CN114708541A - 一种体能测试方法、装置、计算机设备及存储介质 - Google Patents
一种体能测试方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114708541A CN114708541A CN202210453600.8A CN202210453600A CN114708541A CN 114708541 A CN114708541 A CN 114708541A CN 202210453600 A CN202210453600 A CN 202210453600A CN 114708541 A CN114708541 A CN 114708541A
- Authority
- CN
- China
- Prior art keywords
- target
- human body
- motion
- test
- key point
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
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)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本公开提供了一种体能测试方法、装置、计算机设备及存储介质,其中,该方法包括:获取目标人体在体能测试时,进行与所述体能测试对应的目标运动的运动视频数据;对所述运动视频数据进行关键点检测,得到所述运动视频数据对应的关键点检测结果;基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据,所述测试结果数据用于反映所述目标人体在至少一个衡量维度的体能情况。
Description
技术领域
本公开涉及计算机视觉技术领域,具体而言,涉及一种体能测试方法、装置、计算机设备及存储介质。
背景技术
学生的身体素质在各阶段教育中都得到了很多的重视,举办一系列的体育健身活动、体育竞赛、体育测试能够让学生们直观地了解到自身的身体素质情况;而大部分的身体素质情况的确定方式通常是由教练员、体育教师等通过人为判断的,而人为确定测试结果的方式,往往因衡量标准的不同以及主观评估的差异等因素,导致测试结果不准确。
发明内容
本公开实施例至少提供一种体能测试方法、装置、计算机设备及存储介质。
第一方面,本公开实施例提供了一种体能测试方法,包括:
获取目标人体在体能测试时,进行与所述体能测试对应的目标运动的运动视频数据;
对所述运动视频数据进行关键点检测,得到所述运动视频数据对应的关键点检测结果;
基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据,所述测试结果数据用于反映所述目标人体在至少一个衡量维度的体能情况。
这样,利用机器视觉技术准确获得目标人体在体育健身测试过程中得到的运动影像数据的关键点检测结果,利用关键点检测结果来生成测试结果数据,具有更高的准确度。
第二方面,本公开实施例还提供一种体能测试装置,包括:
获取模块,用于获取目标人体在体能测试时,进行与所述体能测试对应的目标运动的运动视频数据;
检测模块,用于对所述运动视频数据进行关键点检测,得到所述运动视频数据对应的关键点检测结果;
生成模块,用于基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据;所述测试结果数据用于反映所述目标人体在至少一个衡量维度的体能情况。
第三方面,本公开可选实现方式还提供一种计算机设备,处理器、存储器,所述存储器存储有所述处理器可执行的机器可读指令,所述处理器用于执行所述存储器中存储的机器可读指令,所述机器可读指令被所述处理器执行时,所述机器可读指令被所述处理器执行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
第四方面,本公开可选实现方式还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被运行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
关于上述装置、计算机设备及计算机可读存储介质的效果描述参见上述体能测试方法的说明,这里不再赘述。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开的技术方案。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本公开实施例所提供的一种体能测试方法的流程图;
图2示出了本公开实施例所提供的一种人体关键点的具体示例;
图3示出了本公开实施例所提供的一种目标人体在进行瑜伽运动时,各人体关键点之间的相对位置的具体示例;
图4示出了本公开实例所提供的一种体能测试装置的示意图;
图5示出了本公开实例所提供的一种计算机设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。通常在此处描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域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,都属于本公开保护的范围。
经研究发现,在学校的体育测试活动中,由于缺乏专业的检测设备,通常都依赖于教练员或者体育老师人为判断的方式,来确定体育测试的结果。例如,在力量测试过程中,需要男性学生在一定时间内进行俯卧撑或者引体向上,根据俯卧撑或引体向上的次数,来确定其力量是否达到某一标准;而对于女性学生则需要在一定时间内进行仰卧起坐运动,在仰卧起坐的次数来确定其力量是否达到某一标准。又例如在灵敏度测试中,需要学生进行绕杆跑、曲线托球跑、十字象限跳等运动来确定学生的灵敏度信息。而在测试过程中,人为判断的方式通常无法具有统一的衡量标准,且主观评估具有一定的差异性,导致了测试结果不准确。
基于上述研究,本公开提供了一种体能测试方法,在无需专业检测设备的前提下,利用机器视觉技术准确获得目标人体在体能测试过程中得到的运动视频数据的关键点检测结果,在同一衡量标准下,利用关键点检测结果来生成测试结果数据,减少由于主观因素导致的差异性,具有更高的准确度。
针对现有方案所存在的缺陷以及本公开所提出的解决方案,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及文中本公开针对上述问题所提出的解决方案,都应该是发明人在本公开过程中对本公开做出的贡献。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种体能测试方法进行详细介绍,本公开实施例所提供的测试方法的执行主体一般为具有一定计算能力的计算机设备,该计算机设备例如包括:终端设备或服务器或其它处理设备,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该测试方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
本公开实施例提供的测试方法可以应用于多种体能测试场景,例如健身场景、竞赛场景、学校体育测试场景等,该方法可以针对群体用户进行体能测试,也可以针对个人用户进行体能测试。具体可以根据实际的需要确定使用的具体场景,本公开实施例不做限定。另外,本公开实施例提供的测试方法也可以应用于多种体育健身运动类型,例如跑步、瑜伽、俯卧撑、坐位体前屈、引体向上、绕杆跑等,本公开实施例也不做限定。
下面对本公开实施例提供的测试方法加以说明。
参见图1所示,为本公开实施例提供的测试方法的流程图,所述方法包括步骤S101~S103,其中:
S101、获取目标人体在体能测试时,进行与所述体能测试对应的目标运动的运动视频数据。
S102、对所述运动视频数据进行关键点检测,得到所述运动视频数据对应的关键点检测结果。
S103、基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据,所述测试结果数据用于反映所述目标人体在至少一个衡量维度的体能情况。
在本公开实例中,在获取目标人体在体能测试时进行与所述体能测试对应的目标运动的运动视频数据后,对所述影像数据进行关键点检测,得到所述影像数据对应的关键点检测结果,并基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据,从而在目标人体进行目标运动时,对与目标运动相关的目标人体关键点进行检测,基于相关人体关键点检测结果生成其对应的测试结果数据,进而利用机器视觉技术准确获得目标人体在体能测试过程中得到的运动视频数据的关键点检测结果,利用关键点检测结果来生成测试结果数据,具有更高的准确度。
下面分别对上述S101~S103分别加以详细说明。
针对上述S101:在本公开实例中的测试方法可以应用于不同的体能测试,体能测试可以包括下述至少一种:速度测试、耐力测试、力量测试、灵敏度测试、以及柔韧度测试。用户在进行体能测试时,可以通过录像机、摄像机、手机等终端设备对进行体能测试的用户进行拍摄,得到运动视频数据。在该过程中,影像数据中所包含的进行体能测试的用户的人体,即为目标人体。
运动视频数据可以包括:视频数据、和/或图像数据。在运动视频数据包括视频数据的情况下,在视频数据中包括多帧运动图像。
本公开实施例提供的测试方法在终端设备中执行的情况下,终端设备可以直接对目标人体进行拍摄,得到运动视频数据;上述测试方法在服务器中执行的情况下,服务器可以接收终端设备发送的其拍摄的运动视频数据。
在本公开实例中,与所述体能测试对应的目标运动的类型,可以预先确定好。
示例性的,假如当前的体能测试是速度测试,则目标运动类型可以设置为下述运动类型中的至少一种:短跑(如50米跑、100米跑)、竞走等。
