CN112818800A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN112818800A
CN112818800A CN202110104619.7A CN202110104619A CN112818800A CN 112818800 A CN112818800 A CN 112818800A CN 202110104619 A CN202110104619 A CN 202110104619A CN 112818800 A CN112818800 A CN 112818800A
Authority
CN
China
Prior art keywords
point
bone
skeleton
points
standard
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
Application number
CN202110104619.7A
Other languages
English (en)
Inventor
宋海涛
姚二亮
潘晏骋
余伟
张合新
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.)
Rocket Force University of Engineering of PLA
Original Assignee
Rocket Force University of Engineering of PLA
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 Rocket Force University of Engineering of PLA filed Critical Rocket Force University of Engineering of PLA
Priority to CN202110104619.7A priority Critical patent/CN112818800A/zh
Publication of CN112818800A publication Critical patent/CN112818800A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及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。该方法包括:获取待评估体育动作对应的体育项目;获取体育项目对应的每个动作的标准特征值;标准特征值包括关键骨骼点标准距离和骨骼点间向量的标准角度;不同的动作对应的标准特征值不同;基于深度图像,获取待评估体育动作对应的人体骨骼的骨骼点坐标;根据人体骨骼的骨骼点坐标,确定待评估体育动作的实际特征值;实际特征值包括关键骨骼点实际距离和骨骼点间向量的实际角度;将关键骨骼点实际距离与关键骨骼点标准距离以及骨骼点间向量的实际角度与骨骼点间向量的标准角度进行匹配,得到人体骨骼对应的体育动作的评估结果。本发明可以提高体育动作评估的准确度。

Description

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
技术领域
本发明涉及图像处理领域,特别是涉及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。
背景技术
近年来,随着生活水平的提升,全民对于体育锻炼的需求加强,但不正确、不规范的体育训练方法往往导致训练伤的产生,因而人们对于辅助体育训练系统的需求更加迫切。另外,在升学、任职等体技能考核过程中,普遍存在考官主观因素导致的考核标准不统一问题。因此需要一套能够客观评价训练质量和考核成绩的训练辅助系统。
传统的训练辅助装置需要大量且复杂的硬件设备作为支撑,通过一系列外部装置进行身体位置的固定,从而达到规范训练动作的目的。但是,在训练过程中携带大量的机械装置进行训练辅助,存在操作繁琐、器械固定不易展开等弊端,并且对外部机械装置的要求较高。新型的“智能化”操场,通过可见光摄像头、激光传感器及与之配套的计算机系统,建立训练项目的标准动作库,能够便于记录体育训练考核成绩。但其需要庞大的软硬件平台作为支撑,日常维护成本高,且“智能化”操场场地固定,降低了开展体育训练的灵活性。另外,可见光摄像头受外界光线环境干扰影响大,一定程度上制约了训练系统的使用时间和场地。利用Kinect捕捉人体的关节点,将模板动作与实时动作进行匹配,可以实现训练动作的判别。但由于人与人之间存在个体差异性,其模板动作的设定存在一定的局限性,将在一定程度上导致动作完成度判断的偏差。
因此,现有技术中对于体育训练的辅助和体育动作的评估存在较大的偏差。
发明内容
本发明的目的是提供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,以提高体育动作评估的准确性。
为实现上述目的,本发明提供了如下方案:
一种基于人体骨骼点深度图像的体育动作评估方法,包括:
获取待评估体育动作对应的体育项目;
获取所述体育项目对应的每个动作的标准特征值;所述标准特征值包括关键骨骼点标准距离和骨骼点间向量的标准角度;不同的动作对应的标准特征值不同;
基于深度图像,获取待评估体育动作对应的人体骨骼的骨骼点坐标;
根据所述人体骨骼的骨骼点坐标,确定待评估体育动作的实际特征值;所述实际特征值包括关键骨骼点实际距离和骨骼点间向量的实际角度;
将所述关键骨骼点实际距离与所述关键骨骼点标准距离以及所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度进行匹配,得到所述人体骨骼对应的体育动作的评估结果。
