;还用于对待测用户的运动数据进行提取和识别以获取其与标准模板动作的相似度;
建立标准模板的过程为,根据羽毛球动作规则要求提取每个类别动作涉及的有效关节点的关键骨骼夹角特征,并建立每个类别动作的动作特征集,所有类别动作的动作特征集构建出标准模板;
对待测用户的运动数据进行提取和识别的过程为,提取待测用户25个关节点所涉及所有骨骼夹角特征形成待测特征向量,并获取该待测特征向量与标准模板中动作特征集的欧氏距离,以识别出待测用户的动作与标准模块中各类别动作的相似度;
动作标准程度分析与指导模块:根据待测用户的动作与标准模板中各类别动作的相似度判断待测用户当前所做动作所属类别,再根据该类别动作技术评价规则设定的骨骼夹角阈值范围分析待测用户当前所做动作是否符合标准。
优选地,还包括用户呈现界面模块,用于采用文字、图像、视频嵌入与语音转换技术,实现客户端中标准动作样例图片展示、动作技术标准查询、当前动作图像或视频回看、动作数据查询以及分析结果语音播报。
优选地,标准模板的建立过程:
分别提取每类别动作的有效关节点涉及的关键骨骼夹角特征θ:
则
其中m为每个关键骨骼夹角特征的采样次数;
n表示第i个类别动作的动作特征集中涉及的关键骨骼夹角特征的数量;
θp,i,j表示第i个类别动作在第j次采样时对应的第p个关键骨骼夹角特征值。
优选地,对待测用户的运动数据进行提取和识别的过程为:
根据待测用户25个关节点的三维坐标数据获取关键骨骼夹角特征θ:
根据羽毛球动作规则要求剔除无效数据后,形成待测特征向量Ai′=(θ1,θ2,,θn),
进而获取待测用户的动作与标准模块中各类别动作的相似度:
θip表示标准模块中i个类别动作的动作特征集的第p个关键骨骼夹角特征;
θi′p表示待测特征向量中的第p个关键骨骼夹角特征。
优选地,建立标准模板时至少两位教练参与录制动作,每个类别动作至少完成m=10 次以上,每次动作时间长度为3~5秒,对稳定采集区间内的角度特征等间距抽样进行均值处理。
优选地,参与录制动作的教练惯用手不同,动作完成过程中均遵守相同规范。
优选地,为每个类别动作的各项动作评价标准设定骨骼夹角阈值范围:首先根据动作模板中教练录制的该项动作平均值获取当前特征值正态分布,通过当前特征值正态分布获取完成度在95%以上的阈值区间,并结合教练员过往训练经验,对所述阈值区间进行进一步调整以确定当前评价项最合理的阈值范围。
本发明的优点:
1.本发明在动作数据采集模块中运用非穿戴式传感器实现动作数据记录,减轻运动员负担,可以实现在实际训练或比赛中进行动作的分析。
2.本发明在动作特征提取与识别模块中,抛弃传统全身关节点距离或角度距离特征,对动作进行典型运动特点分析,提升了特征对动作的描述能力。
3.本发明在动作特征提取与识别模块中,采用关键骨骼夹角作为动作特征,最小化年龄、性别、站位以及体态对于动作识别过程的影响,增强了模型的泛化能力。
4.本发明在动作特征提取与识别模块中,选择两位具有不同惯用手的教练作为动作模板进行数据记录,并进行多次连续采集,保证了模板的准确性,扩大了模型的适用范围。
5.本项目在动作标准程度分析与指导模块中,考虑到运动员操作习惯各异性,为各动作建立了不同的评价标准,并结合数据拟合与经验分析两种方式确定评价要点阈值范围,提升了阈值设置合理性,同时提升了动作分析与指导过程的可靠性。
6.本项目在系统功能集成与用户使用界面设计过程中,采用了语音播报功能,将系统分析得到的动作问题,通过语音的形式对运动员进行提醒;同时配合本模块中提供的固定时间间隔循环分析的功能,可以实现动作的连续修正,自主完成动作训练。
附图说明
图1是本发明所述一种基于Kinect的羽毛球基本动作辅助训练系统的流程图;
图2是本发明的羽毛球基本动作辅助训练系统提取的关节点名称及编号示意图;
图3是本发明的羽毛球基本动作辅助训练系统用户界面演示图。
具体实施方式
具体实施方式一:下面结合图1至图3说明本实施方式,本实施方式所述一种基于Kinect的羽毛球基本动作辅助训练系统包括数据采集模块、动作特征提取与识别模块和动作标准程度分析与指导模块;
本实施方式提供一种基于Kinect的羽毛球基本动作辅助训练系统,可以满足不同年龄、性别、体态以及运动习惯的训练需求,通过Kinect这类非接触式传感器,在模拟实际运动环境的情况下,自动辅助完成羽毛球基本动作的规范与定型,为高质量完成后续各类复杂动作奠定基础。
