CN113379024A - 深蹲运动计数方法、系统、计算机设备及存储介质 - Google Patents
深蹲运动计数方法、系统、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113379024A CN113379024A CN202110710542.8A CN202110710542A CN113379024A CN 113379024 A CN113379024 A CN 113379024A CN 202110710542 A CN202110710542 A CN 202110710542A CN 113379024 A CN113379024 A CN 113379024A
- Authority
- CN
- China
- Prior art keywords
- human body
- deep
- datum line
- picture
- acquiring
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M1/00—Design features of general application
- G06M1/08—Design features of general application for actuating the drive
- G06M1/10—Design features of general application for actuating the drive by electric or magnetic means
- G06M1/101—Design features of general application for actuating the drive by electric or magnetic means by electro-optical means
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本方案涉及一种深蹲运动计数方法、系统、计算机设备及存储介质。所述方法包括:实时采集运动画面,并对所述运动画面进行编码处理,生成初始画面;将所述初始画面输入至姿态识别模型中,得到人体信息以及人体特征点;获取设备参数,并根据所述设备参数确定所述运动画面中的阀值基准线;根据所述人体信息以及所述人体特征点确定深蹲动作,并根据所述深蹲动作以及所述阀值基准线计算深蹲次数。本方案可以利用现有的设备相机,达到深蹲运动计数的目的,能够帮助减肥健身用户群体每天运动目标的监督完成,降低了深蹲运动的技术成本。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种深蹲运动计数方法、系统、计算机设备及存储介质。
背景技术
随着社会的发展,人们的生活水平在不断提高,越来越多的人注重身体健康。由于目前生活节奏加快,工作压力大,大部分人都是选择健身的方式锻炼身体,且健身已经成为许多人工作之余的消遣方式。健身不但能促进人体新陈代谢,增强体魄,也能让人获得成就感。由于健身房进行健身比较繁琐,大部分人选择居家健身。在图像AI识别技术发展的背景下,涌现出了很多物体检测、活体检查、人脸识别等应用,例如,用户在进行深蹲运动时,智能计数相机是依托于图像AI识别技术,通过相机实时活体跟踪,并借助相机中的陀螺仪和加速度传感器采集数据,达到深蹲运动时自动计数目的。
然而,传统的深蹲运动计数方法存在计数成本较高的问题。
发明内容
基于此,为了解决上述技术问题,提供一种深蹲运动计数方法、系统、计算机设备和存储介质,可以降低深蹲运动的技术成本。
一种深蹲运动计数方法,所述方法包括:
实时采集运动画面,并对所述运动画面进行编码处理,生成初始画面;
将所述初始画面输入至姿态识别模型中,得到人体信息以及人体特征点;
获取设备参数,并根据所述设备参数确定所述运动画面中的阀值基准线;
根据所述人体信息以及所述人体特征点确定深蹲动作,并根据所述深蹲动作以及所述阀值基准线计算深蹲次数。
在其中一个实施例中,所述获取设备参数,并根据所述设备参数确定所述运动画面中的阀值基准线,包括:
通过加速度传感器采集设备加速度、用户距离以及设备前后倾斜度;
根据所述设备加速度、所述用户距离以及所述设备前后倾斜度计算阀值基准线的位置;
根据所述阀值基准线的位置在所述运动画面中展示所述阀值基准线。
