CN114241601A - 士兵训练姿态的检测方法、装置及电子设备 - Google Patents
士兵训练姿态的检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114241601A CN114241601A CN202111540542.4A CN202111540542A CN114241601A CN 114241601 A CN114241601 A CN 114241601A CN 202111540542 A CN202111540542 A CN 202111540542A CN 114241601 A CN114241601 A CN 114241601A
- Authority
- CN
- China
- Prior art keywords
- target
- training
- determining
- posture
- model
- 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
- 238000012549 training Methods 0.000 title claims abstract description 157
- 238000001514 detection method Methods 0.000 title claims abstract description 74
- 230000036544 posture Effects 0.000 claims abstract description 129
- 230000005477 standard model Effects 0.000 claims abstract description 101
- 238000000034 method Methods 0.000 claims abstract description 57
- 230000000694 effects Effects 0.000 description 7
- 210000003414 extremity Anatomy 0.000 description 5
- 210000002683 foot Anatomy 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请提供了一种士兵训练姿态的检测方法、装置及电子设备,该方法应用于服务器;服务器中预存有多个训练姿态分别对应的标准模型;方法包括:获取士兵进行目标训练姿态训练时的形体状态;从多个标准模型中查找目标训练姿态对应的目标标准模型;将形体状态与目标标准模型进行比对,确定形体状态相对于目标标准模型的差距值;差距值包括内偏差距值和/或外偏差距值;基于差距值确定目标训练姿态对应的检测结果。本申请能够提高士兵训练姿态检测的效率及精准度。
Description
技术领域
本申请涉及智技术领域,尤其是涉及一种士兵训练姿态的检测方法、装置及电子设备。
背景技术
目前,士兵训练内容是比较多的,有射击、体能、队列、卫生与救护、战术基础动作等,士兵训练过程对士兵的姿态要求较高,如站姿、格斗动作姿态、跑步姿态等,通过正确的姿态训练,具有塑形、提高锻炼效果、减少能量消耗等作用。现有技术中,士兵的训练效果的检测通常是采用人为检测方式,如通过教官目光识别士兵的训练姿态是否合格,这种方式需要花费教官大量精力进行观看,训练过程中,往往会存在盲区,这就需要大量的教官从不同角度进行观看,不但占用训练空间,而且检测效率低,对检测效果的判断难以标准化。
发明内容
本申请的目的在于提供一种士兵训练姿态的检测方法、装置及电子设备,能够提高士兵训练姿态检测的效率及精准度。
第一方面,本申请实施例提供一种士兵训练姿态的检测方法,方法应用于服务器;服务器中预存有多个训练姿态分别对应的标准模型;方法包括:获取士兵进行目标训练姿态训练时的形体状态;从多个标准模型中查找目标训练姿态对应的目标标准模型;将形体状态与目标标准模型进行比对,确定形体状态相对于目标标准模型的差距值;差距值包括内偏差距值和/或外偏差距值;基于差距值确定目标训练姿态对应的检测结果。
在可选的实施方式中,上述服务器连接有摄像装置和距离检测装置;摄像装置和距离检测装置布设于士兵训练区域周围;获取士兵进行目标训练姿态训练时的形体状态的步骤,包括:接收摄像装置和距离检测装置采集的士兵进行目标训练姿态训练时的形体、肢体间角度和移动距离;基于形体、肢体间角度和移动距离,确定士兵进行目标训练姿态训练时的形体状态。
在可选的实施方式中,上述将形体状态与目标标准模型进行比对,确定形体状态相对于目标标准模型的差距值的步骤,包括:将形体状态填充至目标标准模型中;检测形体状态与目标标准模型不重合的部分;基于不重合的部分确定形体状态相对于目标标准模型的差距值。
