CN114140722A - 引体向上运动的评估方法、装置、服务器及存储介质 - Google Patents
引体向上运动的评估方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN114140722A CN114140722A CN202111454584.6A CN202111454584A CN114140722A CN 114140722 A CN114140722 A CN 114140722A CN 202111454584 A CN202111454584 A CN 202111454584A CN 114140722 A CN114140722 A CN 114140722A
- Authority
- CN
- China
- Prior art keywords
- pull
- user
- image
- target
- time
- 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
- 238000011156 evaluation Methods 0.000 title claims description 22
- 238000000034 method Methods 0.000 claims abstract description 97
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 89
- 238000001514 detection method Methods 0.000 claims abstract description 54
- 230000008569 process Effects 0.000 claims abstract description 53
- 230000009471 action Effects 0.000 claims abstract description 36
- 238000002360 preparation method Methods 0.000 claims description 40
- 238000012549 training Methods 0.000 claims description 39
- 238000002372 labelling Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 19
- 230000005484 gravity Effects 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 15
- 238000013210 evaluation model Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 9
- 210000002310 elbow joint Anatomy 0.000 description 8
- 210000000323 shoulder joint Anatomy 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 244000208734 Pisonia aculeata Species 0.000 description 2
- 210000002683 foot Anatomy 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003108 foot joint Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000000629 knee joint Anatomy 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种引体向上运动的评估方法、装置、服务器及存储介质，所述方法包括：获取第一视频，并根据所述第一视频，判断用户是否进入预设的引体向上动作区；若用户进入所述引体向上动作区，触发对所述用户的引体向上姿态检测事件；获取第二视频，针对所述第二视频中每帧第二图像，识别所述第二图像中所述用户的关键部位的骨骼关节点位置；根据所述用户的关键部位的所述骨骼关节点位置，确定所述第二图像对应的姿态数据，由所述第二视频中各所述第二图像各自对应的所述姿态数据组成所述用户引体向上过程中的姿态数据；从所述用户引体向上过程中的姿态数据中选取目标姿态数据，与预设参照数据进行比较，以评估所述用户的引体向上姿态。
Description
技术领域
本发明实施例涉及图像处理技术领域，尤其涉及一种引体向上运动的评估方法、装置、服务器及存储介质。
背景技术
引体向上，是指依靠自身力量克服自身体重向上做功的垂吊练习运动，是中小学体育教学和中考高中体育测试中常见的体育项目，是用于衡量男生体质的重要参考标准和项目之一。
引体向上体育教学中，运动者在引体向上的过程中，其自身很难做到对引体向上姿态的有效的评估，需要老师或者教练认真观察记录给出评价。
相关技术中，也没有一种客观、有效地用于辅助引体向上运动训练或者运动考核的技术方案。
发明内容
为了解决上述现有方案无法客观、有效地评估引体向上运动的技术问题，本发明实施例提供了一种引体向上运动的评估方法、装置、服务器及存储介质。
在本发明实施例的第一方面，首先提供了一种引体向上运动的评估方法，应用于边缘计算服务器，所述边缘计算服务器用于获取图像采集设备实时采集的被评估用户的引体向上运动过程视频，所述方法包括：
获取摄像头实时采集的第一视频，并根据所述第一视频，判断用户是否进入预设的引体向上动作区；
若所述用户进入所述引体向上动作区，触发对所述用户的引体向上姿态检测事件；
获取第二视频，针对所述第二视频中每帧第二图像，识别所述第二图像中所述用户的关键部位的骨骼关节点位置；
根据所述用户的关键部位的所述骨骼关节点位置，确定所述第二图像对应的姿态数据，由所述第二视频中各所述第二图像各自对应的所述姿态数据组成所述用户引体向上过程中的姿态数据；
从所述用户引体向上过程中的姿态数据中选取目标姿态数据，与预设参照数据进行比较，以评估所述用户的引体向上姿态；
以及将所述姿态数据标注于对应的所述第二图像，输出所述第二图像至显示屏进行呈现。
在一个可选的实施方式中，所述根据所述第一视频，判断用户是否进入预设的引体向上动作区，包括：
针对所述第一视频中的第一图像，将所述第一图像输入至预设的人体位置检测模型，得到所述人体位置检测模型输出的所述第一图像中的用户位置；
将所述用户位置与预设的引体向上动作区位置进行比较，判断所述用户是否进入预设的引体向上动作区。
在一个可选的实施方式中，所述人体位置检测模型具体通过以下方式得到：
获取多个目标用户各自对应的引体向上视频，并对所述引体向上视频进行抽帧处理，得到预设数量的引体向上图像；
采用矩形框标注方式对所述预设数量的所述引体向上图像进行人体目标标注，生成人体检测训练样本；
基于所述人体检测训练样本，对人体位置检测初始模型进行有监督训练，得到人体位置检测模型。