数据采集模块:利用Kinect v2体感设备对运动员进行实时监控,采集运动员全身25 个关节点三维坐标数据;所述运动员为教练或待测用户;
本实施方式采用微软Kinect v2硬件设备配合Python+Kinect SDK的软件服务实时对运动员全身25个关节点位置(如附图2所示)进行实时监控。图2中25个关节点的中英文对照表参见表1。
表1
动作特征提取与识别模块:用于将教练的运动数据进行提取和识别以建立标准模板;还用于对待测用户的运动数据进行提取和识别以获取其与标准模板动作的相似度;
建立标准模板的过程为,根据羽毛球动作规则要求提取每个类别动作涉及的有效关节点的关键骨骼夹角特征,并建立每个类别动作的动作特征集,所有类别动作的动作特征集构建出标准模板;为扩大模型的适用范围,降低性别、年龄、体态以及空间站位对于识别结果的影响,放弃传统通用特征,针对各动作的典型动作特点计算动作关键骨骼间夹角作为动作特征。
具体的,标准模板的建立过程:
分别提取每类别动作的有效关节点涉及的关键骨骼夹角特征θ:
羽毛球动作类别很多,比如正手发球、反手发球、扣球……,每个类别动作涉及的有效关节点不同,比如反手发球涉及的有效关节点:右手腕,右肘,右肩,左手腕,左肘以及左肩,涉及的关键骨骼夹角特征为:右手大、小臂夹角;左手大、小臂夹角;左手小臂与竖直方向夹角三个,其中以左手大、小臂夹角θ求取为例进行说明。
令左大臂骨骼为H1=bigarmL=(x1,y1,z1),左小臂骨骼为H2=litarmL=(x2,y2,z2),左大臂与左小臂骨骼间夹角θ为:
其余各骨骼间夹角计算过程同上,建立动作的角度特征集合A;本发明采用关键骨骼夹角作为动作智能识别过程所用特征,代替传统算法中的全身相邻骨骼夹角、关节点间距离等特征,降低了体态、站位等对于动作识别准确性的影响。
则
其中m为每个关键骨骼夹角特征的采样次数;
n表示第i个类别动作的动作特征集中涉及的关键骨骼夹角特征的数量;比如类别动作:反手球的关键骨骼夹角特征的数量n=3。
θp,i,j表示第i个类别动作在第j次采样时对应的第p个关键骨骼夹角特征值。
建立标准模板时至少两位教练参与录制动作,每个类别动作至少完成m=10次以上,每次动作时间长度为3~5秒,对稳定采集区间内的角度特征等间距抽样进行均值处理。
参与录制动作的教练惯用手不同,动作完成过程中均遵守相同规范。多次采集教练动作,消除设备波动、教练动作波动等扰动,在稳定采集时段内等间隔捕捉教练动作,对采样动作进行异常值剔除与均值处理。
所有类别动作的特征集获取完成后,最终完成针对不同动作、不同惯用手的动作模板的制作。
对待测用户的运动数据进行提取和识别的过程为,提取待测用户25个关节点所涉及所有骨骼夹角特征形成待测特征向量,并获取该待测特征向量与标准模板中动作特征集的欧氏距离,以识别出待测用户的动作与标准模块中各类别动作的相似度;
具体的,对待测用户的运动数据进行提取和识别的过程为:
根据待测用户25个关节点的三维坐标数据获取关键骨骼夹角特征θ:
根据羽毛球动作规则要求剔除无效数据后,形成待测特征向量Ai′=(θ1,θ2,,θn),
进而获取待测用户的动作与标准模块中各类别动作的相似度:
θip表示标准模块中i个类别动作的动作特征集的第p个关键骨骼夹角特征;
θi′p表示待测特征向量中的第p个关键骨骼夹角特征。
每采集到一个运动员动作时,均采用上述特征提取算法将具体动作转化为角度特征数据,并基于欧氏距离计算当前动作与各模板间相似度,距离越近,则表示动作间相似度越大;反之,则认为相似度越小,并以此判断当前动作类别。
动作标准程度分析与指导模块:根据待测用户的动作与标准模板中各类别动作的相似度判断待测用户当前所做动作所属类别,再根据该类别动作技术评价规则设定的骨骼夹角阈值范围分析待测用户当前所做动作是否符合标准。
为每个类别动作的各项动作评价标准设定骨骼夹角阈值范围:首先根据动作模板中教练录制的该项动作平均值获取当前特征值正态分布,通过当前特征值正态分布获取完成度在95%以上的阈值区间,并结合教练员过往训练经验,对所述阈值区间进行进一步调整以确定当前评价项最合理的阈值范围。以正手发球动作中发球手大小臂夹角阈值设定过程为例,模板动作(教练动作)的大小臂夹角满足均值为5.25度,方差为1.75的正态分布,其99%动作合理范围为[0,10.5]。经由专业羽毛球教练评估,结合当前应用范围为业余爱好者俱乐部训练,因此放宽阈值范围为[0,15]。