在可选的实施方式中,上述目标标准模型包括目标训练姿态对应的多个身体部位分别对应的标准子模型;形体状态包括多个身体部位分别对应的三维形体;将形体状态填充至目标标准模型中的步骤,包括:针对形体状态中的每个身体部位,确定身体部位对应的目标标准子模型,将身体部位对应的三维形体填充至目标标准子模型;检测形体状态与目标标准模型不重合的部分,基于不重合的部分确定形体状态相对于目标标准模型的差距值的步骤,包括:针对形体状态中的每个身体部位,识别身体部位对应的三维形体与目标标准子模型不重合的部分,将三维形体凸出到目标标准子模型外部的部分确定为外偏差距值;将三维形体内缩在目标标准子模型内部的部分确定为内偏差距值。
在可选的实施方式中,上述将形体状态与目标标准模型进行比对,确定形体状态相对于目标标准模型的差距值的步骤之前,还包括:判断形体状态与目标标准模型的尺寸比例是否为一比一;如果否,对形体状态进行放大或缩小,以使尺寸比例达到一比一。
在可选的实施方式中,上述基于差距值确定目标训练姿态对应的检测结果的步骤,包括:判断差距值中,是否至少有一个差距值超过对应预设阈值;如果是,确定目标训练姿态的检测结果为不合格姿态;如果否,确定目标训练姿态的检测结果为合格姿态。
在可选的实施方式中,上述服务器连接有报警装置;确定目标训练姿态的检测结果为不合格姿态的步骤之后,方法还包括:控制报警装置进行报警,以提醒士兵目标训练姿态不合格和/或不合格位置。
在可选的实施方式中,上述每个训练姿态分别对应的标准模型的构建过程如下:获取置于三维坐标系中的坯模;坯模对应有初始外边缘点坐标;基于训练姿态的形体要求,调整坯模的初始外边缘点坐标;将调整后的边缘点进行连接,形成网络线条状的虚拟身体模型;将虚拟身体模型作为训练姿态对应的标准模型。
第二方面,本申请实施例还提供一种士兵训练姿态的检测装置,装置应用于服务器;服务器中预存有多个训练姿态分别对应的标准模型;装置包括:形体获取模块,用于获取士兵进行目标训练姿态训练时的形体状态;模型查找模块,用于从多个标准模型中查找目标训练姿态对应的目标标准模型;差距确定模块,用于将形体状态与目标标准模型进行比对,确定形体状态相对于目标标准模型的差距值;差距值包括内偏差距值和/或外偏差距值;检测结果确定模块,用于基于差距值确定目标训练姿态对应的检测结果。
第三方面,本申请实施例还提供一种电子设备,包括处理器和存储器,存储器存储有能够被处理器执行的计算机可执行指令,处理器执行计算机可执行指令以实现上述第一方面所述的方法。
本申请实施例提供的士兵训练姿态的检测方法、装置及电子设备中,方法应用于服务器;服务器中预存有多个训练姿态分别对应的标准模型;方法包括:获取士兵进行目标训练姿态训练时的形体状态;从多个标准模型中查找目标训练姿态对应的目标标准模型;将形体状态与目标标准模型进行比对,确定形体状态相对于目标标准模型的差距值;差距值包括内偏差距值和/或外偏差距值;基于差距值确定目标训练姿态对应的检测结果。本申请实施例通过将采集的士兵进行目标训练姿态训练时的形体状态和对应的标准模型进行比对,根据确定出的差距值得到训练姿态的检测结果,提高士兵训练姿态的检测效率、精准度。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本申请的一些实施方式,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为本申请实施例提供的一种士兵训练姿态的检测方法的流程图;
图2为本申请实施例提供的另一种士兵训练姿态的检测方法的流程图;
图3为本申请实施例提供的一种士兵训练姿态的检测装置的结构框图;
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合实施例对本申请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申请一部分实施例,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。
目前,士兵的训练效果的检测通常是采用人为检测方式,如通过教官目光识别士兵的训练姿态是否合格,这种方式需要花费教官大量精力进行观看,训练过程中,往往会存在盲区,这就需要大量的教官从不同角度进行观看,不但占用训练空间,而且检测效率低,对检测效果的判断难以标准化。基于此,本申请实施例提供一种士兵训练姿态的检测方法、装置及电子设备,能够提高士兵训练姿态检测的效率及精准度。
为便于对本实施例进行理解,首先对本申请实施例所公开的一种士兵训练姿态的检测方法进行详细介绍。
