CN113516064A - 体育运动的动作判定方法、装置、设备及存储介质 - Google Patents
体育运动的动作判定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113516064A CN113516064A CN202110751516.XA CN202110751516A CN113516064A CN 113516064 A CN113516064 A CN 113516064A CN 202110751516 A CN202110751516 A CN 202110751516A CN 113516064 A CN113516064 A CN 113516064A
- Authority
- CN
- China
- Prior art keywords
- motion
- user
- key point
- image information
- information
- 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 40
- 230000009471 action Effects 0.000 claims abstract description 27
- 238000012937 correction Methods 0.000 claims abstract description 16
- 210000000988 bone and bone Anatomy 0.000 claims description 27
- 238000010586 diagram Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 3
- 230000000386 athletic effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims 1
- 210000003414 extremity Anatomy 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 210000002414 leg Anatomy 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 210000003857 wrist joint Anatomy 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请提供了一种体育运动的动作判定方法、装置、设备及存储介质，判定方法包括：获取用户的运动图像信息；根据所述运动图像信息识别所述用户身体各部位的骨骼关键点信息；判断所述骨骼关键点信息和标准运动模型是否匹配；若匹配不成功，则生成纠正提示。本申请能够在教师资源不足的情况下，教导学生正确的运动动作，采用AI智能监督与纠正，帮助学生正确运动，减轻教师负担。
Description
技术领域
本申请涉及智能运动健身教学技术领域技术领域，特别是涉及一种体育运动的动作判定方法、装置、设备及存储介质。
背景技术
目前，校园体育教学往往采用传统的人工教学，教师人工指导学生体育锻炼。且在进行体育考试时，也都是采用人工统计学生考试数据；在布置体育作业之后，家长监督学生进行体育作业，并拍摄视频反馈到班级群。
传统体育教学存在课时有限，教学内容形式单一、人数庞大、无法监督到每一位学生、考核数据统计全靠手动、考核评测存在巨大误差以及学生在课后锻炼无人教学、纠正动作、无人监督等问题。如此，kennel导致学生体育锻炼无法落实到位，老师无法了解学生真实的体育运动数据，学生身体素质无法通过体育锻炼得到改善。
发明内容
本申请主要解决的技术问题是提供一种体育运动的动作判定方法、装置、设备及存储介质，能够解决现有体育教学中存在课时有限，教学内容形式单一、人数庞大、无法监督到每一位学生、考核数据统计全靠手动、考核评测存在巨大误差以及学生在课后锻炼无人教学、纠正动作、无人监督等问题。
为解决上述技术问题，本申请采用的一个技术方案是：提供一种体育运动的动作判定方法，所述判定方法包括：获取用户的运动图像信息；根据所述运动图像信息识别所述用户身体各部位的骨骼关键点信息；判断所述骨骼关键点信息和标准运动模型是否匹配；若匹配不成功，则生成纠正提示。
其中，所述根据所述运动图像信息识别所述用户身体各部位的骨骼关键点信息，进一步包括：将所述运动图像信息做旋转处理；获取旋转后的所述运动图像信息中所述用户身体各部位的骨骼关键点信息。
其中，所述获取旋转后的所述运动图像信息中所述用户身体各部位的骨骼关键点信息，进一步包括：采用轻量化神经网络对所述用户身体各部位进行骨骼关键点的特征提取；输出所述用户身体各部位的骨骼关键点热力图；将所述骨骼关键点热力图进行平滑降噪处理，以得到所述用户身体各部位骨骼关键点的二维坐标。
其中，所述将所述骨骼关键点信息和标准运动模型进行匹配，进一步包括：根据所述各部位骨骼关键点的二维坐标计算得到所述用户的动作数据；将所述动作数据和标准运动模型中的动作数据进行匹配；若不匹配，则执行生成纠正提示的步骤。
其中，所述动作数据至少包括动作角度变量、动作幅度变量以及动作轨迹中的一种或组合。