假如当前的体能测试是耐力测试,则目标运动类型可以设置为下述运动类型中的至少一种:长跑、跳绳、平板支撑等。
假如当前的体能测试是力量测试,则目标运动类型可以设置为下述运动类型中的至少一种:引体向上,俯卧撑,立定跳远,分钟仰卧举腿等。
假如当前的体能测试是灵敏度测试,则目标运动类型可以设置为下述运动类型中的至少一种:曲线托球跑,绕杆跑,十字象限跳等。
假如当前的体能测试是柔韧度测试,则目标运动类型可以设置为下述运动类型中的至少一种:高抬腿、瑜伽等。
这样,在无需专业检测设备的前提下,利用机器视觉技术准确获得目标人体在体能测试过程中得到的运动视频数据的关键点检测结果,在同一衡量标准下,利用关键点检测结果来生成测试结果数据,减少由于主观因素导致的差异性,具有更高的准确度。
针对上述S102:在本公开实例中,所述关键点检测结果,例如包括:所述目标人体中的多个人体关键点分别对应的位置信息。
其中,在对所述运动视频数据进行关键点检测时,例如可以采用人体关键点检测模型来实现。
人体关键点检测模型例如包括下述至少一种:肢体关键点检测模型,头肩关键点检测模型,手框点模型等。针对类型不同的目标运动,所采用的关键点检测模型可以相同,也可不同,具体根据实际的运动类型所需要的关键点位置、和/或关键点数量来确定。
如图2所示,图中展示了在通过肢体关键点模型对目标人体的运动视频数据检测后,得到目标人体的18个人体关键点的具体示例。
其中,头、肩部位包括四个人体关键点,其对应在图2中的数字标号为0、1、2、3;手框部位包括有四个人体关键点,其对应在图2中的标号为4、5、6、7。
所述运动视频数据,例如包括:多帧运动图像。关键点检测结果包括:多帧运动图像分别对应的关键点检测结果。
在该种情况下,可以对多帧运动图像分别进行关键点检测,得到每帧运动图像对应的关键点检测结果。
针对S103:在具体实施中,在基于关键点检测结果,生成目标人体在进行体能测试时的测试结果数据时,例如可以采用下述方式:
基于所述目标运动的运动类型从所述目标人体的多个所述人体关键点中,确定与所述目标运动匹配的目标人体关键点。
基于所述关键点检测结果,确定所述目标人体关键点对应的位置信息。
基于所述目标人体关键点对应的位置信息,生成所述目标人体在进行体育健身时的测试结果数据。
其中,对于不同的运动类型,其动作是有所区别的。例如,若目标运动的类型为俯卧撑运动,其运动特点是保持肩颈部位的上下移动,因此,可以通过人体肩部对应的人体关键点,来得到目标人体在进行俯卧撑运动时的测试结果数据。
又例如,若目标运动的仰卧起坐,其运动特点是上身部位不断进行挺起、和躺平的交替,因此,可以通过人体躯干对应的人体关键点,来得到目标人体在进行仰卧起坐动时的测试结果数据。
因此,不同的目标运动,对应的目标人体关键点不同,可以根据目标运动的具体运动类型,从目标人体的多个人体关键点中,确定与所述目标运动匹配的目标人体关键点。
在确定了目标人体关键点后,可以基于所述关键点检测结果,确定所述目标人体关键点对应的位置信息。其中,目标人体关键点对应的位置信息例如包括:目标人体关键点在运动视频数据对应的图像坐标系中的二维位置信息,和/或目标人体关键点在与运动视频数据对应的相机坐标系中的三维位置信息。
目标人体在进行体能测试时的测试结果数据包括下述至少一种:所述速度测试对应的测试结果数据、所述耐力测试对应的测试结果数据、所述力量测试对应的测试结果数据、所述灵敏度测试对应的测试结果数据、所述柔韧度测试对应的测试结果数据。
A:针对体能测试包括速度测试,测试结果数据包括目标人体在进行速度测试对应的测试结果数据的情况:
所述速度测试对应的测试结果数据包括:目标人体在基于跑步测试距离确定的目标测试范围内进行跑步运动时的速度信息,所述目标运动可以包括但不限于跑步运动。
所述速度信息包括下述至少一种:在所述基于跑步测试距离确定的目标测试范围进行跑步运动时的平均移动速度、最大移动速度、最小移动速度、目标运动时刻的第一移动速度、目标位置的第二移动速度。
其中,所述目标运动时刻包括可以是目标人体在进行速度测试过程观众的进行跑步运动时的任一时刻;所述目标位置可以是目标人体在进行速度测试过程中进行跑步运动时,在所述目标测试范围内的任一位置。
a1:针对速度信息包括:在所述目标测试范围内进行所述目标运动时的平均移动速度的情况:
所述目标运动图像包括:所述目标人体位于所述目标测试范围对应的起点位置的第一运动图像、以及所述目标人体位于所述目标测试范围对应的终点位置的第二运动图像。
其中,第一运动图像指,目标人体位于目标测试范围对应的起点位置时对应的运动图像;第二运动图像指,目标人体位于目标测试范围对应的终点位置时对应的运动图像;第一运动图像和第二运动图像用于确定目标人体从起点位置移动至终点位置,也即通过所述目标测试范围所花费的时间。
在具体实施中,所述第一运动图像和所述第二运动图像可以通过下述方法的其中一种获得:
示例1:将相机固定安装好,使得相机的视野范围,刚好能够从侧面视角覆盖目标测试范围,也即,相机拍摄视野的一端为起点位置,另一端为终点位置;此时,若目标测试范围的起点在左,则所述目标人体位于所述运动视频数据的最左端的像素点时的运动图像可以被作为所述第一运动图像,所述目标人体位于所述运动视频数据的最右端的像素点时的运动图像可以被作为所述第二运动图像;若目标测试范围的起点在右则反过来。
示例2:将相机固定安装好,使得目标测试范围在相机的视野范围内,且在目标测试范围对应的起点位置和终点位置可以设置标识物,例如地面横线或其他标识物;基于所述目标运动图像的每一帧分别对应的关键点检测结果,将关键点检测结果指示目标人体在起点位置对应标识物所在位置的运动图像,作为第一运动图像,并将关键点检测结果指示目标人体在终点位置对应标识物所在位置的运动图像作为第二运动图像。
其中,在目标运动图像中确定目标人体位置的方法可以通过下述方法:基于所述关键点检测结果,得到全部人体关键点的位置信息,然后根据全部人体关键点的位置信息,确定人体中心点所在的位置。
或者,将多个关键点中的某些特定的人体关键点所在的位置作为目标人体所在的位置,特定的关键点例如包括:人体躯干位置的键点(如图2中标号为8的关键点)、最接近起点/终点的关键点、手部关键点(如图2中标号为6和7的关键点)、腿部关键点(如图2中标号为12和13的关键点)中至少一种。
响应于确定所述第一运动图像和所述第二运动图像,基于所述第一运动图像和所述第二运动图像对应的帧图像时间戳,得到目标人体通过目标测试范围的时间,利用目标测试范围以及目标人体通过目标测试范围的时间,得到目标人体在所述目标测试范围内进行所述目标运动时的平均移动速度。
另外,以目标运动为100米跑为例,本公开实施例所述的目标测试范围可以是100米,也可以是100米中的部分距离,例如在100m测试中的第0m-10m这一距离作为目标测试范围,或者15m-35m这一距离作为目标测试范围。
在具体实施中,可以通过所述每帧运动图像对应的关键点检测结果、以及与所述每帧运动图像在时间戳上前相邻、和/或后相邻的相邻运动图像对应的关键点检测结果,确定与所述每帧运动图像对应的移动距离并基于预先确定的图像距离和实际物理距离之间的比例关系、以及所述目标人体在所述影像数据对应的图像坐标系中的位移,确定所述每帧运动图像对应的移动距离。所述目标运动图像的图片尺寸是确定的,在通过上述方法确定所述目标运动图像中起点和终点所在的像素点位置后,基于所述目标测试范围内的总像素点数量以及目标测试范围中的部分距离内的像素点,确定所述目标测试范围在所述目标运动图像中的位置。例如:在100m短跑测试中,所述目标运动图像中的横向像素点数量为4000个,第1000个横向像素点为起点,第3000个横向像素点为终点;此时第1000个横向像素点到第3000个横向像素点为0m-100m的测试距离;相应的,第2000个横向像素点为50m处;基于此方法可以确定任意测试距离的起点位置以及终点位置分别在目标运动图像中所对应的横向像素点。
其中,由于目标关键点与起点/终点可能在运动图像中对应有多个像素点,可以统一取对应多个横向像素点中的最左或最右像素点作为用于判断的像素点,图像距离和实际物理距离之间的比例关系则可以根据使用的拍摄装置进行确定,例如可以是相机的视场角(angle of view)参数。在光学仪器中,以光学仪器的镜头为顶点,以被测目标的物像可通过镜头的最大范围的两条边缘构成的夹角,称为视场角,视场角的大小决定了光学仪器的视野范围,视场角越大,视野就越大,光学倍率就越小。通俗地说,目标物体超过这个角就不会被收在镜头里。
这样,可以通过图像距离和实际距离之间的关系,以及每帧运动图像对应的时间信息,得到目标人体在进行运动时的时间信息和距离信息,从而得到目标人体的速度信息,在跑步时的平均移动速度、最大移动速度、最小移动速度、目标运动时刻的第一移动速度、目标位置的第二移动速度中至少一种维度上,更全面的反应目标人体在速度方面的身体素质。
在一种可选的实施方式中,如果成像平面的宽度(W)固定,视场角的大小直接由焦距(Focal Length)决定。焦距越大,看得越远,但视场角越小。焦距越小,看得越近,但视场角变大。
例如,图像总的横向像素点为4000时,若视场角为80下起点位于第1000个横向像素点,而视场角为103下,由于图像总分辨率不变所以横向像素点数量不会改变,而视场角增大了,即视野增大了,所以相机画面中的物体会显得离人更远,即起点位置可以变为第1500个横向像素点。
示例性的,在200m测试中,使用所得运动图像横向像素点为4000个的相机进行拍摄时,可以基于目标检测算法得到第1000个横向像素点为起点所在位置,第3000个横向像素点为终点所在位置。根据视场角的不同相机所覆盖的实际距离在拍摄所得的图像中所对应的像素点数量会产生变化,在实施本方法时需要根据视场角的不同对实际距离和图像距离之间的对应关系进行灵活变换。