可选的,所述基于深度图像,获取待评估体育动作对应的人体骨骼的骨骼点坐标,具体包括:
获取所述待评估体育动作对应的深度图像;
提取所述深度图像中人体骨骼的骨骼点;
根据所述深度图像的采集点,确定所述骨骼点的三维坐标;所述骨骼点的三维坐标所在的三维坐标系的原点为所述采集点、x轴为采集点指向人体骨骼的方向、y轴为人体骨骼的侧向以及z轴为采集点的高度方向。
可选的,所述深度图像中人体骨骼的骨骼点包括:脊椎底部骨骼点、旋中骨骼点、颈部骨骼点、头部骨骼点、左肩骨骼点、左肘骨骼点、左腕骨骼点、左手骨骼点、右肩骨骼点、右肘骨骼点、右腕骨骼点、右手骨骼点、左髋骨骼点、左膝骨骼点、左踝骨骼点、左脚骨骼点、右髋骨骼点、右膝骨骼点、右踝骨骼点、右脚骨骼点、脊柱肩骨骼点、左手尖骨骼点、左腹部骨骼点、右手尖骨骼点和/或右腹部骨骼点。
可选的,所述将所述关键骨骼点实际距离与所述关键骨骼点标准距离以及所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度进行匹配,得到所述人体骨骼对应的体育动作的评估结果,具体包括:
将所述关键骨骼点实际距离与所述关键骨骼点标准距离进行匹配,确定所述关键骨骼点实际距离与所述关键骨骼点标准距离是否一致;
将所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度进行匹配,确定所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度是否一致;
当所述关键骨骼点实际距离与所述关键骨骼点标准距离一致且所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度一致时,确定所述人体骨骼对应的体育动作为标准动作;
当所述关键骨骼点实际距离与所述关键骨骼点标准距离不一致时,根据所述关键骨骼点实际距离与所述关键骨骼点标准距离之间的差值,生成第一指导意见;
当所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度不一致时,根据所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度之间的差值,生成第二指导意见;所述第一指导意见和所述第二指导意见用于指导用户调节当前的体育动作。
本发明还提供一种基于人体骨骼点深度图像的体育动作评估系统,包括:
体育项目获取模块,用于获取待评估体育动作对应的体育项目;
标准特征值获取模块,用于获取所述体育项目对应的每个动作的标准特征值;所述标准特征值包括关键骨骼点标准距离和骨骼点间向量的标准角度;不同的动作对应的标准特征值不同;
骨骼点坐标提取模块,用于基于深度图像,获取待评估体育动作对应的人体骨骼的骨骼点坐标;
实际特征值获取模块,用于根据所述人体骨骼的骨骼点坐标,确定待评估体育动作的实际特征值;所述实际特征值包括关键骨骼点实际距离和骨骼点间向量的实际角度;
评估模块,用于将所述关键骨骼点实际距离与所述关键骨骼点标准距离以及所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度进行匹配,得到所述人体骨骼对应的体育动作的评估结果。
可选的,所述骨骼点坐标提取模块具体包括:
深度图像获取单元,用于获取所述待评估体育动作对应的深度图像;
骨骼点提取单元,用于提取所述深度图像中人体骨骼的骨骼点;
三维坐标确定单元,用于根据所述深度图像的采集点,确定所述骨骼点的三维坐标;所述骨骼点的三维坐标所在的三维坐标系的原点为所述采集点、x轴为采集点指向人体骨骼的方向、y轴为人体骨骼的侧向以及z轴为采集点的高度方向。
可选的,所述深度图像中人体骨骼的骨骼点包括:脊椎底部骨骼点、旋中骨骼点、颈部骨骼点、头部骨骼点、左肩骨骼点、左肘骨骼点、左腕骨骼点、左手骨骼点、右肩骨骼点、右肘骨骼点、右腕骨骼点、右手骨骼点、左髋骨骼点、左膝骨骼点、左踝骨骼点、左脚骨骼点、右髋骨骼点、右膝骨骼点、右踝骨骼点、右脚骨骼点、脊柱肩骨骼点、左手尖骨骼点、左腹部骨骼点、右手尖骨骼点和/或右腹部骨骼点。
可选的,所述评估模块,具体包括:
距离匹配单元,用于将所述关键骨骼点实际距离与所述关键骨骼点标准距离进行匹配,确定所述关键骨骼点实际距离与所述关键骨骼点标准距离是否一致;
角度匹配单元,用于将所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度进行匹配,确定所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度是否一致;
标准动作评估单元,用于当所述关键骨骼点实际距离与所述关键骨骼点标准距离一致且所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度一致时,确定所述人体骨骼对应的体育动作为标准动作;
第一指导意见生成单元,用于当所述关键骨骼点实际距离与所述关键骨骼点标准距离不一致时,根据所述关键骨骼点实际距离与所述关键骨骼点标准距离之间的差值,生成第一指导意见;