其中，所述将所述骨骼关键点热力图进行平滑降噪处理，以得到所述用户身体各部位骨骼关键点的二维坐标之后，进一步包括：
根据所述骨骼关键点的二维坐标形成人体骨骼曲线。
其中，若所述骨骼关键点信息和所述标准运动模型匹配成功，则计算所述用户的运动数据，并根据所述运动数据生成运动报告。
为解决上述技术问题，本申请采用的另一个技术方案是：提供一种体育运动的动作判定装置，所述判定装置包括：获取模块，用于获取用户的运动图像信息：识别模块，用于根据所述运动图像信息识别所述用户身体各部位的骨骼关键点信息；判断模块，用于判断所述骨骼关键点信息和标准运动模型是否匹配；提示模块，用于当所述骨骼关键点信息和标准运动模型匹配不成功时，生成纠正提示。
为解决上述技术问题，本申请采用的又一个技术方案是：提供一种一种体育运动的动作判定设备，所述设备包括处理器以及存储器，所述存储器存储有计算机指令，所述处理器耦合所述存储器，所述处理器在工作时执行所述计算机指令以实现上述任一项所述的体育运动的动作判定方法。
为解决上述技术问题，本申请采用的再一个技术方案是：提供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以实现上述任一项所述体育运动的动作判定方法。
本申请的有益效果是：区别于现有技术的情况，本申请提供一种体育运动的动作判定方法、装置、设备及存储介质，通过人脸识别获取学生的用户信息，建立学生专属数据库，能够让学生准确接收体育任务，且根据图像识别人体骨骼关键点，识别并记录不同学生动作轨迹，适用于各个年龄阶段的学生，骨骼关键点匹配专业教练动作，能够在教师资源不足的情况下，教导学生正确的运动动作，采用AI智能监督与纠正，帮助学生正确运动，减轻教师负担。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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，其中：
图1是本申请体育运动的动作判定方法一实施方式的流程示意图；
图2是本申请步骤S200一实施方式的流程示意图；
图3是本申请步骤S220一实施方式的流程示意图；
图4是本申请步骤S300一实施方式的流程示意图；
图5是本申请体育运动的动作判定装置一实施方式的结构示意图；
图6是本申请体育运动的判定设备实施例的结构示意图；
图7是本申请提供的计算机可读存储介质实施例的示意框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
实施例1
请参阅图1，图1为本申请体育运动的动作判定方法一实施方式的流程示意图，如图1，本申请提供的体育运动的动作判定方法包括如下步骤：
S100，获取用户的运动图像信息。
可以理解的是，本申请中用户设备支持摄像机功能。在开启摄像机之前需要授予和设备绑定的应用开启权限。且本实施例中可以通过微信、QQ或者抖音等应用进行登录绑定，当然在其他实施方式中还可以是其他应用，此处不做具体限定。进一步，在获取用户的运动图像信息之前可以通过人脸识别的方式，获取到用户的信息，例如用户为学生、老师、白领等等，并根据不同的用户群体建立专属的数据库，能够让不同的用户群体准确接收和查看运动任务。本申请实施例中用户以学生为例详细介绍本申请的体育运动判定方法。此外，摄像头捕捉到用户的视频运动图像后，可以通过OpenGl(Open Graphics Library，开放性图形库)逐帧绘制到显示屏上，用户可以看到自己运动的场景。
S200，根据运动图像信息识别用户身体各部位的骨骼关键点信息。
请进一步结合图2，图2为本申请步骤S200一实施方式的流程示意图，如图2步骤S200包括如下子步骤：
S210，将运动图像信息做旋转处理。
进一步，获取运动图像信息的图像像素点矩阵，并根据摄像头传感器方向，将运动图像做旋转处理以适配手机横竖屏。
S220，获取旋转后的所述运动图像信息中所述用户身体各部位的骨骼关键点信息。
进一步结合图3，图3为本申请步骤S220一实施方式的流程示意图，如图3，步骤S220包括如下子步骤：
S221，采用轻量化神经网络对用户身体各部位进行骨骼关键点的特征提取。
本申请实施例中，采用图像识别AI算法模型获取到身体各部分关键点的二维坐标。其中，本申请的AI算法经过深度学习训练出来的模型，能够集成在移动客户端进行使用。
进一步，本申请采用人工设计轻量化神经网络来实现人体各肢体部位骨骼关键点的特征提取，作为特征提取层的主干网络，没有采用通用的深度神经网络来提取人体骨骼关键点特征。通过级联卷积结构学习隐式空间模型，而且系统地设计和训练这样一个结构来学习图像特征和依赖图像的空间模型，而不需要任何图形学推理模型。可选地，人体各肢体部位可以包括眼睛、鼻子、嘴巴、胸口、肩关节、肘关节、腕关节、腿关节、膝关节以及脚踝关节等等。
S222，输出用户身体各部位的骨骼关键点热力图。
进一步，在完成骨骼关键点的特征提取后，即用户的运动图像信息经过轻量化神经网络后，输出身体各部位的骨骼关键点热力图。
S223，将骨骼关键点热力图进行平滑降噪处理，以得到用户身体各部位骨骼关键点的二维坐标。