在一个可选的实施方式中，所述识别所述第二图像中所述用户的关键部位的骨骼关节点位置，包括：
将所述第二图像输入至预设的人体姿态评估模型，获取所述人体姿态评估模型输出的所述第二图像中所述用户的关键部位的骨骼关节点位置。
在一个可选的实施方式中，所述人体姿态评估模型具体通过以下方式得到：
获取多个目标用户各自对应的引体向上视频，并对所述引体向上视频进行抽帧处理，得到预设数量的引体向上图像；
采用骨骼关节点标注方式对所述预设数量的所述引体向上图像进行人体关节点标注，生成引体向上姿态评估训练样本；
基于所述引体向上姿态评估训练样本，对人体姿态评估初始模型进行有监督训练，得到人体姿态评估模型。
在一个可选的实施方式中，所述根据所述用户的关键部位的所述骨骼关节点位置，确定所述第二图像对应的姿态数据，包括：
根据引体向上的检测要求，从所述骨骼关节点位置中选择多个目标骨骼关节点位置；
获取所述目标骨骼关节点位置，组成所述用户的目标关键部位对应的向量；
计算所述用户的目标关键部位对应的所述向量之间的夹角，确定所述夹角为所述第二图像对应的所述用户的目标关键部位对应的夹角。
在一个可选的实施方式中，所述从所述用户引体向上过程中的姿态数据中选取目标姿态数据，与预设参照数据进行比较，以评估所述用户的引体向上姿态，包括：
从各所述第二图像中选取目标时刻的所述第二图像对应的夹角，作为目标夹角；
将所述目标夹角与预设标准夹角进行比较，以评估所述用户的引体向上姿态。
在一个可选的实施方式中，其中，所述目标时刻包括引体准备时刻和引体向上时刻；
所述从各所述第二图像中选取目标时刻的所述第二图像对应的夹角，作为目标夹角，包括：
在检测开始后，获取各所述第二图像各自对应的夹角的第一夹角和，确定所述夹角和最大的所述夹角，获取首个所述夹角和最大的所述夹角对应的所述第二图像的采集时刻，作为引体准备时刻；
获取所述引体准备时刻至第一目标时刻的第一时间段内所述第二图像对应的所述夹角，确定所述夹角和最小的所述夹角，获取所述夹角和最小的所述夹角对应的所述第二图像的采集时刻，作为引体向上时刻；
或者，
获取所述引体准备时刻至第一目标时刻的第一时间段内所述第二图像对应的所述骨骼关节点位置，获取纵坐标最大的所述骨骼关节点位置对应的所述第二图像的采集时刻，作为引体向上时刻；
或者，
获取所述引体准备时刻至第一目标时刻的第一时间段内所述第二图像对应的所述目标骨骼关节点位置，根据所述目标关节点位置确定所述第一时间段内各所述第二图像对应的所述用户的身体重心位置，确定纵坐标最大的所述身体重心位置，获取所述纵坐标最大的所述身体重心位置对应的所述第二图像的采集时刻，作为引体向上时刻；
选取每个完整引体向上周期内的所述引体准备时刻、所述引体向上时刻的所述第二图像对应的夹角，作为目标夹角。
在一个可选的实施方式中，其中，所述目标时刻包括引体准备时刻、引体向上时刻以及引体复位时刻；
所述从各所述第二图像中选取目标时刻的所述第二图像对应的夹角，作为目标夹角，包括：
在检测开始后，获取各所述第二图像各自对应的夹角的第一夹角和，确定所述夹角和最大的所述夹角，获取首个所述夹角和最大的所述夹角对应的所述第二图像的采集时刻，作为引体准备时刻；
获取所述引体准备时刻至第一目标时刻的第一时间段内所述第二图像对应的所述夹角，确定所述夹角和最小的所述夹角，获取所述夹角和最小的所述夹角对应的所述第二图像的采集时刻，作为引体向上时刻；
或者，
获取所述引体准备时刻至第一目标时刻的第一时间段内所述第二图像对应的所述骨骼关节点位置，获取纵坐标最大的所述骨骼关节点位置对应的所述第二图像的采集时刻，作为引体向上时刻；
或者，
获取所述引体准备时刻至第一目标时刻的第一时间段内所述第二图像对应的所述目标骨骼关节点位置，根据所述目标关节点位置确定所述第一时间段内各所述第二图像对应的所述用户的身体重心位置，确定纵坐标最大的所述身体重心位置，获取所述纵坐标最大的所述身体重心位置对应的所述第二图像的采集时刻，作为引体向上时刻；
获取所述引体向上时刻至第二目标时刻的第二时间段内所述第二图像对应的所述夹角，确定第二夹角和最大的所述夹角，获取所述第二夹角和最大的所述第二图像的采集时刻，作为引体复位时刻；
选取每个完整引体向上周期内的所述引体准备时刻、所述引体向上时刻的所述第二图像对应的夹角，作为目标夹角。
在一个可选的实施方式中，所述方法还包括：
获取所述引体准备时刻与所述引体复位时刻之间的时间差，确定所述时间差为所述用户完成一次引体向上的时间；
获取预设的引体向上时间段，根据所述时间差确定所述用户所述引体向上时间段内所述用户引体向上完成的次数；
或者，
获取预设的引体向上时间段，统计所述时间段内的引体向上周期的重复次数，得到所述用户引体向上完成的次数。
在本发明实施例的第二方面，提供了一种引体向上运动的评估装置，应用于边缘计算服务器，所述装置包括：
视频获取模块，用于获取摄像头实时采集的第一视频；
用户判断模块，用于根据所述第一视频，判断用户是否进入预设的引体向上动作区；
事件触发模块，用于若所述用户进入所述引体向上动作区，触发对所述用户的引体向上姿态检测事件；
位置识别模块，用于获取第二视频，针对所述第二视频中每帧第二图像，识别所述第二图像中所述用户的关键部位的骨骼关节点位置；
数据确定模块，用于根据所述用户的关键部位的所述骨骼关节点位置，确定所述第二图像对应的姿态数据，由所述第二视频中各所述第二图像各自对应的所述姿态数据组成所述用户引体向上过程中的姿态数据；
姿态评估模块，用于从所述用户引体向上过程中的姿态数据中选取目标姿态数据，与预设参照数据进行比较，以评估所述用户的引体向上姿态；
输出模块，用于将所述姿态数据标注于对应的所述第二图像，输出所述第二图像至显示屏进行呈现。
在本发明实施例的第三方面，还提供了一种边缘计算服务器，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面中所述的引体向上运动的评估方法。
在本发明实施例的第四方面，还提供了一种存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面中所述的引体向上运动的评估方法。
在本发明实施例的第五方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面中所述的引体向上运动的评估方法。
本发明实施例提供的技术方案，获取摄像头实时采集的第一视频，并根据第一视频，判断用户是否进入预设的引体向上动作区，若用户进入引体向上动作区，触发对用户的引体向上姿态检测事件，获取第二视频，针对第二视频中每帧第二图像，识别第二图像中用户的关键部位的骨骼关节点位置，根据用户的关键部位的骨骼关节点位置，确定第二图像对应的姿态数据，由第二视频中各第二图像各自对应的姿态数据组成用户引体向上过程中的姿态数据，从用户引体向上过程中的姿态数据中选取目标姿态数据，与预设参照数据进行比较，以评估用户的引体向上姿态；并且将计算得到的姿态数据标注于对应的第二图像，输出该第二图像至显示屏上进行呈现。如此，在引体向上过程中进行视频采集和分析，以实现对用户在引体向上过程中引体向上姿态的检测，对用户的引体向上姿态通过数据进行量化，将得到的目标姿态数据与标准的姿态数据进行比较，可以客观、准确的确定引体向上姿态的标准程度，进而指导用户进行姿态的纠正，极大地方便了用户的训练。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本发明实施例中示出的一种引体向上运动的评估方法的实施流程示意图；
