CN113440789B - 一种多人跳绳测试智能计数方法及系统 - Google Patents

Abstract

本发明公开了一种多人跳绳测试智能计数方法及系统，该方法包括：在跳绳测试开始之前，通过人脸识别的方式对每一待测者的身份进行验证，将身份验证通过的人作为参加跳绳测试的受测者；在跳绳测试开始之后，实时获取受测者的测试影像，并基于测试影像的第一帧进行受测者与测试位置的绑定；基于测试影像获取每一受测者的骨骼关键点信息，将每位受测者的实时跳跃轨迹保存成一段轨迹波形，通过对每位受测者的轨迹波形进行分析统计，记录每位受测者的实时成绩；将受测人员的身份信息和成绩进行保存处理。本发明使用便捷且成本低，在保留相当精确度的同时使得跳绳计数过程更加快速方便有效。

Description

一种多人跳绳测试智能计数方法及系统

技术领域

本发明涉及跳绳智能测试技术领域，特别涉及一种多人跳绳测试智能计数方法及系统。

背景技术

跳绳是一种传统的体质锻炼与测试项目，同样也是各类教育单位、消防公安部门、部队的体质测试中的一个重要项目。因此，准确且方便的进行跳绳计数尤为重要。

目前，现有的跳绳测试与计数方法大致分为三类：1)人工计数或计时的方式，传统跳绳测试方式下，跳绳次数的统计采用的都是较为原始的人工计数、计时方法。通过肉眼观察跳绳次数，按秒表统计时间。2)利用传统机械装置进行计数，此类方法使用带有机械装置的跳绳计量设备，如计数跳绳等，例如申请号为202110351926.5的专利申请公开了一种跳绳旋转轴头、跳绳手柄设备，通过机械设备统计跳绳过程中绳子的甩动来统计跳绳次数，以及申请号为202110032034.9的专利申请公开了一种基于蜂窝网络通信的智能跳绳及其控制方法、设备，在传统计数跳绳的机械结构基础上，对握把结构进行优化。3)使用人体识别的跳绳计数方法。例如申请号为202011309507.7的专利申请公开了一种基于人体姿态估计和TPA注意力机制的跳绳个数统计方法，通过人体识别算法检测人体，再将坐标的移动信息进行计数统计。

传统人工跳绳计数方法会面临人工计数疲劳、肉眼观测计时精度不够等缺陷，从而导致总体数据偏差较大，并且受测者有作弊风险。一旦技术人员受到干扰，或者跳绳速度较快，很容易错计数或漏计数。另一方面，在多人测试上需要耗费大量的人力，效率低。

使用机械装置的跳绳计数设备虽然在计时、计数上相对人工测量更加准确，但使用繁琐、损坏率高。大部分此类跳绳使用较为简易的机械轮盘进行计数，损坏率极高，一经损坏计数将非常不准确。另一方面，此类机械装置的原理简单易懂，受测者易通过转动把手等方法进行作弊，导致最终获得的运动数据参考价值不高。并且由于机械装置调整空间小，容易使得测试标准过于严格或过于宽松。

使用人体识别的跳绳计数方法虽然在使用方面比传统机械跳绳有优势，但由于信息有限，简单的人体识别算法统计出的跳绳数据精度不高。并且在现有技术中，算法没有对意外情况进行处理，在跳绳人员出现被绊倒，中断跳绳等情况下容易导致此方法出现致命错误。另一方面，此类跳绳统计方法还有待完善，现有的方法还缺少对人员的身份信息识别，以及跳绳结束后数据的存储方面的有效方案。

发明内容

本发明提供了一种多人跳绳测试智能计数方法及系统，以解决现有的跳绳计数方法计数精度不高，功能不够完善的技术问题。

为解决上述技术问题，本发明提供了如下技术方案：

一方面，本发明提供了一种多人跳绳测试智能计数方法

在跳绳测试开始之前，基于待测者的人脸图像，通过人脸识别的方式对每一待测者的身份进行验证，将身份验证通过的人作为参加跳绳测试的受测者；

在跳绳测试开始之后，实时获取包括所有受测者全身影像的测试影像，并基于所述测试影像的第一帧进行受测者与测试位置的绑定；

基于所述测试影像获取每一受测者的骨骼关键点信息，根据所述骨骼关键点信息将每位受测者的实时跳跃轨迹保存成一段轨迹波形，并通过对每位受测者的轨迹波形中的波峰和波谷进行分析统计，记录每位受测者的实时成绩；