进一步，将人体各肢体部位的骨骼关键点热力图进行高斯平滑降噪处理，再找出人体各肢体部位的骨骼关键点热力图中热力值最大所对应的二维坐标，将其作为人体各肢体部位的骨骼关键点的二维坐标。
此外，在得到用户身体各部位骨骼关键点的二维坐标之后，还可以将各部位的骨骼关键点二维坐标中适当的关节点相连以形成人体骨骼曲线，并根据视频图像绘制频率实时绘制到屏幕图层上，从而实时反应用户运动时关节点的运动情况。
S300，判断骨骼关键点信息和标准运动模型是否匹配。
可选地，本申请实施例中的标准运动模型可以从服务器端获取，且该标准运动模型中的动作数据为专业教练的锻炼视频数据，该专业教练的锻炼视频数据经过AI算法计算后预先存储在服务器端。
请结合图4，图4为步骤S300一实施方式的流程示意图，如图4所示，步骤S300进一步包括如下子步骤：
S310，根据各部位骨骼关键点的二维坐标计算得到用户的动作数据。
可选地，根据各部位骨骼关键点的二维坐标计算得到用户的动作数据。其中，用户的动作数据至少包括用户的动作角度变量、动作幅度变量以及动作轨迹中的一种或组合。
S320，将动作数据和标准运动模型中的动作数据进行匹配。
进一步，将用户的动作数据和标准运动模型中的动作数据进行匹配，判断用户的动作数据和标准动作数据之间的差值是否在预设的范围内。举例来说，肘关节的弯曲角度和标准数据之间的差值的不能大于5度，则在实际比较的过程中若二者的差值大于5度，则说明匹配不成功，则执行步骤S400。反之，若二者的差值小于或者等于5度，则表明匹配成功，则执行执行步骤S500。同理，腕关节到腿关节的距离与标准数据之间的差值比较和上述方式相同，若二者差值在预设范围内，则说明匹配成功，反之则匹配不成功。
S400，生成纠正提示。
可选地，若用户的动作数据和标准运动模型中的动作数据匹配不成功，则说明用户的运动不规范，则生成纠正提示。具体地，通过语音、文字以及实时预览骨骼点线条颜色标识进行提示，其中骨骼点线条标识可以标红，以此来表示用户的运动和预设标准动作模型中的动作不匹配，从而纠正用户的运动动作。
S500，计算用户的运动数据，并根据运动数据生成运动报告。
可选地，若用户的骨骼关键点信息和标准运动模型匹配成功，即用户的动作数据和标准运动模型中的动作数据匹配成功，则表明用户的动作识别成功，并计算用户相应的运动数据。其中，运动数据可以包括运动类型，本申请实施例中的运动类型可以分为三种：
1.计数型，如俯卧撑、跳绳等，匹配成功后运动计数加1。
2.计时型，如平板支撑，匹配成功则增加相应的运动时长。
3.计分型，如跳舞、八段锦等，根据匹配得到的分数增加相应分数。
当然，在其他实施方式中还可以是其他运动类型，此处不做具体限定。
进一步，将用户运动过程中产生的运动数据记录并上传服务器中的数据库。并根据运动数据生成运动报告，且运动报告中可以展示用户运动过程中的运动时长，运动的个数，根据算法计算的卡路里消耗，与当前的用户综合比较后展示排名信息以及针对锻炼过程给用户提供科学的运动建议等等。且本实施例中，生成的运动报告能够方便教师以及学校系统管理师生运动数据,考核学生身体素质实现科学教育。
上述实施方式中，通过人脸识别获取学生的用户信息，建立学生专属数据库，能够让学生准确接收体育任务，且根据图像识别人体骨骼关键点，识别并记录不同学生动作轨迹，适用于各个年龄阶段的学生，骨骼关键点匹配专业教练动作，能够在教师资源不足的情况下，教导学生正确的运动动作，采用AI智能监督与纠正，帮助学生正确运动，减轻教师负担。
实施例2
参阅图5，图5为本申请体育运动的动作判定装置一实施方式的结构示意图，如图5所示，本申请提供的体育运动的动作判定装置100包括获取模块110、识别模块120、判断模块130以及提示模块140。
其中，获取模块110用于获取用户的运动图像信息：
识别模块120用于根据所述运动图像信息识别所述用户身体各部位的骨骼关键点信息；
判断模块130用于判断所述骨骼关键点信息和标准运动模型是否匹配；
提示模块140用于当所述骨骼关键点信息和标准运动模型匹配不成功时，生成纠正提示。
本实施例中的各步骤的具体实施方式请参阅上述体育运动的判定方法第一实施例中步骤S100至步骤S500的具体描述，此处不再赘述。
上述实施方式中，通过人脸识别获取学生的用户信息，建立学生专属数据库，能够让学生准确接收体育任务，且根据图像识别人体骨骼关键点，识别并记录不同学生动作轨迹，适用于各个年龄阶段的学生，骨骼关键点匹配专业教练动作，能够在教师资源不足的情况下，教导学生正确的运动动作，采用AI智能监督与纠正，帮助学生正确运动，减轻教师负担。
实施例3
图6示出了本申请体育运动的判定设备实施例的结构示意图，本发明具体实施例并不对体育运动的判定设备的具体实现做限定。
如图6所示，该体育运动的判定设备可以包括：处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中：处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。通信接口404，用于与其它设备比如客户端或其它服务器等的网元通信。处理器402，用于执行程序410，具体可以执行上述用于体育运动的判定方法实施例中的相关步骤。
具体地，程序410可以包括程序代码，该程序代码包括计算机可执行指令。
