CN112587903A - 一种基于深度学习的短跑运动员起跑训练方法及系统 - Google Patents
一种基于深度学习的短跑运动员起跑训练方法及系统 Download PDFInfo
- Publication number
- CN112587903A CN112587903A CN202011384589.1A CN202011384589A CN112587903A CN 112587903 A CN112587903 A CN 112587903A CN 202011384589 A CN202011384589 A CN 202011384589A CN 112587903 A CN112587903 A CN 112587903A
- Authority
- CN
- China
- Prior art keywords
- sprint
- training
- information
- image information
- action
- 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.)
- Pending
Links
Images
Classifications
-
- 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
-
- 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
- A63B69/0028—Training appliances or apparatus for special sports for running, jogging or speed-walking
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及运动员训练方法技术领域，具体涉及一种基于深度学习的短跑运动员起跑训练方法及系统。包括：获取短跑运动员起跑训练时采集的实时视频数据，得到视频图像序列；利用训练好的目标检测框架对该短跑运动员起跑训练时的图像信息进行提取，根据实时视频数据中的场景和提取的该短跑运动员的第一轮廓信息及第一动作特征点信息建立样本特征库，利用样本特征库中的数据利用深度学习算法更新训练好的目标检测框架；将提取的图像信息与预存的同时刻的标准动作图像信息进行对比，判断该短跑运动员起跑训练时该时刻的动作是否达到训练要求。本发明提供了一种训练更加系统、标准，训练效果好的基于深度学习的短跑运动员起跑训练方法及系统。
Description
技术领域
本发明涉及运动员训练方法技术领域，具体涉及一种基于深度学习的短跑运动员起跑训练方法及系统。
背景技术
短跑训练是田径运动中的一个分支，是对参加田径短距离跑(60米跑、100米跑、200米跑、400米跑、4＊100米接力跑、4＊400米接力跑)的运动员进行有计划的业余或专业训练的统称。短跑训练中的内容一般包括以跑段分类的：起跑训练、起跑后的加速跑训练、途中跑训练、冲刺训练。其中，起跑训练尤其关键，现有的起跑训练一般均是教练站在起跑训练处观察短跑运动员的整个训练过程，以指出训练中的不足和改进之处，这种训练方法由于受教练的经验影响，局限性较大，训练不系统、不标准，效果较差。
发明内容
有鉴于此，本发明提供了一种基于深度学习的短跑运动员起跑训练方法及系统，以解决现有的短跑运动员起跑训练不系统、不标准，效果较差的问题。
为了解决上述技术问题，本发明提供了一种基于深度学习的短跑运动员起跑训练方法，包括以下步骤：
获取短跑运动员起跑训练时采集的实时视频数据；
对所述实时视频数据进行视频图像处理，得到视频图像序列；
利用训练好的目标检测框架在所述视频图像序列中对该短跑运动员起跑训练时的图像信息进行提取，得到该短跑运动员起跑训练时的第一轮廓信息及第一动作特征点信息，根据所述实时视频数据中的场景和该短跑运动员的第一轮廓信息及第一动作特征点信息建立样本特征库，利用所述样本特征库中的数据利用深度学习算法更新训练好的目标检测框架；
将提取的图像信息与预存的同时刻的标准动作图像信息进行对比，根据第一轮廓信息及第一动作特征点信息与预存的同时刻的标准动作图像信息的第二轮廓信息及第二动作特征点信息的重叠度，判断该短跑运动员起跑训练时该时刻的动作是否达到训练要求，若达到训练要求，则继续下一步的训练，若未达到训练要求，则将该时刻的图像信息和标准动作图像信息同时进行显示。
可选地，在将提取的图像信息与预存的同时刻的标准动作图像信息进行对比前，提取预存的该同时刻的标准动作图像信息中的第二轮廓信息及第二动作特征点信息。
可选地，根据重叠度判断该短跑运动员起跑训练时的动作是否达到训练要求的具体方法为：
若第一轮廓信息和第二轮廓信息的重叠区域大于第一预设值，同时第一动作特征点信息和第二动作特征点信息的重叠数量大于第二预设值，则达到训练要求，否则未到达训练要求。
可选地，在未达到训练要求时，将该时刻的图像信息和标准动作图像信息同时进行并排显示和重叠显示，同时未重叠部分进行高亮显示。
可选地，所述视频图像序列以数据集的形式存储。
还提供了一种基于深度学习的短跑运动员起跑训练系统，包括：
数据采集模块，用于采集短跑运动员起跑训练时的实时视频数据；
处理模块，用于对所述实时视频数据进行视频图像处理，得到视频图像序列；