各基本动作的规则要求与动作要点均不一致,考虑到运动员运动习惯的各异性,不再要求与模板动作完全一致;基于各动作完成要点与规则要求,建立各异的动作评价标准,保证评价过程的准确可靠。并根据教练员模板数据的变化趋势拟合结果与教练员的实际训练经验,为各基本动作的各项评价要点设立独立的动作阈值范围,并根据不同的训练需求制定不同的阈值,以满足不同场景下的需要。
具体实施方式二,本实施方式与实施方式一的不同之处在于,辅助训练系统还包括用户呈现界面模块,用于采用文字、图像、视频嵌入与语音转换技术,实现客户端中标准动作样例图片展示、动作技术标准查询、当前动作图像或视频回看、动作数据查询以及分析结果语音播报。
采用Python+Qt5框架将实现系统功能集成与UI界面的设计,采用按钮触发的方式独立进行数据采集与数据处理,同时支持固定间隔时间连续分析,并采用文字、图像、视频嵌入与语音转换技术,实现客户端中标准动作样例图片展示、动作技术标准查询、当前动作图像(视频回看)、动作数据查询以及分析结果语音播报等功能。
在待测动作被准确识别分类后,调取当前类别动作对应的动作评价标准,将待评价动作的各评价要点数值与标准阈值范围进行逐一比对,若均满足阈值要求,则屏幕上仅显示当前动作图像与动作数据;反之,若出现不满足的情况,则针对超差项进行语音播报,并给出动作调整建议,屏幕上在图像与数据基础上,增加显示当前问题以及纠正方法。例如,某一操作者完成正手发球动作后,计算得到发球手大小臂夹角为16.25度,正向超出阈值范围,生成对应的正向超差语音包,自动进行播放,播放内容为“当前动作为正手发球动作,当前动作不合格,发球手大小臂夹角过大,建议伸直发球手”,完成当前动作的评估与建议。
上述实施例为本发明较佳的实施方案,但本发明的实时方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所做的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.一种基于Kinect的羽毛球基本动作辅助训练系统,其特征在于,包括数据采集模块、动作特征提取与识别模块和动作标准程度分析与指导模块;
数据采集模块:利用Kinect v2体感设备对运动员进行实时监控,采集运动员全身25个关节点三维坐标数据;所述运动员为教练或待测用户;
动作特征提取与识别模块:用于将教练的运动数据进行提取和识别以建立标准模板;还用于对待测用户的运动数据进行提取和识别以获取其与标准模板动作的相似度;
建立标准模板的过程为,根据羽毛球动作规则要求提取每个类别动作涉及的有效关节点的关键骨骼夹角特征,并建立每个类别动作的动作特征集,所有类别动作的动作特征集构建出标准模板;
对待测用户的运动数据进行提取和识别的过程为,提取待测用户25个关节点所涉及所有骨骼夹角特征形成待测特征向量,并获取该待测特征向量与标准模板中动作特征集的欧氏距离,以识别出待测用户的动作与标准模块中各类别动作的相似度;
动作标准程度分析与指导模块:根据待测用户的动作与标准模板中各类别动作的相似度判断待测用户当前所做动作所属类别,再根据该类别动作技术评价规则设定的骨骼夹角阈值范围分析待测用户当前所做动作是否符合标准;
还包括用户呈现界面模块,用于采用文字、图像、视频嵌入与语音转换技术,实现客户端中标准动作样例图片展示、动作技术标准查询、当前动作图像或视频回看、动作数据查询以及分析结果语音播报,配合本模块中提供的固定时间间隔循环分析的功能,可以实现动作的连续修正,自主完成动作训练。
4.根据权利要求3所述一种基于Kinect的羽毛球基本动作辅助训练系统,其特征在于,建立标准模板时至少两位教练参与录制动作,每个类别动作至少完成m=10次以上,每次动作时间长度为3~5秒,对稳定采集区间内的角度特征等间距抽样进行均值处理。
5.根据权利要求4所述一种基于Kinect的羽毛球基本动作辅助训练系统,其特征在于,参与录制动作的教练惯用手不同,动作完成过程中均遵守相同规范。
6.根据权利要求1所述一种基于Kinect的羽毛球基本动作辅助训练系统,其特征在于,为每个类别动作的各项动作评价标准设定骨骼夹角阈值范围:首先根据动作模板中教练录制的该项动作平均值获取当前特征值正态分布,通过当前特征值正态分布获取完成度在95%以上的阈值区间,并结合教练员过往训练经验,对所述阈值区间进行进一步调整以确定当前评价项最合理的阈值范围。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010281536.0A CN111437583B (zh) | 2020-04-10 | 2020-04-10 | 一种基于Kinect的羽毛球基本动作辅助训练系统 |