本申请实施例提供的一种士兵训练姿态的检测方法,该方法应用于服务器;服务器中预存有多个训练姿态分别对应的标准模型;标准模型可以是针对不同的训练姿态,基于坯模型进行边缘点坐标调整得到的网络线条状的虚拟身体模型;或者也可以是针对不同的训练姿态,基于坯模确定的各个身体部位分别对应的标准子模型。参见图1所示的士兵训练姿态的检测方法的流程图,具体包括以下步骤:
步骤S102,获取士兵进行目标训练姿态训练时的形体状态。
形体状态的获取有多种方式,在一种可选的实施方式中,可以通过布设于士兵训练区域周围的摄像装置和距离检测装置获取士兵训练时的形体、肢体间角度、移动距离等,然后基于这些数据构建出士兵在目标训练姿态下的形体状态,该形体状态为三维立体数据。
步骤S104,从多个标准模型中查找目标训练姿态对应的目标标准模型。
不同的训练姿态可以选用不同的标准模型进行比对,在获取到士兵在目标训练姿态下的形体状态后,可以调用其对应的目标标准模型进行比对。
步骤S106,将形体状态与目标标准模型进行比对,确定形体状态相对于目标标准模型的差距值;差距值包括内偏差距值和/或外偏差距值;
确定差距值的方式有多种,比如,通过AI识别技术,识别形体状态和目标标准模型间的差异部分,得到差距值,或者通过形体状态和目标标准模型分别对应的边缘点坐标值进行比对,确定差距值,在此不做具体限定。
步骤S108,基于差距值确定目标训练姿态对应的检测结果。
上述差距值可能包含多个差距值,如,不同身体部位对应的差距值,差距值又包括内偏差距值和/或外偏差距值;具体的,判断上述差距值中,是否至少有一个差距值超过对应预设阈值;如果是,确定目标训练姿态的检测结果为不合格姿态;如果否,确定目标训练姿态的检测结果为合格姿态。即只要有一个差距值超出阈值,就确定目标训练姿态为不合格姿态。
本申请实施例提供的士兵训练姿态的检测方法中,方法应用于服务器;服务器中预存有多个训练姿态分别对应的标准模型;方法包括:获取士兵进行目标训练姿态训练时的形体状态;从多个标准模型中查找目标训练姿态对应的目标标准模型;将形体状态与目标标准模型进行比对,确定形体状态相对于目标标准模型的差距值;差距值包括内偏差距值和/或外偏差距值;基于差距值确定目标训练姿态对应的检测结果。本申请实施例通过将采集的士兵进行目标训练姿态训练时的形体状态和对应的标准模型进行比对,根据确定出的差距值得到训练姿态的检测结果,提高士兵训练姿态的检测效率、精准度。
本申请实施例还提供另一种士兵训练姿态的检测方法,该方法在上述实施例的基础上实现;本实施例重点描述模型比对过程和模型构建过程。
在可选的实施方式中,上述将形体状态与目标标准模型进行比对,确定形体状态相对于目标标准模型的差距值的步骤,包括以下步骤,参见图2所示:
步骤S202,将形体状态填充至目标标准模型中。
实际应用中,可以将形体状态和目标标准模型置于同一个原点的坐标系中。该原点对应形体状态和目标标准模型中的相同位置,比如,均以腹部中央作为原点位置。
在一种优选的实施方式中,上述目标标准模型包括目标训练姿态对应的多个身体部位分别对应的标准子模型;形体状态包括多个身体部位分别对应的三维形体;这种情况下,需要针对形体状态中的每个身体部位,确定身体部位对应的目标标准子模型,将身体部位对应的三维形体填充至目标标准子模型。填充方式同前述内容,在此不再赘述。
步骤S204,检测形体状态与目标标准模型不重合的部分。
步骤S206,基于不重合的部分确定形体状态相对于目标标准模型的差距值。
对于前述优选实施例,需要针对形体状态中的每个身体部位,识别身体部位对应的三维形体与目标标准子模型不重合的部分,将三维形体凸出到目标标准子模型外部的部分确定为外偏差距值;将三维形体内缩在目标标准子模型内部的部分确定为内偏差距值。
下面列举一个具体的训练姿态检测实施例,首先,通过布设于士兵训练区域的周围的图像采集模块和距离检测模块,对士兵训练过程中进行多角度采集,从而综合性的获取士兵身体各部位的空间位置,如获取士兵的背部、腰部、胳膊、腿、脚的形态。
如踢正步时,要求:脚要踢直,昂首挺胸,背挺直,手的摆动要配合脚,要注意和同伴动作一致。通过对脚、胸、背、手等姿态检测,作为评判依据;如做俯卧撑时,要做到俯卧撑的一个完美起始姿势,身体必须保持从肩膀到脚踝成一条直线,双臂应该放在胸部位置,两手相距略宽于肩膀。这样可以确保每个动作都能更有效锻炼肱三头肌。做俯卧撑时,应该用2到3秒时间来充分下降身体,最终胸部距离地面应该是2到3厘米距离左右;然后,要马上用力撑起,回到起始位置。
采集的形体状态可缩放,当采集士兵对象较胖,则适当缩小采集形体状态尺寸,反之,放大采集形体状态尺寸,以使形体状态与对应标准模型尺寸比例为一比一。