图2为本发明实施例中示出的一种人体位置检测模型的训练方法的实施流程示意图；
图3为本发明实施例中示出的一种人体姿态评估模型的训练方法的实施流程示意图；
图4为本发明实施例中示出的一种骨骼关节点标注方式的示意图；
图5为本发明实施例中示出的一种第二图像对应的姿态数据的确定方法的实施流程示意图；
图6为本发明实施例中示出的一种用户的引体向上姿态的评估系统的架构示意图；
图7为本发明实施例中示出的一种用户的引体向上姿态的评估方法的实施流程示意图；
图8为本发明实施例中示出的一种准备时刻t0对应的第二图像；
图9为本发明实施例中示出的一种引体向上时刻t1的第二图像；
图10为本发明实施例中示出的一种引体复位时刻t2对应的第二图像；
图11为本发明实施例中示出的一种引体向上运动的评估装置的结构示意图；
图12为本发明实施例中示出的一种边缘计算服务器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明的一部分实施例，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的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。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示，为本发明实施例提供的一种引体向上运动的评估方法的实施流程示意图，该方法应用于边缘计算服务器，具体可以包括以下步骤：
S101，获取摄像头实时采集的第一视频，并根据所述第一视频，判断用户是否进入预设的引体向上动作区。
在本发明实施例中，可以将摄像头、相机等部署在引体向上运动场地，用于实时采集该场地中的视频；其中，在后台(即图像采集设备的画面中)标注引体向上动作区，在该区域内用户完成引体向上。
需要说明的是，对于摄像头、相机等图像采集设备的部署，图像采集设备的拍摄视角可以面向用户的正前方、侧方或者侧前方，即可以拍摄用户的正前方、侧方或者侧前方(例如左前方45-60度)，本发明实施例对此不作限定。
用户引体向上过程中，可以通过图像采集设备实时捕获运动画面，并将采集的画面传输至边缘计算服务器。由此边缘计算服务器获取图像采集设备所传输的第一视频。
对于第一视频，可以根据该第一视频，判断用户是否进入预设的引体向上动作区(用户在该区域内完成引体向上)。例如，在引体向上检测模式下，对于第一视频，根据该第一视频，判断学生是否进入预设的引体向上动作区。
其中，针对第一视频中的第一图像，将第一图像输入至预设的人体位置检测模型，得到人体位置检测模型输出的第一图像中的用户位置，将用户位置与预设的引体向上动作区位置进行比较，判断用户是否进入预设的引体向上动作区。
需要说明的是，对于人体位置检测模型，具体可以是peoplenet模型，当然还可以是其它算法，本发明实施例对此不作限定。
如图2所示，为本发明实施例提供的一种人体位置检测模型的训练方法的实施流程示意图，该方法具体可以包括以下步骤：
S201，获取多个目标用户各自对应的引体向上视频，并对所述引体向上视频进行抽帧处理，得到预设数量的引体向上图像。
在本发明实施例中，模型训练阶段，召集多个目标用户，针对每个目标用户分别进行引体向上视频的采集。如此可以获取多个目标用户各自对应的引体向上视频。
例如，模型训练阶段，获取4000个学生各自对应的引体向上视频。
对于获取的多个目标用户各自对应的引体向上视频，在本发明实施例中进行抽帧处理，如此可以得到预设数量的引体向上图像。其中，可以随机抽帧，本发明实施例对此不作限定。
例如，对于获取的4000个学生各自对应的引体向上视频，在本发明实施例中进行抽帧处理，其中可以利用脚本随机抽帧，如此可以得到大约50000张引体向上图像。
S202，采用矩形框标注方式对所述预设数量的所述引体向上图像进行人体目标标注，生成人体检测训练样本。
对于预设数量的引体向上图像，在本发明实施例中可以采用矩形框标注方式对该预设数量的引体向上图像进行人体目标标注，如此可以生成人体检测训练样本，意味着对于每一张引体向上图像，使用一个矩形框把引体向上图像中的人框住。
S203，基于所述人体检测训练样本，对人体位置检测初始模型进行有监督训练，得到人体位置检测模型。
对于人体检测训练样本，在本发明实施例中可以基于人体检测训练样本，对人体位置检测初始模型进行有监督训练，得到人体位置检测模型。
需要说明的是，在本发明实施例中，当损失函数收敛，或者迭代次数达到阈值时，可以视为模型训练终止，本发明实施例对此不作限定。
S102，若所述用户进入所述引体向上动作区，触发对所述用户的引体向上姿态检测事件。
S103，获取第二视频，针对所述第二视频中每帧第二图像，识别所述第二图像中所述用户的关键部位的骨骼关节点位置。
S104，根据所述用户的关键部位的所述骨骼关节点位置，确定所述第二图像对应的姿态数据，由所述第二视频中各所述第二图像各自对应的所述姿态数据组成所述用户引体向上过程中的姿态数据。
在本发明实施例中，图像采集设备可以是实时采集用户整个引体向上过程中的视频，并将该视频传输至边缘计算服务器进行处理，边缘计算服务器在用户进入引体向上动作区的情况下，开启对用户的引体向上姿态的检测，此时可以目标跟踪算法跟踪该用户，图像采集设备实时捕获运动画面，边缘计算服务器获取到第二视频。
需要说明的是，本发明实施例中第一视频以及第二视频可以是引体向上姿态完整视频码流中的子片段，由第一视频和第二视频构成引体向上姿态评估完整视频码流，这里引体向上姿态评估完整视频码流指的是用户自进入(摄像头)画面，然后进入到引体向上动作区，紧接着完成引体向上之后，退出(摄像头)画面整个过程采集的视频码流。
在本发明实施例中，针对第二视频中每帧第二图像，识别第二图像中用户的关键部位的骨骼关节点位置，由此根据用户的关键部位的骨骼关节点位置，确定第二图像对应的姿态数据，进而由第二视频中各第二图像各自对应的姿态数据组成用户引体向上过程中的姿态数据。
例如，在本发明实施例中，针对第二视频中第i(i＝1，2，3，4……)帧第二图像，识别第i帧第二图像中用户的关键部位的骨骼关节点位置，由此根据用户的关键部位的骨骼关节点位置，确定第i帧第二图像对应的姿态数据，如下表1所示，进而由第二视频中各第二图像各自对应的姿态数据组成用户引体向上过程中的姿态数据。
| 第i帧第二图像 | 姿态数据 |
| 第1帧第二图像 | 姿态数据1 |
| 第2帧第二图像 | 姿态数据2 |
| …… | …… |
表1
需要说明的是，对于关键部位，在本发明实施例中具体指的是肩关节、肘关节、漆关节和/或脚关节等，针对不同的运动模式，可以选取不同的关键部位，本发明实施例对此不作限定。此外，用户的关键部位的骨骼关节点位置，可以如下所示：
{Pi(xi，yi，ci)}，i∈0，......，21；其中(xi，yi)代表骨骼关节点在图像中的横纵坐标，ci表示置信度，代表这个骨骼关节点位置的可信程度，如果较低的话，可以弃用，保留置信度较高的骨骼关节点位置。