在其中一个实施例中,所述姿态识别模型的训练过程包括:
获取初始识别模型,并从数据库中提取样本画面;所述样本画面中包含有运动人体;
采集目标插件,并将所述目标插件引入至所述初始识别模型中,得到目标识别模型;
将所述样本画面输入至所述目标识别模型中进行训练,生成所述姿态识别模型。
在其中一个实施例中,所述根据所述人体信息以及所述人体特征点确定深蹲动作,包括:
根据所述人体信息,绘制所述人体特征点之间的人体直线;
确定所述人体直线中的目标点,当所述目标点垂直向下两次切割所述阀值基准线时,确定深蹲动作。
在其中一个实施例中,所述方法还包括:
获取输入的深蹲运动目标数量,并在采集所述运动画面时将所述目标数量展示在显示界面;
当所述目标点垂直向下两次切割所述阀值基准线时,作为一次深蹲动作,并更新所述目标数量,得到所述深蹲运动的待完成数量;
将所述待完成数量展示在所述显示界面中。
在其中一个实施例中,所述方法还包括:
当采集到所述运动画面时,开始计时,并在所述显示界面中显示计时时间;
当所述目标点垂直向下两次切割所述阀值基准线时,结束计时,并获取所述显示界面中当前显示的计时时间;
根据所述计时时间、所述当前显示的计时时间,计算时间段,并将所述时间段作为一次所述深蹲运动的时间段。
在其中一个实施例中,所述方法还包括:
获取音乐数据;
当采集到所述运动画面,开始计时时,播放所述音乐数据;
当所述目标点垂直向下两次切割所述阀值基准线,结束计时时,停止播放所述音乐数据。
一种深蹲运动计数系统,所述系统包括:
画面采集模块,用于实时采集运动画面,并对所述运动画面进行编码处理,生成初始画面;
姿态识别模块,用于将所述初始画面输入至姿态识别模型中,得到人体信息以及人体特征点;
基准线确定模块,用于获取设备参数,并根据所述设备参数确定所述运动画面中的阀值基准线;
深蹲运动计数模块,用于根据所述人体信息以及所述人体特征点确定深蹲动作,并根据所述深蹲动作以及所述阀值基准线计算深蹲次数。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
实时采集运动画面,并对所述运动画面进行编码处理,生成初始画面;
将所述初始画面输入至姿态识别模型中,得到人体信息以及人体特征点;
获取设备参数,并根据所述设备参数确定所述运动画面中的阀值基准线;
根据所述人体信息以及所述人体特征点确定深蹲动作,并根据所述深蹲动作以及所述阀值基准线计算深蹲次数。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
实时采集运动画面,并对所述运动画面进行编码处理,生成初始画面;
将所述初始画面输入至姿态识别模型中,得到人体信息以及人体特征点;
获取设备参数,并根据所述设备参数确定所述运动画面中的阀值基准线;
根据所述人体信息以及所述人体特征点确定深蹲动作,并根据所述深蹲动作以及所述阀值基准线计算深蹲次数。
上述深蹲运动计数方法、系统、计算机设备及存储介质,通过实时采集运动画面,并对所述运动画面进行编码处理,生成初始画面;将所述初始画面输入至姿态识别模型中,得到人体信息以及人体特征点;获取设备参数,并根据所述设备参数确定所述运动画面中的阀值基准线;根据所述人体信息以及所述人体特征点确定深蹲动作,并根据所述深蹲动作以及所述阀值基准线计算深蹲次数。本方案可以利用现有的设备相机,达到深蹲运动计数的目的,能够帮助减肥健身用户群体每天运动目标的监督完成,降低了深蹲运动的技术成本。
附图说明
图1为一个实施例中深蹲运动计数方法的应用环境图;
图2为一个实施例中深蹲运动计数方法的流程示意图;
图3为一个实施例中深蹲运动计数系统的结构框图;
图4为一个实施例中计算机设备的内部结构图。
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,对本申请进行进一步详细说明。应当理解,此处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。
本申请实施例提供的深蹲运动计数方法,可以应用于如图1所示的应用环境中。如图1所示,该应用环境包括计算机设备110。计算机设备110可以实时采集运动画面,并对运动画面进行编码处理,生成初始画面;计算机设备110可以将初始画面输入至姿态识别模型中,得到人体信息以及人体特征点;计算机设备110可以获取设备参数,并根据设备参数确定运动画面中的阀值基准线;计算机设备110可以根据人体信息以及人体特征点确定深蹲动作,并根据深蹲动作以及阀值基准线计算深蹲次数。其中,计算机设备110可以但不限于是各种携带有摄像头的个人计算机、笔记本电脑、智能手机、机器人、平板电脑等设备。