US17/210,964 US11823495B2 (en) | 2020-04-10 | 2021-03-24 | Kinect-based auxiliary training system for basic badminton movements |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010281536.0A CN111437583B (zh) | 2020-04-10 | 2020-04-10 | 一种基于Kinect的羽毛球基本动作辅助训练系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111437583A CN111437583A (zh) | 2020-07-24 |
CN111437583B true CN111437583B (zh) | 2021-06-29 |
Family
ID=71651531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010281536.0A Active CN111437583B (zh) | 2020-04-10 | 2020-04-10 | 一种基于Kinect的羽毛球基本动作辅助训练系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11823495B2 (zh) |
CN (1) | CN111437583B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112023373A (zh) * | 2020-09-07 | 2020-12-04 | 东南大学 | 一种基于姿态传感器的网球运动训练方法 |
CN112107845A (zh) * | 2020-09-08 | 2020-12-22 | 宁波大学 | 一种冰球运动员的动作分析系统 |
CN114259720B (zh) * | 2020-09-15 | 2022-10-18 | 荣耀终端有限公司 | 动作识别方法及装置、终端设备、运动监测系统 |
CN112804575A (zh) * | 2021-01-18 | 2021-05-14 | 珠海格力电器股份有限公司 | 基于tof的资源推送方法及装置 |
CN112818800A (zh) * | 2021-01-26 | 2021-05-18 | 中国人民解放军火箭军工程大学 | 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 |
CN112966370B (zh) * | 2021-02-09 | 2022-04-19 | 武汉纺织大学 | 一种基于Kinect的人体下肢肌肉训练系统的设计方法 |
CN113627369A (zh) * | 2021-08-16 | 2021-11-09 | 南通大学 | 一种竞拍场景下的动作识别与跟踪方法 |
CN114005180A (zh) * | 2021-10-29 | 2022-02-01 | 华南师范大学 | 一种用于羽毛球运动的动作评分方法及装置 |
CN114271814A (zh) * | 2021-12-24 | 2022-04-05 | 安徽大学 | 一种基于Kinect的卒中风患者康复训练与评估方法及系统 |
CN114404904A (zh) * | 2022-02-16 | 2022-04-29 | 中航创世机器人(西安)有限公司 | 一种训练指导与反馈方法、系统与设备 |
CN114949795A (zh) * | 2022-05-09 | 2022-08-30 | 乐跑体育互联网(武汉)有限公司 | 一种基于Kinect骨骼数据的运动量监测方法、装置及系统 |
CN117542121B (zh) * | 2023-12-06 | 2024-06-28 | 融视数字科技集团有限公司 | 基于计算机视觉的智能化训练考核系统及方法 |
CN117953588B (zh) * | 2024-03-26 | 2024-06-21 | 南昌航空大学 | 一种融合场景信息的羽毛球运动员动作智能识别方法 |
