CN114432685A - 一种立定跳远测试方法和装置 - Google Patents

Abstract

本发明公开了一种立定跳远测试方法和装置，该方法包括：获取和分析跳远的多媒体文件，其中获取包含对测试者的跳远动作及入场前、离场后的场地拍摄；分析过程包括：识别预设的长度参考组件，对场地进行失真校正和经纬刻度标注，并标出起跳线的坐标；检测起跳，判断双脚图像和起跳线是否重合压线；确定落地点：对比测试前后落地区域的图像变化，标注出变化超过阈值的区域，得到该区域轮廓靠近起跳线并与起跳线平行相切点为落地点，通过所述的经纬标注得出落地点的坐标值；通过落地点和起跳线的坐标值换算出落地点到起跳线的垂线长度为跳远成绩。通过本方法解决了解决现有技术人工测量跳远所存在的问题，从而提高了跳远距离测量的便利性。

Description

一种立定跳远测试方法和装置

技术领域

本发明涉及到体测领域，具体而言，涉及一种立定跳远测试方法和装置。

背景技术

跳远成绩的测量一般是人工进行测量，例如，在每个待测试者完成跳远动作之后，测量者使用皮尺从起点开始测量到所述待测试者落地位置的距离，将测量得到的距离作为待测试者的跳远成绩。

这种手工测量跳远成绩的方式是比较慢的，为了解决这个问题，在现有技术中也采用重力感应的方式进行测量。在该测量方式中，需要在跳远场地中铺设重力感应装置，待测试者跳远的时候在铺设有重力感应装置的地摊上进行跳远，当待测试者落地的时候，可以通过在地毯下方铺设的重力感应装置获取落地位置，然后再进行距离的计算。

这种方式需要硬件的支持，必须提前铺设设备，使用不是很便利，而且重力感应装置也容易损坏。

发明内容

本发明实施例提供了一种立定跳远测试方法和装置，以至少解决现有技术中采用重力感应或者人工测量跳远所存在的问题。

根据本发明的一个方面，提供了一种立定跳远测试方法，包括获取方法和分析方法。

所述获取方法包括：调用摄像头对待测试者的跳远动作及入场前、离场后一段预设时间内场地拍摄得到多媒体文件。

所述分析方法包括：

分析所述入场前图像，识别预设的长度参考组件，对场地进行失真校正和长度刻度标注，并标出起跳线的坐标；其中，所述长度参考组件包括跳远的起跳线以及用于标识长度的标识物，所述起跳线和所述标志物被预先平行设置在所述跳远的场地上，所述起跳线和所述标识物长度已知；检测起跳，检测人体双脚图像和起跳线是否重合压线；确定落地点：对比测试前后落地区域的图像变化，标注出变化超过阈值的区域，得到该区域轮廓靠近起跳线并与起跳线平行相切点为落地点，通过所述的经纬标注得出落地点的坐标值；根据落地点和起跳线的坐标值得出落地点到起跳线的垂线长度为跳远距离。

进一步地， 对所述待测试者的跳远动作进行人体姿态识别，对所述双脚压线检测和落地点检测的算法，基于卷积神经网络模型。

进一步地，在调用所述摄像头对待测试者的跳远动作进行拍摄得到多媒体文件之前，所述方法还包括：获取所述待测试者的身份信息；

在确定所述待测试者的跳远距离之后，所述方法还包括：将所述跳远距离与所述身份信息进行关联，并至少保存所述跳远距离和所述身份信息。

进一步地，获取所述待测试者的身份信息包括：

对所述待测试者的生物体征进行识别，并根据识别结果确定所述待测试者的身份信息，其中，所述生物体征包括以下至少之一：指纹、虹膜、面部。

进一步地，至少保存所述跳远距离和所述身份信息包括：获取所述跳远动作发生的时间，将所述跳远距离、所述跳远动作发生的时间以及所述身份信息发送给服务器进行保存。

根据本发明的另一个方面，还提供了一种立定跳远测试装置，其特征在于，拍摄模块，用于调用摄像头对待测试者的跳远动作及入场前、离场后一段预设时间内场地拍摄得到多媒体文件；第一获取模块，用于获取所述长度参考组件，并对图像失真进行校正；其中，所述长度参考组件包括跳远的起跳线以及用于标识长度的标识物，所述起跳线和所述标志物被预先平行设置在所述跳远的场地上，所述起跳线和所述标志物长度已知；第一建立模块，用于检测起跳线判别是否压线犯规；检测出待测试者的跳远落地点；确定模块，用于根据落地点和起跳线的坐标值得出落地点到起跳线的垂线长度为跳远距离。