第二指导意见生成单元,用于当所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度不一致时,根据所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度之间的差值,生成第二指导意见;所述第一指导意见和所述第二指导意见用于指导用户调节当前的体育动作。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明通过采集受训者骨骼点的三维坐标数据后,对不同骨骼点向量计算得到实际特征值,并将其与训练动作的标准特征值进行匹配,根据匹配结果对实际训练动作进行纠正、计数,以达到训练考核、综合评价等目的。该方法操作简便,提升了体育训练辅助的灵活性;避免了主观人为因素导致的体育考核标准不统一的问题,体育训练考核的准确性高,误判率小,确保了体育考核的公平性,对训练效果的综合评价全面,训练效果好。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于人体骨骼点深度图像的体育动作评估方法的流程示意图;
图2为本发明基于人体骨骼点深度图像的体育动作评估系统的结构示意图。
具体实施方式
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,所描述的实施例仅仅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。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明基于人体骨骼点深度图像的体育动作评估方法的流程示意图。如图1所示,本发明基于人体骨骼点深度图像的体育动作评估方法包括:
步骤100:获取待评估体育动作对应的体育项目。
步骤200:获取体育项目对应的每个动作的标准特征值。所述标准特征值包括关键骨骼点标准距离和骨骼点间向量的标准角度;不同的动作对应的标准特征值不同。每个体育项目包括多个动作,每个动作都有相应的标准特征值,标准特征值是指关键骨骼点之间的特征标准值,包括关键骨骼点之间的标准距离、骨骼点间向量的标准角度等。不同的动作对应的关键骨骼点可能不同,以及关键骨骼点的标准距离也可能不同,同样的,不同的动作对应的骨骼点间向量可能不同,以及骨骼点间向量的标准角度也可能不同。
步骤300:基于深度图像,获取待评估体育动作对应的人体骨骼的骨骼点坐标。采用深度传感器可以实时采集人体骨骼的深度图像,然后提取该深度图像中人体骨骼的骨骼点,最后基于三维坐标系确定每个骨骼点的三维坐标。本发明的三维坐标系基于深度传感器的采集点构建,以采集点的坐标为坐标原点构建三维坐标系,以骨骼点的三维坐标P=[x,y,z]为例,x表示前向坐标,即骨骼点与采集点的距离;y表示骨骼点相对采集点的侧向坐标;z表示骨骼点相对采集点的高度坐标。
步骤400:根据人体骨骼的骨骼点坐标,确定待评估体育动作的实际特征值。所述实际特征值包括关键骨骼点实际距离和骨骼点间向量的实际角度。例如,以关键骨骼点为骨骼点A和骨骼点B为例,关键骨骼点实际距离为骨骼点A和骨骼点B之间的距离。骨骼点间向量为两个骨骼点构成的第一向量与另外特定骨骼点构成的第二向量之间的角度λ,计算公式为:
Figure BDA0002916889630000061
Figure BDA0002916889630000062
为第一向量,
Figure BDA0002916889630000063
为第二向量,
Figure BDA0002916889630000064
为与第一向量和第二向量相关的第三向量。
步骤500:将关键骨骼点实际距离与关键骨骼点标准距离以及骨骼点间向量的实际角度与骨骼点间向量的标准角度进行匹配,得到人体骨骼对应的体育动作的评估结果。具体的,将所述关键骨骼点实际距离与所述关键骨骼点标准距离进行匹配,确定所述关键骨骼点实际距离与所述关键骨骼点标准距离是否一致;同时,将所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度进行匹配,确定所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度是否一致。当所述关键骨骼点实际距离与所述关键骨骼点标准距离一致且所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度一致时,确定所述人体骨骼对应的体育动作为标准动作。当所述关键骨骼点实际距离与所述关键骨骼点标准距离不一致时,根据所述关键骨骼点实际距离与所述关键骨骼点标准距离之间的差值,生成第一指导意见;当所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度不一致时,根据所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度之间的差值,生成第二指导意见;所述第一指导意见和所述第二指导意见用于指导用户调节当前的体育动作。
基于上述的体育动作评估方法,本发明还提供一种基于人体骨骼点深度图像的体育动作评估系统,图2为本发明基于人体骨骼点深度图像的体育动作评估系统的结构示意图。如图2所示,本发明基于人体骨骼点深度图像的体育动作评估系统包括:
体育项目获取模块201,用于获取待评估体育动作对应的体育项目。
标准特征值获取模块202,用于获取所述体育项目对应的每个动作的标准特征值;所述标准特征值包括关键骨骼点标准距离和骨骼点间向量的标准角度;不同的动作对应的标准特征值不同。
骨骼点坐标提取模块203,用于基于深度图像,获取待评估体育动作对应的人体骨骼的骨骼点坐标。
实际特征值获取模块204,用于根据所述人体骨骼的骨骼点坐标,确定待评估体育动作的实际特征值;所述实际特征值包括关键骨骼点实际距离和骨骼点间向量的实际角度。
评估模块205,用于将所述关键骨骼点实际距离与所述关键骨骼点标准距离以及所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度进行匹配,得到所述人体骨骼对应的体育动作的评估结果。