在一个实施例中,如图2所示,提供了一种深蹲运动计数方法,包括以下步骤:
步骤202,实时采集运动画面,并对运动画面进行编码处理,生成初始画面。
计算机设备可以通过摄像头实时采集运动画面,其中,摄像头可以是深度摄像头。运动画面中可以包含有人体运动。计算机设备通过摄像头实时采集运动画面后,可以对运动画面进行编码处理,即计算机设备可以将运动画面的数据帧进行编码处理,得到初始画面。
步骤204,将初始画面输入至姿态识别模型中,得到人体信息以及人体特征点。
其中,姿态识别模型可以是预先训练好的,用于识别初始画面中人体运动的机器学习模型。
计算机设备在生成初始画面后,可以将初始画面输入到预先训练好的姿态识别模型中,从而得到人体信息以及人体特征点。具体的,计算机设备可以通过姿态识别模型对初始画面进行分析,获得每一帧图像中的人体信息,并获取人体的17个重要特征点。
步骤206,获取设备参数,并根据设备参数确定运动画面中的阀值基准线。
设备参数可以用于表示计算机设备在通过摄像头采集运动画面时的参数。举例说明,设备参数可以是加速度、用户距离、设备前后倾斜度等参数。
计算机设备可以根据设备参数确定运动画面中的阀值基准线。其中,阀值基准线可以是人体进行深蹲运动的参照标准线,人体在进行深蹲运动时,通常为蹲下起立为一组,阀值基准线可以作为人体蹲下或者起立的参照线,用于判断人体完成深蹲运动的次数。
步骤208,根据人体信息以及人体特征点确定深蹲动作,并根据深蹲动作以及阀值基准线计算深蹲次数。
在本实施例中,计算机设备通过实时采集运动画面,并对运动画面进行编码处理,生成初始画面;将初始画面输入至姿态识别模型中,得到人体信息以及人体特征点;获取设备参数,并根据设备参数确定运动画面中的阀值基准线;根据人体信息以及人体特征点确定深蹲动作,并根据深蹲动作以及阀值基准线计算深蹲次数。本方案可以利用现有的设备相机,达到深蹲运动计数的目的,能够帮助减肥健身用户群体每天运动目标的监督完成,降低了深蹲运动的技术成本。
在一个实施例中,提供的一种深蹲运动计数方法还可以包括确定阀值基准线的过程,具体过程包括:通过加速度传感器采集设备加速度、用户距离以及设备前后倾斜度;根据设备加速度、用户距离以及设备前后倾斜度计算阀值基准线的位置;根据阀值基准线的位置在运动画面中展示阀值基准线。
计算机设备中可以设置有加速度传感器,加速度传感器可以用于采集计算机设备的加速度,计算机设备中可以设置有处理器,用于监听加速度传感器的数值变化。用户距离可以用于表示用户在运动时与计算机设备之间的距离;设备前后倾斜度可以用于表示计算机设备向前或者向后倾斜的程度,计算机设备越向后仰,运动画面中人体出现的位置会向下偏移,对应的阀值基准线就会向下移动。其中,设备前后倾斜度在-0.68到0.24之间时是深蹲运动计算机设备放置的最佳角度。
计算机设备可以根据设备加速度、用户距离以及设备前后倾斜度,并结合计算机设备显示屏的尺寸来计算阀值基准线在运动画面中的位置,并在运动画面中展示。
其中,计算机设备在通过深度摄像头获取用户距离的时候,可以自动校正人机距离,计算机设备可以通过校正人机距离告知用户目前是否在合适的深蹲运动人机距离和角度上,以及是否识别到人体姿态;如果校正成功会进行是否完成一次动作计算,如果校正不成功会以声音和文字的形式提示用户找到合适角度和位置,例如,计算机设备可以根据校正过程在显示界面中展示“无法识别、请调整您和屏幕的距离、请让面部出现在屏幕上或者请让双脚出现在屏幕上”等提示信息。具体的,计算机设备可以根据双眼之间的距离来确定人和屏幕之间的距离,同时,计算机设备可以根据鼻子基于中线的水平左右偏移量来确定用户是否在屏幕合适位置,从而提示用户进行调整。
其中,计算机设备在采集运动画面时,显示界面可以长时间进行显示,即屏幕常亮,在对着计算机设备进行运动的过程中,屏幕常亮可以防止屏幕关闭影响运动计数。
由于用户相对于计算机设备是不断运动的,通过设备加速度、用户距离以及设备前后倾斜度等参数确定阀值基准线在运动画面中的位置,可以更加准确的计算出用户的深蹲次数。
在一个实施例中,提供的一种深蹲运动计数方法还可以包括姿态识别模型的训练过程,具体过程包括:获取初始识别模型,并从数据库中提取样本画面;样本画面中包含有运动人体;采集目标插件,并将目标插件引入至初始识别模型中,得到目标识别模型;将样本画面输入至目标识别模型中进行训练,生成姿态识别模型。