其中，在本发明实施例中，可以通过人体姿态评估模型，识别第二图像中用户的关键部位的骨骼关节点位置，具体可以将第二图像输入至预设的人体姿态评估模型，获取人体姿态评估模型输出的第二图像中用户的关键部位的骨骼关节点位置。
需要说明的是，对于人体姿态评估模型，具体可以是Openpose、hrnet模型，当然还可以是其它算法，本发明实施例对此不作限定。
如图3所示，为本发明实施例提供的一种人体姿态评估模型的训练方法的实施流程示意图，该方法具体可以包括以下步骤：
S301，获取多个目标用户各自对应的引体向上视频，并对所述引体向上视频进行抽帧处理，得到预设数量的引体向上图像。
在本发明实施例中，模型训练阶段，召集多个目标用户，针对每个目标用户分别进行引体向上视频的采集。如此可以获取多个目标用户各自对应的引体向上视频。
例如，模型训练阶段，可以获取4000个学生各自对应的引体向上视频。
对于获取的多个目标用户各自对应的引体向上视频，在本发明实施例中进行抽帧处理，如此可以得到预设数量的引体向上图像。其中，可以随机抽帧，本发明实施例对此不作限定。
例如，对于获取的4000个学生各自对应的引体向上视频，在本发明实施例中进行抽帧处理，其中可以利用脚本随机抽帧，如此可以得到大约50000张引体向上图像。
S302，采用骨骼关节点标注方式对所述预设数量的所述引体向上图像进行人体关节点标注，生成引体向上姿态评估训练样本。
对于预设数量的引体向上图像，在本发明实施例中可以采用骨骼关节点标注方式对该预设数量的引体向上图像进行人体关节点标注，如此可以生成引体向上姿态评估训练样本，意味着对于每一张引体向上图像，标注其中的骨骼关节点。
例如，对于50000张引体向上图像，采用骨骼关节点标注方式对该50000张引体向上图像进行人体关节点标注，共计标注13个骨骼关节点，如图4所示，其中，每个骨骼关节点含义如下表2所示。
表2
S303，基于所述引体向上姿态评估训练样本，对人体姿态评估初始模型进行有监督训练，得到人体姿态评估模型。
对于引体向上姿态评估训练样本，在本发明实施例中可以基于引体向上姿态评估训练样本，对人体姿态评估初始模型进行有监督训练，得到人体姿态评估模型。
需要说明的是，在本发明实施例中，当损失函数收敛，或者迭代次数达到阈值时，可以视为模型训练终止，本发明实施例对此不作限定。
此外，在本发明实施例中，如图5所示，为本发明实施例提供的一种第二图像对应的姿态数据的确定方法的实施流程示意图，具体可以包括以下步骤：
S501，根据引体向上的检测要求，从所述骨骼关节点位置中选择多个目标骨骼关节点位置。
S502，获取所述目标骨骼关节点位置，组成所述用户的目标关键部位对应的向量。
S503，计算所述用户的目标关键部位对应的所述向量之间的夹角，确定所述夹角为所述第二图像对应的所述用户的目标关键部位对应的夹角。
在引体向上这个体育项目中，一般关注的是用户上体，比如肘关节、肩关节、下巴等，而对于用户下体，通常不关注，例如腰关节、膝盖关节、脚踝关节等。
基于上述引体向上的检测要求，从第二图像中用户的关键部位的骨骼关节点位置中选择多个目标骨骼关节点位置，得到骨骼关节点位置集，对应于用户上体。
例如，具体而言，根据引体向上的检测要求，对于第二图像中用户的关键部位的骨骼关节点位置，从骨骼关节点位置中选择目标骨骼关节点位置，组合成骨骼关节点位置集，即(P7、P9、P11、P13、P6、P8、P10、P12、P1)。
需要说明的是，上述P7、P9、P11、P6、P8、P10、P1等可以参考图4以及上述表2所示的含义，本发明实施例在此不再一一赘述。
对于骨骼关节点位置集，在本发明实施例中可以基于骨骼关节点位置集，确定第二图像对应的用户的目标关键部位对应的夹角，即姿态数据可以看作是用户的目标关键部位对应的夹角。
这里目标关键部位与引体向上的检测要求息息相关。例如，在引体向上这个体育项目中，一般关注的是用户上体，这里目标关键部位可以是左右肩、左右肘等，本发明实施例对此不作限定。
其中，本发明实施例可以获取骨骼关节点位置集中的目标骨骼关节点位置，组成用户的目标关键部位对应的向量，计算用户的目标关键部位对应的向量之间的夹角，确定该夹角为第二图像对应的用户的目标关键部位对应的夹角。
例如，根据引体向上的检测要求，获取骨骼关节点位置集中的P7、P9、P13，组成用户的目标关键部位对应的向量，即用户左肩关节对应的2个向量，即
继续参照上述图4以及上述表2所示的含义，计算这2个向量之间的夹角，确定夹角为第二图像对应的用户的左肩关节对应的夹角，记为angle_shoulder。
同理，获取骨骼关节点位置集中其余目标骨骼关节点位置，组成用户的左肘关节对应的2个向量、右肩关节对应的2个向量、右肘关节对应的2个向量，然后计算2个向量之间的夹角，确定夹角为第二图像对应的用户的左肘关节对应的夹角、右肩关节对应的夹角、右肘关节对应的夹角，分别记为angle_elbow、angle_shoulder、angle_elbow，如下表3所示。如此可以确定第二图像对应的用户的上述关节分别对应的夹角。
表3
S105，从所述用户引体向上过程中的姿态数据中选取目标姿态数据，与预设参照数据进行比较，以评估所述用户的引体向上姿态。
在本发明实施例中，对于第二视频中各第二图像各自对应的姿态数据，组成用户引体向上过程中的姿态数据，从用户引体向上过程中的姿态数据中选取目标姿态数据，即从各第二图像各自对应的姿态数据中选取目标姿态数据，并与预设参照数据进行比较，以评估用户的引体向上姿态，即对应运动专家知识库，评估如引体准备姿势是否存在问题，引体向上姿态问题，并给出对应专家库中训练指导意见。
S106、将所述姿态数据标注于对应的所述第二图像，输出所述第二图像至显示屏进行呈现。
本发明实施例中，在得到用户的姿态数据以后，将姿态数据标注于对应的第二图像上，将完成标注的第二图像输出值显示屏上进行呈现。
对于目标姿态数据(例如右肩关节夹角、右肘关节夹角等)，将目标姿态数据与预设参照数据(例如标准的右肩关节夹角、右肘关节夹角等)进行比对，检测用户的引体向上姿态是否标准，或者是给出标准程度，示例性地，在用户的引体向上姿态不标准的情况下，在显示屏上回放用户的引体向上姿态，并在不标准的位置进行标记；如图6所示，该边缘计算服务器分别与摄像头、显示屏进行连接。
如图7所示，为本发明实施例提供的另一种用户的引体向上姿态的评估方法的实施流程示意图，该方法具体可以应用于边缘计算服务器，包括以下步骤：
S701，从各所述第二图像中选取目标时刻的所述第二图像对应的夹角，作为目标夹角。
对于引体向上，整个引体向上过程按照状态分为引体准备(即起始姿势，两手用宽握距正握(掌心向前)单杠，两脚离地，两臂身体自然下垂伸直，静止状态)、引体向上(用户身体上升至最高点)。
一种可能的实现方式中，设置上述目标时刻包括引体准备时刻和引体向上时刻。
本实施方式中，在检测开始后，获取各第二图像各自对应的夹角的第一夹角和，确定夹角和最大的所述夹角，获取首个夹角和最大的夹角对应的第二图像的采集时刻，作为引体准备时刻。
获取引体准备时刻至第一目标时刻的第一时间段内所述第二图像对应的夹角，确定夹角和最小的夹角，获取夹角和最小的所述夹角对应的第二图像的采集时刻，作为引体向上时刻。