将受测人员的身份信息和成绩进行保存处理。

进一步地，在所述通过人脸识别的方式对每一待测者的身份进行验证之后，所述方法还包括：

若当前人员的身份验证通过，则在显示屏显示当前人员对应的身份信息，并进行语音播报，提示当前人员身份验证通过；

若当前人员的身份验证未通过，则人工确认其身份或重新进行身份验证。

进一步地，基于测试影像的第一帧进行受测者与测试位置的绑定，包括：

获取所述测试影像第一帧中所有受测者骨骼关节的坐标信息，并取每一受测者的胸口与胯部两个关节的纵坐标的平均值作为相应受测者的骨骼基准值；

将所有受测者的骨骼基准值，按照受测者在当前测试影像中的位置从左至右进行排序，并将排序后的所有受测者的骨骼基准值存入基准值数组。

进一步地，在基于所述测试影像的第一帧进行受测者与测试位置的绑定之后，所述方法还包括：

每经过25帧，根据最新测试影像更新一次所述基准值数组。

进一步地，基于所述测试影像获取每一受测者的骨骼关键点信息，根据所述骨骼关键点信息将每位受测者的实时跳跃轨迹保存成一段轨迹波形，包括：

获取所述测试影像的每一帧中所包含的每一受测者的骨骼关键点信息；

将当前帧中每一受测者的骨骼基准值分别与所述基准值数组的每一项进行匹配，根据匹配结果确定当前帧对应的各骨骼关键点信息分别属于哪位受测者；

对于同一受测者，若其对应的当前帧的骨骼关键点信息与其对应的前一帧的骨骼关键点信息的差值不在其躯干长度之内，则将当前骨骼关键点信息删除；

以时间为横坐标，骨骼关键点信息为纵坐标，得到每位受测者的轨迹波形。

进一步地，所述骨骼关键点信息为受测者的双肩关节与髋关节三者的纵坐标均值。

进一步地，所述将当前帧中每一受测者的骨骼基准值分别与所述基准值数组的每一项进行匹配，根据匹配结果确定当前帧对应的各骨骼关键点信息分别属于哪位受测者，包括：

将当前帧中每一受测者的骨骼基准值分别与所述基准值数组的每一项进行比较，若当前帧中第i个受测者的骨骼基准值与所述基准值数组中的第j项的差值小于当前帧中第i个受测者骨骼的躯干长度，则将当前帧对应的第i个骨骼关键点信息判定为所述基准值数组中的第j项所对应的受测者的骨骼关键点信息。

进一步地，所述通过对每位受测者的轨迹波形中的波峰和波谷进行分析统计，记录每位受测者的实时成绩，包括：

寻找每一轨迹波形中所有高度相同的相邻点，并根据上升或下降趋势对相邻点的最后一位进行微调，使得整个波形不存在驻点，使整个周期内的波形呈现明显的单增与单减，并将调整后的轨迹波形数据存入轨迹波形数组；

每当所述轨迹波形数组的长度达到5的整数倍时，计算出此时所述轨迹波形数组内轨迹波形的所有极大值点和极小值点，并筛选出与波形均值的差值大于参考值的极大值点；其中，所述波形均值为：对长度等于25时的所述轨迹波形数组内的所有元素去掉最大值及最小值后取平均获得；所述参考值为：所述轨迹波形数组中波形最大值与均值差值的三分之一；

把筛选出的极大值点和极小值点分别记为1和0，依次存入计数堆栈中；随后遍历所述计数堆栈，若存在101或010的排列，则记为一次有效跳绳，并累加到总次数中；若得到一次有效跳绳或所述计数堆栈的长度达到25，则保留所述计数堆栈中最后一个波峰或波谷的数据，清空其余的数据，等待下一次计数；