当多帧运动图像中的某帧图像中目标关键点出现在起点所在的第1000个横向像素点处或最接近时,该帧运动图像被确定为第一运动图像,当多帧运动图像中的某帧图像中目标关键点出现在终点所在的第3000个横向像素点处或最接近时,该帧运动图像被确定为第二运动图像。
基于第一运动图像与第二运动图像对应在时间戳上的时间,例如:第一运动图像在时间戳上的时间为00:20,第二运动图像在时间戳上的时间为00:40,那么可以得到目标人体在200米测试距离的平均速度为10米每秒。
若还需要得到其它测试距离的平均速度,例如:目标人体在90米到110米的平均速度,可以基于0米和200m所对应的横向像素点为第1000个和第3000个,得到90米和110米所对应的横向像素点为第1900个和第2100个。
响应于当前目标横向像素点为第1900个和第2100个,将目标关键点出现在第1900个像素点时的帧图像或最接近该像素点的帧图像确定为当前第一运动图像,将目标关键点出现在第2100个像素点时的帧图像或最接近该像素点的帧图像确定为当前第二运动图像,通过本公开实施例提供的总的目标测试范围内的平均时间计算方法,亦可得到目标人体在通过90米到110米这一距离所用的平均时间,此处不再赘述。
a2:针对所述速度信息包括目标人体在所述目标运动时的目标运动时刻的第一移动速度的情况,所述目标运动图像包括:所述运动视频数据中时间戳与所述目标运动时刻最接近的第三运动图像、以及与所述第三运动图像在时间戳上相邻的第四运动图像。
目标运动时刻的第一移动速度指,在某一时刻的瞬时速度。
其中,第三运动图像指,在目标人体进行目标运动的运动视频数据中特定时刻的运动图像,其中,由于不同参数相机参数设置得到的视频每秒帧数各不相同,取时间戳最接近目标运动时刻的某帧运动图像作为第三运动图像。第三运动图像用于确定需要得到的目标运动时刻所对应的目标运动时刻对应的第一移动速度。
第四运动图像包括与所述第三运动图像相邻的前后两帧图像,例如:在目标人体进行目标运动的第5秒时,相机参数设置所述运动视频数据每秒拍摄60帧图像,则可以取第5秒拍摄的60帧运动图像中的第30帧为所述第三运动图像,则所述第四运动图像为第29帧和第31帧。
在具体实施中,响应于确定需要得到第一移动速度的目标时刻,基于本公开实施例提供的平均速度中所述的人体目标关键点所在的横向像素点的位置的确定方法,得到在目标时刻人体目标关键点在运动图像中的第几个横向像素点,并将该帧图像确定为第三运动图像,且该帧图像的前后两帧图像确定为第四运动图像。
其中,由于目标关键点可能在运动图像中占有多个横向像素点,可以统一取对应多个横向像素点中的最左或最右像素点作为用于判断的像素点。
基于所述第三运动图像与所述第四运动图像中目标关键点所在的横向像素点位置,得到第三运动图像与前后两帧图像的横向像素位移差;基于像素位移差,能够得到与该像素位移差对应的移动距离;基于所述第三运动图像与所述第四运动图像所对应的时间戳,得到时间差;基于所述第三运动图像与所述第四运动图像的移动距离与时间差,确定目标人体在所述目标测试范围内进行所述目标运动时,在目标运动时刻的第一移动速度。
a3:响应于所述速度信息包括:在所述目标测试范围内进行所述目标运动时的目标位置的第二移动速度,所述目标运动图像包括:目标人体在所述运动图像中的位置与所述目标位置最接近的第五运动图像、以及与所述第五运动图像在时间戳上相邻的第六运动图像。
其中,第五运动图像指,在目标人体进行目标运动的运动视频数据中特定位置的运动图像,在运动图像中,该特定位置对应于特定像素点;关于如何通过所述运动图像中的起点与终点的横向像素点确定任意位置的横向像素点的方法,在本公开实施例提供的平均速度的确定方式中已有详细描述,这里不再赘述。
第六运动图像包括与所述第五运动图像相邻的前后两帧图像。
在具体实施中,响应于确定需要得到第二移动速度的目标位置,基于本公开实施例提供的平均速度中所述的人体目标关键点所在的横向像素点的位置的确定方法,确定目标位置所对应的在目标运动图像中的横向像素点。
在多帧运动图像中选取目标关键点位置最接近目标位置的帧图像作为所述第五运动图像。
所述第五运动图像的前后两帧图像作为第六运动图像。
基于所述第五运动图像与所述第六运动图像中目标关键点所在的横向像素点位置,得到第五运动图像与前后两帧图像的横向像素位移差;;基于像素位移差,能够得到与该像素位移差对应的移动距离;基于所述第五运动图像与所述第六运动图像所对应的时间戳,得到时间差;基于所述第五运动图像与所述第六运动图像对应的移动距离与时差,确定目标人体在所述目标测试范围内进行所述目标运动时,在目标标位置的第二移动速度。
a4:针对所述速度信息包括目标人体在所述目标运动时的最大移动速度、最小移动速度的情况:
基于本公开实施例提供的所述第一运动速度和所述第二运动速度的获取方法,可以得到目标人体在目标运动时,多帧运动图像分别对应的移动速度。然后基于多帧图像分别对应的移动速度,将其中的最大速度,确定为目标人体在所述目标运动时的最大移动速度,将其中的最小速度,确定为目标人体在所述目标运动时的最大移动速度。
在一种可能的实施方式中,除了上述的速度外,也可以按照上述方式从影像数据中随机抽取两帧图像,进行速度的确定。
例如,视频帧数为每秒30帧,目标人体总运动时间为10秒,则视频总帧数为300帧,此时可以从这300帧图像中任意抽取两帧图像以进行对应速度的计算,例如可以是第31帧和第90帧,根据上文中所提到的实际距离的计算方法,通过所得图像中的横向像素点数量得到这两帧图像中目标用户的实际运动距离,以及两帧图像对应的时间信息,得到所需的速度信息,例如可以是不同时间点或时间段的平均速度信息和瞬时速度信息,只要目标人体的运动时间信息和运动距离信息确认了,上述速度信息都可以通过计算获得。
B:针对体能测试包括耐力测试,测试结果数据包括目标人体在进行耐力测试对应的测试结果数据。所述目标运动包括下述至少一种:长跑、跳绳、平板支撑。
为了获得耐力测试对应的测试结果数据,可以从目标人体在目标运动的多个运动阶段获取对应的目标人体姿态信息;将对应阶段的目标人体姿态信息与目标人体在目标运动中刚开始的姿态信息进行比较,最终得出相应的耐力测试对应的测试结果数据。
这样,可以利用多个运动阶段分别对应的第一姿态、以及目标运动对应的标准姿态信息,来更加准确的反应目标人体在耐力方面的身体素质。
具体实施中,在确定所述目标人体在进行所述目标运动时的耐力数据时,可以执行下述步骤11~步骤12所述的方式:
步骤11:基于所述关键点检测结果,确定所述目标人体在进行目标运动时,在所述目标运动的多个运动阶段分别对应的第一姿态信息。
其中,第一姿态信息指,例如包括所述目标人体在进行运动时的实际的姿态信息、和/或所述目标人体中目标肢体的实际的姿态信息。
多个所述运动阶段是基于进行所述目标运动的时长确定的、或者基于所述目标运动的移动距离确定的;例如:在进行4000m长跑的耐力测试中可以将0-1000、1000-2000、2000-4000划分为三个阶段,也可以目标人体进行目标运动的时间信息进行划分;这里以基于所述目标运动的移动距离划分不同运动阶段为例:
针对不同的运动阶段,假设,需要获得目标人体在1000m、2000m、4000m时分别对应的耐力数据,则基于特定运动阶段对应的目标运动图像的关键点检测结果,得到目标人体在1000m、2000m、4000m处的所述第一姿态信息。
步骤12:基于多个运动阶段分别对应的第一姿态信息、以及所述目标运动对应的标准姿态信息,确定所述目标人体在进行所述目标运动时的耐力数据。
其中,标准姿态信息指,在进行目标运动时的标准姿态,这一标准姿态可以基于不同的评判标准实现进行录入,也可以是目标人体在进行目标运动的起始姿态,例如:在长跑运动中,可以将双臂摆动幅度的某一特定值设定为标准姿态信息。
针对步骤一所得的不同运动阶段所对应的目标人体的多个第一姿态信息,将不同运动阶段对应的第一姿态信息、和所述标准姿态信息进行比对,得到第一姿态信息与标准姿态信息的相似度信息,例如,在长跑运动中随着长跑的进行,目标人体的耐力下降,双臂摆动幅度随之减小,确定的第一此台信息与标准姿态信息之间的相似度也就随之下降;因此,可以通过不同运动阶段对应的第一姿态信息中的双臂摆动幅度,与标准姿态信息的标动幅度进行比较,确定在多个运动阶段中,所述目标人体在进行所述目标运动时分别对应的相似度;相似度越高,则耐力越高;相似度越低,则耐力越低。
示例性的,所述目标人体在进行所述目标运动时的耐力数据的测试方法可以应用于多种目标运动,例如:长跑、跳绳、平板支撑等。
以长跑运动作为目标运动为例,在1600m长跑测试中,将标准姿态设定为双臂摆动幅度为正45°(将双臂垂直于地面时的摆动幅度视为0°),这一标准姿态设定并未考虑双臂后摆时的幅度,因为大多数人在跑步时双臂前后摆动幅度并不一致,所以只取向前摆动的情况。
以目标人体在一圈400m的标准田径场地长跑时,需要获取400m、800m、1600m处的耐力数据为例,此时可以将摄像机放置在起点处,对出现在相机视野内的目标人体进行所述人体关键点检测,目标人体首次出现在相机视野内时为0m、目标人体第二次出现在相机视野内为400m、目标人体第三次出现在相机视野内为800m、目标人体第四次出现在相机视野内为1600m(考虑到实际长跑冲线时的动作可能变化过大,可以适当移动相机位置以减小误差)。
当目标人体第二次出现在相机视野内时,确定该运动阶段对应的目标关键点检测结果,确定该运动阶段对应的第一姿态信息,例如当目标人体第二次出现在相机视野内时,所述运动视频数据中的多帧运动图像都存在目标人体,可以取其中双臂摆动的最大幅度帧图像,确定所述第一姿态信息。
基于关键点检测结果,确定所述双臂摆动的最大幅度帧图像中人体躯干与手臂上侧的开合角度;以30°为例,则所述第一姿态信息中双臂摆动角度为30°;通过所述第一姿态信息中双臂摆动角度为30°与标准姿态信息中双臂摆动角度为45°,获得姿态标准程度信息约为66%。