进一步地，第二建立模块，用于建立待测试者的跳远过程的姿态变化。

进一步地，第二获取模块，用于获取所述待测试者的身份信息；信息处理模块，用于在确定所述待测试者的跳远距离之后，所述装置还包括：将所述跳远距离与所述身份信息进行关联，并至少保存所述跳远距离和所述身份信息。

进一步地，第二获取模块用于：对所述待测试者的生物体征进行识别，并根据识别结果确定所述待测试者的身份信息，其中，所述生物体征包括以下至少之一：指纹、虹膜、面部。

进一步地，所述信息处理模块用于：获取所述跳远动作发生的时间；将所述跳远距离、所述跳远动作发生的时间以及所述身份信息发送给服务器进行保存。

在本发明实施例中，采用了调用摄像头对待测试者的跳远动作及入场前、离场后的场地拍摄进行拍摄得到多媒体文件；识别预设的长度参考组件，对场地进行失真校正和经纬刻度标注，并标出起跳线的坐标；检测起跳，判断双脚图像和起跳线是否重合压线；确定落地点：对比起跳测试前后地区域的图像变化，标注出变化超过阈值的区域，得到该区域轮廓靠近起跳线并与起跳线平行相切点为落地点，通过所述的经纬标注得出落地点的坐标值；通过落地点和起跳线的坐标值换算出落地点到起跳线的垂线长度为跳远成绩。通过本方法解决了解决现有技术人工测量跳远所存在的问题，从而提高了跳远距离测量的便利性。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的跳远体测数据处理方法的流程图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种立定跳远测试方法，图1是根据本发明实施例的跳远体测数据处理方法的流程图，如图1所示，该流程包括如下步骤：

步骤S102，调用摄像头对待测试者的跳远动作及入场前、离场后一段预设时间内场地拍摄得到多媒体文件；

步骤S104，分析所述入场前图像，识别预设的长度参考组件，对场地进行失真校正和长度刻度标注，并标出起跳线的坐标；其中，所述长度参考组件包括跳远的起跳线以及用于标识长度的标识物，所述起跳线和所述标志物被预先平行设置在所述跳远的场地上，所述标志物用于标识的距离已知；

所述失真校正的步骤; 设起跳线平行方向为X, 垂直方向为Y;计算出起跳线和标识物实际长度比例R1，计算出起跳线和标识物在图像中占的像素比例R2，R2/R1为图片在标识物处的失真度 S，计算出图像中起跳线和标识物在Y方向的像素点距离L，设待校正的像素点的与起跳线的像素距离为Lx, 则该点的失真度Sx= Lx *（1- R2/R1）/ L + R2/R1；Lx点的实际距离为 Lx/Sx；

步骤S106，检测起跳，判断双脚图像和起跳线是否重合压线；

步骤S108，确定落地点：对比测试前后落地区域的图像变化，标注出变化超过阈值的区域，得到该区域轮廓靠近起跳线并与起跳线平行相切点为落地点，通过所述的经纬标注得出落地点的坐标值；

步骤S110，通过落地点和起跳线的坐标值换算出落地点到起跳线的垂线长度为跳远成绩；

作为一个可以选择增加的实施方式，对于步骤S106和 步骤S108的图像识别分别用两个卷积神经网络来完成。

步骤S106可以预选拍摄多个不同人的起跳站线图片，把图片分为训练集和测试集两组，并对训练集图片进行压线和非压线的标注，将所述图片输入到第一卷积神经网络模型中进行训练得到第一卷积神经网络模型；用测试集图片对第一卷积神经网络模型的效果进行验证和评分，如满足预设的分数阈值代表训练完成，否则增加训练集数据调整参数继续训练。

步骤S108可以预选拍摄多个不同人的跳远落地前后的落地区域对比图片，把图片分为训练集和测试集两组，然后针对训练集人工对落地点进行标注，将所述标训练集图片和对应标注结果输入到第二卷积神经网络模型中进行训练得到第二卷积神经网络模型；用测试集对第二卷积神经网络模型的效果进行验证和评分，如满足预设的分数阈值代表训练完成，否则增加训练集数据调整参数继续训练。

对所述的跳远动作的姿态识别用基于卷积神经网络模型来实现，可以预选拍摄多个不同人的跳远视频，把视频分为训练集和测试集两组，并对训练集视频每帧进行人体姿态标注，将所述训练集视频和标注输入到第三卷积神经网络模型中进行训练得到第三卷积神经网络模型；用测试集对第三卷积神经网络模型的效果进行验证和评分，如满足预设的分数阈值代表训练完成，否则增加训练集数据调整参数继续训练。