然后将脚、胸、背、手等部位形体分别与对应的标准子模型进行比对,确定内偏差距值和/或外偏差距值,当人体内偏差距或人体外偏差距超出合理差距值域范围时,认为士兵的形体状态不合格,通过提示指正。合理差距值域范围可以根据实际情况进行不同的设定,如设定合理差距值域为1cm,如人体外偏差距、人体内偏差距超出1cm,则视为姿态不达标,通过语音提示。
为了提高训练姿态检测准确性,在上述将形体状态与目标标准模型进行比对,确定形体状态相对于目标标准模型的差距值的步骤之前,还包括如下步骤:判断形体状态与目标标准模型的尺寸比例是否为一比一;如果否,对形体状态进行放大或缩小,以使尺寸比例达到一比一。
上述服务器连接有报警装置;确定目标训练姿态的检测结果为不合格姿态的步骤之后,上述方法还包括:控制报警装置进行报警,以提醒士兵目标训练姿态不合格和/或不合格位置。比如,提醒士兵目标训练姿态中腿部姿态不合格。
下面阐述标准模型的构建过程,上述每个训练姿态分别对应的标准模型的构建过程如下:
获取置于三维坐标系中的坯模;坯模对应有初始外边缘点坐标;基于训练姿态的形体要求,调整坯模的初始外边缘点坐标;将调整后的边缘点进行连接,形成网络线条状的虚拟身体模型;将虚拟身体模型作为训练姿态对应的标准模型。
通过上述方式也可以构建一个训练姿态分别对应的身体各部位对应的标准子模型。
本申请实施例提供的士兵训练姿态的检测方法,利用获取的士兵的训练姿态下的身体各部位的三维形体与对应的标准子模型进行比对,确定差距值,能够提高士兵训练姿态检测的准确性,同时整个检测过程全自动处理,不需要人工参与,提高士兵训练姿态的检测效率。
基于上述方法实施例,本申请实施例还提供一种士兵训练姿态的检测装置,该装置应用于服务器;服务器中预存有多个训练姿态分别对应的标准模型;参见图3所示,该装置包括:
形体获取模块32,用于获取士兵进行目标训练姿态训练时的形体状态;模型查找模块34,用于从多个标准模型中查找目标训练姿态对应的目标标准模型;差距确定模块36,用于将形体状态与目标标准模型进行比对,确定形体状态相对于目标标准模型的差距值;差距值包括内偏差距值和/或外偏差距值;检测结果确定模块38,用于基于差距值确定目标训练姿态对应的检测结果。
上述服务器连接有摄像装置和距离检测装置;摄像装置和距离检测装置布设于士兵训练区域周围;上述形体获取模块32,用于接收摄像装置和距离检测装置采集的士兵进行目标训练姿态训练时的形体、肢体间角度和移动距离;基于形体、肢体间角度和移动距离,确定士兵进行目标训练姿态训练时的形体状态。
上述差距确定模块36,用于将形体状态填充至目标标准模型中;检测形体状态与目标标准模型不重合的部分;基于不重合的部分确定形体状态相对于目标标准模型的差距值。
上述目标标准模型包括目标训练姿态对应的多个身体部位分别对应的标准子模型;形体状态包括多个身体部位分别对应的三维形体;上述差距确定模块36,用于针对形体状态中的每个身体部位,确定身体部位对应的目标标准子模型,将身体部位对应的三维形体填充至目标标准子模型;针对形体状态中的每个身体部位,识别身体部位对应的三维形体与目标标准子模型不重合的部分,将三维形体凸出到目标标准子模型外部的部分确定为外偏差距值;将三维形体内缩在目标标准子模型内部的部分确定为内偏差距值。
上述装置还包括缩放模块,用于判断形体状态与目标标准模型的尺寸比例是否为一比一;如果否,对形体状态进行放大或缩小,以使尺寸比例达到一比一。
上述检测结果确定模块38,用于判断差距值中,是否至少有一个差距值超过对应预设阈值;如果是,确定目标训练姿态的检测结果为不合格姿态;如果否,确定目标训练姿态的检测结果为合格姿态。
上述服务器连接有报警装置;上述装置还包括报警模块,用于控制报警装置进行报警,以提醒士兵目标训练姿态不合格和/或不合格位置。
上述装置还包括模型构建模块,用于获取置于三维坐标系中的坯模;坯模对应有初始外边缘点坐标;基于训练姿态的形体要求,调整坯模的初始外边缘点坐标;将调整后的边缘点进行连接,形成网络线条状的虚拟身体模型;将虚拟身体模型作为训练姿态对应的标准模型。
本申请实施例提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置的实施例部分未提及之处,可参考前述方法实施例中相应内容。
本申请实施例还提供了一种电子设备,如图4所示,为该电子设备的结构示意图,其中,该电子设备包括处理器41和存储器40,该存储器40存储有能够被该处理器41执行的计算机可执行指令,该处理器41执行该计算机可执行指令以实现上述方法。
在图4示出的实施方式中,该电子设备还包括总线42和通信接口43,其中,处理器41、通信接口43和存储器40通过总线42连接。