基于所得的姿态标准程度信息,确定所述目标人体在进行所述目标运动时的耐力数据,例如可以是:耐力值为100的情况下,目标人体在400m处的耐力值则可以为66。在具体实施中也可以加入不同的权重,从而影响最终所呈现的耐力数据。800m与1600m处方法相同,此处不再赘述。
另外,以将平板支撑作为目标运动为例,在平板支撑运动中,可以基于进行所述目标运动的时长确定目标运动的多个运动阶段,例如可以将运动阶段分为1分钟、5分钟、10分钟。
具体实施中,可以将摄像机防止在能够拍摄到全部人体的人体侧面,在第1分钟、第5分钟、第10分钟分别对进行平板支撑的目标人体进行拍摄。
对多个运动阶段的多帧运动图像分别进行,人体关键点检测;确定所述第一姿态信息;以大臂与小臂的夹角为特定角度作为标准姿态,通过所述第一姿态信息中大臂与小臂的夹角与标准姿态信息中大臂与小臂的夹角比较,获得姿态标准程度信息,基于所得的姿态标准程度信息,确定所述目标人体在进行所述目标运动时的耐力数据。
另外,也可以对进行目标运动时每一帧运动图像,确定每一帧运动图像对应的第一姿态信息,确定每一帧运动图像对应的第一姿态信息、和标准姿态信息之间的相似度。然后基于所有运动图像分别对应的相似度,得到耐力数据。
其中,耐力数据表征的目标人体的耐力值,与目标运动的时间成正相关、与目标运动的运动速度成正相关、以及与相似度成正相关。
也即,在假设运动时间、运动速度不变的情况下,相似度越高,则耐力值越高。
在相似度、运动时间不变的情况下,运动速度越高,则耐力值越高。
在运动速度和相似度不变的情况下,运动时间越长,则耐力值越高。
C:针对体能测试包括力量测试,测试结果数据包括目标人体在进行所述目标运动时的力量测试对应的测试结果数据的情况:所述目标运动包括下述至少一种:引体向上,俯卧撑,立定跳远,分钟仰卧举腿。
为了获得力量测试对应的测试结果数据,可以在特定时间内,通过所述运动视频数据对应的关键点检测结果;确定所述目标人体进行所述目标运动的次数。
基于所述目标人体进行所述目标运动的次数,确定所述目标人体进行所述目标运动时的力量数据;其中,所述力量数据表征的目标人体的力量值、与所述次数成正相关。
具体实施中,在确定所述目标人体在进行所述目标运动时的力量数据时,可以执行下述过程:
在至少一个计数周期中的每个计数周期执行下述步骤21~步骤24所述的方式:
步骤21:在当前计数周期,从所述多帧图像中,确定所述目标人体进行所述目标运动时的起始姿态对应的第一参考图像。
步骤22:将时间戳晚于所述第一参考图像的其他图像作为第一备选图像,基于所述第一参考图像对应的关键点检测结果、以及所述备选图像对应的关键点检测结果,确定进行一次所述目标运动时的终止姿态对应的第二参考图像。
步骤23:响应于确定所述第二参考图像成功,更新进行所述目标运动的次数。
步骤24:基于在预设时长内所述目标人体进行所述目标运动的次数,结合规定的评判标准,确定所述目标人体进行所述目标运动时的力量数据。
其中,针对上述步骤21:
运动视频数据中包括了多帧图像,即是由多帧图像构成的集合,在此集合中先基于关键点检测结果及各帧图像的时间戳顺序确定第一参考图像,再基于第一参考图像从集合中确定在进行目标运动次数信息的确定时所需要的其它参考图像。
其中,第一参考图像指,目标人体进行目标运动时的起始姿态对应的运动视频数据中的某帧图像。
在具体实施中,针对第1个计数周期:可以直接将运动视频数据中的首帧图像,作为第一个计数周期对应的第一参考图像,并将该首帧图像中目标人体的姿态,作为目标运动对应的起始姿态。
示例1:假如运动影像数据中包括:a1、a2、……、an共n帧图像,可以将a1直接作为第一个计数周期对应的第一参考图像。
该种方案简单易行,所需要的计算量少,可以降低对终端设备的算力要求,提升处理效率。适合动作较为简单的目标运动,如俯卧撑、引体向上等。
另外,可以基于目标运动类型,确定与该目标运动对应的起始姿态,然后根据对运动视频数据进行关键点检测的结果,确定各帧图像对应的人体姿态,然后,基于各帧图像对应的人体姿态,从多帧图像中确定人体姿态与目标运动对应的起始姿态一致、且时间戳最早的一帧图像,作为第一个计数周期的第一参考图像。
示例2:假如运动视频数据中包括:a1、a2、……、an共n帧图像,则可以基于a1对应的关键点检测结果,确定与a1对应的人体姿态;若a1对应的人体姿态并非目标运动对应的起始姿态,则继续基于a2对应的关键点检测结果,确定与a2对应的人体姿态,若a2对应的人体姿态并非目标运动对应的起始姿态,则继续基于a3对应的关键点检测结果,确定与a3对应的人体姿态,若a3对应的人体姿态为目标运动对应的起始姿态,则将a3作为第一个计数周期对应的第一参考图像。
该种方案在计数时更加精确,且适合较为动作复杂的运动,例如具有周期性动作的舞蹈等。
针对上述步骤22:在确定了第一参考图像后,可以将时间戳晚于第一个计数周期的第一参考图像的其他图像作为第一备选图像,基于所述第一参考图像对应的关键点检测结果、以及所述备选图像对应的关键点检测结果,确定进行一次所述目标运动时的终止姿态对应的第二参考图像。
在上述示例1中,在第一个计数周期中,将图像a1作为第一个计数周期对应的第一参考图像,因此,将a2~an作为第一备选图像,然后基于a1对应的关键点检测结果、以及a2~an至少部分对应的关键点检测结果,确定进行一次目标运动时的终止姿态对应的第二参考图像。
第二参考图像,例如是目标人体进行一次目标运动时的终止姿态对应的某一帧图像。其中,该终止姿态,例如可以根据目标运动的类型预先设定;例如目标运动为俯卧撑运动,其起始姿态可以是双臂伸直撑地的状态,终止姿态可以是双臂成特定角度弯曲撑地的状态。
针对该种情况,可以根据各帧第一备选图像对应的人体姿态,从多帧第一备选图像中确定人体姿态与目标运动对应的终止姿态一致、且时间戳在所有满足条件的第一备选图像中最早一帧的第一备选图像,作为第一个计数周期的第二参考图像。
另外,也可以将目标人体进行一次目标运动,身体姿态复位至起始姿态时的姿态作为终止姿态,也即,起始姿态即为终止姿态。
针对该种情况,可以根据各帧第一参考图像对应的人体姿态,从多帧第一参考图像中确定人体姿态与目标运动对应的终止姿态一致、且时间戳最早的一帧图像,作为第一个计数周期的第二参考图像,另外,也可以将第一参考图像中目标人体关键点的位置、依次和各帧第一备选图像中目标人体关键点的位置进行比对;若第一参考图像和某帧第一备选图像之间目标人体关键点之间的位置差小于预设的阈值、且该帧第一备选图像的时间戳,是在所有满足该阈值条件的图像中时间戳最早的,则将该第一备选图像作为第二参考图像。
本公开实施例还提供一种确定第二参考图像的具体方式,包括:
步骤221:按照时间戳的先后顺序,从所述第一备选图像中确定当前第一备选图像。
步骤222:基于所述第一参考图像对应的关键点检测结果、以及所述当前第一备选图像的关键点检测结果,确定与所述目标运动对应的目标人体关键点的位移量是否大于或等于预设的第二位移量阈值。
步骤223:响应于所述位移量大于或等于预设的第二位移量阈值,则将所述当前第一备选图像确定为所述第二参考图像。
步骤224:响应于所述位移量小于所述第二位移量阈值,返回至按照时间戳的先后顺序,从所述第一备选图像中确定当前第一备选图像的步骤。
其中,第二位移量阈值:表示目标动作的当前姿态所对应的多个人体关键点位置坐标与目标动作的终止姿态所对应的多个人体关键点的位置坐标之间的差值的最小值。当目标动作的当前姿态所对应的多个人体关键点位置坐标与目标动作的终止姿态所对应的多个人体关键点的位置坐标之间的差值大于该第二位移量阈值时,表征目标人体进行了一次目标运动。
示例性的,在上述示例1中,将a1作为第一个计数周期的第一参考图像,将a2~an作为第一备选图像,从a2开始,将a2确定位当前第一备选图像;然后基于a1的关键点检测结果、以及a2的关键点检测结果,确定a2中与目标运动对应的目标人体关键点的位移量是否大于或等于预设的第二位移量阈值;如果否,将a3作为新的当前第一备选图像,并基于a1的关键点检测结果、以及a3的关键点检测结果,确定a3中与所述目标运动对应的目标人体关键点的位移量是否大于或等于预设的第二位移量阈值……,直至找到目标人体关键点的位移量大于或者等于预设的第二位移量阈值的一帧当前第一备选图像,作为第二参考图像。
在成功确定了第二参考图像后,更新进行所述目标运动的次数。在更新目标运动的次数时,例如可以将目标运动的当前次数增加预设数值,例如加1。其中,在第1个计数周期,目标运动的当前计数,可以是0,也可以是非0的其他数值。
针对除第1个计数周期外的第i个计数周期:可以将时间戳晚于第i-1个计数周期确定的第二参考图像的图像作为第二备选图像,基于目标人体在第i-1个计数周期确定的第一参考图像对应的关键点检测结果、以及所述第二备选图像对应的关键点检测结果,从所述第二备选图像中,确定第i个计数周期对应的第一参考图像;其中,i为大于1的整数。
例如,在上述示例1中,确定的第一个周期的第一参考图像为a1,若在第1个计数周期,确定的第二参考图像为a5,则在进入第2个计数周期后,将a6~an作为第2个计数周期的第二备选图像。然后基于a1的关键点检测结果、以a6~an对应的关键点检测结果,从a6~an中,确定第1个计数周期对应的第一参考图像。
示例性的,在采用该种方式确定第i个计数周期对应的第二参考图像时,例如可以采用下述方式:
按照时间戳的先后顺序,从所述第二备选图像中,确定当前第二备选图像。
基于目标人体在第i-1个计数周期确定的第一参考图像对应的关键点检测结果、以及所述当前第二备选图像对应的关键点检测结果,确定所述目标运动对应的目标人体关键点的位移量是否小于预设的第一位移量阈值。
响应于所述位移量小于所述第一位移量阈值,将所述当前第二备选图像确定为第i个计数周期对应的第一参考图像。
响应于所述位移量大于或者等于所述第一位移量阈值,则返回至按照时间戳的先后顺序,从所述第二备选图像中,确定当前第二备选图像的步骤。