通过上述步骤解决了现有技术中采用重力感应或者人工测量跳远所存在的问题，从而提高了跳远距离测量的便利性。

上述功能可以是由一个软件或者应用来实现的，在下文中将该软件或者应用统称为软件。该软件可以安装在使用各种操作系统的智能终端中。例如，可以安装使用安卓系统或者使用IOS系统的手机上。这些智能终端一般均具有摄像头。在进行跳远测量的时候，直接使用智能终端就可以开始测量。在上述步骤中，步骤S102是在所述软件中完成的。考虑到软件所在的智能终端的计算能力，可以将上述步骤S104到步骤S110放在服务器完成，这样可以利用服务器的计算能力。随着智能终端的计算能力的提升，也可以放在智能终端上实现。如果在智能终端上进行计算的话，所述软件在拍摄得到一个多媒体文件之后，放在后台进行计算跳远距离，然后所述软件可以继续下一个待测试者进行拍摄。

在具体实施的时候，可以在不同的角度设置不同的两个智能终端，该智能终端均安装有上述软件，其中，所述第一台智能终端安装的上述软件称为第一软件，所述第二台智能终端上安装的上述软件称为第二软件，所述第一软件和所述第二软件从不同的角度拍摄待测试者的跳远动作，然后根据各自拍摄得到的多媒体文件计算所述待测试者的跳远距离，如果两次计算得到的跳远距离差距在预定范围之内或者两个计算得到的跳远相同，则确定此次计算得到的跳远距离有效。所述预定范围可以有测量者进行配置，通常默认配置为1厘米（即误差不超过预定1厘米），所述第一软件和所述第二软件计算得到的距离精确到毫米。如果两次计算得到的跳远差距误差在预定范围内，则将两次计算得到的跳远距离中数值较小的一方作为所述待测试者的跳远成绩。

如果两次计算得到的跳远距离的差距在超过了所述预定范围，则发出提示信息，所述提示信息用于提示所述测量者进行手工校对。如果所述软件接收到所述测量者进行手工校对的请求，则所述第一软件和所述第二软件从各自录制的多媒体文件中获取所述待测试者落地时的图像，并将截取到的落地时的图像展示给所述测量者。所述测量者根据所述落地时的图像确定跳远距离。

可选地，还可以将前几次所述第一软件和所述第二软件测量结果一致的跳远动作的待测试者的落地图像也同时进行显示，无误差的测量结果和有误差的测量结果同时显示有助于测试者的判断。可以获取所述第一软件测量得到的第一跳远距离和所述第二软件测量得到的第二跳远距离，查找在所述第一跳远距离和所述第二跳远距离构成的范围之间的第一软件和第二软件没有误差的测量结果，并将没有误差的测量结果的落地图像进行显示。

可以再设置一个移动终端用于进行获取身份信息，例如，第三软件，在调用所述摄像头对待测试者的跳远动作进行拍摄得到多媒体文件之前，所述方法还包括：获取所述待测试者的身份信息。

在确定所述待测试者的跳远距离之后，所述方法还包括：将所述跳远距离与所述身份信息进行关联，并至少保存所述跳远距离和所述身份信息。

获取所述待测试者的身份信息的方式可以很多种，例如包，对所述待测试者的生物体征进行识别，并根据识别结果确定所述待测试者的身份信息，其中，所述生物体征包括以下至少之一：指纹、虹膜、面部。所述身份信息可以包括以下至少之一：用于唯一标识所述待测试者的身份标识、所述待测试者所在的教育机构的标识、所述待测试者所在年级的标识、所述待测试者所在的班级的标识。

可以在服务器上也保存所述跳远距离和所述身份信息，例如，可以获取所述跳远动作发生的时间；将所述跳远距离、所述跳远动作发生的时间以及所述身份信息发送给服务器进行保存。

在本实施例中，提供一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行以上实施例中的方法。

上述程序可以运行在处理器中，或者也可以存储在存储器中（或称为计算机可读介质），计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。

这些计算机程序也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程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，对应与不同的步骤可以通过不同的模块来实现。

该本实施例中就提供了这样的一种装置和系统。该装置被称为跳远体测数据处理装置，包括：拍摄模块，用于调用摄像头对待测试者的跳远动作及起跳前后的场地进行拍摄得到多媒体文件；第一获取模块，用于获取所述多媒体文件中的预设的长度参考组件，其中，所述组件包括跳远的起跳线以及用于标识长度的标识物，所述起跳线和所述标志物被预先平行设置在所述跳远的场地上，所述标志物和所述标识物的长度已知；第二获取模块，用于获取所述待测试者的身份信息；第一建立模块，用于检测起跳线判别是否压线犯规；和检测出待测试者的跳远落地点；第二建立模块，用于建立待测试者的跳远过程的姿态变化；确定模块，用于根据落地点和起跳线的坐标值得出落地点到起跳线的垂线长度为跳远距离。