或者，获取引体准备时刻至第一目标时刻的第一时间段内第二图像对应的骨骼关节点位置，获取纵坐标最大的骨骼关节点位置对应的第二图像的采集时刻，作为引体向上时刻。
再或者，获取引体准备时刻至第一目标时刻的第一时间段内第二图像对应的目标骨骼关节点位置，根据目标关节点位置确定第一时间段内各第二图像对应的所述用户的身体重心位置，确定纵坐标最大的身体重心位置，获取纵坐标最大的身体重心位置对应的第二图像的采集时刻，作为引体向上时刻；在引体向上时刻的下一时间段内，获取夹角和最大的夹角对应的第二图像的采集时刻，作为下一个引体向上周期的引体准备时刻。
本实施例中选取每个完整引体向上周期内的引体准备时刻、引体向上时刻的第二图像对应的夹角，作为目标夹角。
本发明另一可能的实施方式中，上述目标时刻包括引体准备时刻、引体向上时刻以及引体复位时刻。
该方式中，整个引体向上过程按照状态可以是分为引体准备(即起始姿势，两手用宽握距正握(掌心向前)单杠，两脚离地，两臂身体自然下垂伸直，静止状态)、引体向上(用户身体上升至最高点)、引体复位(用户回归起始姿势)。
例如，从各第二图像中选取目标时刻的第二图像，其中，目标时刻包括引体准备时刻t0、引体向上时刻t1、引体复位时刻t2，确定目标时刻的第二图像对应的夹角为目标夹角，即后续将t0、t1、t2时刻的第二图像对应的用户的目标关键部位对应的夹角与预设标准夹角进行比较，以评估用户的引体向上姿态。
具体地，在本发明实施例中，检测开始后，获取各第二图像各自对应的夹角的第一夹角和，确定第一夹角和最大的夹角，获取首个第一夹角和最大的夹角对应的第二图像的采集时刻，作为引体准备时刻。
例如，获取第二视频中各第二图像各自对应的夹角的第一夹角和，确定第一夹角和(即左肩关节的angle_shoulder+左肘关节的angle_elbow+右肩关节的angle_shoulder+右肘关节的angle_elbow)最大的夹角，获取第一夹角和最大的夹角对应的第二图像的采集时刻，作为引体准备时刻，记为t0。
获取引体准备时刻至第一目标时刻的第一时间段内第二图像对应的夹角，确定夹角和最小的夹角，获取夹角和最小的夹角对应的第二图像的采集时刻，作为引体向上时刻。
例如，获取(t0，t0+T1(s))的第一时间段内第二图像对应的夹角，确定夹角和(即左肩关节的angle_shoulder+左肘关节的angle_elbow+右肩关节的angle_shoulder+右肘关节的angle_elbow)最小的夹角，获取夹角和最小的夹角对应的第二图像的采集时刻，作为引体向上时刻，记为t1。这里T1是一个经验值，可以根据实际情况进行设置。
获取引体准备时刻至第一目标时刻的第一时间段内第二图像对应的骨骼关节点位置集中的候选骨骼关节点位置，确定纵坐标最大的候选骨骼关节点位置，获取纵坐标最大的候选骨骼关节点位置对应的第二图像的采集时刻，作为引体向上时刻。
例如，获取(t0，t0+T1(s))的第一时间段内第二图像对应的骨骼关节点位置集中的候选骨骼关节点位置(即P1，这里可以随机选择，或者可以是固定的)，确定纵坐标最大的候选骨骼关节点位置，获取纵坐标最大的候选骨骼关节点位置对应的第二图像的采集时刻，将纵坐标最大的候选骨骼关节点位置对应的第二图像的采集时刻作为引体向上时刻，记为t1。这里T1是一个经验值，可以根据实际情况进行设置。
获取引体准备时刻至第一目标时刻的第一时间段内第二图像对应的骨骼关节点位置集中的目标骨骼关节点位置，确定第一时间段内各第二图像对应的用户的身体重心位置，确定纵坐标最大的身体重心位置，获取纵坐标最大的身体重心位置对应的第二图像的采集时刻，作为引体向上时刻。
例如，获取(t0，t0+T1(s))的第一时间段内第二图像对应的骨骼关节点位置集中的目标骨骼关节点位置(即P7、P9、P11、P13、P6、P8、P10、P12、P1)，确定第一时间段内各第二图像对应的用户的身体重心位置，即计算上述目标骨骼关节点位置(即P7、P9、P11、P13、P6、P8、P10、P12、P1)的加权和，作为第二图像对应的用户的身体重心位置，确定纵坐标最大的身体重心位置，获取纵坐标最大的身体重心位置对应的第二图像的采集时刻，作为引体向上时刻，记为t1。这里T1是一个经验值，可以根据实际情况进行设置。
获取引体向上时刻至第二目标时刻的第二时间段内第二图像对应的夹角，确定第二夹角和最大的夹角，获取第二夹角和最大的第二图像的采集时刻，作为引体复位时刻。
例如，获取(t1，t1+T2(s))的第二时间段内第二图像对应的夹角，确定第二夹角和(即左肩关节的angle_shoulder+左肘关节的angle_elbow+右肩关节的angle_shoulder+右肘关节的angle_elbow)最大的夹角，获取第二夹角和最大的第二图像的采集时刻，作为引体复位时刻，记为t2。这里T2是一个经验值，可以根据实际情况进行设置。
如此经过上述处理，可以得到引体准备时刻、引体向上时刻以及引体复位时刻等3个时刻，从而从各第二图像中，选取引体准备时刻、引体向上时刻以及引体复位时刻的第二图像对应的夹角，作为目标夹角，与标准夹角进行比较，以评估用户的引体向上姿态。
其中，对于引体向上时刻的第二图像，一般指的是用户引体向上过程中用户身体上升至最高的图像，因此可以用来判断用户引体向上是否有效。具体地，可以获取引体向上时刻的第二图像对应的骨骼关节点位置集中的候选骨骼关节点位置，判断这个候选骨骼关节点位置是否位于(单杠)对应的直线(一般用y＝a*X+b表示)之上，如果是的话，认为用户引体向上有效，否则就是无效。
例如，获取引体向上时刻的第二图像对应的骨骼关节点位置集中的候选骨骼关节点位置(即P1，这里指的是用户下巴)，判断这个候选骨骼关节点位置是否位于(单杠)对应的直线(一般用y＝a*X+b表示)之上，如果是的话，确定用户下巴超过了单杠，此时可以认为用户引体向上有效，否则就是无效。
需要说明的是，鉴于用户进行引体向上需要完成多次，则可以重复执行上述引体向上时刻以及引体复位时刻的获取步骤，重复执行的时候，比如获取引体复位时刻至第一目标时刻的第一时间段内第二图像对应的夹角，确定夹角和最小的夹角，获取夹角和最小的夹角对应的第二图像的采集时刻，作为引体向上时刻，获取引体向上时刻至第二目标时刻的第二时间段内第二图像对应的夹角，确定第二夹角和最大的夹角，获取第二夹角和最大的第二图像的采集时刻，作为引体复位时刻，即引体准备时刻替换为引体复位时刻，重复获取引体向上时刻，如此可以得到1个引体准备时刻和多个引体向上时刻以及引体复位时刻，从而选取引体准备时刻、引体向上时刻以及引体复位时刻的第二图像对应的夹角，作为目标夹角，与标准夹角进行比较，以评估用户的引体向上姿态。
例如，从各第二图像中，选取引体准备时刻，即t0对应的第二图像，如图8所示；选取引体向上时刻，即t1对应的第二图像，如图9所示；选取引体复位时刻，即t2对应的第二图像，如图10所示等对应的夹角，作为目标夹角。
S702，将所述目标夹角与预设标准夹角进行比较，以评估所述用户的引体向上姿态。
在本发明实施例中，对于目标时刻的第二图像，即引体准备时刻、引体向上时刻、引体复位时刻的第二图像对应的夹角，作为目标夹角，将目标夹角与预设标准夹角进行比较，以评估用户的引体向上姿态。意味着将t0、t1、t2的第二图像对应的用户的目标关键部位对应的夹角与预设标准夹角进行比较，以评估用户的引体向上姿态。