其中,存储器40可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线42可以是ISA(IndustryStandard Architecture,工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线42可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器41可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器41中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器41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 SignalProcessor,简称DSP)、专用集成电路(Application Specific Integrated 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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器41读取存储器中的信息,结合其硬件完成前述实施例的方法的步骤。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令在被处理器调用和执行时,该计算机可执行指令促使处理器实现上述方法,具体实现可参见前述方法实施例,在此不再赘述。
本申请实施例所提供的方法、装置和电子设备的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本申请的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、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。
在本申请的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种士兵训练姿态的检测方法,其特征在于,所述方法应用于服务器;所述服务器中预存有多个训练姿态分别对应的标准模型;所述方法包括:
获取士兵进行目标训练姿态训练时的形体状态;
从多个所述标准模型中查找所述目标训练姿态对应的目标标准模型;
将所述形体状态与所述目标标准模型进行比对,确定所述形体状态相对于所述目标标准模型的差距值;所述差距值包括内偏差距值和/或外偏差距值;
基于所述差距值确定所述目标训练姿态对应的检测结果。
2.根据权利要求1所述的方法,其特征在于,所述服务器连接有摄像装置和距离检测装置;所述摄像装置和距离检测装置布设于士兵训练区域周围;
获取士兵进行目标训练姿态训练时的形体状态的步骤,包括:
接收所述摄像装置和距离检测装置采集的士兵进行目标训练姿态训练时的形体、肢体间角度和移动距离;
基于所述形体、所述肢体间角度和所述移动距离,确定士兵进行目标训练姿态训练时的形体状态。
3.根据权利要求1所述的方法,其特征在于,将所述形体状态与所述目标标准模型进行比对,确定所述形体状态相对于所述目标标准模型的差距值的步骤,包括:
将所述形体状态填充至所述目标标准模型中;
检测所述形体状态与所述目标标准模型不重合的部分;
基于不重合的部分确定所述形体状态相对于所述目标标准模型的差距值。
4.根据权利要求3所述的方法,其特征在于,所述目标标准模型包括目标训练姿态对应的多个身体部位分别对应的标准子模型;所述形体状态包括多个身体部位分别对应的三维形体;
将所述形体状态填充至所述目标标准模型中的步骤,包括:
针对所述形体状态中的每个身体部位,确定所述身体部位对应的目标标准子模型,将所述身体部位对应的三维形体填充至所述目标标准子模型;
检测所述形体状态与所述目标标准模型不重合的部分,基于不重合的部分确定所述形体状态相对于所述目标标准模型的差距值的步骤,包括:
针对所述形体状态中的每个身体部位,识别所述身体部位对应的三维形体与所述目标标准子模型不重合的部分,将所述三维形体凸出到所述目标标准子模型外部的部分确定为外偏差距值;将所述三维形体内缩在所述目标标准子模型内部的部分确定为内偏差距值。
5.根据权利要求1所述的方法,其特征在于,将所述形体状态与所述目标标准模型进行比对,确定所述形体状态相对于所述目标标准模型的差距值的步骤之前,还包括:
判断所述形体状态与所述目标标准模型的尺寸比例是否为一比一;
如果否,对所述形体状态进行放大或缩小,以使所述尺寸比例达到一比一。
6.根据权利要求1所述的方法,其特征在于,基于所述差距值确定所述目标训练姿态对应的检测结果的步骤,包括:
判断所述差距值中,是否至少有一个差距值超过对应预设阈值;
如果是,确定所述目标训练姿态的检测结果为不合格姿态;