该系统或者装置用于实现上述的实施例中的方法的功能，该系统或者装置中的每个模块与方法中的每个步骤相对应，已经在方法中进行过说明的，在此不再赘述。

例如，第三获取模块，用于获取所述待测试者的身份信息；信息处理模块，用于在确定所述待测试者的跳远距离之后，所述装置还包括：将所述跳远距离与所述身份信息进行关联，并至少保存所述跳远距离和所述身份信息。

又例如，所述第一获取模块用于：对所述待测试者的生物体征进行识别，并根据识别结果确定所述待测试者的身份信息，其中，所述生物体征包括以下至少之一：指纹、虹膜、面部。可选地，所述信息处理模块用于：获取所述跳远动作发生的时间；将所述跳远距离、所述跳远动作发生的时间以及所述身份信息发送给服务器进行保存所述身份信息包括以下至少之一：用于唯一标识所述待测试者的身份标识、所述待测试者所在的教育机构的标识、所述待测试者所在年级的标识、所述待测试者所在的班级的标志。

该系统或者装置用于实现上述的实施例中的方法的功能，该系统或者装置中的每个模块与方法中的每个步骤相对应，已经在方法中进行过说明的，在此不再赘述。

以上仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (10)

1.一种立定跳远测试方法，其特征在于，包括获取方法和分析方法：

所述获取方法包括：调用摄像头对待测试者的跳远动作及入场前、离场后一段预设时间内场地拍摄得到多媒体文件

所述分析方法包括：

分析所述入场前图像，识别预设的长度参考组件，对场地进行失真校正和经纬刻度标注，并标出起跳线的坐标；

其中，所述长度参考组件包括跳远的起跳线以及用于标识长度的标识物，所述起跳线和所述标志物被预先平行设置在所述跳远的场地上，所述起跳线和所述标志物长度已知；

检测起跳，检测双脚图像和起跳线是否重合压线；

确定落地点：对比测试前后落地区域的图像变化，标注出变化超过阈值的区域，得到该区域轮廓靠近起跳线并与起跳线平行相切点为落地点，通过所述的经纬标注得出落地点的坐标值；

根据落地点和起跳线的坐标值得出落地点到起跳线的垂线长度为跳远距离。

2.根据权利要求1所述的方法，其特征在于，

对所述待测试者的跳远动作进行人体姿态识别，对所述双脚压线检测和落地点检测的算法基于卷积神经网络模型。

3.根据权利要求1所述的方法，其特征在于，

在调用所述摄像头对待测试者的跳远动作进行拍摄得到多媒体文件之前，所述方法还包括：获取所述待测试者的身份信息；

在确定所述待测试者的跳远距离之后，所述方法还包括：将所述跳远距离与所述身份信息进行关联，并至少保存所述跳远距离和所述身份信息。

4.根据权利要求3所述的方法，其特征在于，获取所述待测试者的身份信息包括：

对所述待测试者的生物体征进行识别，并根据识别结果确定所述待测试者的身份信息，其中，所述生物体征包括以下至少之一：指纹、虹膜、面部。

5.根据权利要求3所述的方法，其特征在于，至少保存所述跳远距离和所述身份信息包括：

获取所述跳远动作发生的时间；

将所述跳远距离、所述跳远动作发生的时间以及所述身份信息发送给服务器进行保存。

6.一种立定跳远测试装置，其特征在于，包括：

拍摄模块，调用摄像头对待测试者的跳远动作及入场前、离场后一段预设时间内场地拍摄得到多媒体文件；

第一获取模块，用于获取所述长度参考组件，并对图像失真进行校正；其中，所述长度参考组件包括跳远的起跳线以及用于标识长度的标识物，所述起点和所述标志物被预先平行设置在所述跳远的场地上，所述标志物用于标识的距离已知；

第一建立模块，用于检测起跳线判别是否压线犯规；和检测出待测试者的跳远落地点；

确定模块，用于根据落地点和起跳线的坐标值得出落地点到起跳线的垂线长度为跳远距离。

7.根据权利要求6所述的装置，其特征在于，

第二建立模块，用于建立待测试者的跳远过程的姿态变化。

8.根据权利要求6所述的装置，其特征在于，

第二获取模块，用于获取所述待测试者的身份信息；

信息处理模块，用于在确定所述待测试者的跳远距离之后，所述装置还包括：将所述跳远距离与所述身份信息进行关联，并至少保存所述跳远距离和所述身份信息。

9.根据权利要求8所述的装置，其特征在于，所述第二获取模块用于：

对所述待测试者的生物体征进行识别，并根据识别结果确定所述待测试者的身份信息，其中，所述生物体征包括以下至少之一：指纹、虹膜、面部。

10.根据权利要求8所述的装置，其特征在于，所述信息处理模块用于：

获取所述跳远动作发生的时间；

将所述跳远距离、所述跳远动作发生的时间以及所述身份信息发送给服务器进行保存。

Images