在本发明实施例中，上述边缘计算服务器可以是在得到用户的引体向上过程中的姿态数据后，将该姿态数据在相应的第二图像上进行标注，并传输至显示屏呈现标注后的第二图像。
在本发明实施例中，也可以是对目标时刻的第二图像进行标注用户的姿态数据，比如对于引体准备时刻、引体向上时刻、引体复位时刻的第二图像对应的夹角，作为目标夹角，在本发明实施例中，可以将目标夹角在相应的第二图像上进行标注，例如引体准备时刻的第二图像对应的夹角在引体准备时刻的第二图像上进行标注，如此经过标注之后可以在显示屏上进行展示。
本发明一实施例中，获取预设的引体向上时间段，统计该时间段内的有效引体向上周期的重复次数，得到用户引体向上完成的次数。
其中，所述有效引体向上周期是指引体准备时刻、引体向上时刻的第二图像对应的用户姿态数据满足预设标准，比如目标夹角属于预设标准夹角范围内，且引体向上时刻下巴关节点的位置在单杠之上。
通过上述对本发明实施例提供的技术方案的描述，获取摄像头实时采集的第一视频，并根据第一视频，判断用户是否进入预设的引体向上动作区，若用户进入引体向上动作区，触发对用户的引体向上姿态检测事件，获取第二视频，针对第二视频中每帧第二图像，识别第二图像中用户的关键部位的骨骼关节点位置，根据用户的关键部位的骨骼关节点位置，确定第二图像对应的姿态数据，由第二视频中各第二图像各自对应的姿态数据组成用户引体向上过程中的姿态数据，从用户引体向上过程中的姿态数据中选取目标姿态数据，与预设参照数据进行比较，以评估用户的引体向上姿态；并且将计算得到的姿态数据标注于对应的第二图像，输出该第二图像至显示屏上进行呈现。
如此，在引体向上过程中进行视频采集和分析，以实现对用户在引体向上过程中引体向上姿态的检测，对用户的引体向上姿态通过数据进行量化，将得到的目标姿态数据与标准的姿态数据进行比较，可以客观、准确的确定引体向上姿态的标准程度，进而指导用户进行姿态的纠正，极大地方便了用户的训练。
本发明实施例中所提供的一种引体向上运动的评估方法应用于边缘计算服务器，在具体应用场景中，该边缘计算服务器与摄像头、显示屏可以是独立设置，并且边缘计算服务器与摄像头、显示屏分别进行通信；或者该边缘计算服务器(处理器)与摄像头、显示屏为一体机式设置，本发明实施例对此不作限定。
与上述方法实施例相对应，本发明实施例还提供了一种引体向上运动的评估装置，如图11所示，该装置可以包括：视频获取模块1110、用户判断模块1120、事件触发模块1130、位置识别模块1140、数据确定模块1150、姿态评估模块1160、。
视频获取模块1110，用于获取摄像头实时采集的第一视频；
用户判断模块1120，用于根据所述第一视频，判断用户是否进入预设的引体向上动作区；
事件触发模块1130，用于若所述用户进入所述引体向上动作区，触发对所述用户的引体向上姿态检测事件；
位置识别模块1140，用于获取第二视频，针对所述第二视频中每帧第二图像，识别所述第二图像中所述用户的关键部位的骨骼关节点位置；
数据确定模块1150，用于根据所述用户的关键部位的所述骨骼关节点位置，确定所述第二图像对应的姿态数据，由所述第二视频中各所述第二图像各自对应的所述姿态数据组成所述用户引体向上过程中的姿态数据；
姿态评估模块1160，用于从所述用户引体向上过程中的姿态数据中选取目标姿态数据，与预设参照数据进行比较，以评估所述用户的引体向上姿态；
输出模块1170，用于将所述姿态数据标注于对应的所述第二图像，输出所述第二图像至显示屏进行呈现。
本发明实施例还提供了一种边缘计算服务器，如图12所示，包括处理器121、通信接口122、存储器123和通信总线124，其中，处理器121，通信接口122，存储器123通过通信总线124完成相互间的通信，
存储器123，用于存放计算机程序；
处理器121，用于执行存储器123上所存放的程序时，实现如下步骤：
获取摄像头实时采集的第一视频，并根据所述第一视频，判断用户是否进入预设的引体向上动作区；若所述用户进入所述引体向上动作区，触发对所述用户的引体向上姿态检测事件；获取第二视频，针对所述第二视频中每帧第二图像，识别所述第二图像中所述用户的关键部位的骨骼关节点位置；根据所述用户的关键部位的所述骨骼关节点位置，确定所述第二图像对应的姿态数据，由所述第二视频中各所述第二图像各自对应的所述姿态数据组成所述用户引体向上过程中的姿态数据；从所述用户引体向上过程中的姿态数据中选取目标姿态数据，与预设参照数据进行比较，以评估所述用户的引体向上姿态；以及将所述姿态数据标注于对应的所述第二图像，输出所述第二图像至显示屏进行呈现。
上述边缘计算服务器提到的通信总线可以是外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述边缘计算服务器与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种存储介质，该存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的引体向上运动的评估方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的引体向上运动的评估方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在存储介质中，或者从一个存储介质向另一个存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (12)
1.一种引体向上运动的评估方法，其特征在于，应用于边缘计算服务器，所述方法包括：
获取摄像头实时采集的第一视频，并根据所述第一视频，判断用户是否进入预设的引体向上动作区；
若所述用户进入所述引体向上动作区，触发对所述用户的引体向上姿态检测事件；
获取第二视频，针对所述第二视频中每帧第二图像，识别所述第二图像中所述用户的关键部位的骨骼关节点位置；
根据所述用户的关键部位的所述骨骼关节点位置，确定所述第二图像对应的姿态数据，由所述第二视频中各所述第二图像各自对应的所述姿态数据组成所述用户引体向上过程中的姿态数据；
从所述用户引体向上过程中的姿态数据中选取目标姿态数据，与预设参照数据进行比较，以评估所述用户的引体向上姿态；
以及将所述姿态数据标注于对应的所述第二图像，输出所述第二图像至显示屏进行呈现。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一视频，判断用户是否进入预设的引体向上动作区，包括：
针对所述第一视频中的第一图像，将所述第一图像输入至预设的人体位置检测模型，得到所述人体位置检测模型输出的所述第一图像中的用户位置；
将所述用户位置与预设的引体向上动作区位置进行比较，判断所述用户是否进入预设的引体向上动作区。
3.根据权利要求2所述的方法，其特征在于，所述人体位置检测模型具体通过以下方式得到：
获取多个目标用户各自对应的引体向上视频，并对所述引体向上视频进行抽帧处理，得到预设数量的引体向上图像；
采用矩形框标注方式对所述预设数量的所述引体向上图像进行人体目标标注，生成人体检测训练样本；