其中,初始识别模型可以是tfjs深度学习模型,计算机设备可以对初始识别模型进行初始化操作。其中,初始识别模型在加载时,由于每次使用的模型特征库文件是网络加载,计算机设备中可以加入缓存机制,第一次加载模型时通过网络加载,后续则使用本地缓存特征库文件。
目标插件可以是tfjs-wechat插件,可以插入微信小程序中使用。计算机设备可以从数据库中提取出样本画面,其中,样本画面中可以包含有运动的人体。用户可以预先通过计算机设备设备需要解析的图像帧的数据大小,还可以设置加载模型成功的信号。
计算机设备可以将包含有运动人体的样本画面输入到目标识别模型中进行训练,从而生成最终的姿态识别模型。
在一个实施例中,提供的一种深蹲运动计数方法还可以包括确定深蹲动作的过程,具体过程包括:根据人体信息,绘制人体特征点之间的人体直线;确定人体直线中的目标点,当目标点垂直向下两次切割阀值基准线时,确定深蹲动作。
计算机设备可以根据人体信息,绘制人体特征点之间的人体直线。具体的,计算机设备可以通过canvas实时绘制17个人体特征点,并绘制特征点之间的直线,形成火柴人形状。计算机设备可以确定人体直线中的目标点,目标点可以用于表示人体面部,当面部垂直向下矢量方向两次切割阀值基准线,代表一次深蹲动作完成。
其中,计算机设备还可以根据人体直线确定人体的各个部位,判断人体是在起始点到阀值基准线之间、还是在阀值基准线以下。
在一个实施例中,提供的一种深蹲运动计数方法还可以包括计数的过程,具体的过程包括:获取输入的深蹲运动目标数量,并在采集运动画面时将目标数量展示在显示界面;当目标点垂直向下两次切割阀值基准线时,作为一次深蹲动作,并更新目标数量,得到深蹲运动的待完成数量;将待完成数量展示在显示界面中。
用户可以预先通过计算机设备输入深蹲运动的目标数量,即用户计划完成的深蹲运动的数量。计算机设备在采集运动画面时,可以将用户输入的目标数量展示在显示界面中,以提示用户需要完成的深蹲运动的数量。
计算机设备在计算深蹲动作时,可以根据目标点的移动来计算深蹲数量。具体的,当目标点垂直向下两次切割阀值基准线时,表示用户完成了一次深蹲动作,计算机设备可以根据用户完成的次数来更新目标数量,例如,用户通过计算机设备输入的目标数量是20个,目标点垂直向下两次切割阀值基准线后,计算机设备可以将目标数量更新为19个,即更新后的目标数量为深蹲运动的待完成数量,计算机设备可以将待完成数量展示在显示界面中,用于提示用户还需要完成的深蹲运动的数量。
在一个实施例中,提供的一种深蹲运动计数方法还可以包括计时的过程,具体过程包括:当采集到运动画面时,开始计时,并在显示界面中显示计时时间;当目标点垂直向下两次切割阀值基准线时,结束计时,并获取显示界面中当前显示的计时时间;根据计时时间、当前显示的计时时间,计算时间段,并将时间段作为一次深蹲运动的时间段。
计算机设备可以具备计时功能,即,计算机设备中可以设置有计时器,用于对用户完成深蹲运动的时间进行计量。
其中,计算机设备可以在采集到运动画面时就开始计时,计算机设备在采集到运动画面时表示用户开始运动,计算机设备可以在显示界面中显示计时时间。当目标点垂直向下两次切割阀值基准线时,表示用户完成了一次深蹲运动,此时计算机设备可以结束计时,并在显示界面中显示计时时间,计算机设备可以计算出时间段,作为用户完成一次深蹲运动的时间。
在一个实施例中,提供的一种深蹲运动计数方法还可以包括播放音乐的过程,具体过程包括:获取音乐数据;当采集到运动画面,开始计时时,播放音乐数据;当目标点垂直向下两次切割阀值基准线,结束计时时,停止播放音乐数据。
其中,音乐数据可以是计算机设备中存储的动效音数据或者背景音乐数据,当计算机设备采集到运动画面时,表示用户开始运动,此时计算机设备可以开始播放音乐数据,配合用户的运动。
应该理解的是,虽然上述流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图3所示,提供了一种深蹲运动计数系统,包括:画面采集模块310、姿态识别模块320、基准线确定模块330和深蹲运动计数模块340,其中:
画面采集模块310,用于实时采集运动画面,并对运动画面进行编码处理,生成初始画面;
姿态识别模块320,用于将初始画面输入至姿态识别模型中,得到人体信息以及人体特征点;
