CN113158729A - 一种引体向上计数方法、装置、电子装置和存储介质 - Google Patents
一种引体向上计数方法、装置、电子装置和存储介质 Download PDFInfo
- Publication number
- CN113158729A CN113158729A CN202011620098.2A CN202011620098A CN113158729A CN 113158729 A CN113158729 A CN 113158729A CN 202011620098 A CN202011620098 A CN 202011620098A CN 113158729 A CN113158729 A CN 113158729A
- Authority
- CN
- China
- Prior art keywords
- human
- counting
- pull
- preset value
- displacement ratio
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000006073 displacement reaction Methods 0.000 claims abstract description 32
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 13
- 230000033001 locomotion Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 210000003205 muscle Anatomy 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 210000002027 skeletal muscle Anatomy 0.000 description 4
- 210000001364 upper extremity Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011499 joint compound Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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]
-
- 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
-
- 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
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种引体向上计数方法,其中,该引体向上计数方法包括:步骤1:通过摄像头划定识别区域,利用人形目标检测算法找到所述识别区域内的人形;步骤2:对所述人形进行预处理;步骤3:计算所述人形头部H和脚部F的初始位置H1和F1,计算所述人形头部H在运动过程中的最高点的Hmax和最低点Hmin的位置,其中,所述初始位置为任一时刻的位置。步骤4:计算位移比例R;步骤5:判断位移比例R与预设值T的大小关系,若位移比例R小于预设值T,则进行一次引体向上计数,若位移比例R大于预设值T,则不进行引体向上计数。通过本申请,解决了相关技术中引体向上计数依赖人工的问题,实现了引体向上计数。
Description
技术领域
本申请涉及计算机视觉领域,特别是涉及一种引体向上计数方法、装置、电子装置和存储介质。
背景技术
引体向上,指依靠自身力量克服自身体重向上做功的垂吊练习。主要测试上肢肌肉力量的发展水平,以及臂力和腰腹力量,在完成一个完整的引体向上的过程中需要众多背部骨骼肌和上肢骨骼肌的共同参与做功,是一项多关节复合动作练习,是较好的锻炼上肢的方法,是所有发展背部骨骼肌肌力和肌耐力的练习方式中参与肌肉最多、运动模式最复杂、发展背部骨骼肌的肌力和肌耐力最有效的练习方式,是最基本的锻炼背部的方法,是衡量男性体质的重要参考标准和项目之一。因此,训练引体向上是提高人民群众身体素质的有效方式。现有的引体向上技术方法基本是依靠人工判断引体向上姿势是否标准并进行计数,浪费了人力资源且人工可能出现判断标准不一致导致计数误差较大。
目前针对相关技术中引体向上计数依赖人工的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种引体向上计数方法、装置、电子装置和存储介质,以至少解决相关技术中引体向上计数依赖人工的问题。
第一方面,本申请实施例提供了一种引体向上计数方法,包括:
步骤1:通过摄像头划定识别区域,利用人形目标检测算法找到所述识别区域内的人形;
步骤2:对所述人形进行预处理;
步骤3:计算所述人形头部H和脚部F的初始位置H1和F1,计算所述人形头部H在运动过程中的最高点的Hmax和最低点Hmin的位置,其中,所述初始位置为任一时刻的位置。
步骤4:计算位移比例R,R=((H_max-H_min))/((H_1-F_1));
步骤5:判断位移比例R与预设值T的大小关系,若位移比例R小于预设值T,则进行一次引体向上计数,若位移比例R大于预设值T,则不进行引体向上计数。
在其中一个实施例中,所述步骤1中人形目标检测算法包括基于OpenCV的人形目标检测算法,所述基于OpenCV的人形目标检测算法通过卷积网络提取特征,得到一组特征图,使用CNN网络提取关节点置信图和关节亲和场。
在其中一个实施例中,所述步骤2中对所述人形进行预处理包括:
对所述人形进行分割后进行二值化处理,提取人形关键点特征后输入人形坐标矩形框。
在其中一个实施例中,所述人形关键点特征包括所述人形的头部H和脚部F的坐标,其中,脚部F的坐标F(x1,y1)定位和头部H的坐标H(x2,y2)在引体向上过程中处于运动状态。
第二方面,本申请实施例提供了一种引体向上计数装置,包括:
识别模块,用于通过摄像头划定识别区域,利用人形目标检测算法找到所述识别区域内的人形;
预处理模块,用于对人形进行预处理;
计算模块,用于计算所述人形头部H和脚部F的初始位置H1和F1,计算所述人形头部H在运动过程中的最高点的Hmax和最低点Hmin的位置和计算位移比例R;
判断模块,判断位移比例R与预设值T的大小关系,若位移比例R小于预设值T,则进行一次引体向上计数,若位移比例R大于预设值T,则不进行引体向上计数。