作为具体实施例,本发明基于人体骨骼点深度图像的体育动作评估系统中,所述骨骼点坐标提取模块203具体包括:
深度图像获取单元,用于获取所述待评估体育动作对应的深度图像。
骨骼点提取单元,用于提取所述深度图像中人体骨骼的骨骼点。
三维坐标确定单元,用于根据所述深度图像的采集点,确定所述骨骼点的三维坐标;所述骨骼点的三维坐标所在的三维坐标系的原点为所述采集点、x轴为采集点指向人体骨骼的方向、y轴为人体骨骼的侧向以及z轴为采集点的高度方向。
作为具体实施例,本发明基于人体骨骼点深度图像的体育动作评估系统中,所述深度图像中人体骨骼的骨骼点包括:脊椎底部骨骼点、旋中骨骼点、颈部骨骼点、头部骨骼点、左肩骨骼点、左肘骨骼点、左腕骨骼点、左手骨骼点、右肩骨骼点、右肘骨骼点、右腕骨骼点、右手骨骼点、左髋骨骼点、左膝骨骼点、左踝骨骼点、左脚骨骼点、右髋骨骼点、右膝骨骼点、右踝骨骼点、右脚骨骼点、脊柱肩骨骼点、左手尖骨骼点、左腹部骨骼点、右手尖骨骼点和/或右腹部骨骼点。
作为具体实施例,本发明基于人体骨骼点深度图像的体育动作评估系统中,所述评估模块205,具体包括:
距离匹配单元,用于将所述关键骨骼点实际距离与所述关键骨骼点标准距离进行匹配,确定所述关键骨骼点实际距离与所述关键骨骼点标准距离是否一致。
角度匹配单元,用于将所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度进行匹配,确定所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度是否一致。
标准动作评估单元,用于当所述关键骨骼点实际距离与所述关键骨骼点标准距离一致且所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度一致时,确定所述人体骨骼对应的体育动作为标准动作。
第一指导意见生成单元,用于当所述关键骨骼点实际距离与所述关键骨骼点标准距离不一致时,根据所述关键骨骼点实际距离与所述关键骨骼点标准距离之间的差值,生成第一指导意见。
第二指导意见生成单元,用于当所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度不一致时,根据所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度之间的差值,生成第二指导意见;所述第一指导意见和所述第二指导意见用于指导用户调节当前的体育动作。
下面提供一个具体实施例,进一步说明本发明的上述方案。
本实施例的体育动作为单杠动作。进行体育动作评估时,将本发明基于人体骨骼点深度图像的体育动作评估系统的硬件设备拉至任意单杠处,开始评估。本发明基于人体骨骼点深度图像的体育动作评估系统的硬件设备包括深度传感器、显示终端、供电模块和支撑部件,深度传感器、显示终端和供电模块均内置于支撑部件,供电模块分别与深度传感器和显示终端连接,深度传感器与显示终端连接。显示终端包括存储器,存储器能够作为数据库存储处理器的计算结果数据,并进行整合,长期记录进行训练指导并评估受训者的训练结果。显示终端优选采用小型计算机,供电模块优选采用便携式电源,支撑部件优选采用可伸缩结构,便于携带,并且能够提升系统的灵活性。显示终端同时连接有视频采集装置和语音输出装置,能够同步采集视频信息,使受训者能够在训练后结合评价数据对自己的动作进行纠正,提高训练的效果。
本实施例的具体过程如下:
步骤1:从深度传感器获取深度图像,并得到全身骨骼点三维坐标信息,存入集合{PHead,PNeck,PSpineBase,PHipCenter,PLeftShoulder,PRightShoulder,...}。
步骤2:提取骨骼点坐标。体育训练大纲对单杠动作的要求为:双手正握杠,间距比肩稍宽,呈直臂悬垂姿势,双臂协同向上用力,屈臂引体至下颌超过杠面,然后身体回落至两臂自然伸直,禁止引体时摆动身体超过单杠铅垂线15度。根据该动作要求,评价训练动作所需要的骨骼点数据如表1所示:
表1
Figure BDA0002916889630000101
其中骨骼点坐标系的坐标原点为深度传感器,x表示前向坐标,即骨骼点与深度传感器的距离。y表示骨骼点相对深度传感器的侧向坐标,左为正。z表示骨骼点相对深度传感器的高度坐标,上为正。
步骤3:计算特征标准值。对训练标准进行骨骼点向量标准化,后续向量
Figure BDA0002916889630000102
的计算为
Figure BDA0002916889630000103
实现训练标准到数据层面的转化:
①两手间距比肩稍宽:令左右手腕关节骨骼点向量为
Figure BDA0002916889630000104
左右肩关节骨骼点向量为
Figure BDA0002916889630000105
以左右手腕关节骨骼点向量的模值
Figure BDA0002916889630000106
与左右肩关节骨骼点向量的模值
Figure BDA0002916889630000107
之差设定标准特征值
Figure BDA0002916889630000108
Figure BDA0002916889630000109
将该训练标准量化为:
Figure BDA00029168896300001010
满足
Figure BDA00029168896300001011
②呈直臂悬垂姿势:令左肩关节骨骼点至左手肘关节骨骼点向量为
Figure BDA00029168896300001012
左手肘关节骨骼点至左手腕关节骨骼点向量为
Figure BDA00029168896300001013