信息提取模块，用于利用训练好的目标检测框架在所述视频图像序列中对该短跑运动员起跑训练时的图像信息进行提取，得到该短跑运动员起跑训练时的第一轮廓信息及第一动作特征点信息，根据所述实时视频数据中的场景和该短跑运动员的第一轮廓信息及第一动作特征点信息建立样本特征库，利用所述样本特征库中的数据利用深度学习算法更新训练好的目标检测框架；
对比分析模块，将提取的图像信息与预存的同时刻的标准动作图像信息进行对比，根据第一轮廓信息及第一动作特征点信息与预存的同时刻的标准动作图像信息的第二轮廓信息及第二动作特征点信息的重叠度，判断该短跑运动员起跑训练时该时刻的动作是否达到训练要求，若达到训练要求，则继续下一步的训练，若未达到训练要求，则将该时刻的图像信息和标准动作图像信息通过显示模块同时进行显示。
可选地，所述数据采集模块包括摄像机和与所述摄像机连接的数据接收器。
可选地，所述显示模块包括显示器和与所述显示器连接的控制器。
可选地，还包括警示模块，用于在未达到训练要求时发出提醒。
可选地，所述警示模块为警示灯。
有益效果
1.本发明提供的基于深度学习的短跑运动员起跑训练方法，在短跑运动员起跑训练时采集其实时视频数据，经视频图像处理后得到视频图像序列，利用训练好的目标检测框架对该短跑运动员起跑训练时的图像信息进行提取，将提取的图像信息与预存的同时刻的标准动作图像信息进行对比，根据第一轮廓信息及第一动作特征点信息与预存的同时刻的标准动作图像信息的第二轮廓信息及第二动作特征点信息的重叠度，判断该短跑运动员起跑训练时该时刻的动作是否达到训练要求。这种训练方法以视频数据作为基础数据，并通过与标准数据的比较，对短跑运动员的起跑训练动作进行规范化的指导，训练更加系统、标准，训练效果好；同时根据实时视频数据中的场景和该短跑运动员的第一轮廓信息及第一动作特征点信息建立样本特征库，利用样本特征库中的数据利用深度学习算法更新训练好的目标检测框架，以保证图像信息提取的准确度。
2.本发明提供的基于深度学习的短跑运动员起跑训练方法，根据重叠度判断该短跑运动员起跑训练时的动作是否达到训练要求的具体方法为：若第一轮廓信息和第二轮廓信息的重叠区域大于第一预设值，同时第一动作特征点信息和第二动作特征点信息的重叠数量大于第二预设值，则达到训练要求，否则未到达训练要求。通过轮廓信息和动作特征点信息的同时比较判断训练动作是否达到训练要求，准确度高，训练更加标准。
3.本发明提供的基于深度学习的短跑运动员起跑训练方法，在未达到训练要求时，将该时刻的图像信息和标准动作图像信息同时进行并排显示和重叠显示，同时未重叠部分进行高亮显示，以使得教练和运动员能够全方位清晰地看到训练差距，及时更改动作。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。
图1示出了本发明提供的一种基于深度学习的短跑运动员起跑训练方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作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。
实施例1
如图1所示的基于深度学习的短跑运动员起跑训练方法的一种具体实施方式，包括以下步骤：
获取一定时间间隔内短跑运动员起跑训练时采集的实时视频数据，该实时视频数据包括该短跑运动员的全身照以及周围的场景图像。
对所述实时视频数据进行视频图像处理，得到视频图像序列。所述视频图像序列以数据集的形式存储，方便视频图像的后续调取和处理。
利用训练好的目标检测框架在所述视频图像序列中对该短跑运动员起跑训练时的图像信息进行提取，得到该短跑运动员起跑训练时的第一轮廓信息及第一动作特征点信息，同时提取预存的该同时刻的标准动作图像信息中的第二轮廓信息及第二动作特征点信息。第一动作特征点信息和第二动作特征点信息包括该短跑运动员的手臂、腿部和脚部等关键部位的信息。
根据所述实时视频数据中的场景和该短跑运动员的第一轮廓信息及第一动作特征点信息建立样本特征库，利用所述样本特征库中的数据利用深度学习算法更新训练好的目标检测框架。
将提取的图像信息与预存的同时刻的标准动作图像信息进行对比，根据第一轮廓信息及第一动作特征点信息与预存的同时刻的标准动作图像信息的第二轮廓信息及第二动作特征点信息的重叠度，判断该短跑运动员起跑训练时该时刻的动作是否达到训练要求。具体方法为：
若第一轮廓信息和第二轮廓信息的重叠区域大于第一预设值，同时第一动作特征点信息和第二动作特征点信息的重叠数量大于第二预设值，则达到训练要求，否则未到达训练要求。
若达到训练要求，则继续下一步的训练；若未达到训练要求，即重叠区域和重叠数量至少有一个小于或等于第一预设值或第二预设值，则将该时刻的图像信息和标准动作图像信息同时进行并排显示和重叠显示，可以采用将该时刻的图像信息和标准动作图像信息同时并排显示在上部，二者的重叠图像显示在下部，同时未重叠部分进行高亮显示，可以采用闪烁点的方式进行突出显示，便于观察和识别。
实施例2
一种基于深度学习的短跑运动员起跑训练系统，包括：数据采集模块、处理模块、信息提取模块和对比分析模块。
数据采集模块用于采集短跑运动员起跑训练时的实时视频数据，包括摄像机和与所述摄像机连接的数据接收器。摄像机采用高清摄像头，数据接收器用于暂存实时视频数据。
处理模块用于对所述实时视频数据进行视频图像处理，得到视频图像序列。