第三方面,本申请实施例提供了一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的引体向上计数方法。
第四方面,本申请实施例提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行如上述第一方面所述的引体向上计数方法。
相比于相关技术,本申请实施例提供的引体向上计数方法,通过识别获取人形进行引体向上运动时的各点位置参数坐标,计算相应位移比例,解决了相关技术中引体向上计数依赖人工的问题,实现了通过计算机智能识别引体向上的运动标准程度并计数。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的引体向上计数方法流程图;
图2是根据本申请实施例的引体向上计数方法原理示意图;
图3是根据本申请实施例的引体向上计数装置结构图;
图4为根据本申请实施例的引体向上计数设备的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本实施例提供了一种引体向上计数方法。图1是根据本申请实施例的一种引体向上计数方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101,通过摄像头划定识别区域,利用人形目标检测算法找到识别区域内的人形。
步骤S102,对人形进行预处理。
步骤S103,计算所述人形头部H和脚部F的初始位置H1和F1,计算所述人形头部H在运动过程中的最高点的Hmax和最低点Hmin的位置。在本实施例中,由于在运动过程中运动员身高不会发生变化,因此所述初始位置为任一时刻的位置。
步骤S105,判断位移比例R与预设值T的大小关系,若位移比例R小于预设值T,则进行一次引体向上计数,若位移比例R大于预设值T,则不进行引体向上计数。
在其中一个实施例中,所述步骤1中人形目标检测算法包括基于OpenCV的人形目标检测算法,所述基于OpenCV的人形目标检测算法通过卷积网络提取特征,得到一组特征图,使用CNN网络提取关节点置信图和关节亲和场。在本实施例中,基于OPENCV的人形目标检测算法的具体流程为:(a)输入摄像头获取的视频流,输入到并列路径(b)预测关节点置信图PCM(c)预测两两关节点亲和度PAF(d)两两关节点匹配(e)PAF相关值作为边权,利用匈牙利算法得到最优的多人关节点联接结果。其中,所述匈牙利算法对应计算公式为:
其中,Emn为手臂边权,Ec为limb c组合边权和。
在其中一个实施例中,步骤S102中对人形进行预处理包括:对人形进行分割后进行二值化处理,提取人形关键点特征后输入人形坐标矩形框。其中,人形关键点特征包括所述人形的头部H和脚部F的坐标,其中,脚部F的坐标F(x1,y1)定位和头部H的坐标H(x2,y2)在引体向上过程中处于运动状态。在本实施例中,人体进行分割是指根据神经网络的训练结果对人体的上下两部分进行分割,将人形分为上半身和下半身,便于后续对人形头部H和脚部F的确定。
上述人形关键点包括分割后的下半身脚部F和上半身头部H,之后建立平面坐标系,以横坐标和纵坐标的形式对头部H和脚部F进行标记,以便于后续步骤中对两个点之间的距离和角度等数据进行计算。
在本实施例中,通过一种人形识别引体向上智能计数算法,建立标准的引体向上考核标准,还可以节省人为因数导致的评估主观性,实现了利用计算机智能算法的方式对运动员的引体向上姿势标准情况和锻炼个数进行计数,解决了相关技术中引体向上计数依赖人工的问题。
下面通过优选实施例对本申请实施例进行描述和说明。
本实施例还提供了一种引体向上计数装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图2是根据本申请实施例的引体向上计数方法原理示意图,如图2所示,在人体做引体向上的过程中,H点的位置在朝上移动形成一系列的坐标点,H1,H2,...,Hn,通过对比这组数据获取最高的点Hmax,Hmin,F点的位置在朝上移动形成一系列的坐标点,F1,F2,...,Fn,,人形位移值R计算方法为使用人形移动的位置与身高的比值滤除身高因数引起的误差,位移比例计算公式如下:
由此可以得出位移比例R的值,其中R值正常范围在0~0.5之间,这个值在算法中可以配置,在不同的考核场景下可以设置目标角度T,T值在合理的范围内越高要求越严格。判断依据是:R>T,完成计数加一,否则不计数。
图3根据本申请实施例的引体向上计数装置的结构框图,如图3所示,该装置包括:识别模块,用于通过摄像头划定识别区域,利用人形目标检测算法找到所述识别区域内的人形;预处理模块,用于对人形进行预处理;计算模块,用于计算所述人形头部H和脚部F的初始位置H1和F1,计算所述人形头部H在运动过程中的最高点的Hmax和最低点Hmin的位置和计算位移比例R;判断模块,判断位移比例R与预设值T的大小关系,若位移比例R小于预设值T,则进行一次引体向上计数,若位移比例R大于预设值T,则不进行引体向上计数。。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
另外,结合图1描述的本申请实施例引体向上计数方法可以由引体向上计数设备来实现。图4为根据本申请实施例的引体向上计数设备的硬件结构示意图。
引体向上计数设备可以包括处理器41以及存储有计算机程序指令的存储器42。
具体地,上述处理器41可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器44可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器44可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为OPENCV)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerial Bus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器44可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器44可在数据处理装置的内部或外部。在特定实施例中,存储器44是非易失性(Non-Volatile)存储器。