左手腕关节骨骼点至左手肩关节骨骼点向量为
Figure BDA0002916889630000111
计算左肩关节骨骼点到左手肘关节骨骼点向量与左手肘关节骨骼点到左手腕关节骨骼点向量夹角为:
Figure BDA0002916889630000112
设定标准特征值
Figure BDA0002916889630000113
右手方法同理,设定标准特征值
Figure BDA0002916889630000114
将该训练标准量化为:
Figure BDA0002916889630000115
满足
Figure BDA0002916889630000116
③屈臂引体至下颌超过杠面:令左手腕关节骨骼点至颈部骨骼点向量
Figure BDA0002916889630000117
在竖直方向的分量分别为
Figure BDA0002916889630000118
Figure BDA0002916889630000119
右手腕关节骨骼点至颈部骨骼点向量
Figure BDA00029168896300001110
在竖直方向上的分量为
Figure BDA00029168896300001111
Figure BDA00029168896300001112
设定标准特征值
Figure BDA00029168896300001113
将该训练标准量化为:
Figure BDA00029168896300001114
满足
Figure BDA00029168896300001115
④禁止引体时摆动身体超过单杠铅垂线15°:令臀部骨骼点至颈下脊椎骨骼点向量为
Figure BDA00029168896300001116
竖直方向上的单位向量为
Figure BDA00029168896300001117
计算臀部骨骼点至颈下脊椎骨骼点向量
Figure BDA00029168896300001118
与竖直方向上的单位向量
Figure BDA00029168896300001119
之间夹角β:
Figure BDA00029168896300001120
设定标准特征值
Figure BDA00029168896300001121
将该训练标准量化为:
Figure BDA00029168896300001122
满足
Figure BDA00029168896300001125
将以上6项标准特征值组成标准特征值数组,即
Figure BDA00029168896300001124
作为训练考核的评价基准特征,得到表2单杠动作标准匹配表。
表2
Figure BDA0002916889630000121
Figure BDA0002916889630000131
步骤4:根据受训者骨骼点数据,计算实际特征值数组。
①利用公式(1)计算实际特征值
Figure BDA0002916889630000132
②利用公式(2)计算实际特征值
Figure BDA0002916889630000133
③利用公式(3)、(4)计算实际特征值
Figure BDA0002916889630000134
④利用公式(5)计算实际特征值
Figure BDA0002916889630000135
将以上实际特征值进行组合,生成实际特征值数组,即
Figure BDA0002916889630000136
步骤5:将实际特征值与标准特征值进行匹配。
当实际特征值
Figure BDA0002916889630000137
满足表2中标准特征值
Figure BDA0002916889630000138
条件时,即间距比肩稍宽,为符合要求,即为标准动作。否则,根据实际特征值
Figure BDA0002916889630000141
与标准特征值
Figure BDA0002916889630000142
之差,生成指导意见,提示:请增大或减少两手间距,并记录运动数据。
当实际特征值
Figure BDA0002916889630000143
满足表2中标准特征值
Figure BDA0002916889630000144
条件、实际特征值
Figure BDA0002916889630000145
满足表2中标准特征值
Figure BDA0002916889630000146
条件时,即呈直臂悬垂姿势,为符合要求,即为标准动作。否则,则根据实际特征值
Figure BDA0002916889630000147
与标准特征值
Figure BDA0002916889630000148
之差,实际特征值
Figure BDA0002916889630000149
与标准特征值
Figure BDA00029168896300001410
之差,生成指导意见,提示:请将手臂伸直,并记录运动数据。
当实际特征值
Figure BDA00029168896300001411
满足表2中标准特征值
Figure BDA00029168896300001412
条件,实际特征值
Figure BDA00029168896300001413
满足标准特征值
Figure BDA00029168896300001414
条件时,即下颌超过杠面,为符合要求,即为标准动作。否则,则根据实际特征值
Figure BDA00029168896300001415
与标准特征值
Figure BDA00029168896300001416
之差,实际特征值
Figure BDA00029168896300001417
与标准特征值
Figure BDA00029168896300001418
之差,生成指导意见,提示:请将下颌过杠,并记录运动数据。
当实际特征值