在得到一次有效跳绳或轨迹波形数组的长度到达25后，清空轨迹波形数组。

进一步地，所述将受测人员的身份信息和成绩进行保存处理，包括：

将受测者的姓名、编号、开始测试时间、结束测试时间和成绩传入到本地数据库，并每隔预设时长将所述本地数据库中的数据同步到远程服务器。

另一方面，本发明还提供了一种多人跳绳测试智能计数系统

影像采集设备，用于采集预设区域内的影像；

数据分析处理模块，用于：

在跳绳测试开始之前，基于所述影像采集设备采集的待测者的人脸图像，通过人脸识别的方式对每一待测者的身份进行验证，将身份验证通过的人作为参加跳绳测试的受测者；

在跳绳测试开始之后，获取所述影像采集设备实时采集的包括所有受测者全身影像的测试影像，并基于测试影像的第一帧进行受测者与测试位置的绑定；

基于所述测试影像获取每一受测者的骨骼关键点信息，根据所述骨骼关键点信息将每位受测者的实时跳跃轨迹保存成一段轨迹波形，并通过对每位受测者的轨迹波形中的波峰和波谷进行分析统计，记录每位受测者的实时成绩；

数据存储模块，用于将受测人员的身份信息和成绩进行保存处理。

再一方面，本发明还提供了一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。

又一方面，本发明还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。

本发明提供的技术方案带来的有益效果至少包括：

1、部署快速，只需要将带摄像头的设备放置到对应位置，并且校准相应运动器材的参考位置，就可以快速投入使用。

2、使用方便，跳绳过程受测者不需要额外佩戴传感器，对使用场地不做严格限制。对各类单位的器材使用条件几乎不做限制。

3、计量准确，通过大量实验看出，本发明能有效避免跳绳的打断、绊倒等不标准跳绳情况，能在正常测试环境下获得准确的实时测量数据。

4、数据自动录入，受测者完成项目后，系统自动将带有身份信息的成绩信息传入到云端数据库，有效节约了时间，并且也提高了测试结果的真实有效性。

5、设备成本低，方便维护。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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为本发明实施例提供的多人跳绳测试智能计数方法的流程示意图；

图2为本发明实施例提供的多人跳绳测试智能计数系统的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

第一实施例

本实施例提供了一种基于人体骨骼关键点检测的多人跳绳测试智能计数方法，该方法可以由电子设备实现，该电子设备可以是终端或者服务器。该多人跳绳测试智能计数方法的执行流程包括以下步骤：

S1，在跳绳测试开始前，基于待测者的人脸图像，通过人脸识别的方式对每一待测者的身份进行验证，将身份验证通过的人作为参加跳绳测试的受测者；

S2，在跳绳测试开始后，实时获取包括所有受测者全身影像的测试影像，并基于所述测试影像的第一帧进行受测者与测试位置的绑定；

S3，基于所述测试影像获取每一受测者的骨骼关键点信息，根据所述骨骼关键点信息将每位受测者的实时跳跃轨迹保存成一段轨迹波形，并通过对每位受测者的轨迹波形中的波峰和波谷进行分析统计，记录每位受测者的实时成绩；

S4，将受测人员的身份信息和成绩进行保存处理。

下面结合图1，对本实施例的智能计数方法的实现过程进行详细说明。

上述S1中实现身份验证的过程如下：

采用基于图像处理的人脸检测和识别的方法。当受测人员进入身份验证区域时，图像采集设备的摄像头以一定频率采集测试人员的人脸图像，此时点击人脸识别按钮，提取此时的一帧照片进行人脸识别，在人脸识别过程中通过搜索预设的人脸数据库，将摄像头采集到的人脸图片与对比库中的人脸图片进行一一匹配，当匹配度高于某一设定阈值时，如高于85％时，表示匹配成功。若同时有多张人脸数据库中的人脸照片匹配成功时，则取匹配度最高的一张作为最终匹配结果，从而确定测试者身份。在人脸识别和身份确认成功时，在显示屏显示测试者的身份信息，进行语音播报人脸检测成功，指示受测人员进行预备。随后语音播报开始测试。若对比库中不存在匹配度高于匹配阈值的人脸照片信息，则显示检测失败，需要确认测试人员的身份或进行重新身份验证。