在特定实施例中,存储器44包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(Random Access Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(ErasableProgrammable Read-Only Memory,简称为EPROM)、电可擦除PROM(Electrically ErasableProgrammable Read-Only Memory,简称为EEPROM)、电可改写ROM(ElectricallyAlterable Read-Only Memory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-AccessMemory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode DynamicRandom Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDate Out Dynamic Random Access Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器44可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器42所执行的可能的计算机程序指令。
处理器41通过读取并执行存储器42中存储的计算机程序指令,以实现上述实施例中的任意一种引体向上计数方法。
在其中一些实施例中,引体向上计数设备还可包括通信接口43和总线40。其中,如图4所示,处理器41、存储器42、通信接口43通过总线40连接并完成相互间的通信。
通信接口43用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口43还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线40包括硬件、软件或两者,将引体向上计数设备的部件彼此耦接在一起。总线40包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线40可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(Front Side Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线40可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该引体向上计数设备可以基于获取到的引体向上计数,执行本申请实施例中的引体向上计数方法,从而实现结合图1描述的引体向上计数方法。
另外,结合上述实施例中的引体向上计数方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种引体向上计数方法。
相比于现有技术,本申请具有以下优点:
1.本申请利用计算机智能算法,通过识别人体进行引体向上运动时头部和脚部的运动位置变化,实现了对引体向上的自动计数。
2.本申请在不同的考核场景下时,可以自主设置不同的考核标准T值,具备对不同使用场景下的的广泛适用性。
3.本申请通过测量自动判断计数的方法,无需人工进行计数和监控,节约人力资源成本。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (7)
2.根据权利要求1所述的一种引体向上计数方法,其特征在于,所述步骤1中人形目标检测算法包括基于OpenCV的人形目标检测算法,所述基于OpenCV的人形目标检测算法通过卷积网络提取特征,得到一组特征图,使用CNN网络提取关节点置信图和关节亲和场。
3.根据权利要求1所述的一种引体向上计数方法,其特征在于,所述步骤2中对所述人形进行预处理包括:
对所述人形进行分割后进行二值化处理,提取人形关键点特征后输入人形坐标矩形框。
4.根据权利要求3所述的一种引体向上计数方法,其特征在于,所述人形关键点特征包括所述人形的头部H和脚部F的坐标,其中,脚部F的坐标F(x1,y1)定位和头部H的坐标H(x2,y2)在引体向上过程中处于运动状态。
5.一种引体向上计数装置,其特征在于,包括:
识别模块,用于通过摄像头划定识别区域,利用人形目标检测算法找到所述识别区域内的人形;
预处理模块,用于对人形进行预处理;
计算模块,用于计算所述人形头部H和脚部F的初始位置H1和F1,计算所述人形头部H在运动过程中的最高点的Hmax和最低点Hmin的位置和计算位移比例R;
判断模块,判断位移比例R与预设值T的大小关系,若位移比例R小于预设值T,则进行一次引体向上计数,若位移比例R大于预设值T,则不进行引体向上计数。
6.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至4中任一项所述的引体向上计数方法。
7.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行权利要求1至4中任一项所述的引体向上计数方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011620098.2A CN113158729A (zh) | 2020-12-31 | 2020-12-31 | 一种引体向上计数方法、装置、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011620098.2A CN113158729A (zh) | 2020-12-31 | 2020-12-31 | 一种引体向上计数方法、装置、电子装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113158729A true CN113158729A (zh) | 2021-07-23 |
Family
ID=76878265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011620098.2A Pending CN113158729A (zh) | 2020-12-31 | 2020-12-31 | 一种引体向上计数方法、装置、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113158729A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115138059A (zh) * | 2022-09-06 | 2022-10-04 | 南京市觉醒智能装备有限公司 | 一种引体向上的规范计数方法、系统及其存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103298A (zh) * | 2017-04-21 | 2017-08-29 | 桂林电子科技大学 | 基于图像处理的引体向上计数系统及计数方法 |