基准线确定模块330,用于获取设备参数,并根据设备参数确定运动画面中的阀值基准线;
深蹲运动计数模块340,用于根据人体信息以及人体特征点确定深蹲动作,并根据深蹲动作以及阀值基准线计算深蹲次数。
在一个实施例中,基准线确定模块330还用于通过加速度传感器采集设备加速度、用户距离以及设备前后倾斜度;根据设备加速度、用户距离以及设备前后倾斜度计算阀值基准线的位置;根据阀值基准线的位置在运动画面中展示阀值基准线。
在一个实施例中,姿态识别模块320还用于获取初始识别模型,并从数据库中提取样本画面;样本画面中包含有运动人体;采集目标插件,并将目标插件引入至初始识别模型中,得到目标识别模型;将样本画面输入至目标识别模型中进行训练,生成姿态识别模型。
在一个实施例中,深蹲运动计数模块340还用于根据人体信息,绘制人体特征点之间的人体直线;确定人体直线中的目标点,当目标点垂直向下两次切割阀值基准线时,确定深蹲动作。
在一个实施例中,深蹲运动计数模块340还用于获取输入的深蹲运动目标数量,并在采集运动画面时将目标数量展示在显示界面;当目标点垂直向下两次切割阀值基准线时,作为一次深蹲动作,并更新目标数量,得到深蹲运动的待完成数量;将待完成数量展示在显示界面中。
在一个实施例中,深蹲运动计数模块340还用于当采集到运动画面时,开始计时,并在显示界面中显示计时时间;当目标点垂直向下两次切割阀值基准线时,结束计时,并获取显示界面中当前显示的计时时间;根据计时时间、当前显示的计时时间,计算时间段,并将时间段作为一次深蹲运动的时间段。
在一个实施例中,深蹲运动计数模块340还用于获取音乐数据;当采集到运动画面,开始计时时,播放音乐数据;当目标点垂直向下两次切割阀值基准线,结束计时时,停止播放音乐数据。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种深蹲运动计数方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
实时采集运动画面,并对运动画面进行编码处理,生成初始画面;
将初始画面输入至姿态识别模型中,得到人体信息以及人体特征点;
获取设备参数,并根据设备参数确定运动画面中的阀值基准线;
根据人体信息以及人体特征点确定深蹲动作,并根据深蹲动作以及阀值基准线计算深蹲次数。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:通过加速度传感器采集设备加速度、用户距离以及设备前后倾斜度;根据设备加速度、用户距离以及设备前后倾斜度计算阀值基准线的位置;根据阀值基准线的位置在运动画面中展示阀值基准线。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取初始识别模型,并从数据库中提取样本画面;样本画面中包含有运动人体;采集目标插件,并将目标插件引入至初始识别模型中,得到目标识别模型;将样本画面输入至目标识别模型中进行训练,生成姿态识别模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据人体信息,绘制人体特征点之间的人体直线;确定人体直线中的目标点,当目标点垂直向下两次切割阀值基准线时,确定深蹲动作。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取输入的深蹲运动目标数量,并在采集运动画面时将目标数量展示在显示界面;当目标点垂直向下两次切割阀值基准线时,作为一次深蹲动作,并更新目标数量,得到深蹲运动的待完成数量;将待完成数量展示在显示界面中。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当采集到运动画面时,开始计时,并在显示界面中显示计时时间;当目标点垂直向下两次切割阀值基准线时,结束计时,并获取显示界面中当前显示的计时时间;根据计时时间、当前显示的计时时间,计算时间段,并将时间段作为一次深蹲运动的时间段。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取音乐数据;当采集到运动画面,开始计时时,播放音乐数据;当目标点垂直向下两次切割阀值基准线,结束计时时,停止播放音乐数据。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
实时采集运动画面,并对运动画面进行编码处理,生成初始画面;