CN118411764A (zh) * | 2024-07-02 | 2024-07-30 | 江西格如灵科技股份有限公司 | 一种动态骨骼识别方法、系统、存储介质及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016033616A (ja) * | 2014-07-31 | 2016-03-10 | ブラザー工業株式会社 | 演奏支援装置及び演奏支援システム |
CN107050803A (zh) * | 2017-03-19 | 2017-08-18 | 西安理工大学 | 一种羽毛球训练监控评估系统 |
CN107180235A (zh) * | 2017-06-01 | 2017-09-19 | 陕西科技大学 | 基于Kinect的人体动作识别算法 |
CN108564596A (zh) * | 2018-03-01 | 2018-09-21 | 南京邮电大学 | 一种高尔夫挥杆视频的智能比对分析系统及方法 |
CN110210284A (zh) * | 2019-04-12 | 2019-09-06 | 哈工大机器人义乌人工智能研究院 | 一种人体姿态行为智能评价方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9892655B2 (en) * | 2012-11-28 | 2018-02-13 | Judy Sibille SNOW | Method to provide feedback to a physical therapy patient or athlete |
JP6188332B2 (ja) * | 2013-01-21 | 2017-08-30 | 東芝メディカルシステムズ株式会社 | 医用画像表示装置及びプログラム |
JP6381918B2 (ja) * | 2013-01-23 | 2018-08-29 | キヤノンメディカルシステムズ株式会社 | 動作情報処理装置 |
WO2014160063A1 (en) * | 2013-03-13 | 2014-10-02 | James Witt | Method and apparatus for teaching repetitive kinesthetic motion |
CN105512621B (zh) | 2015-11-30 | 2019-04-09 | 华南理工大学 | 一种基于Kinect的羽毛球动作指导系统 |
KR101814293B1 (ko) * | 2016-11-07 | 2018-01-02 | 재단법인대구경북과학기술원 | 운동 기능 평가 시스템 |
US10695611B2 (en) * | 2017-08-14 | 2020-06-30 | AssessLink LLC | Physical education kinematic motor skills testing system |
-
2020
- 2020-04-10 CN CN202010281536.0A patent/CN111437583B/zh active Active
-
2021
- 2021-03-24 US US17/210,964 patent/US11823495B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016033616A (ja) * | 2014-07-31 | 2016-03-10 | ブラザー工業株式会社 | 演奏支援装置及び演奏支援システム |
CN107050803A (zh) * | 2017-03-19 | 2017-08-18 | 西安理工大学 | 一种羽毛球训练监控评估系统 |
CN107180235A (zh) * | 2017-06-01 | 2017-09-19 | 陕西科技大学 | 基于Kinect的人体动作识别算法 |
CN108564596A (zh) * | 2018-03-01 | 2018-09-21 | 南京邮电大学 | 一种高尔夫挥杆视频的智能比对分析系统及方法 |
CN110210284A (zh) * | 2019-04-12 | 2019-09-06 | 哈工大机器人义乌人工智能研究院 | 一种人体姿态行为智能评价方法 |