CN208319925U (zh) * | 2018-06-12 | 2019-01-04 | 东北师范大学 | 一种基于骨骼图像自动识别引体向上个数的体测器材 |
CN111282248A (zh) * | 2020-05-12 | 2020-06-16 | 西南交通大学 | 一种基于骨骼和人脸关键点的引体向上检测系统及方法 |
CN111368791A (zh) * | 2020-03-18 | 2020-07-03 | 南通大学 | 基于Quick-OpenPose模型的引体向上测试计数方法及系统 |
CN111597975A (zh) * | 2020-05-14 | 2020-08-28 | 北京万觉科技有限公司 | 人员动作检测方法方法、装置及电子设备 |
-
2020
- 2020-12-31 CN CN202011620098.2A patent/CN113158729A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103298A (zh) * | 2017-04-21 | 2017-08-29 | 桂林电子科技大学 | 基于图像处理的引体向上计数系统及计数方法 |
CN208319925U (zh) * | 2018-06-12 | 2019-01-04 | 东北师范大学 | 一种基于骨骼图像自动识别引体向上个数的体测器材 |
CN111368791A (zh) * | 2020-03-18 | 2020-07-03 | 南通大学 | 基于Quick-OpenPose模型的引体向上测试计数方法及系统 |
CN111282248A (zh) * | 2020-05-12 | 2020-06-16 | 西南交通大学 | 一种基于骨骼和人脸关键点的引体向上检测系统及方法 |
CN111597975A (zh) * | 2020-05-14 | 2020-08-28 | 北京万觉科技有限公司 | 人员动作检测方法方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
ALEX TIAN: ""关键点检测算法(三)多人2D关键点检测算法之OpenPose"", HTTPS://ZHUANLAN.ZHIHU.COM/P/187606778, pages 1 - 4 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115138059A (zh) * | 2022-09-06 | 2022-10-04 | 南京市觉醒智能装备有限公司 | 一种引体向上的规范计数方法、系统及其存储介质 |
CN115138059B (zh) * | 2022-09-06 | 2022-12-02 | 南京市觉醒智能装备有限公司 | 一种引体向上的规范计数方法、系统及其存储介质 |
WO2024051597A1 (zh) * | 2022-09-06 | 2024-03-14 | 南京市觉醒智能装备有限公司 | 一种引体向上的规范计数方法、系统及其存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11176359B2 (en) | Motion recognition device and motion recognition method | |
US10380759B2 (en) | Posture estimating apparatus, posture estimating method and storing medium | |
CN111275032B (zh) | 基于人体关键点的深蹲检测方法、装置、设备及介质 | |
CN107103298B (zh) | 基于图像处理的引体向上计数系统及计数方法 | |
CN111368791B (zh) | 基于Quick-OpenPose模型的引体向上测试计数方法及系统 | |
US8894500B2 (en) | Diagnosing method of golf swing | |
CN106295526B (zh) | 车辆图像匹配的方法及装置 | |
CN111914642B (zh) | 一种行人重识别方法、装置、设备及介质 | |
CN106485651B (zh) | 快速鲁棒性尺度不变的图像匹配方法 | |
CN111401260B (zh) | 基于Quick-OpenPose模型的仰卧起坐测试计数方法及系统 | |
WO2017161734A1 (zh) | 通过电视和体感配件矫正人体动作及系统 | |
CN110287772A (zh) | 平面手掌掌心区域提取方法及装置 | |
CN112364785A (zh) | 一种运动训练指导方法、装置、设备及计算机存储介质 | |
JP6381368B2 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
CN113158729A (zh) | 一种引体向上计数方法、装置、电子装置和存储介质 | |
CN111861998A (zh) | 一种人体图像质量评估方法、装置、系统和计算机设备 | |
CN112101127B (zh) | 人脸脸型的识别方法、装置、计算设备及计算机存储介质 | |
JP2011113398A (ja) | 姿勢推定装置 | |
CN111368787A (zh) | 视频处理方法及装置、设备和计算机可读存储介质 | |
CN109948630A (zh) | 靶纸图像的识别方法、装置、系统和存储介质 | |
CN111047553B (zh) | 一种面向非接触式人体参数测量的特征点定位方法 | |
CN111814514A (zh) | 号码识别装置、方法以及电子设备 | |
CN113011242A (zh) | 一种仰卧起坐计数方法、装置、电子装置和存储介质 | |
CN113158731A (zh) | 一种俯卧撑计数方法、装置、电子装置和存储介质 | |
CN114140414A (zh) | 非接触式人体测量方法、装置和电子设备 |
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 |