Figure BDA00029168896300001419
满足表2中标准特征值
Figure BDA00029168896300001420
条件时,即引体时摆动身体角度小于15度,为符合要求,即为标准动作;否则,则根据实际特征值
Figure BDA00029168896300001421
与标准特征值
Figure BDA00029168896300001422
之差,生成指导意见,提示:禁止摆杠,并记录运动数据。
步骤6:综合上述实际特征值数组与标准特征值数组匹配数据,判断单杠动作是否满足体育训练标准要求,记录受训者的运动数据及所存在的问题,导入到数据库中,对受训者进行综合评价,给出相应的训练指导方案。
效果评价:
表3~表6为常用体育训练考核的标准判断数据统计表。
其中:标准动作误差=(系统判定的标准动作个数-人为判定的标准动作个数)/总个数;
非标准动作误差=(系统判定的非标准动作个数-人为判定的非标准动作个数)/总个数。
表3:单杠动作标准判断数据统计表
Figure BDA00029168896300001423
Figure BDA0002916889630000151
表4:双杠动作标准判断数据统计表
Figure BDA0002916889630000152
表5:俯卧撑动作标准判断数据统计表
Figure BDA0002916889630000153
Figure BDA0002916889630000161
表6:仰卧起坐动作标准判断数据统计表
Figure BDA0002916889630000162
由表3~表6中的数据可以看出,采用本发明进行体育训练考核的准确性高,误判率小。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于人体骨骼点深度图像的体育动作评估方法,其特征在于,包括:
获取待评估体育动作对应的体育项目;
获取所述体育项目对应的每个动作的标准特征值;所述标准特征值包括关键骨骼点标准距离和骨骼点间向量的标准角度;不同的动作对应的标准特征值不同;
基于深度图像,获取待评估体育动作对应的人体骨骼的骨骼点坐标;
根据所述人体骨骼的骨骼点坐标,确定待评估体育动作的实际特征值;所述实际特征值包括关键骨骼点实际距离和骨骼点间向量的实际角度;
将所述关键骨骼点实际距离与所述关键骨骼点标准距离以及所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度进行匹配,得到所述人体骨骼对应的体育动作的评估结果。
2.根据权利要求1所述的基于人体骨骼点深度图像的体育动作评估方法,其特征在于,所述基于深度图像,获取待评估体育动作对应的人体骨骼的骨骼点坐标,具体包括:
获取所述待评估体育动作对应的深度图像;
提取所述深度图像中人体骨骼的骨骼点;
根据所述深度图像的采集点,确定所述骨骼点的三维坐标;所述骨骼点的三维坐标所在的三维坐标系的原点为所述采集点、x轴为采集点指向人体骨骼的方向、y轴为人体骨骼的侧向以及z轴为采集点的高度方向。
3.根据权利要求2所述的基于人体骨骼点深度图像的体育动作评估方法,其特征在于,所述深度图像中人体骨骼的骨骼点包括:脊椎底部骨骼点、旋中骨骼点、颈部骨骼点、头部骨骼点、左肩骨骼点、左肘骨骼点、左腕骨骼点、左手骨骼点、右肩骨骼点、右肘骨骼点、右腕骨骼点、右手骨骼点、左髋骨骼点、左膝骨骼点、左踝骨骼点、左脚骨骼点、右髋骨骼点、右膝骨骼点、右踝骨骼点、右脚骨骼点、脊柱肩骨骼点、左手尖骨骼点、左腹部骨骼点、右手尖骨骼点和/或右腹部骨骼点。
4.根据权利要求1所述的基于人体骨骼点深度图像的体育动作评估方法,其特征在于,所述将所述关键骨骼点实际距离与所述关键骨骼点标准距离以及所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度进行匹配,得到所述人体骨骼对应的体育动作的评估结果,具体包括:
将所述关键骨骼点实际距离与所述关键骨骼点标准距离进行匹配,确定所述关键骨骼点实际距离与所述关键骨骼点标准距离是否一致;
将所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度进行匹配,确定所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度是否一致;
当所述关键骨骼点实际距离与所述关键骨骼点标准距离一致且所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度一致时,确定所述人体骨骼对应的体育动作为标准动作;
当所述关键骨骼点实际距离与所述关键骨骼点标准距离不一致时,根据所述关键骨骼点实际距离与所述关键骨骼点标准距离之间的差值,生成第一指导意见;
当所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度不一致时,根据所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度之间的差值,生成第二指导意见;所述第一指导意见和所述第二指导意见用于指导用户调节当前的体育动作。
5.一种基于人体骨骼点深度图像的体育动作评估系统,其特征在于,包括:
体育项目获取模块,用于获取待评估体育动作对应的体育项目;
标准特征值获取模块,用于获取所述体育项目对应的每个动作的标准特征值;所述标准特征值包括关键骨骼点标准距离和骨骼点间向量的标准角度;不同的动作对应的标准特征值不同;
骨骼点坐标提取模块,用于基于深度图像,获取待评估体育动作对应的人体骨骼的骨骼点坐标;