其中,第一位移量阈值:表示目标动作的当前姿态所对应的多个人体关键点位置信息与目标动作的起始姿态所对应的多个人体关键点的位置信息之间的差值的最大值。当目标动作的当前姿态所对应的多个人体关键点位置信息与目标动作的起始姿态所对应的多个人体关键点的位置信息之间的差值小于第一位移量阈值后,表征目标人体在复位至目标动作的起始姿态。
示例性的,在上述示例1中,将a1作为第一个计数周期的第一参考图像,将a6~an作为第2个计数周期对应的第二备选图像,从a6开始,将a6确定为当前第二备选图像;然后基于a1的关键点检测结果、以及a6的关键点检测结果,确定a6中与目标运动对应的目标人体关键点的位移量是否小于第一位移量阈值;如果否,将a7作为新的当前第二备选图像,并基于a1的关键点检测结果、以及a7的关键点检测结果,确定a7中与所述目标运动对应的目标人体关键点的位移量是否小于预设的第一位移量阈值……,直至找到目标人体关键点的位移量小于预设的第一位移量阈值的一帧当前第二备选图像,作为第2个计数周期对应的第一参考图像。
这样,能够对目标人体在进行体育健身测试时进行更加准确的计次,得到的力量数据也更加准确。
本公开实施例还提供一种生成所述目标人体进行所述目标运动时的力量数据的具体示例,在该示例中,包括下述过程:
首先,将第一参考图像以及第一备选图像分别记作记作A1、a1,a2,a3、……、an,将第一参考图像中的目标运动对应的关键点坐标记为(x1,y1),各第一备选图像按照时间戳顺序,其与目标动作对应的关键点坐标依次为(x2,y2)(x3,y3)……(xn,yn)。
在第1个计数周期:将A1为第一参考图像。此时,a2、a3、……、an均是第一备选图像。其中,第二位移量阈值为D2,然后按照时间戳顺序,首先将a2作为当前第一备选图像,根据(x1,y1),(x2,y2),计算A1、和a2之间的距离d2,若该距离d2小于D2,
则重新将a3作为当前第一备选图像,根据(x1,y1),(x3,y3),计算A1、和a3之间的距离d3,若该距离d3小于预设距离阈值D2,
则重新将a4作为当前第一备选图像,根据(x1,y1),(x4,y4),计算A1、和a4之间的距离d4,若该距离d4小于D2,
……
则重新将ai作为当前第一备选图像,根据(x1,y1),(xi,yi),计算A1、和ai之间的距离di,若该距离di大于或者等于D2,则将ai作为完成一次目标动作的终止姿态对应的第二备选图像。
将计数+1,并且进入到第2个计数周期:
将a(i+1)~an确定为第二备选图像。
然后按照时间戳顺序,首先将a(i+1)作为当前第二备选图像,由于第一个计数周期的第一参考图像为A1,所以,在确定第二个计数周期的第一参考图像时,由于要进行动作复位,则要和A1进行比对。第一位移量阈值为D1,则:
根据(x1,y1),(x(i+1),y(i+1)),计算A1、和a(i+1)之间的距离d(i+1),若该距离d(i+1)大于D1,
则重新将a(i+2)作为当前第一备选图像,根据(x1,y1),(x(i+2),y(i+2)),计算A1、和a(i+2)之间的距离d(i+2),若该距离d(i+2)大于D1,
则重新将a(i+3)作为当前第一备选图像,根据(x1,y1),(x(i+3),y(i+3)),计算A1、和a(i+3)之间的距离d(i+3),若该距离d(i+3)大于D1,
……
则重新将aj作为当前第一备选图像,根据(x1,y1),(xj,yj),计算A1、和aj之间的距离dj,若该距离dj小于预设距离阈值D1,则将aj作为第二个计数周期对应的第一参考图像。
并进入第3个计数周期,执行与上述第2个计数周期相似的动作,直至将运动视频数据中的所有图像都处理完,得到计数结果。
示例性的,这里将以俯卧撑运动为例,该分析方法只要结合目标运动的运动特点同样适用于其他运动。
俯卧撑运动的运动特点是保持肩颈部位的上下移动。因此,可以通过头肩模型的双肩点的位移来进行计数。
在具体实施中,当俯卧撑动作开始时,在目标运动起始姿态所在的第一参考图像帧中,双肩点的起始坐标为(x,y),连续检测后续帧即第一备选图像的双肩点坐标(x1,y1)……(xn,yn),并计算(x,y)与(xn,yn)之间的垂直距离d(俯卧撑运动时双肩会在竖直方向上下运动),并通过比对d与计数阈值即第二位移量阈值D2的大小,如果大于则完成一次计数,然后等待(xn,yn)复位到初始位置附近。进行第二次循环计数,以此类推,最终得到目标人体在进行目标运动时的运动次数信息。
以规定时长为1分钟为例,可以设定1分钟内完成20组俯卧撑动作的力量数据为100,则1分钟内完成10组俯卧撑动作的力量数据为50;基于上述方法结合目标人体在进行目标运动时的运动次数信息,生成目标人体进行所述目标运动时的力量数据。
D:针对体能测试包括灵敏度测试,测试结果数据包括目标人体在进行所述目标运动时的灵敏度测试对应的测试结果数据的情况:所述目标运动包括下述至少一种:曲线托球跑,绕杆跑,十字象限跳。
为了获得灵敏度测试对应的测试结果数据,可以通过所述运动视频数据对应的关键点检测结果;确定所述目标人体进行所述目标运动时的第二姿态信息。
其中,第二姿态信息指,目标肢体与所述目标运动中标识物的距离、以及目标运动中的身体摆动幅度。
基于所述第二姿态信息与所述目标运动对应的第二目标姿态信息之间的相似度,得到所述目标人体在进行所述目标运动时的姿态有效性信息。
基于所述目标人体在进行所述目标运动时的姿态有效性信息、目标人体进行所述目标运动时的运动时长、以及进行所述目标运动的次数,确定目标人体进行目标运动时的灵敏度信息。
其中,第二目标姿态信息指,预先设置好作为标准值的目标肢体与所述目标运动中标识物的距离、以及目标运动中的身体摆动幅度。
这样,利用目标人体在进行目标运动时的姿态有效性信息、以及运动时长、和次数,确定的灵敏度信息更加的准确。
具体实施中,在确定所述目标人体在进行所述目标运动时的灵敏度数据时,可以执行下述过程:
步骤31:基于所述关键点检测结果,确定所述目标人体在进行目标运动时的所述第二姿态信息;所述第二姿态信息包括下述至少一种:目标肢体与所述目标运动中标识物的距离、以及目标运动中的身体摆动幅度,例如:绕杆跑,计算被测者的肢体关键点,并分析绕杆过程中身体的摆动幅度、肢体在绕杆时与竖立杆的相隔距离(比如,躯干与杆的距离,手臂与杆的距离,胯部与杆的距离)。
步骤32:基于所述第二姿态信息与所述目标运动对应的第二目标姿态信息之间的相似度,得到所述目标人体在进行所述目标运动时的姿态有效性信息。
步骤33:基于所述目标人体在进行所述目标运动时的姿态有效性信息、目标人体进行所述目标运动时的运动时长、以及进行所述目标运动的次数,确定目标人体进行目标运动时的灵敏度信息。
在具体实施中,针对步骤31,在具体实施中,可以根据目标动类型的不同,在整个运动过程中拍摄特定帧数的运动图像也可以直接进行录像并得到多帧运动图像;基于所述多帧运动图像中距离与身体摆动幅度的平均值,得到肢体在绕杆时与竖立杆的相隔距离与身体摆动幅度。
例如,在绕杆跑运动中,可以将一台摄像机放置在目标人体的正上方并保证其视野覆盖整个运动过程,对目标人体进行拍摄得到对应的运动视频数据;将另一台摄像机放置在目标人体的侧面,并保证其视野覆盖整个运动过程对目标人体进行拍摄得到对应的运动视频数据。
所述运动视频数据包括多帧运动图像,所述正上方的摄像机所获的多帧运动图像用于确定目标肢体与所述目标运动中标识物的距离;所述侧面的摄像机所获的多帧运动图像用于确定目标运动中的身体摆动幅度。
在具体实施中,可以根据速度测试中的在运动图像中确定实际距离的方法,确定目标肢体与所述目标运动中标识物的距离,以及根据耐力测试中的第一姿态信息确定方法,确定目标运动中的身体摆动幅度,相似之处这里不再赘述。
针对步骤32,在具体实施中,可以将第二姿信息中的目标肢体与所述目标运动中标识物的距离与作为标准的距离进行比较,将第二姿信息中的目标运动中的身体摆动幅度与作为标准的摆动幅度进行比较,得到所述目标人体在进行所述目标运动时的姿态有效性信息。
其中,姿态有效性信息用于表征目标人体在进行目标运动时的有效性程度。例如,若目标运动为绕杆跑,目标肢体与标识物之间的距离越小、且身体摆动幅度越小,则表征有效性程度越高;反之,目标肢体与标识物之间的距离越大、且身体摆动幅度越大,则表征有效性程度越低。
针对步骤33,在具体实施中,可以利用本公开实施例提供的力量测试中的运动次数获取方法,得到目标人体进行目标运动的次数。
在得到目标人体在进行所述目标运动时的姿态有效性信息、运动时长以及进行所述目标运动的次数信息后,基于不同目标运动类型中,姿态有效性信息、运动时长以及次数信息所对应的不同权重,确定目标人体进行目标运动时的灵敏度信息。
E:针对体能测试包括柔韧度测试,测试结果数据包括目标人体在进行所述目标运动时的柔韧度测试对应的测试结果数据:所述目标运动包括下述至少一种:高抬腿、瑜伽、坐卧体前驱。
具体实施中,在确定所述目标人体在进行所述目标运动时的柔韧度数据时,可以执行下述步骤41~步骤43所述的过程:
步骤41:基于所述关键点检测结果,确定所述目标人体中的目标肢体对应的第三姿态信息。
其中,第三姿态信息指,人体关键点位置信息、以及目标肢体的弯曲角度信息;例如在所示坐位体前屈测试中,目标人体的躯干与腿部所呈现的弯曲角度。
步骤42:将所述第三姿态信息和与所述目标运动对应的第三目标姿态信息进行比对,确定所述第三姿态信息和所述第三目标姿态信息之间的相似度。
其中,第三目标姿态信息指,作为参考标准值的人体关键点位置信息、以及目标肢体的弯曲角度信息。
步骤43:基于所述相似度,生成所述目标人体在进行所述目标运动时的柔韧度数据。
这样,利用目标人体在进行目标运动时的人体关键点位置信息、以及目标肢体的弯曲角度信息,更加准确的确定出目标人体在进行目标运动时的柔韧度信息。
在具体实施中,柔韧度测试相较于灵敏度测试的不同之处在于:柔韧度测试更注重人体关键点位置信息、以及目标肢体的弯曲角度信息,而不需要加入时间、距离等因素。所以柔韧度测试方法与灵敏度测试方法中关于目标肢体的关键点位置信息、以及目标肢体的弯曲角度信息的确定方法类似,此处不再赘述。