Non-Patent Citations (2)
Title |
---|
《Kinect-Based Badminton Motion Analysis Using Intelligent Adaptive Range of Movement Index》;J T W Ting;《IOPscience》;20190401;全文 * |
基于Kinect的人体姿势识别方法在舞蹈训练中的应用;李昕迪;《基于Kinect的人体姿势识别方法在舞蹈训练中的应用》;20160731;第12页、第24页至第26页、第40页、第41页、图5-1、图5-3、图5-8 * |
Also Published As
Publication number | Publication date |
---|---|
US20210228959A1 (en) | 2021-07-29 |
US11823495B2 (en) | 2023-11-21 |
CN111437583A (zh) | 2020-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111437583B (zh) | 一种基于Kinect的羽毛球基本动作辅助训练系统 | |
CN110711374B (zh) | 多模态舞蹈动作评价方法 | |
US11182599B2 (en) | Motion state evaluation system, motion state evaluation device, motion state evaluation server, motion state evaluation method, and motion state evaluation program | |
CN108764120B (zh) | 一种人体规范动作评价方法 | |
CN108256433B (zh) | 一种运动姿态评估方法及系统 | |
CN104598867B (zh) | 一种人体动作自动评估方法及舞蹈评分系统 | |
CN110448870B (zh) | 一种人体姿态训练方法 | |
CN112464918B (zh) | 健身动作纠正方法、装置、计算机设备和存储介质 | |
CN112487965B (zh) | 一种基于3d重构的智能健身动作指导方法 | |
CN110298218B (zh) | 交互式健身装置和交互式健身系统 | |
WO2017161734A1 (zh) | 通过电视和体感配件矫正人体动作及系统 | |
JP2020141806A (ja) | 運動評価システム | |
CN114093032A (zh) | 一种基于动作状态信息的人体动作评估方法 | |
CN114092863A (zh) | 一种用于多视角视频图像的人体动作评估方法 | |
CN116740618A (zh) | 一种运动视频动作评估方法、系统、计算机设备及介质 | |
TW202008380A (zh) | 高爾夫球運動員揮桿姿勢檢測系統 | |
KR101994798B1 (ko) | 개인별 전문가 움직임 교정 시스템 | |
CN111353345B (zh) | 提供训练反馈的方法、装置、系统、电子设备、存储介质 | |
CN113842622B (zh) | 一种运动教学方法、装置、系统、电子设备及存储介质 | |
CN114092862A (zh) | 一种基于最优帧选取的动作评估方法 | |
CN114360052A (zh) | 一种基于AlphaPose和关节点角度匹配算法的智能体感教练系统 | |
Karunaratne et al. | Objectively measure player performance on Olympic weightlifting | |
CN113517052A (zh) | 商用健身场景下的多感知人机交互系统与方法 | |
Chen et al. | Research on Table Tennis Swing Recognition Based on Lightweight OpenPose | |
CN111260678A (zh) | 体操辅助学习的方法、装置、存储介质和终端设备 |
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 |