处理器402可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。体育运动的判定设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器406，用于存放程序410。存储器406可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序410具体可以被处理器402调用体育运动的判定设备执行以下操作：
获取用户的运动图像信息；根据所述运动图像信息识别所述用户身体各部位的骨骼关键点信息；判断所述骨骼关键点信息和标准运动模型是否匹配；若匹配不成功，则生成纠正提示。
本实施例中的各步骤的具体实施方式请参阅上述实施例中步骤S100至步骤S500的具体描述，此处不再赘述。
上述实施方式中，通过人脸识别获取学生的用户信息，建立学生专属数据库，能够让学生准确接收体育任务，且根据图像识别人体骨骼关键点，识别并记录不同学生动作轨迹，适用于各个年龄阶段的学生，骨骼关键点匹配专业教练动作，能够在教师资源不足的情况下，教导学生正确的运动动作，采用AI智能监督与纠正，帮助学生正确运动，减轻教师负担。
实施例4
参阅图7，图7是本申请提供的计算机可读存储介质实施例的示意框图，本实施例中的计算机可读存储介质存储有计算机程序310，该计算机程序310能够被处理器执行以实现上述任一实施例中的体育运动的动作判定方法。
可选的，该可读存储介质可以是U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
综上所述，本领域技术人员容易理解，本申请提供一种体育运动的动作判定方法、装置、设备及存储介质，通过人脸识别获取学生的用户信息，建立学生专属数据库，能够让学生准确接收体育任务，且根据图像识别人体骨骼关键点，识别并记录不同学生动作轨迹，适用于各个年龄阶段的学生，骨骼关键点匹配专业教练动作，能够在教师资源不足的情况下，教导学生正确的运动动作，采用AI智能监督与纠正，帮助学生正确运动，减轻教师负担。
以上所述仅为本申请的实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种体育运动的动作判定方法，其特征在于，所述判定方法包括：
获取用户的运动图像信息；
根据所述运动图像信息识别所述用户身体各部位的骨骼关键点信息；
判断所述骨骼关键点信息和标准运动模型是否匹配；
若匹配不成功，则生成纠正提示。
2.根据权利要求1所述的判定方法，其特征在于，所述根据所述运动图像信息识别所述用户身体各部位的骨骼关键点信息，进一步包括：
将所述运动图像信息做旋转处理；
获取旋转后的所述运动图像信息中所述用户身体各部位的骨骼关键点信息。
3.根据权利要求2所述的判定方法，其特征在于，所述获取旋转后的所述运动图像信息中所述用户身体各部位的骨骼关键点信息，进一步包括：
采用轻量化神经网络对所述用户身体各部位进行骨骼关键点的特征提取；
输出所述用户身体各部位的骨骼关键点热力图；
将所述骨骼关键点热力图进行平滑降噪处理，以得到所述用户身体各部位骨骼关键点的二维坐标。
4.根据权利要求3所述的判定方法，其特征在于，所述将所述骨骼关键点信息和标准运动模型进行匹配，进一步包括：
根据所述各部位骨骼关键点的二维坐标计算得到所述用户的动作数据；
将所述动作数据和标准运动模型中的动作数据进行匹配；
若不匹配，则执行生成纠正提示的步骤。
5.根据权利要求4所述的判定方法，其特征在于，所述动作数据至少包括动作角度变量、动作幅度变量以及动作轨迹中的一种或组合。
6.根据权利要求3所述的判定方法，其特征在于，所述将所述骨骼关键点热力图进行平滑降噪处理，以得到所述用户身体各部位骨骼关键点的二维坐标之后，进一步包括：
根据所述骨骼关键点的二维坐标形成人体骨骼曲线。
7.根据权利要求1所述的判定方法，其特征在于，若所述骨骼关键点信息和所述标准运动模型匹配成功，则计算所述用户的运动数据，并根据所述运动数据生成运动报告。
8.一种体育运动的判定装置，其特征在于，所述判定装置包括：
获取模块，用于获取用户的运动图像信息：
识别模块，用于根据所述运动图像信息识别所述用户身体各部位的骨骼关键点信息；
判断模块，用于判断所述骨骼关键点信息和标准运动模型是否匹配；
提示模块，用于当所述骨骼关键点信息和标准运动模型匹配不成功时，生成纠正提示。
9.一种体育运动的动作判定设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7任意一项所述的体育运动的动作判定方法的操作。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令在体育运动的动作判定设备/装置上运行时，使得体育运动的动作判定设备/装置执行如权利要求1-7任意一项所述的体育运动的动作判定方法的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110751516.XA CN113516064A (zh) | 2021-07-02 | 2021-07-02 | 体育运动的动作判定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110751516.XA CN113516064A (zh) | 2021-07-02 | 2021-07-02 | 体育运动的动作判定方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113516064A true CN113516064A (zh) | 2021-10-19 |