将初始画面输入至姿态识别模型中,得到人体信息以及人体特征点;
获取设备参数,并根据设备参数确定运动画面中的阀值基准线;
根据人体信息以及人体特征点确定深蹲动作,并根据深蹲动作以及阀值基准线计算深蹲次数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过加速度传感器采集设备加速度、用户距离以及设备前后倾斜度;根据设备加速度、用户距离以及设备前后倾斜度计算阀值基准线的位置;根据阀值基准线的位置在运动画面中展示阀值基准线。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取初始识别模型,并从数据库中提取样本画面;样本画面中包含有运动人体;采集目标插件,并将目标插件引入至初始识别模型中,得到目标识别模型;将样本画面输入至目标识别模型中进行训练,生成姿态识别模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据人体信息,绘制人体特征点之间的人体直线;确定人体直线中的目标点,当目标点垂直向下两次切割阀值基准线时,确定深蹲动作。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取输入的深蹲运动目标数量,并在采集运动画面时将目标数量展示在显示界面;当目标点垂直向下两次切割阀值基准线时,作为一次深蹲动作,并更新目标数量,得到深蹲运动的待完成数量;将待完成数量展示在显示界面中。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当采集到运动画面时,开始计时,并在显示界面中显示计时时间;当目标点垂直向下两次切割阀值基准线时,结束计时,并获取显示界面中当前显示的计时时间;根据计时时间、当前显示的计时时间,计算时间段,并将时间段作为一次深蹲运动的时间段。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取音乐数据;当采集到运动画面,开始计时时,播放音乐数据;当目标点垂直向下两次切割阀值基准线,结束计时时,停止播放音乐数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
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。
以上所述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 (10)
1.一种深蹲运动计数方法,其特征在于,所述方法包括:
实时采集运动画面,并对所述运动画面进行编码处理,生成初始画面;
将所述初始画面输入至姿态识别模型中,得到人体信息以及人体特征点;
获取设备参数,并根据所述设备参数确定所述运动画面中的阀值基准线;
根据所述人体信息以及所述人体特征点确定深蹲动作,并根据所述深蹲动作以及所述阀值基准线计算深蹲次数。
2.根据权利要求1所述的深蹲运动计数方法,其特征在于,所述获取设备参数,并根据所述设备参数确定所述运动画面中的阀值基准线,包括:
通过加速度传感器采集设备加速度、用户距离以及设备前后倾斜度;
根据所述设备加速度、所述用户距离以及所述设备前后倾斜度计算阀值基准线的位置;
根据所述阀值基准线的位置在所述运动画面中展示所述阀值基准线。
3.根据权利要求1所述的深蹲运动计数方法,其特征在于,所述姿态识别模型的训练过程包括:
获取初始识别模型,并从数据库中提取样本画面;所述样本画面中包含有运动人体;
采集目标插件,并将所述目标插件引入至所述初始识别模型中,得到目标识别模型;
将所述样本画面输入至所述目标识别模型中进行训练,生成所述姿态识别模型。
4.根据权利要求1所述的深蹲运动计数方法,其特征在于,所述根据所述人体信息以及所述人体特征点确定深蹲动作,包括:
根据所述人体信息,绘制所述人体特征点之间的人体直线;
确定所述人体直线中的目标点,当所述目标点垂直向下两次切割所述阀值基准线时,确定深蹲动作。
5.根据权利要求4所述的深蹲运动计数方法,其特征在于,所述方法还包括:
获取输入的深蹲运动目标数量,并在采集所述运动画面时将所述目标数量展示在显示界面;
当所述目标点垂直向下两次切割所述阀值基准线时,作为一次深蹲动作,并更新所述目标数量,得到所述深蹲运动的待完成数量;
将所述待完成数量展示在所述显示界面中。
6.根据权利要求5所述的深蹲运动计数方法,其特征在于,所述方法还包括:
当采集到所述运动画面时,开始计时,并在所述显示界面中显示计时时间;
当所述目标点垂直向下两次切割所述阀值基准线时,结束计时,并获取所述显示界面中当前显示的计时时间;
根据所述计时时间、所述当前显示的计时时间,计算时间段,并将所述时间段作为一次所述深蹲运动的时间段。
7.根据权利要求6所述的深蹲运动计数方法,其特征在于,所述方法还包括:
获取音乐数据;
当采集到所述运动画面,开始计时时,播放所述音乐数据;
当所述目标点垂直向下两次切割所述阀值基准线,结束计时时,停止播放所述音乐数据。
8.一种深蹲运动计数系统,其特征在于,所述系统包括:
画面采集模块,用于实时采集运动画面,并对所述运动画面进行编码处理,生成初始画面;
姿态识别模块,用于将所述初始画面输入至姿态识别模型中,得到人体信息以及人体特征点;
基准线确定模块,用于获取设备参数,并根据所述设备参数确定所述运动画面中的阀值基准线;
深蹲运动计数模块,用于根据所述人体信息以及所述人体特征点确定深蹲动作,并根据所述深蹲动作以及所述阀值基准线计算深蹲次数。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110710542.8A CN113379024B (zh) | 2021-06-25 | 2021-06-25 | 深蹲运动计数方法、系统、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110710542.8A CN113379024B (zh) | 2021-06-25 | 2021-06-25 | 深蹲运动计数方法、系统、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113379024A true CN113379024A (zh) | 2021-09-10 |
CN113379024B CN113379024B (zh) | 2023-06-30 |
Family
ID=77579152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110710542.8A Active CN113379024B (zh) | 2021-06-25 | 2021-06-25 | 深蹲运动计数方法、系统、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113379024B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102462953A (zh) * | 2010-11-12 | 2012-05-23 | 深圳泰山在线科技有限公司 | 一种基于计算机的跳跃运动实现方法及系统 |
JP2014182033A (ja) * | 2013-03-19 | 2014-09-29 | Casio Comput Co Ltd | 移動軌跡表示装置並びにプログラム、及び移動軌跡表示方法 |
CN108885789A (zh) * | 2017-03-03 | 2018-11-23 | 华为技术有限公司 | 一种针对人体运动的计数方法及装置 |
CN109190485A (zh) * | 2018-07-31 | 2019-01-11 | 李明 | 数据处理方法、装置、计算机设备和存储介质 |
CN109344796A (zh) * | 2018-10-22 | 2019-02-15 | Oppo广东移动通信有限公司 | 信息处理方法和装置、电子设备、计算机可读存储介质 |
CN112966597A (zh) * | 2021-03-04 | 2021-06-15 | 山东云缦智能科技有限公司 | 一种基于骨骼关键点的人体运动动作计数方法 |
-
2021
- 2021-06-25 CN CN202110710542.8A patent/CN113379024B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102462953A (zh) * | 2010-11-12 | 2012-05-23 | 深圳泰山在线科技有限公司 | 一种基于计算机的跳跃运动实现方法及系统 |
JP2014182033A (ja) * | 2013-03-19 | 2014-09-29 | Casio Comput Co Ltd | 移動軌跡表示装置並びにプログラム、及び移動軌跡表示方法 |