在确定所述目标人体中的目标肢体对应的第三姿态信息后,通过与预先作为标准的第三目标姿态信息进行对比,确定所述第三姿态信息和所述第三目标姿态信息之间的相似度。
其中,可以对目标人体的不同目标肢体分别进行对比,确定所述第三姿态信息和所述第三目标姿态信息之间的相似度,也可以对目标人体的全部目标肢体进行比对后取平均值,确定所述第三姿态信息和所述第三目标姿态信息之间的相似度,基于目标运动以及规定的不同,可以进行适当调整。
例如,如图3所示的高抬腿运动中,腿部关键点与躯干关键点会呈现出特定夹角,若第三目标姿态信息中对于该夹角的设定为135°,而第三姿态信息中得到的目标人体进行目标运动的夹角为120°;则确定所述第三姿态信息和所述第三目标姿态信息之间的相似度约为89%。
在确定所述第三姿态信息和所述第三目标姿态信息之间的相似度后,基于所述相似度,生成所述目标人体在进行所述目标运动时的柔韧度数据,例如,相似度约为89%时,柔韧度可以是0-100之间的89。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与一种体能测试方法对应的一种体能测试装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述一种体能测试方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参照图4所示,为本公开实施例提供的一种体能测试装置的示意图,所述装置包括:获取模块41、检测模块42、生成模块43;其中,
获取模块41,用于获取目标人体在体能测试时,进行与所述体能测试对应的目标运动的运动视频数据;
检测模块42,用于对所述运动视频数据进行关键点检测,得到所述运动视频数据对应的关键点检测结果;
生成模块43,用于基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据;所述测试结果数据用于反映所述目标人体在至少一个衡量维度的体能情况。
一种可选的实施方式中,所述体能测试包括下述至少一种:速度测试、耐力测试、力量测试、灵敏度测试、以及柔韧度测试。
一种可选的实施方式中,所述关键点检测结果,包括:所述目标人体中的多个人体关键点分别对应的位置信息;
所述生成模块43,在所述基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据时,用于:
基于所述关键点检测结果,确定与所述目标运动对应的目标人体关键点的位置信息;
基于所述目标人体关键点的位置信息,生成所述目标人体在进行体能测试时的测试结果数据。
一种可选的实施方式中,所述体能测试包括速度测试;所述目标运动包括跑步运动;
所述速度测试对应的测试结果数据包括:目标人体在基于跑步测试距离确定的目标测试范围内进行跑步运动时的速度信息;所述速度信息包括下述至少一种:在所述目标测试范围内进行所述跑步运动时的平均移动速度、最大移动速度、最小移动速度、目标运动时刻的第一移动速度、目标位置的第二移动速度;其中,所述目标运动时刻包括:目标人体在速度测试过程中进行跑步运动时的任一时刻;所述目标位置包括:所述目标人体在速度测试过程中进行跑步运动时,在所述目标测试范围内的任一位置。
一种可选的实施方式中,所述运动视频数据包括:多帧运动图像;所述关键点检测结果,多帧所述运动图像分别对应的关键点检测结果;
所述生成模块43,在所述基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据时,用于:
基于多帧所述运动图像分别对应的关键点检测结果,从多帧所述运动图像中,获取与速度信息类型对应的目标运动图像;
基于所述目标运动图像对应的时间戳、以及所述目标运动图像对应的关键点检测结果,得到所述速度信息。
一种可选的实施方式中,所述方法还包括如下至少一项:
响应于所述速度信息包括:在所述目标测试范围内进行所述目标运动时的平均移动速度,所述目标运动图像包括:所述目标人体位于所述目标测试范围对应的起点位置的第一运动图像、以及所述目标人体位于所述目标测试范围对应的终点位置的第二运动图像;
响应于所述速度信息包括:目标运动时刻的第一移动速度,所述目标运动图像包括:所述运动视频数据中时间戳与所述目标运动时刻最接近的第三运动图像、以及与所述第三运动图像在时间戳上相邻的第四运动图像;
响应于所述速度信息包括:目标位置的第二移动速度,所述目标运动图像包括:所述运动视频数据中目标人体在所述运动图像中的位置与所述目标位置最接近的第五运动图像、以及与所述第五运动图像在时间戳上相邻的第六运动图像;其中,所述目标人体在所述运动图像中的位置是基于所述关键点检测结果确定的。
一种可选的实施方式中,所述生成模块43,在响应于所述速度信息包括:在所述目标测试范围内进行所述目标运动时的最大移动速度、或最小移动速度时,用于:
针对多帧运动图像中的每帧运动图像,基于所述每帧运动图像对应的关键点检测结果、以及与所述每帧运动图像在时间戳上前相邻、和/或后相邻的运动图像对应的关键点检测结果,确定与所述每帧运动图像对应的移动距离;
基于所述每帧运动图像对应的移动距离、所述每帧运动图像对应的时间戳、以及所述相邻运动图像对应的时间戳,确定所述每帧运动图像对应的瞬时速度;
基于多帧运动图像分别对应的瞬时速度,确定所述最大移动速度或者所述最小移动速度。
一种可选的实施方式中,所述生成模块43,在所述针对多帧运动图像中的每帧运动图像,基于所述每帧运动图像对应的关键点检测结果、以及与所述每帧运动图像在时间戳上前相邻、和/或后相邻的运动图像对应的关键点检测结果,确定与所述每帧运动图像对应的移动距离时,用于:
基于每帧运动图像对应的关键点检测结果、以及与所述每帧运动图像在时间戳上前相邻、和/或后相邻的运动图像对应的关键点检测结果,确定所述目标人体在所述影像数据对应的图像坐标系中的位移;
基于预先确定的图像距离和实际物理距离之间的比例关系、以及所述目标人体在所述影像数据对应的图像坐标系中的位移,确定所述每帧运动图像对应的移动距离。
一种可选的实施方式中,所述体能测试包括耐力测试;所述耐力测试对应的测试结果数据包括:所述目标人体进行所述目标运动时的耐力数据;所述目标运动包括下述至少一种:长跑、跳绳、平板支撑;
所述生成模块43,在所述基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据时,用于:
从所述运动视频数据中,确定与多个运动阶段分别对应的目标运动图像;所述多个运动阶段分别对应于进行所述目标运动的时长的多个时段;或分别对应于所述目标运动的移动距离中的多段子距离;
针对每个运动阶段,基于该运动阶段对应的目标运动图像的关键点检测结果,确定该运动阶段对应的第一姿态信息;
针对多个所述运动阶段中的每个运动阶段,将该运动阶段对应的第一姿态信息、和所述标准姿态信息进行匹配,得到目标人体在该运动阶段对应的姿态标准程度信息;
基于所述姿态标准程度信息、以及该运动阶段对应的运动时长和移动距离中的至少一项,确定所述该运动阶段对应的耐力数据;
基于多个运动阶段分别对应的耐力数据,得到所述目标人体在进行所述目标运动时的耐力数据。
一种可选的实施方式中,所述体能测试包括力量测试;所述力量测试对应的测试结果数据包括:目标人体进行所述目标运动时的力量数据;所述运动视频数据包括:多帧运动图像;所述关键点检测结果包括:多帧运动图像分别对应的关键点检测结果;所述目标运动包括下述至少一种:引体向上,俯卧撑,立定跳远,分钟仰卧举腿;
所述生成模块43,在所述基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据时,用于:
在预设时长中的至少一个计数周期中的每个计数周期执行下述过程:
响应于当前计数周期为第1个计数周期,将时间戳最早的运动图像确定为所述第一参考图像;响应于当前计数周期为第i个计数周期,将时间戳晚于第i-1个计数周期确定的第二参考图像的运动图像作为第二备选图像,基于目标人体在第i-1个计数周期确定的第一参考图像对应的关键点检测结果、以及所述第二备选图像对应的关键点检测结果,从所述第二备选图像中,确定第i个计数周期对应的第一参考图像;其中,i为大于1的整数;
将时间戳晚于所述第一参考图像的其他运动图像作为第一备选图像,基于所述第一参考图像对应的关键点检测结果、以及所述备选图像对应的关键点检测结果,确定进行一次所述目标运动时的终止姿态对应的第二参考图像;
响应于确定所述第二参考图像成功,更新进行所述目标运动的次数;
响应于所述预设时长结束,基于所述目标人体进行所述目标运动的次数,确定所述目标人体进行所述目标运动时的力量数据;所述力量数据表征的目标人体的力量值、与所述次数成正相关。
一种可选的实施方式中,所述体能测试包括灵敏度测试;所述灵敏度测试对应的测试结果数据包括:目标人体进行所述目标运动时的灵敏度信息;所述目标运动包括下述至少一种:曲线托球跑,绕杆跑,十字象限跳;
所述生成模块43,在所述基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据时,用于:
基于所述关键点检测结果,确定所述目标人体中的目标肢体在目标运动时的第二姿态信息;所述第二姿态信息包括下述至少一种:目标肢体与所述目标运动中标识物的距离、以及目标运动中的身体摆动幅度;
基于所述第二姿态信息与所述目标运动对应的第二目标姿态信息之间的相似度,得到所述目标人体在进行所述目标运动时的姿态有效性信息;
基于所述目标人体在进行所述目标运动时的姿态有效性信息、目标人体进行所述目标运动时的运动时长、以及进行所述目标运动的次数,确定目标人体进行目标运动时的灵敏度信息。
一种可选的实施方式中,所述体能测试包括柔韧度测试;所述柔韧度测试对应的测试结果数据包括:目标人体进行所述目标运动时的柔韧度数据;所述目标运动包括下述至少一种:高抬腿、瑜伽、坐卧体前驱;