信息提取模块用于利用训练好的目标检测框架在所述视频图像序列中对该短跑运动员起跑训练时的图像信息进行提取，得到该短跑运动员起跑训练时的第一轮廓信息及第一动作特征点信息，同时提取预存的该同时刻的标准动作图像信息中的第二轮廓信息及第二动作特征点信息。并根据所述实时视频数据中的场景和该短跑运动员的第一轮廓信息及第一动作特征点信息建立样本特征库，利用所述样本特征库中的数据利用深度学习算法更新训练好的目标检测框架。
对比分析模块中的处理器将提取的图像信息与预存的同时刻的标准动作图像信息进行对比，根据第一轮廓信息及第一动作特征点信息与预存的同时刻的标准动作图像信息的第二轮廓信息及第二动作特征点信息的重叠度，判断该短跑运动员起跑训练时该时刻的动作是否达到训练要求。若达到训练要求，则继续下一步的训练，若未达到训练要求，则将该时刻的图像信息和标准动作图像信息通过显示模块同时进行显示。处理器可以是工控机、服务器、嵌入式处理器及其他满足数据处理性能的运算设备。所述显示模块包括显示器和与所述显示器连接的控制器，显示器和控制器设于便于短跑运动员和教练观看的位置。
还包括用于在未达到训练要求时发出提醒的警示模块，以提醒短跑运动员和教练及时查看。具体的，所述警示模块为警示灯。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种基于深度学习的短跑运动员起跑训练方法，其特征在于，包括以下步骤：
获取短跑运动员起跑训练时采集的实时视频数据；
对所述实时视频数据进行视频图像处理，得到视频图像序列；
利用训练好的目标检测框架在所述视频图像序列中对该短跑运动员起跑训练时的图像信息进行提取，得到该短跑运动员起跑训练时的第一轮廓信息及第一动作特征点信息，根据所述实时视频数据中的场景和该短跑运动员的第一轮廓信息及第一动作特征点信息建立样本特征库，利用所述样本特征库中的数据利用深度学习算法更新训练好的目标检测框架；
将提取的图像信息与预存的同时刻的标准动作图像信息进行对比，根据第一轮廓信息及第一动作特征点信息与预存的同时刻的标准动作图像信息的第二轮廓信息及第二动作特征点信息的重叠度，判断该短跑运动员起跑训练时该时刻的动作是否达到训练要求，若达到训练要求，则继续下一步的训练，若未达到训练要求，则将该时刻的图像信息和标准动作图像信息同时进行显示。
2.根据权利要求1所述的基于深度学习的短跑运动员起跑训练方法，其特征在于，在将提取的图像信息与预存的同时刻的标准动作图像信息进行对比前，提取预存的该同时刻的标准动作图像信息中的第二轮廓信息及第二动作特征点信息。
3.根据权利要求2所述的基于深度学习的短跑运动员起跑训练方法，其特征在于，根据重叠度判断该短跑运动员起跑训练时的动作是否达到训练要求的具体方法为：
若第一轮廓信息和第二轮廓信息的重叠区域大于第一预设值，同时第一动作特征点信息和第二动作特征点信息的重叠数量大于第二预设值，则达到训练要求，否则未到达训练要求。
4.根据权利要求1－3任一项所述的基于深度学习的短跑运动员起跑训练方法，其特征在于，在未达到训练要求时，将该时刻的图像信息和标准动作图像信息同时进行并排显示和重叠显示，同时未重叠部分进行高亮显示。
5.根据权利要求1－3任一项所述的基于深度学习的短跑运动员起跑训练方法，其特征在于，所述视频图像序列以数据集的形式存储。
6.一种基于深度学习的短跑运动员起跑训练系统，其特征在于，包括：
数据采集模块，用于采集短跑运动员起跑训练时的实时视频数据；
处理模块，用于对所述实时视频数据进行视频图像处理，得到视频图像序列；
信息提取模块，用于利用训练好的目标检测框架在所述视频图像序列中对该短跑运动员起跑训练时的图像信息进行提取，得到该短跑运动员起跑训练时的第一轮廓信息及第一动作特征点信息，根据所述实时视频数据中的场景和该短跑运动员的第一轮廓信息及第一动作特征点信息建立样本特征库，利用所述样本特征库中的数据利用深度学习算法更新训练好的目标检测框架；
对比分析模块，将提取的图像信息与预存的同时刻的标准动作图像信息进行对比，根据第一轮廓信息及第一动作特征点信息与预存的同时刻的标准动作图像信息的第二轮廓信息及第二动作特征点信息的重叠度，判断该短跑运动员起跑训练时该时刻的动作是否达到训练要求，若达到训练要求，则继续下一步的训练，若未达到训练要求，则将该时刻的图像信息和标准动作图像信息通过显示模块同时进行显示。
7.根据权利要求6所述的基于深度学习的短跑运动员起跑训练系统，其特征在于，所述数据采集模块包括摄像机和与所述摄像机连接的数据接收器。
8.根据权利要求6所述的基于深度学习的短跑运动员起跑训练系统，其特征在于，所述显示模块包括显示器和与所述显示器连接的控制器。
9.根据权利要求6-8任一项所述的基于深度学习的短跑运动员起跑训练系统，其特征在于，还包括警示模块，用于在未达到训练要求时发出提醒。
10.根据权利要求9所述的基于深度学习的短跑运动员起跑训练系统，其特征在于，所述警示模块为警示灯。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011384589.1A CN112587903A (zh) | 2020-11-30 | 2020-11-30 | 一种基于深度学习的短跑运动员起跑训练方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011384589.1A CN112587903A (zh) | 2020-11-30 | 2020-11-30 | 一种基于深度学习的短跑运动员起跑训练方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112587903A true CN112587903A (zh) | 2021-04-02 |