基于所述人体检测训练样本，对人体位置检测初始模型进行有监督训练，得到人体位置检测模型。
4.根据权利要求1所述的方法，其特征在于，所述识别所述第二图像中所述用户的关键部位的骨骼关节点位置，包括：
将所述第二图像输入至预设的人体姿态评估模型，获取所述人体姿态评估模型输出的所述第二图像中所述用户的关键部位的骨骼关节点位置。
5.根据权利要求4所述的方法，其特征在于，所述人体姿态评估模型具体通过以下方式得到：
获取多个目标用户各自对应的引体向上视频，并对所述引体向上视频进行抽帧处理，得到预设数量的引体向上图像；
采用骨骼关节点标注方式对所述预设数量的所述引体向上图像进行人体关节点标注，生成引体向上姿态评估训练样本；
基于所述引体向上姿态评估训练样本，对人体姿态评估初始模型进行有监督训练，得到人体姿态评估模型。
6.根据权利要求1所述的方法，其特征在于，所述根据所述用户的关键部位的所述骨骼关节点位置，确定所述第二图像对应的姿态数据，包括：
根据引体向上的检测要求，从所述骨骼关节点位置中选择多个目标骨骼关节点位置；
获取所述目标骨骼关节点位置，组成所述用户的目标关键部位对应的向量；
计算所述用户的目标关键部位对应的所述向量之间的夹角，确定所述夹角为所述第二图像对应的所述用户的目标关键部位对应的夹角。
7.根据权利要求6所述的方法，其特征在于，所述从所述用户引体向上过程中的姿态数据中选取目标姿态数据，与预设参照数据进行比较，以评估所述用户的引体向上姿态，包括：
从各所述第二图像中选取目标时刻的所述第二图像对应的夹角，作为目标夹角；
将所述目标夹角与预设标准夹角进行比较，以评估所述用户的引体向上姿态。
8.根据权利要求7所述的方法，其特征在于，所述目标时刻包括引体准备时刻和引体向上时刻；
所述从各所述第二图像中选取目标时刻的所述第二图像对应的夹角，作为目标夹角，包括：
在检测开始后，获取各所述第二图像各自对应的夹角的第一夹角和，确定所述夹角和最大的所述夹角，获取首个所述夹角和最大的所述夹角对应的所述第二图像的采集时刻，作为引体准备时刻；
获取所述引体准备时刻至第一目标时刻的第一时间段内所述第二图像对应的所述夹角，确定所述夹角和最小的所述夹角，获取所述夹角和最小的所述夹角对应的所述第二图像的采集时刻，作为引体向上时刻；
或者，
获取所述引体准备时刻至第一目标时刻的第一时间段内所述第二图像对应的所述骨骼关节点位置，获取纵坐标最大的所述骨骼关节点位置对应的所述第二图像的采集时刻，作为引体向上时刻；
或者，
获取所述引体准备时刻至第一目标时刻的第一时间段内所述第二图像对应的所述目标骨骼关节点位置，根据所述目标关节点位置确定所述第一时间段内各所述第二图像对应的所述用户的身体重心位置，确定纵坐标最大的所述身体重心位置，获取所述纵坐标最大的所述身体重心位置对应的所述第二图像的采集时刻，作为引体向上时刻；
选取每个完整引体向上周期内的所述引体准备时刻、所述引体向上时刻的所述第二图像对应的夹角，作为目标夹角。
9.根据权利要求7所述的方法，其特征在于，所述方法还包括：
获取预设的引体向上时间段，统计所述时间段内的有效引体向上周期的重复次数，得到所述用户引体向上完成的次数；
其中，所述有效引体向上周期包括所述引体准备时刻、所述引体向上时刻的所述第二图像对应的用户姿态数据满足预设标准。
10.一种引体向上运动的评估装置，其特征在于，应用于边缘计算服务器，所述装置包括：
视频获取模块，用于获取摄像头实时采集的第一视频；
用户判断模块，用于根据所述第一视频，判断用户是否进入预设的引体向上动作区；
事件触发模块，用于若所述用户进入所述引体向上动作区，触发对所述用户的引体向上姿态检测事件；
位置识别模块，用于获取第二视频，针对所述第二视频中每帧第二图像，识别所述第二图像中所述用户的关键部位的骨骼关节点位置；
数据确定模块，用于根据所述用户的关键部位的所述骨骼关节点位置，确定所述第二图像对应的姿态数据，由所述第二视频中各所述第二图像各自对应的所述姿态数据组成所述用户引体向上过程中的姿态数据；
姿态评估模块，用于从所述用户引体向上过程中的姿态数据中选取目标姿态数据，与预设参照数据进行比较，以评估所述用户的引体向上姿态；
输出模块，用于将所述姿态数据标注于对应的所述第二图像，输出所述第二图像至显示屏进行呈现。
11.一种边缘计算服务器，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1至9中任一项所述的方法步骤。
12.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111454584.6A CN114140722A (zh) | 2021-12-01 | 2021-12-01 | 引体向上运动的评估方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111454584.6A CN114140722A (zh) | 2021-12-01 | 2021-12-01 | 引体向上运动的评估方法、装置、服务器及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114140722A true CN114140722A (zh) | 2022-03-04 |
Family
ID=80386678
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111454584.6A Pending CN114140722A (zh) | 2021-12-01 | 2021-12-01 | 引体向上运动的评估方法、装置、服务器及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114140722A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114973401A (zh) * | 2022-04-24 | 2022-08-30 | 西安电子科技大学 | 基于动作检测与多模态学习的标准化引体向上评估方法 |
| CN115068919A (zh) * | 2022-05-17 | 2022-09-20 | 泰山体育产业集团有限公司 | 一种单杠项目的考核方法及其实现装置 |
| CN115171208A (zh) * | 2022-05-31 | 2022-10-11 | 中科海微(北京)科技有限公司 | 仰卧起坐姿态评估方法、装置、电子设备及存储介质 |
| CN115346265A (zh) * | 2022-05-31 | 2022-11-15 | 中科海微(北京)科技有限公司 | 引体向上姿态评估方法、装置、电子设备及存储介质 |
| CN117037279A (zh) * | 2023-08-25 | 2023-11-10 | 北京智芯微电子科技有限公司 | 动作检测、计数方法、装置、异构芯片、设备及存储介质 |