所述生成模块43,在所述基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据时,用于:
基于所述关键点检测结果,确定所述目标人体中的目标肢体对应的第三姿态信息;所述第三姿态信息包括下述至少一种:人体关键点位置信息、以及目标肢体的弯曲角度信息;
将所述第三姿态信息和与所述目标运动对应的第三目标姿态信息进行比对,所述第三姿态信息和所述第三目标姿态信息之间的相似度;
基于所述相似度,生成所述目标人体在进行所述目标运动时的柔韧度数据。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
本公开实施例还提供了一种计算机设备,如图5所示,为本公开实施例提供的计算机设备结构示意图,包括:
处理器51和存储器52;所述存储器52存储有处理器51可执行的机器可读指令,处理器51用于执行存储器52中存储的机器可读指令,所述机器可读指令被处理器51执行时,处理器51执行下述步骤:
获取目标人体在体能测试时,进行与所述体能测试对应的目标运动的运动视频数据;
对所述运动视频数据进行关键点检测,得到所述运动视频数据对应的关键点检测结果;
基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据,所述测试结果数据用于反映所述目标人体在至少一个衡量维度的体能情况。
上述存储器52包括内存521和外部存储器522;这里的内存521也称内存储器,用于暂时存放处理器51中的运算数据,以及与硬盘等外部存储器522交换的数据,处理器51通过内存521与外部存储器522进行数据交换。
上述指令的具体执行过程可以参考本公开实施例中所述的体能测试方法的步骤,此处不再赘述。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的测试方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品,该计算机程序产品承载有程序代码,所述程序代码包括的指令可用于执行上述方法实施例中所述的测试方法的步骤,具体可参见上述方法实施例,在此不再赘述。
其中,上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
若本公开技术方案涉及个人信息,应用本公开技术方案的产品在处理个人信息前,已明确告知个人信息处理规则,并取得个人自主同意。若本公开技术方案涉及敏感个人信息,应用本公开技术方案的产品在处理敏感个人信息前,已取得个人单独同意,并且同时满足“明示同意”的要求。例如,在摄像头等个人信息采集装置处,设置明确显著的标识告知已进入个人信息采集范围,将会对个人信息进行采集,若个人自愿进入采集范围即视为同意对其个人信息进行采集;或者在个人信息处理的装置上,利用明显的标识/信息告知个人信息处理规则的情况下,通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权;其中,个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
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,本公开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)执行本公开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(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,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公开揭露的技术范围内,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公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (15)
1.一种体能测试方法,其特征在于,包括:
获取目标人体在体能测试时,进行与所述体能测试对应的目标运动的运动视频数据;
对所述运动视频数据进行关键点检测,得到所述运动视频数据对应的关键点检测结果;
基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据,所述测试结果数据用于反映所述目标人体在至少一个衡量维度的体能情况。
2.根据权利要求1所述的方法,其特征在于,所述体能测试包括下述至少一种:速度测试、耐力测试、力量测试、灵敏度测试、以及柔韧度测试。
3.根据权利要求1或2所述的方法,其特征在于,所述关键点检测结果,包括:所述目标人体中的多个人体关键点分别对应的位置信息;
所述基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据,包括:
基于所述关键点检测结果,确定与所述目标运动对应的目标人体关键点的位置信息;
基于所述目标人体关键点的位置信息,生成所述目标人体在进行体能测试时的测试结果数据。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述体能测试包括速度测试;所述目标运动包括跑步运动;
所述速度测试对应的测试结果数据包括:目标人体在基于跑步测试距离确定的目标测试范围内进行跑步运动时的速度信息;所述速度信息包括下述至少一种:在所述目标测试范围内进行所述跑步运动时的平均移动速度、最大移动速度、最小移动速度、目标运动时刻的第一移动速度、目标位置的第二移动速度;其中,所述目标运动时刻包括:目标人体在速度测试过程中进行跑步运动时的任一时刻;所述目标位置包括:所述目标人体在速度测试过程中进行跑步运动时,在所述目标测试范围内的任一位置。
5.根据权利要求4所述的方法,其特征在于,所述运动视频数据包括:多帧运动图像;所述关键点检测结果,多帧所述运动图像分别对应的关键点检测结果;
所述基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据,包括:
基于多帧所述运动图像分别对应的关键点检测结果,从多帧所述运动图像中,获取与速度信息类型对应的目标运动图像;
基于所述目标运动图像对应的时间戳、以及所述目标运动图像对应的关键点检测结果,得到所述速度信息。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括如下至少一项:
响应于所述速度信息包括:在所述目标测试范围内进行所述目标运动时的平均移动速度,所述目标运动图像包括:所述目标人体位于所述目标测试范围对应的起点位置的第一运动图像、以及所述目标人体位于所述目标测试范围对应的终点位置的第二运动图像;
响应于所述速度信息包括:目标运动时刻的第一移动速度,所述目标运动图像包括:所述运动视频数据中时间戳与所述目标运动时刻最接近的第三运动图像、以及与所述第三运动图像在时间戳上相邻的第四运动图像;
响应于所述速度信息包括:目标位置的第二移动速度,所述目标运动图像包括:所述运动视频数据中目标人体在所述运动图像中的位置与所述目标位置最接近的第五运动图像、以及与所述第五运动图像在时间戳上相邻的第六运动图像;其中,所述目标人体在所述运动图像中的位置是基于所述关键点检测结果确定的。
7.根据权利要求4至6任一项所述的方法,其特征在于,响应于所述速度信息包括:在所述目标测试范围内进行所述目标运动时的最大移动速度、或最小移动速度,包括:
针对多帧运动图像中的每帧运动图像,基于所述每帧运动图像对应的关键点检测结果、以及与所述每帧运动图像在时间戳上前相邻、和/或后相邻的运动图像对应的关键点检测结果,确定与所述每帧运动图像对应的移动距离;
基于所述每帧运动图像对应的移动距离、所述每帧运动图像对应的时间戳、以及所述相邻运动图像对应的时间戳,确定所述每帧运动图像对应的瞬时速度;
基于多帧运动图像分别对应的瞬时速度,确定所述最大移动速度或者所述最小移动速度。
8.根据权利要求7所述的方法,其特征在于,所述针对多帧运动图像中的每帧运动图像,基于所述每帧运动图像对应的关键点检测结果、以及与所述每帧运动图像在时间戳上前相邻、和/或后相邻的运动图像对应的关键点检测结果,确定与所述每帧运动图像对应的移动距离,包括:
基于每帧运动图像对应的关键点检测结果、以及与所述每帧运动图像在时间戳上前相邻、和/或后相邻的运动图像对应的关键点检测结果,确定所述目标人体在所述影像数据对应的图像坐标系中的位移;
基于预先确定的图像距离和实际物理距离之间的比例关系、以及所述目标人体在所述影像数据对应的图像坐标系中的位移,确定所述每帧运动图像对应的移动距离。
9.根据权利要求1至8任一项所述的方法,其特征在于,所述体能测试包括耐力测试;所述耐力测试对应的测试结果数据包括:所述目标人体进行所述目标运动时的耐力数据;所述目标运动包括下述至少一种:长跑、跳绳、平板支撑;
所述基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据,包括:
从所述运动视频数据中,确定与多个运动阶段分别对应的目标运动图像;所述多个运动阶段分别对应于进行所述目标运动的时长的多个时段;或分别对应于所述目标运动的移动距离中的多段子距离;
针对每个运动阶段,基于该运动阶段对应的目标运动图像的关键点检测结果,确定该运动阶段对应的第一姿态信息;
针对多个所述运动阶段中的每个运动阶段,将该运动阶段对应的第一姿态信息、和所述标准姿态信息进行匹配,得到目标人体在该运动阶段对应的姿态标准程度信息;
基于所述姿态标准程度信息、以及该运动阶段对应的运动时长和移动距离中的至少一项,确定所述该运动阶段对应的耐力数据;