Family
ID=75187947
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011384589.1A Pending CN112587903A (zh) | 2020-11-30 | 2020-11-30 | 一种基于深度学习的短跑运动员起跑训练方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112587903A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117746513A (zh) * | 2024-02-19 | 2024-03-22 | 成都体育学院 | 基于视频运动目标检测与融合的运动技术教学方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1139388A (zh) * | 1993-08-24 | 1997-01-01 | 诺曼·约翰·易斯特布鲁克 | 用于指导学生的系统 |
| WO2007132451A2 (en) * | 2006-05-11 | 2007-11-22 | Prime Sense Ltd. | Modeling of humanoid forms from depth maps |
| US20100104194A1 (en) * | 2008-10-29 | 2010-04-29 | Tomohisa Suzuki | Image processing apparatus, electronic medium, and image processing method |
| CN105148490A (zh) * | 2015-08-06 | 2015-12-16 | 深圳市晶源动力电子科技有限公司 | 云跑步姿势记录与矫正方法及装置 |
| CN105320278A (zh) * | 2014-07-31 | 2016-02-10 | 精工爱普生株式会社 | 信息分析装置、运动解析系统、信息显示系统及显示方法 |
| CN107281710A (zh) * | 2017-07-31 | 2017-10-24 | 尚晟 | 一种矫正动作误差的方法 |
| CN107569839A (zh) * | 2017-09-30 | 2018-01-12 | 徐下兵 | 一种篮球投篮训练系统 |
| CN108256433A (zh) * | 2017-12-22 | 2018-07-06 | 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 |
| CN109847319A (zh) * | 2019-01-10 | 2019-06-07 | 赵丽侠 | 即时大数据分析机构及方法 |
| CN109886165A (zh) * | 2019-01-23 | 2019-06-14 | 中国科学院重庆绿色智能技术研究院 | 一种基于运动目标检测的动作视频提取和分类方法 |
| CN110302524A (zh) * | 2019-05-22 | 2019-10-08 | 北京百度网讯科技有限公司 | 肢体训练方法、装置、设备和存储介质 |
-
2020
- 2020-11-30 CN CN202011384589.1A patent/CN112587903A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1139388A (zh) * | 1993-08-24 | 1997-01-01 | 诺曼·约翰·易斯特布鲁克 | 用于指导学生的系统 |
| WO2007132451A2 (en) * | 2006-05-11 | 2007-11-22 | Prime Sense Ltd. | Modeling of humanoid forms from depth maps |
| US20100104194A1 (en) * | 2008-10-29 | 2010-04-29 | Tomohisa Suzuki | Image processing apparatus, electronic medium, and image processing method |
| CN105320278A (zh) * | 2014-07-31 | 2016-02-10 | 精工爱普生株式会社 | 信息分析装置、运动解析系统、信息显示系统及显示方法 |
| CN105148490A (zh) * | 2015-08-06 | 2015-12-16 | 深圳市晶源动力电子科技有限公司 | 云跑步姿势记录与矫正方法及装置 |