| CN118454203A (zh) * | 2024-07-11 | 2024-08-09 | 南京陆加壹智能科技有限公司 | 一种引体向上智能测试系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111275031A (zh) * | 2020-05-07 | 2020-06-12 | 西南交通大学 | 基于人体关键点的平板支撑检测方法、装置、设备及介质 |
| CN111639612A (zh) * | 2020-06-04 | 2020-09-08 | 浙江商汤科技开发有限公司 | 姿态矫正的方法、装置、电子设备及存储介质 |
| CN112288766A (zh) * | 2020-10-28 | 2021-01-29 | 中国科学院深圳先进技术研究院 | 运动评估方法、装置、系统及存储介质 |
| CN113505662A (zh) * | 2021-06-23 | 2021-10-15 | 广州大学 | 一种健身指导方法、装置及存储介质 |
-
2021
- 2021-12-01 CN CN202111454584.6A patent/CN114140722A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN111275031A (zh) * | 2020-05-07 | 2020-06-12 | 西南交通大学 | 基于人体关键点的平板支撑检测方法、装置、设备及介质 |
| CN111639612A (zh) * | 2020-06-04 | 2020-09-08 | 浙江商汤科技开发有限公司 | 姿态矫正的方法、装置、电子设备及存储介质 |
| CN112288766A (zh) * | 2020-10-28 | 2021-01-29 | 中国科学院深圳先进技术研究院 | 运动评估方法、装置、系统及存储介质 |
| CN113505662A (zh) * | 2021-06-23 | 2021-10-15 | 广州大学 | 一种健身指导方法、装置及存储介质 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114973401A (zh) * | 2022-04-24 | 2022-08-30 | 西安电子科技大学 | 基于动作检测与多模态学习的标准化引体向上评估方法 |
| CN115068919A (zh) * | 2022-05-17 | 2022-09-20 | 泰山体育产业集团有限公司 | 一种单杠项目的考核方法及其实现装置 |
| CN115068919B (zh) * | 2022-05-17 | 2023-11-14 | 泰山体育产业集团有限公司 | 一种单杠项目的考核方法及其实现装置 |
| CN115171208A (zh) * | 2022-05-31 | 2022-10-11 | 中科海微(北京)科技有限公司 | 仰卧起坐姿态评估方法、装置、电子设备及存储介质 |
| CN115346265A (zh) * | 2022-05-31 | 2022-11-15 | 中科海微(北京)科技有限公司 | 引体向上姿态评估方法、装置、电子设备及存储介质 |
| CN117037279A (zh) * | 2023-08-25 | 2023-11-10 | 北京智芯微电子科技有限公司 | 动作检测、计数方法、装置、异构芯片、设备及存储介质 |
| CN118454203A (zh) * | 2024-07-11 | 2024-08-09 | 南京陆加壹智能科技有限公司 | 一种引体向上智能测试系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114140722A (zh) | 引体向上运动的评估方法、装置、服务器及存储介质 | |
| CN113850248B (zh) | 运动姿态评估方法、装置、边缘计算服务器及存储介质 | |
| Islam et al. | Yoga posture recognition by detecting human joint points in real time using microsoft kinect | |
| US8639020B1 (en) | Method and system for modeling subjects from a depth map | |
| US11763603B2 (en) | Physical activity quantification and monitoring | |
| WO2018228218A1 (zh) | 身份识别方法、计算设备及存储介质 | |
| CN114120204A (zh) | 仰卧起坐姿态评估方法、装置及存储介质 | |
| Anilkumar et al. | Pose estimated yoga monitoring system | |
| WO2019114726A1 (zh) | 图像识别方法、装置、电子设备以及可读存储介质 | |
| CN110633004B (zh) | 基于人体姿态估计的交互方法、装置和系统 | |
| CN110751100A (zh) | 一种体育场馆辅助训练方法与系统 | |
| JP6757010B1 (ja) | 動作評価装置、動作評価方法、動作評価システム | |
| US12067664B2 (en) | System and method for matching a test frame sequence with a reference frame sequence | |
| JP2020174910A (ja) | 運動支援システム | |
| CN114140721A (zh) | 射箭姿态评估方法、装置、边缘计算服务器及存储介质 | |
| KR20200081629A (ko) | 관절각 비교를 통한 단체 댄스 평가 장치 및 그 방법 | |
| JP2022043264A (ja) | 運動評価システム | |
| US20210060385A1 (en) | Advancement Manager In A Handheld User Device | |
| KR101636171B1 (ko) | 스켈레톤 트래킹 방법 및 이를 이용한 스켈레톤 트래킹 시스템 | |
| CN113743237A (zh) | 跟随动作的准确度判定方法、装置、电子设备及存储介质 | |
| Tarek et al. | Yoga Trainer for Beginners Via Machine Learning | |
| CN112932470A (zh) | 俯卧撑训练的评估方法及装置、设备、存储介质 | |
| US20230145451A1 (en) | Monitoring exercise activity in a gym environment | |
| CN114708541A (zh) | 一种体能测试方法、装置、计算机设备及存储介质 | |
| CN118176530A (zh) | 行动辨识方法、行动辨识装置以及行动辨识程序 |
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 |