如果否,确定所述目标训练姿态的检测结果为合格姿态。
7.根据权利要求6所述的方法,其特征在于,所述服务器连接有报警装置;确定所述目标训练姿态的检测结果为不合格姿态的步骤之后,所述方法还包括:
控制所述报警装置进行报警,以提醒士兵目标训练姿态不合格和/或不合格位置。
8.根据权利要求1所述的方法,其特征在于,每个训练姿态分别对应的标准模型的构建过程如下:
获取置于三维坐标系中的坯模;所述坯模对应有初始外边缘点坐标;
基于所述训练姿态的形体要求,调整所述坯模的初始外边缘点坐标;
将调整后的边缘点进行连接,形成网络线条状的虚拟身体模型;
将所述虚拟身体模型作为所述训练姿态对应的标准模型。
9.一种士兵训练姿态的检测装置,其特征在于,所述装置应用于服务器;所述服务器中预存有多个训练姿态分别对应的标准模型;所述装置包括:
形体获取模块,用于获取士兵进行目标训练姿态训练时的形体状态;
模型查找模块,用于从多个所述标准模型中查找所述目标训练姿态对应的目标标准模型;
差距确定模块,用于将所述形体状态与所述目标标准模型进行比对,确定所述形体状态相对于所述目标标准模型的差距值;所述差距值包括内偏差距值和/或外偏差距值;
检测结果确定模块,用于基于所述差距值确定所述目标训练姿态对应的检测结果。
10.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111540542.4A CN114241601A (zh) | 2021-12-16 | 2021-12-16 | 士兵训练姿态的检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111540542.4A CN114241601A (zh) | 2021-12-16 | 2021-12-16 | 士兵训练姿态的检测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114241601A true CN114241601A (zh) | 2022-03-25 |
Family
ID=80756736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111540542.4A Pending CN114241601A (zh) | 2021-12-16 | 2021-12-16 | 士兵训练姿态的检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114241601A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108519818A (zh) * | 2018-03-29 | 2018-09-11 | 北京小米移动软件有限公司 | 信息提示方法及装置 |
CN109753891A (zh) * | 2018-12-19 | 2019-05-14 | 山东师范大学 | 基于人体关键点检测的足球运动员姿势校准方法及系统 |
CN111249691A (zh) * | 2018-11-30 | 2020-06-09 | 百度在线网络技术(北京)有限公司 | 一种基于形体识别的运动员训练方法和系统 |
CN112446433A (zh) * | 2020-11-30 | 2021-03-05 | 北京数码视讯技术有限公司 | 训练姿势的准确度确定方法、装置及电子设备 |
CN112733605A (zh) * | 2020-12-11 | 2021-04-30 | 上海明略人工智能(集团)有限公司 | 基于机器视觉的泳姿训练方法及系统 |
CN113392742A (zh) * | 2021-06-04 | 2021-09-14 | 北京格灵深瞳信息技术股份有限公司 | 异常动作确定方法、装置、电子设备及存储介质 |
WO2021208735A1 (zh) * | 2020-11-17 | 2021-10-21 | 平安科技(深圳)有限公司 | 行为检测方法、装置及计算机可读存储介质 |
CN113743237A (zh) * | 2021-08-11 | 2021-12-03 | 北京奇艺世纪科技有限公司 | 跟随动作的准确度判定方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-16 CN CN202111540542.4A patent/CN114241601A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108519818A (zh) * | 2018-03-29 | 2018-09-11 | 北京小米移动软件有限公司 | 信息提示方法及装置 |