| CN107281710A (zh) * | 2017-07-31 | 2017-10-24 | 尚晟 | 一种矫正动作误差的方法 |
| CN107569839A (zh) * | 2017-09-30 | 2018-01-12 | 徐下兵 | 一种篮球投篮训练系统 |
| CN108256433A (zh) * | 2017-12-22 | 2018-07-06 | 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 |
| CN109847319A (zh) * | 2019-01-10 | 2019-06-07 | 赵丽侠 | 即时大数据分析机构及方法 |
| CN109886165A (zh) * | 2019-01-23 | 2019-06-14 | 中国科学院重庆绿色智能技术研究院 | 一种基于运动目标检测的动作视频提取和分类方法 |
| CN110302524A (zh) * | 2019-05-22 | 2019-10-08 | 北京百度网讯科技有限公司 | 肢体训练方法、装置、设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117746513A (zh) * | 2024-02-19 | 2024-03-22 | 成都体育学院 | 基于视频运动目标检测与融合的运动技术教学方法及系统 |
| CN117746513B (zh) * | 2024-02-19 | 2024-04-30 | 成都体育学院 | 基于视频运动目标检测与融合的运动技术教学方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111539273B (zh) | 一种交通视频背景建模方法及系统 | |
| US11200682B2 (en) | Target recognition method and apparatus, storage medium, and electronic device | |
| WO2021082662A1 (zh) | 辅助用户拍摄车辆视频的方法及装置 | |
| US20120076428A1 (en) | Information processing device, information processing method, and program | |
| US20130103299A1 (en) | Apparatus for monitoring vicinity of a vehicle | |
| CN112052815B (zh) | 一种行为检测方法、装置及电子设备 | |
| US20110280442A1 (en) | Object monitoring system and method | |
| CN110458198B (zh) | 多分辨率目标识别方法及装置 | |
| CN112990057A (zh) | 一种人体姿态识别方法、装置及电子设备 | |
| CN110909703A (zh) | 一种基于人工智能的明厨亮灶场景下厨师帽的检测方法 | |
| EP4020312B1 (en) | Traffic light recognition method, apparatus, storage medium and program product | |
| CN112587903A (zh) | 一种基于深度学习的短跑运动员起跑训练方法及系统 | |
| CN111444849B (zh) | 人员识别方法、装置、电子设备、及计算机可读存储介质 | |
| CN115376210B (zh) | 泳池防溺水的溺水行为识别方法、装置、设备及介质 | |
| CN111325198B (zh) | 视频对象特征提取方法和装置、视频对象匹配方法和装置 | |
| CN114529979A (zh) | 人体姿势辨识系统、人体姿势辨识方法以及非暂态计算机可读取储存媒体 | |
| CN111325731A (zh) | 遥控装置的安装检测方法及装置 | |
| CN116229502A (zh) | 基于图像的摔倒行为识别方法及设备 | |
| CN113837112A (zh) | 一种视频数据处理方法及电子设备 | |
| CN113052067A (zh) | 实时翻译方法、装置、存储介质及终端设备 | |
| CN107870995B (zh) | 一种基于用户信息推送释义的方法及电子设备 | |
| CN109272529B (zh) | 视频分析方法 | |
| US20230230362A1 (en) | Information processing device and information processing method | |
| CN114821487B (zh) | 客流统计方法、装置、智能终端、系统、设备及介质 | |
| CN114549576B (zh) | 行走能力检测方法、装置、存储介质及体检机 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210402 |
|
| RJ01 | Rejection of invention patent application after publication |