基于多个运动阶段分别对应的耐力数据,得到所述目标人体在进行所述目标运动时的耐力数据。
10.根据权利要求1至9任一项所述的方法,其特征在于,所述体能测试包括力量测试;所述力量测试对应的测试结果数据包括:目标人体进行所述目标运动时的力量数据;所述运动视频数据包括:多帧运动图像;所述关键点检测结果包括:多帧运动图像分别对应的关键点检测结果;所述目标运动包括下述至少一种:引体向上,俯卧撑,立定跳远,分钟仰卧举腿;
所述基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据,包括:
在预设时长中的至少一个计数周期中的每个计数周期执行下述过程:
响应于当前计数周期为第1个计数周期,将时间戳最早的运动图像确定为所述第一参考图像;响应于当前计数周期为第i个计数周期,将时间戳晚于第i-1个计数周期确定的第二参考图像的运动图像作为第二备选图像,基于目标人体在第i-1个计数周期确定的第一参考图像对应的关键点检测结果、以及所述第二备选图像对应的关键点检测结果,从所述第二备选图像中,确定第i个计数周期对应的第一参考图像;其中,i为大于1的整数;
将时间戳晚于所述第一参考图像的其他运动图像作为第一备选图像,基于所述第一参考图像对应的关键点检测结果、以及所述备选图像对应的关键点检测结果,确定进行一次所述目标运动时的终止姿态对应的第二参考图像;
响应于确定所述第二参考图像成功,更新进行所述目标运动的次数;
响应于所述预设时长结束,基于所述目标人体进行所述目标运动的次数,确定所述目标人体进行所述目标运动时的力量数据;所述力量数据表征的目标人体的力量值、与所述次数成正相关。
11.根据权利要求1至10任一项所述的方法,其特征在于,所述体能测试包括灵敏度测试;所述灵敏度测试对应的测试结果数据包括:目标人体进行所述目标运动时的灵敏度信息;所述目标运动包括下述至少一种:曲线托球跑,绕杆跑,十字象限跳;
所述基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据,包括:
基于所述关键点检测结果,确定所述目标人体中的目标肢体在目标运动时的第二姿态信息;所述第二姿态信息包括下述至少一种:目标肢体与所述目标运动中标识物的距离、以及目标运动中的身体摆动幅度;
基于所述第二姿态信息与所述目标运动对应的第二目标姿态信息之间的相似度,得到所述目标人体在进行所述目标运动时的姿态有效性信息;
基于所述目标人体在进行所述目标运动时的姿态有效性信息、目标人体进行所述目标运动时的运动时长、以及进行所述目标运动的次数,确定目标人体进行目标运动时的灵敏度信息。
12.根据权利要求1至11任一项所述的方法,其特征在于,所述体能测试包括柔韧度测试;所述柔韧度测试对应的测试结果数据包括:目标人体进行所述目标运动时的柔韧度数据;所述目标运动包括下述至少一种:高抬腿、瑜伽、坐卧体前驱;
所述基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据,包括:
基于所述关键点检测结果,确定所述目标人体中的目标肢体对应的第三姿态信息;所述第三姿态信息包括下述至少一种:人体关键点位置信息、以及目标肢体的弯曲角度信息;
将所述第三姿态信息和与所述目标运动对应的第三目标姿态信息进行比对,所述第三姿态信息和所述第三目标姿态信息之间的相似度;
基于所述相似度,生成所述目标人体在进行所述目标运动时的柔韧度数据。
13.一种体能测试装置,其特征在于,包括:
获取模块,用于获取目标人体在体能测试时,进行与所述体能测试对应的目标运动的运动视频数据;
检测模块,用于对所述运动视频数据进行关键点检测,得到所述运动视频数据对应的关键点检测结果;
生成模块,用于基于所述关键点检测结果,生成所述目标人体在进行体能测试时的测试结果数据;所述测试结果数据用于反映所述目标人体在至少一个衡量维度的体能情况。
14.一种计算机设备,其特征在于,包括:处理器、存储器,所述存储器存储有所述处理器可执行的机器可读指令,所述处理器用于执行所述存储器中存储的机器可读指令,所述机器可读指令被所述处理器执行时,所述处理器执行如权利要求1至12任一项所述的体能测试方法的步骤。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被计算机设备运行时,所述计算机设备执行如权利要求1至12任一项所述的体能测试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210453600.8A CN114708541A (zh) | 2022-04-27 | 2022-04-27 | 一种体能测试方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210453600.8A CN114708541A (zh) | 2022-04-27 | 2022-04-27 | 一种体能测试方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114708541A true CN114708541A (zh) | 2022-07-05 |
Family
ID=82176694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210453600.8A Pending CN114708541A (zh) | 2022-04-27 | 2022-04-27 | 一种体能测试方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114708541A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118015710A (zh) * | 2024-04-09 | 2024-05-10 | 浙江深象智能科技有限公司 | 一种智能体育运动的识别方法和装置 |
-
2022
- 2022-04-27 CN CN202210453600.8A patent/CN114708541A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118015710A (zh) * | 2024-04-09 | 2024-05-10 | 浙江深象智能科技有限公司 | 一种智能体育运动的识别方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6120837B2 (ja) | スポーツ動作のビデオを解析する方法 | |
CN113850248B (zh) | 运动姿态评估方法、装置、边缘计算服务器及存储介质 | |
CN110448870B (zh) | 一种人体姿态训练方法 | |
CN113762133A (zh) | 基于人体姿态识别的自重健身辅助教练系统、方法、终端 | |
KR20220028654A (ko) | 미러 디스플레이를 이용하여 태권도 동작 코칭 서비스를 제공하는 장치 및 방법 | |
WO2017161734A1 (zh) | 通过电视和体感配件矫正人体动作及系统 | |
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 | |
CN107694046A (zh) | 一种健身运动训练方法、装置及计算机可读存储介质 | |
Chun et al. | A sensor-aided self coaching model for uncocking improvement in golf swing | |
CN115624735B (zh) | 一种用于球类运动的辅助训练系统和工作方法 | |
JP2794018B2 (ja) | 動作診断装置 | |
CN113902084A (zh) | 运动计数方法、装置、电子设备及计算机存储介质 | |
CN114708541A (zh) | 一种体能测试方法、装置、计算机设备及存储介质 | |
CN110781777A (zh) | 体育训练中人体动作的判定方法、系统和存储介质 | |
JP7078577B2 (ja) | 動作類似度評価装置、方法およびプログラム | |
EP3786971A1 (en) | Advancement manager in a handheld user device | |
CN114140721A (zh) | 射箭姿态评估方法、装置、边缘计算服务器及存储介质 | |
US20230145451A1 (en) | Monitoring exercise activity in a gym environment | |
CN114209309B (zh) | 一种基于视觉技术的运动行为分析方法 | |
Karunaratne et al. | Objectively measure player performance on Olympic weightlifting | |
Elipot | A new paradigm to do and understand the race analyses in swimming: The application of convolutional neural networks | |
JP2021099666A (ja) | 学習モデルの生成方法 | |
KR102568538B1 (ko) | 이동 로봇을 이용한 휴먼 자세 평가 장치 및 방법 | |
CN114724253A (zh) | 一种运动过程管理方法、装置、计算机设备及存储介质 | |
CN115273243B (zh) | 跌倒检测方法、装置、电子设备和计算机可读存储介质 |
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 |