实际特征值获取模块,用于根据所述人体骨骼的骨骼点坐标,确定待评估体育动作的实际特征值;所述实际特征值包括关键骨骼点实际距离和骨骼点间向量的实际角度;
评估模块,用于将所述关键骨骼点实际距离与所述关键骨骼点标准距离以及所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度进行匹配,得到所述人体骨骼对应的体育动作的评估结果。
6.根据权利要求5所述的基于人体骨骼点深度图像的体育动作评估系统,其特征在于,所述骨骼点坐标提取模块具体包括:
深度图像获取单元,用于获取所述待评估体育动作对应的深度图像;
骨骼点提取单元,用于提取所述深度图像中人体骨骼的骨骼点;
三维坐标确定单元,用于根据所述深度图像的采集点,确定所述骨骼点的三维坐标;所述骨骼点的三维坐标所在的三维坐标系的原点为所述采集点、x轴为采集点指向人体骨骼的方向、y轴为人体骨骼的侧向以及z轴为采集点的高度方向。
7.根据权利要求6所述的基于人体骨骼点深度图像的体育动作评估系统,其特征在于,所述深度图像中人体骨骼的骨骼点包括:脊椎底部骨骼点、旋中骨骼点、颈部骨骼点、头部骨骼点、左肩骨骼点、左肘骨骼点、左腕骨骼点、左手骨骼点、右肩骨骼点、右肘骨骼点、右腕骨骼点、右手骨骼点、左髋骨骼点、左膝骨骼点、左踝骨骼点、左脚骨骼点、右髋骨骼点、右膝骨骼点、右踝骨骼点、右脚骨骼点、脊柱肩骨骼点、左手尖骨骼点、左腹部骨骼点、右手尖骨骼点和/或右腹部骨骼点。
8.根据权利要求5所述的基于人体骨骼点深度图像的体育动作评估系统,其特征在于,所述评估模块,具体包括:
距离匹配单元,用于将所述关键骨骼点实际距离与所述关键骨骼点标准距离进行匹配,确定所述关键骨骼点实际距离与所述关键骨骼点标准距离是否一致;
角度匹配单元,用于将所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度进行匹配,确定所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度是否一致;
标准动作评估单元,用于当所述关键骨骼点实际距离与所述关键骨骼点标准距离一致且所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度一致时,确定所述人体骨骼对应的体育动作为标准动作;
第一指导意见生成单元,用于当所述关键骨骼点实际距离与所述关键骨骼点标准距离不一致时,根据所述关键骨骼点实际距离与所述关键骨骼点标准距离之间的差值,生成第一指导意见;
第二指导意见生成单元,用于当所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度不一致时,根据所述骨骼点间向量的实际角度与所述骨骼点间向量的标准角度之间的差值,生成第二指导意见;所述第一指导意见和所述第二指导意见用于指导用户调节当前的体育动作。
CN202110104619.7A 2021-01-26 2021-01-26 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 Pending CN112818800A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110104619.7A CN112818800A (zh) 2021-01-26 2021-01-26 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110104619.7A CN112818800A (zh) 2021-01-26 2021-01-26 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

Publications (1)

Publication Number Publication Date
CN112818800A true CN112818800A (zh) 2021-05-18

Family

ID=75859402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110104619.7A Pending CN112818800A (zh) 2021-01-26 2021-01-26 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

Country Status (1)

Country Link
CN (1) CN112818800A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113398556A (zh) * 2021-06-28 2021-09-17 浙江大学 俯卧撑识别方法及系统
CN116309712A (zh) * 2023-03-15 2023-06-23 南通大学 一种基于深度相机的功能运动分析系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104598867A (zh) * 2013-10-30 2015-05-06 中国艺术科技研究所 一种人体动作自动评估方法及舞蹈评分系统
CN109389054A (zh) * 2018-09-21 2019-02-26 北京邮电大学 基于自动图像识别和动作模型对比的智能镜子设计方法
CN109948459A (zh) * 2019-02-25 2019-06-28 广东工业大学 一种基于深度学习的足球动作评估方法与系统
CN110751100A (zh) * 2019-10-22 2020-02-04 北京理工大学 一种体育场馆辅助训练方法与系统