上述S2的目的是在跳绳受测者开始跳绳测试之前，使用基于骨骼识别的图像处理方法，进行受测者与测试位置的绑定，保存为参考值，以便在后续测试过程中通过数据定位为算法提供参考。其具体实现过程如下：

为了得到数据中每段数据对应的是哪位受测者，本实施例采用的是和基准值相比较的方法。首先在算法开始执行后，取第一帧中已知所有个体的骨骼信息，并取胸口与胯部两个关节的纵坐标均值作为这个个体的骨骼基准值，并把已知的基准值按照图像的X坐标值进行从小到大的排序，并存入基准值数组standard[]。此时standard[]存放的就是图像中从左往右所有个体骨骼的基准值。

然后上述S3以上述S2得到的基准值数组standard[]为参考，在开始跳绳测试后，识别摄像头内所有人的骨骼关键点信息，通过分析骨骼关键点信息，将每位受测者的实时跳跃轨迹保存成一段波形。随后对每位受测者的波形进行分析统计，记录每位受测者的实时成绩。当时间到达测试截止时间，便停止计数。

具体地，上述S3的实现过程如下：

得到T+1时刻的原始骨骼数据次序。每得到新的一帧数据，将新数据中的每个个体的骨骼基准值与基准值数组standard[]中的每一项进行比较，假设第i个个体的骨骼基准值与standard[j]两者的差值小于此个体骨骼的躯干长度，就说明第i个个体的骨骼中心与基准值数组中第j项standard[j]基准值很接近，因此把新数据中的第i个骨骼关键点信息判定为此基准值对应的用户的骨骼关键点信息，也就是第j个用户的骨骼关键点信息。重复此过程，直到所有个体都得到了对应的骨骼信息次序。此外，需要说明的是，因为在跳绳过程中，许多人会不停改变位置或发生位置的平移。为了适配此情况，在本实施例的智能计数方法中，每经过25帧，算法都会根据最新画面更新一次基准值数组standard[]。

其中，在人体骨骼关键点的选取中，经过大量观察与实验，我们选取双肩关节与髋关节三者的y坐标均值来记录用户跳绳时的抖动波形。在读取t+1时刻的新关节点坐标信息时，为了滤除噪声干扰，只有当t+1时刻的新关节点坐标与t时刻的旧关节点坐标的差值在躯干长度之内，才是正常数据，存取进临时数组。

在对波形进行分析之前，为了方便后续处理，需要进行滤波，具体方式为：对波形数组进行遍历，寻找所有高度相同的相邻点，并根据上升或下降趋势对相邻点的最后一位进行微调，使得整个波形不存在驻点，使整个周期内的波形呈现明显的单增与单减，方便后续计算。

使用轨迹波形数组batch[]存放经过滤波的每人每一时刻的关节点y坐标值的波形数据，然后通过对batch[]数组的一系列处理，得出有效跳绳次数。并在得到一次有效计数，或是batch[]的长度到达25后清空batch[]数组。每当batch[]的长度达到5的整数倍，也就是5，10，15时，调用算法计算出此时batch[]内波形的所有极大值点和极小值点。规定：极大值与波形均值的差值必须大于参考值。波形均值：对长度等于25时的batch[]内的所有元素去掉最大最小值取平均获得。参考值：batch[]中波形最大值与均值差值的三分之一。此方法可进一步滤除掉波形中的噪声点，并防止突变点干扰计数结果。随后把符合条件的极大值点和极小值点分别记为1和0，依次存入堆栈stack[]中。随后遍历堆栈stack[]，若存在101或010的排列，说明是波峰波谷波峰或波谷波峰波谷的波形，记为一次有效跳绳，累加到总次数中。若得到一次有效跳绳或stack[]的长度达到25，则保留stack[]中最后一个波峰或波谷的数据，清空其余数据，等待下一次计数。