Family
ID=78066039
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110751516.XA Pending CN113516064A (zh) | 2021-07-02 | 2021-07-02 | 体育运动的动作判定方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113516064A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114495169A (zh) * | 2022-01-26 | 2022-05-13 | 广州鼎飞航空科技有限公司 | 一种人体姿态识别的训练数据处理方法、装置及设备 |
| CN114827660A (zh) * | 2022-03-11 | 2022-07-29 | 华数传媒网络有限公司 | 一种基于机顶盒的ai健身系统及实现方法 |
| CN116434345A (zh) * | 2023-05-09 | 2023-07-14 | 北京维艾狄尔信息科技有限公司 | 基于体感的太极运动匹配方法、系统、终端及存储介质 |
| CN116434296A (zh) * | 2023-03-02 | 2023-07-14 | 深圳市华方信息产业有限公司 | 一种实时人脸识别监控行为方法、装置、设备和介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110045823A (zh) * | 2019-03-12 | 2019-07-23 | 北京邮电大学 | 一种基于动作捕捉的动作指导方法和装置 |
| CN110796005A (zh) * | 2019-09-27 | 2020-02-14 | 北京大米科技有限公司 | 在线教学监控的方法、装置、电子设备及介质 |
| CN111488824A (zh) * | 2020-04-09 | 2020-08-04 | 北京百度网讯科技有限公司 | 运动提示方法、装置、电子设备和存储介质 |
| CN111680562A (zh) * | 2020-05-09 | 2020-09-18 | 北京中广上洋科技股份有限公司 | 一种基于骨骼关键点的人体姿态识别方法、装置、存储介质及终端 |
| CN112084967A (zh) * | 2020-09-12 | 2020-12-15 | 周美跃 | 基于人工智能的肢体康复训练检测方法、系统及控制设备 |
| CN112237730A (zh) * | 2019-07-17 | 2021-01-19 | 腾讯科技（深圳）有限公司 | 健身动作纠正方法及电子设备 |
| WO2021032092A1 (zh) * | 2019-08-18 | 2021-02-25 | 聚好看科技股份有限公司 | 显示设备 |
| CN112827127A (zh) * | 2020-12-31 | 2021-05-25 | 重庆工程职业技术学院 | 一种体育教学用仰卧起坐训练系统 |
-
2021
- 2021-07-02 CN CN202110751516.XA patent/CN113516064A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110045823A (zh) * | 2019-03-12 | 2019-07-23 | 北京邮电大学 | 一种基于动作捕捉的动作指导方法和装置 |
| CN112237730A (zh) * | 2019-07-17 | 2021-01-19 | 腾讯科技（深圳）有限公司 | 健身动作纠正方法及电子设备 |
| WO2021032092A1 (zh) * | 2019-08-18 | 2021-02-25 | 聚好看科技股份有限公司 | 显示设备 |
| CN110796005A (zh) * | 2019-09-27 | 2020-02-14 | 北京大米科技有限公司 | 在线教学监控的方法、装置、电子设备及介质 |
| CN111488824A (zh) * | 2020-04-09 | 2020-08-04 | 北京百度网讯科技有限公司 | 运动提示方法、装置、电子设备和存储介质 |
| CN111680562A (zh) * | 2020-05-09 | 2020-09-18 | 北京中广上洋科技股份有限公司 | 一种基于骨骼关键点的人体姿态识别方法、装置、存储介质及终端 |
| CN112084967A (zh) * | 2020-09-12 | 2020-12-15 | 周美跃 | 基于人工智能的肢体康复训练检测方法、系统及控制设备 |