CN108885789A (zh) * | 2017-03-03 | 2018-11-23 | 华为技术有限公司 | 一种针对人体运动的计数方法及装置 |
CN109190485A (zh) * | 2018-07-31 | 2019-01-11 | 李明 | 数据处理方法、装置、计算机设备和存储介质 |
CN109344796A (zh) * | 2018-10-22 | 2019-02-15 | Oppo广东移动通信有限公司 | 信息处理方法和装置、电子设备、计算机可读存储介质 |
CN112966597A (zh) * | 2021-03-04 | 2021-06-15 | 山东云缦智能科技有限公司 | 一种基于骨骼关键点的人体运动动作计数方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113379024B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10898755B2 (en) | Method for providing posture guide and apparatus thereof | |
CN112464918B (zh) | 健身动作纠正方法、装置、计算机设备和存储介质 | |
CN105903157A (zh) | 电子教练实现方法及系统 | |
US20160129335A1 (en) | Report system for physiotherapeutic and rehabilitative video games | |
KR20220028654A (ko) | 미러 디스플레이를 이용하여 태권도 동작 코칭 서비스를 제공하는 장치 및 방법 | |
CN111178280A (zh) | 一种人体坐姿识别方法、装置、设备及存储介质 | |
CN114022512A (zh) | 运动辅助方法、装置及介质 | |
CN106422274A (zh) | 一种基于多传感器的瑜伽评估系统 | |
CN113926172A (zh) | 使用被配置为检查重叠状态下两个高尔夫图像和结果数据的应用程序的姿势比较和校正方法 | |
CN112288766B (zh) | 运动评估方法、装置、系统及存储介质 | |
WO2023040449A1 (zh) | 利用健身动作触发客户端操作指令 | |
WO2023108842A1 (zh) | 基于健身教学训练的动作评价方法及系统 | |
CN114937485A (zh) | 一种健身指导的实现方法、装置、系统 | |
CN115331314A (zh) | 一种基于app筛查功能的运动效果评估方法和系统 | |
US20220092300A1 (en) | Display apparatus and method for controlling thereof | |
CN113379024B (zh) | 深蹲运动计数方法、系统、计算机设备及存储介质 | |
CN117392746A (zh) | 康复训练评估辅助方法、装置、计算机设备和存储介质 | |
CN116152924A (zh) | 一种运动姿势评估方法、装置、系统及计算机存储介质 | |
CN110458076A (zh) | 一种基于计算机视觉的教学方法及系统 | |
CN114092863A (zh) | 一种用于多视角视频图像的人体动作评估方法 | |
CN113517052A (zh) | 商用健身场景下的多感知人机交互系统与方法 | |
US20230293941A1 (en) | Systems and Method for Segmentation of Movement Repetitions and Extraction of Performance Metrics | |
CN115661935B (zh) | 一种人体动作准确度确定方法和设备 | |
CN116935484A (zh) | 深蹲跳动作计数方法、装置、设备及介质 | |
CN109830278A (zh) | 无氧运动健身推荐方法、装置、无氧运动设备及存储介质 |
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 |