上述S4对于受测人员的身份信息和成绩的保存具体为：将受测者的姓名、编号、开始测试时间、结束测试时间和成绩等信息传入到本地数据库，并每隔一定的时间将本地数据库中的数据同步到远程服务器，便于后续的分析和处理。

综上，本实施例的方法使用摄像头采集的图像加上后台的视频、图像识别与处理算法进行分析，能实现对跳绳项目的智能计数和成绩统计。相比传统机械测量方式，本实施例的方法既避免了设备易损坏与使用繁杂的问题，又从源头上避免了受测者作弊的可能。相比于现有人体识别跳绳计数方法，本实施例的方法使用了新型的人体骨骼识别算法，其中所使用的计数方法可以处理测试过程中跳绳人员的意外中断情况。另外，本实施例的方法可实现测试人员的身份信息验证，跳绳测试全过程的视频记录和跳绳成绩留存，实现全过程留痕，可查询、可追溯、可纠错。因此在多个方面，本实施例的方法大大减少了使用成本，并方便了使用流程。在保留相当精确度的同时使得跳绳计数过程更加快速方便有效。

第二实施例

本实施例提供了一种人跳绳测试智能计数系统，如图2所示，该系统包括：

影像采集设备1，用于采集预设区域内的影像；

数据分析处理模块2，用于：

在跳绳测试开始前，基于所述影像采集设备1采集的待测者的人脸图像，通过人脸识别的方式对每一待测者的身份进行验证，将身份验证通过的人作为参加跳绳测试的受测者；

在跳绳测试开始后，获取所述影像采集设备1实时采集的包括所有受测者全身影像的测试影像，并基于测试影像的第一帧进行受测者与测试位置的绑定；

基于所述测试影像获取每一受测者的骨骼关键点信息，根据所述骨骼关键点信息将每位受测者的实时跳跃轨迹保存成一段轨迹波形，并通过对每位受测者的轨迹波形中的波峰和波谷进行分析统计，记录每位受测者的实时成绩；

数据存储模块3，用于将受测人员的身份信息和成绩进行保存处理。

本实施例的人跳绳测试智能计数系统与上述第一实施例的人跳绳测试智能计数方法相对应；其中，本实施例的人跳绳测试智能计数系统中的各功能模块所实现的功能与上述第一实施例的人跳绳测试智能计数方法中的各流程步骤一一对应；故，在此不再赘述。

第三实施例

本实施例提供一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行，以实现第一实施例的方法。

该电子设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)和一个或一个以上的存储器，其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行上述方法。

第四实施例

本实施例提供一种计算机可读存储介质，该存储介质中存储有至少一条指令，所述指令由处理器加载并执行，以实现上述第一实施例的方法。其中，该计算机可读存储介质可以是ROM、随机存取存储器、CD-ROM、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行上述方法。

此外，需要说明的是，本发明可提供为方法、装置或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

最后需要说明的是，以上所述是本发明优选实施方式，应当指出，尽管已描述了本发明优选实施例，但对于本技术领域的技术人员来说，一旦得知了本发明的基本创造性概念，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

Claims (4)

1.一种多人跳绳测试智能计数方法，其特征在于，包括：

在跳绳测试开始之前，基于待测者的人脸图像，通过人脸识别的方式对每一待测者的身份进行验证，将身份验证通过的人作为参加跳绳测试的受测者；

在跳绳测试开始之后，实时获取包括所有受测者全身影像的测试影像，并基于所述测试影像的第一帧进行受测者与测试位置的绑定；

基于所述测试影像获取每一受测者的骨骼关键点信息，根据所述骨骼关键点信息将每位受测者的实时跳跃轨迹保存成一段轨迹波形，并通过对每位受测者的轨迹波形中的波峰和波谷进行分析统计，记录每位受测者的实时成绩；