| CN112827127A (zh) * | 2020-12-31 | 2021-05-25 | 重庆工程职业技术学院 | 一种体育教学用仰卧起坐训练系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114495169A (zh) * | 2022-01-26 | 2022-05-13 | 广州鼎飞航空科技有限公司 | 一种人体姿态识别的训练数据处理方法、装置及设备 |
| CN114827660A (zh) * | 2022-03-11 | 2022-07-29 | 华数传媒网络有限公司 | 一种基于机顶盒的ai健身系统及实现方法 |
| CN116434296A (zh) * | 2023-03-02 | 2023-07-14 | 深圳市华方信息产业有限公司 | 一种实时人脸识别监控行为方法、装置、设备和介质 |
| CN116434345A (zh) * | 2023-05-09 | 2023-07-14 | 北京维艾狄尔信息科技有限公司 | 基于体感的太极运动匹配方法、系统、终端及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113516064A (zh) | 体育运动的动作判定方法、装置、设备及存储介质 | |
| CN108734104B (zh) | 基于深度学习图像识别的健身动作纠错方法及系统 | |
| CN109191588B (zh) | 运动教学方法、装置、存储介质及电子设备 | |
| CN111967407B (zh) | 动作评价方法、电子设备和计算机可读存储介质 | |
| KR20220028654A (ko) | 미러 디스플레이를 이용하여 태권도 동작 코칭 서비스를 제공하는 장치 및 방법 | |
| CN110782482A (zh) | 运动评估方法、装置、计算机设备及存储介质 | |
| CN111860157A (zh) | 一种运动分析方法、装置、设备和存储介质 | |
| CN114022512A (zh) | 运动辅助方法、装置及介质 | |
| CN113409651B (zh) | 直播健身方法、系统、电子设备、存储介质 | |
| KR20220013347A (ko) | 인공지능에 기반한 사용자 동작 인식을 이용한 체육 교육 관리 및 평가 시스템 | |
| US20230077273A1 (en) | Method and apparatus for assisting exercise posture correction using working muscle information depending on motion | |
| Huang et al. | Miss yoga: a yoga assistant mobile application based on keypoint detection | |
| Yang et al. | Research on face recognition sports intelligence training platform based on artificial intelligence | |
| CN111832669B (zh) | 学习参与度识别网络模型的建立方法及装置 | |
| Mahendran | Deep learning for fitness | |
| CN116055684B (zh) | 基于画面监控的在线体育教学系统 | |
| CN113240964B (zh) | 一种心肺复苏教学机器 | |
| CN117423166B (zh) | 一种根据人体姿态图像数据的动作识别方法及系统 | |
| Jeong et al. | Integrating computer science and physical education in elementary schools with data science learning modules using wearable microcontrollers | |
| CN114356100B (zh) | 健身动作指导方法、装置、电子设备及存储介质 | |
| US20230316811A1 (en) | System and method of identifying a physical exercise | |
| Kashyap et al. | Review of an Evolved DNN Architecture EfficientNet for Yoga Pose Detection Problem | |
| CN116895265A (zh) | 多媒体数据的处理方法、装置、增强实现设备及存储介质 | |
| CN116189304A (zh) | 一种基于ai视觉技术的智能化教学系统 | |
| Kumar et al. | Yoga Asanas Pose Detection using Feature Level Fusion with Deep Learning-Based Model |
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 |