CN111249691A (zh) * | 2018-11-30 | 2020-06-09 | 百度在线网络技术(北京)有限公司 | 一种基于形体识别的运动员训练方法和系统 |
CN109753891A (zh) * | 2018-12-19 | 2019-05-14 | 山东师范大学 | 基于人体关键点检测的足球运动员姿势校准方法及系统 |
WO2021208735A1 (zh) * | 2020-11-17 | 2021-10-21 | 平安科技(深圳)有限公司 | 行为检测方法、装置及计算机可读存储介质 |
CN112446433A (zh) * | 2020-11-30 | 2021-03-05 | 北京数码视讯技术有限公司 | 训练姿势的准确度确定方法、装置及电子设备 |
CN112733605A (zh) * | 2020-12-11 | 2021-04-30 | 上海明略人工智能(集团)有限公司 | 基于机器视觉的泳姿训练方法及系统 |
CN113392742A (zh) * | 2021-06-04 | 2021-09-14 | 北京格灵深瞳信息技术股份有限公司 | 异常动作确定方法、装置、电子设备及存储介质 |
CN113743237A (zh) * | 2021-08-11 | 2021-12-03 | 北京奇艺世纪科技有限公司 | 跟随动作的准确度判定方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275032B (zh) | 基于人体关键点的深蹲检测方法、装置、设备及介质 | |
CN107551521B (zh) | 健身指导方法及装置、智能设备及存储介质 | |
US11282298B2 (en) | Monitoring the performance of physical exercises | |
CN108198601B (zh) | 运动评分方法、装置、设备及存储介质 | |
US9870622B1 (en) | Systems and methods for analyzing a motion based on images | |
WO2021217848A1 (zh) | 人体摔倒检测方法、装置、计算机设备和存储介质 | |
US20220207921A1 (en) | Motion recognition method, storage medium, and information processing device | |
WO2019116495A1 (ja) | 技認識プログラム、技認識方法および技認識システム | |
WO2017161734A1 (zh) | 通过电视和体感配件矫正人体动作及系统 | |
CN112464918A (zh) | 健身动作纠正方法、装置、计算机设备和存储介质 | |
JPWO2020084667A1 (ja) | 認識方法、認識プログラム、認識装置および学習方法 | |
CN111368787A (zh) | 视频处理方法及装置、设备和计算机可读存储介质 | |
CN114241601A (zh) | 士兵训练姿态的检测方法、装置及电子设备 | |
CN110334609A (zh) | 一种智能实时体感捕捉方法 | |
CN113191200A (zh) | 一种俯卧撑测试计数方法、装置、设备和介质 | |
CN113297919A (zh) | 基于姿态识别的康复动作检测方法、装置、设备及介质 | |
CN112818800A (zh) | 一种基于人体骨骼点深度图像的体育动作评估方法及系统 | |
CN116978127A (zh) | 基于姿态估计的健身姿态矫正方法、装置、设备及介质 | |
CN111353347B (zh) | 动作识别纠错方法、电子设备、存储介质 | |
WO2021064960A1 (ja) | 運動認識方法、運動認識プログラムおよび情報処理装置 | |
CN115240856A (zh) | 基于运动姿势的运动健康评估方法、系统及设备 | |
CN113842622B (zh) | 一种运动教学方法、装置、系统、电子设备及存储介质 | |
CN114931743A (zh) | 运动评估方法、运动评估装置、电子设备和可读存储介质 | |
CN113158729A (zh) | 一种引体向上计数方法、装置、电子装置和存储介质 | |
WO2016135560A2 (en) | Range of motion capture |
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 |