将受测人员的身份信息和成绩进行保存处理；

基于所述测试影像的第一帧进行受测者与测试位置的绑定，包括：

获取所述测试影像第一帧中所有受测者骨骼关节的坐标信息，并取每一受测者的胸口与胯部两个关节的纵坐标的平均值作为相应受测者的骨骼基准值；

将所有受测者的骨骼基准值，按照受测者在当前测试影像中的位置从左至右进行排序，并将排序后的所有受测者的骨骼基准值存入基准值数组；

在基于所述测试影像的第一帧进行受测者与测试位置的绑定之后，所述方法还包括：每经过25帧，根据最新测试影像更新一次所述基准值数组；

基于所述测试影像获取每一受测者的骨骼关键点信息，根据所述骨骼关键点信息将每位受测者的实时跳跃轨迹保存成一段轨迹波形，包括：

获取所述测试影像的每一帧中所包含的每一受测者的骨骼关键点信息；

将当前帧中每一受测者的骨骼基准值分别与所述基准值数组的每一项进行匹配，根据匹配结果确定当前帧对应的各骨骼关键点信息分别属于哪位受测者；

对于同一受测者，若其对应的当前帧的骨骼关键点信息与其对应的前一帧的骨骼关键点信息的差值不在其躯干长度之内，则将当前骨骼关键点信息删除；

以时间为横坐标，骨骼关键点信息为纵坐标，得到每位受测者的轨迹波形；

所述骨骼关键点信息为受测者的双肩关节与髋关节三者的纵坐标均值；

所述将当前帧中每一受测者的骨骼基准值分别与所述基准值数组的每一项进行匹配，根据匹配结果确定当前帧对应的各骨骼关键点信息分别属于哪位受测者，包括：

将当前帧中每一受测者的骨骼基准值分别与所述基准值数组的每一项进行比较，若当前帧中第i个受测者的骨骼基准值与所述基准值数组中的第j项的差值小于当前帧中第i个受测者骨骼的躯干长度，则将当前帧对应的第i个骨骼关键点信息判定为所述基准值数组中的第j项所对应的受测者的骨骼关键点信息；

所述通过对每位受测者的轨迹波形中的波峰和波谷进行分析统计，记录每位受测者的实时成绩，包括：

寻找每一轨迹波形中所有高度相同的相邻点，并根据上升或下降趋势对相邻点的最后一位进行微调，使得整个波形不存在驻点，使整个周期内的波形呈现明显的单增与单减，并将调整后的轨迹波形数据存入轨迹波形数组；

每当所述轨迹波形数组的长度达到5的整数倍时，计算出此时所述轨迹波形数组内轨迹波形的所有极大值点和极小值点，并筛选出与波形均值的差值大于参考值的极大值点；其中，所述波形均值为：对长度等于25时的所述轨迹波形数组内的所有元素去掉最大值及最小值后取平均获得；所述参考值为：所述轨迹波形数组中波形最大值与均值差值的三分之一；

把筛选出的极大值点和极小值点分别记为1和0，依次存入计数堆栈中；随后遍历所述计数堆栈，若存在101或010的排列，则记为一次有效跳绳，并累加到总次数中；若得到一次有效跳绳或所述计数堆栈的长度达到25，则保留所述计数堆栈中最后一个波峰或波谷的数据，清空其余的数据，等待下一次计数；

在得到一次有效跳绳或轨迹波形数组的长度到达25后，清空轨迹波形数组。

2.如权利要求1所述的多人跳绳测试智能计数方法，其特征在于，在所述通过人脸识别的方式对每一待测者的身份进行验证之后，所述方法还包括：

若当前人员的身份验证通过，则在显示屏显示当前人员对应的身份信息，并进行语音播报，提示当前人员身份验证通过；

若当前人员的身份验证未通过，则人工确认其身份或重新进行身份验证。

3.如权利要求1所述的多人跳绳测试智能计数方法，其特征在于，所述将受测人员的身份信息和成绩进行保存处理，包括：

将受测者的姓名、编号、开始测试时间、结束测试时间和成绩传入到本地数据库，并每隔预设时长将所述本地数据库中的数据同步到远程服务器。

4.一种多人跳绳测试智能计数系统，其特征在于，包括：

影像采集设备，用于采集预设区域内的影像；

数据分析处理模块，用于：

在跳绳测试开始之前，基于所述影像采集设备采集的待测者的人脸图像，通过人脸识别的方式对每一待测者的身份进行验证，将身份验证通过的人作为参加跳绳测试的受测者；

在跳绳测试开始之后，获取所述影像采集设备实时采集的包括所有受测者全身影像的测试影像，并基于测试影像的第一帧进行受测者与测试位置的绑定；

基于所述测试影像获取每一受测者的骨骼关键点信息，根据所述骨骼关键点信息将每位受测者的实时跳跃轨迹保存成一段轨迹波形，并通过对每位受测者的轨迹波形中的波峰和波谷进行分析统计，记录每位受测者的实时成绩；