CN110969114A (zh) * 2019-11-28 2020-04-07 四川省骨科医院 一种人体动作功能检测系统、检测方法及检测仪
KR20200076267A (ko) * 2018-12-19 2020-06-29 전자부품연구원 골격의 길이 정보를 이용한 제스쳐 인식 방법 및 처리 시스템
CN111437583A (zh) * 2020-04-10 2020-07-24 哈尔滨工业大学 一种基于Kinect的羽毛球基本动作辅助训练系统
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

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104598867A (zh) * 2013-10-30 2015-05-06 中国艺术科技研究所 一种人体动作自动评估方法及舞蹈评分系统
CN109389054A (zh) * 2018-09-21 2019-02-26 北京邮电大学 基于自动图像识别和动作模型对比的智能镜子设计方法
KR20200076267A (ko) * 2018-12-19 2020-06-29 전자부품연구원 골격의 길이 정보를 이용한 제스쳐 인식 방법 및 처리 시스템
CN109948459A (zh) * 2019-02-25 2019-06-28 广东工业大学 一种基于深度学习的足球动作评估方法与系统
CN110751100A (zh) * 2019-10-22 2020-02-04 北京理工大学 一种体育场馆辅助训练方法与系统
CN110969114A (zh) * 2019-11-28 2020-04-07 四川省骨科医院 一种人体动作功能检测系统、检测方法及检测仪
CN111437583A (zh) * 2020-04-10 2020-07-24 哈尔滨工业大学 一种基于Kinect的羽毛球基本动作辅助训练系统
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

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113398556A (zh) * 2021-06-28 2021-09-17 浙江大学 俯卧撑识别方法及系统
CN113398556B (zh) * 2021-06-28 2022-03-01 浙江大学 俯卧撑识别方法及系统
CN116309712A (zh) * 2023-03-15 2023-06-23 南通大学 一种基于深度相机的功能运动分析系统及方法
CN116309712B (zh) * 2023-03-15 2024-01-30 南通大学 一种基于深度相机的功能运动分析系统及方法

Similar Documents

Publication Publication Date Title
US20230338778A1 (en) Method and system for monitoring and feed-backing on execution of physical exercise routines
CN110495889B (zh) 体态评估方法、电子装置、计算机设备及存储介质
JP6124308B2 (ja) 動作評価装置及びそのプログラム
US9374522B2 (en) Video generating apparatus and method
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
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
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
Anilkumar et al. Pose estimated yoga monitoring system
CN110544302A (zh) 基于多目视觉的人体动作重建系统、方法和动作训练系统
CN112749684A (zh) 心肺复苏术训练和评估的方法及装置、设备、存储介质
CN113856186B (zh) 一种引体向上动作判定与计数的方法、系统及装置
CN111539245A (zh) 一种基于虚拟环境的cpr技术训练评价方法
CN113409651B (zh) 直播健身方法、系统、电子设备、存储介质
CN112990011A (zh) 基于机器视觉和深度学习的健身动作识别评估方法
CN113262459B (zh) 应用于运动健身镜的动作标准性的判定方法,装置和介质
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
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
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
CN111493881B (zh) 卡路里估计系统以及估计方法
CN113345552A (zh) 一种智能辅助指导舞蹈锻炼的方法及系统、移动端
KR20230005693A (ko) 태그를 사용한 운동관리 헬스케어 서비스 시스템
WO2016135560A2 (en) Range of motion capture

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