数据存储模块，用于将受测人员的身份信息和成绩进行保存处理；

基于所述测试影像的第一帧进行受测者与测试位置的绑定，包括：

获取所述测试影像第一帧中所有受测者骨骼关节的坐标信息，并取每一受测者的胸口与胯部两个关节的纵坐标的平均值作为相应受测者的骨骼基准值；

将所有受测者的骨骼基准值，按照受测者在当前测试影像中的位置从左至右进行排序，并将排序后的所有受测者的骨骼基准值存入基准值数组；

在基于所述测试影像的第一帧进行受测者与测试位置的绑定之后，所述数据分析处理模块还用于：每经过25帧，根据最新测试影像更新一次所述基准值数组；

基于所述测试影像获取每一受测者的骨骼关键点信息，根据所述骨骼关键点信息将每位受测者的实时跳跃轨迹保存成一段轨迹波形，包括：

获取所述测试影像的每一帧中所包含的每一受测者的骨骼关键点信息；

将当前帧中每一受测者的骨骼基准值分别与所述基准值数组的每一项进行匹配，根据匹配结果确定当前帧对应的各骨骼关键点信息分别属于哪位受测者；

对于同一受测者，若其对应的当前帧的骨骼关键点信息与其对应的前一帧的骨骼关键点信息的差值不在其躯干长度之内，则将当前骨骼关键点信息删除；

以时间为横坐标，骨骼关键点信息为纵坐标，得到每位受测者的轨迹波形；

所述骨骼关键点信息为受测者的双肩关节与髋关节三者的纵坐标均值；

所述将当前帧中每一受测者的骨骼基准值分别与所述基准值数组的每一项进行匹配，根据匹配结果确定当前帧对应的各骨骼关键点信息分别属于哪位受测者，包括：

将当前帧中每一受测者的骨骼基准值分别与所述基准值数组的每一项进行比较，若当前帧中第i个受测者的骨骼基准值与所述基准值数组中的第j项的差值小于当前帧中第i个受测者骨骼的躯干长度，则将当前帧对应的第i个骨骼关键点信息判定为所述基准值数组中的第j项所对应的受测者的骨骼关键点信息；

所述通过对每位受测者的轨迹波形中的波峰和波谷进行分析统计，记录每位受测者的实时成绩，包括：

寻找每一轨迹波形中所有高度相同的相邻点，并根据上升或下降趋势对相邻点的最后一位进行微调，使得整个波形不存在驻点，使整个周期内的波形呈现明显的单增与单减，并将调整后的轨迹波形数据存入轨迹波形数组；

每当所述轨迹波形数组的长度达到5的整数倍时，计算出此时所述轨迹波形数组内轨迹波形的所有极大值点和极小值点，并筛选出与波形均值的差值大于参考值的极大值点；其中，所述波形均值为：对长度等于25时的所述轨迹波形数组内的所有元素去掉最大值及最小值后取平均获得；所述参考值为：所述轨迹波形数组中波形最大值与均值差值的三分之一；

把筛选出的极大值点和极小值点分别记为1和0，依次存入计数堆栈中；随后遍历所述计数堆栈，若存在101或010的排列，则记为一次有效跳绳，并累加到总次数中；若得到一次有效跳绳或所述计数堆栈的长度达到25，则保留所述计数堆栈中最后一个波峰或波谷的数据，清空其余的数据，等待下一次计数；

在得到一次有效跳绳或轨迹波形数组的长度到达25后，清空轨迹波形数组。

Images