CN115068919A - 一种单杠项目的考核方法及其实现装置 - Google Patents

一种单杠项目的考核方法及其实现装置 Download PDF

Info

Publication number
CN115068919A
CN115068919A CN202210535538.7A CN202210535538A CN115068919A CN 115068919 A CN115068919 A CN 115068919A CN 202210535538 A CN202210535538 A CN 202210535538A CN 115068919 A CN115068919 A CN 115068919A
Authority
CN
China
Prior art keywords
horizontal bar
tester
action
posture
judging
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.)
Granted
Application number
CN202210535538.7A
Other languages
English (en)
Other versions
CN115068919B (zh
Inventor
卞青峰
徐培明
王伟
张文豪
陈昊
杨镇宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Taishan Sports Goods Engineering Technology Research Center Co ltd
Taishan Sports Industry Group Co Ltd
Original Assignee
Shandong Taishan Sports Goods Engineering Technology Research Center Co ltd
Taishan Sports Industry Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Taishan Sports Goods Engineering Technology Research Center Co ltd, Taishan Sports Industry Group Co Ltd filed Critical Shandong Taishan Sports Goods Engineering Technology Research Center Co ltd
Priority to CN202210535538.7A priority Critical patent/CN115068919B/zh
Publication of CN115068919A publication Critical patent/CN115068919A/zh
Application granted granted Critical
Publication of CN115068919B publication Critical patent/CN115068919B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B1/00—Horizontal bars
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B2071/0647—Visualisation of executed movements
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B2071/065—Visualisation of specific exercise parameters
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/80—Special sensors, transducers or devices therefor
    • A63B2220/806—Video cameras
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/80—Special sensors, transducers or devices therefor
    • A63B2220/807—Photo cameras
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/62—Measuring physiological parameters of the user posture
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Physiology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Human Computer Interaction (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供一种单杠项目的考核方法，该方法包括实时采集包括测试者和单杠的连续的帧图像；将帧图像输入至AI识别模型，逐帧识别帧图像中的测试者的骨骼姿态；根据骨骼姿态判断测试者的双手握持单杠的方向，判定单杠项目为引体向上类型或曲臂悬垂类型；预分解单杠项目的预设规定动作，在连续的帧图像中贯穿划分出相应的主姿态判定区域；当骨骼姿态与当前激活的主姿态判定区域交叠时，调用与当前的主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格；若合格，则标记对应的主姿态判定区域并根据各主姿态判定区域之间的标记结果，结合判定出的单杠项目类型获取对应的测量结果。本发明同时提供对应的单杠项目考核装置。

Description

一种单杠项目的考核方法及其实现装置
技术领域
本发明涉及机器视觉技术领域，特别是涉及一种单杠项目的考核方法及其实现装置。
背景技术
随着社会的发展，人们对健康的生活越来越重视。而现在，无论是中学生、军队都有大量的体育项目考核。其中引体向上和曲臂垂悬是一个较为常规单杠项目的考核项目。传统的考核方法是监考人员人工观察的方式进行考核，一般配备在单杠的两侧设置有红外感应器，当测试者的头部到达感应器后数量即可加1或开始计时。这种考核方式并不严谨，无法准确识别测试者动作是否准确，也就导致测试的结果有较大的误差，无法真实反映测试者的真实水平。如无法判定测试者下颌部是否已经过杠，无法判断身体是否摆动借力，无法判断脚部是否蹬到立柱，也无法判断下降是否到位。
基于此，本领域亟需一种新的单杠项目的考核方法及其实现装置来解决背景技术存在的技术问题。
发明内容
为解决上述技术问题，本发明采用的一个技术方案是：
一种单杠项目的考核方法，包括：
实时采集包括测试者和单杠的连续的帧图像；
将所述帧图像输入至AI识别模型，逐帧识别所述帧图像中的测试者的骨骼姿态，所述骨骼姿态包括多个关节点以及所述关节点之间的连线；
根据所述骨骼姿态判断测试者的双手握持单杠的方向，若双手为正向握持单杠，则判定所述单杠项目为引体向上类型；若双手为反向握持单杠，则判定所述单杠项目为曲臂悬垂类型；
预分解所述单杠项目的预设规定动作，获得包括手臂伸直动作与曲臂悬垂动作的分解动作，根据所有所述分解动作在连续的所述帧图像中贯穿划分出相应的主姿态判定区域；
实时检测所述骨骼姿态，自测试者开始双手握持单杠时起，根据测试者当前位置交替激活各所述主姿态判定区域；当所述骨骼姿态与当前激活的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格；
若合格，则标记对应的所述主姿态判定区域并根据各所述主姿态判定区域之间的标记结果，结合判定出的所述单杠项目类型获取对应的测量结果；
若不合格，则生成包括有当前所述骨骼姿态与对应的所述分解动作之间的差异计算结果的交互信息。
优选地，所述实时采集包括测试者和单杠的连续的帧图像的步骤之前，还包括：
获取多个测试者各自进行所述单杠项目的样本测试图像；
逐帧标注所述样本测试图像中测试者的所述关节点，生成训练样本；
利用所述训练样本进行卷积神经网络训练，得到所述AI识别模型。
优选地，所述根据所述骨骼姿态判断测试者的双手握持单杠的方向的步骤包括：
面向测试者，根据所述骨骼姿态识别测试者的手指的相对位置；
若测试者的拇指在双手的内侧，则判定测试者的双手为正向握持单杠；
若测试者的拇指在双手的外侧，则判定测试者的双手为反向握持单杠。
优选地，所述当所述骨骼姿态与当前激活的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格的步骤包括：
当所述骨骼姿态与当前激活的与手臂伸直动作相对应的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断测试者的手臂伸直动作是否合格；
其中，与手臂伸直动作对应的所述骨骼姿态包括左肩关节、左肘关节、左腕关节、右肩关节、右肘关节、右腕关节以及连接所述左肩关节和所述左肘关节的第一连线、连接所述左肘关节和所述左腕关节的第二连线、连接所述右肩关节和所述右肘关节的第三连线、连接所述右肘关节和所述右腕关节的第四连线；判断所述第一连线与所述第二连线之间的夹角，以及所述第三连线与所述第四连线之间的夹角是否均在170°-190°内；若是，则判定测试者的手臂伸直动作合格；若否，则判定测试者的手臂伸直动作不合格。
优选地，所述当所述骨骼姿态与当前激活的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格的步骤包括：
当所述骨骼姿态与当前激活的与曲臂悬垂动作相对应的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断测试者的曲臂悬垂动作是否合格；
其中，与曲臂悬垂动作对应的所述骨骼姿态包括下颌部，判断所述下颌部的高度是否大于单杠的高度；若是，则判定测试者的曲臂悬垂动作合格；若否，则判定测试者的曲臂悬垂动作不合格。
优选地，所述当所述骨骼姿态与当前激活的与曲臂悬垂动作相对应的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断测试者的曲臂悬垂动作是否合格的步骤还包括：
与曲臂悬垂动作对应的所述骨骼姿态还包括左肩关节、左髋关节、右肩关节、右髋关节以及连接所述左肩关节与所述左髋关节的第五连线、连接所述左髋关节与所述右髋关节的第六连线、连接所述右髋关节与所述右肩关节的第七连线、连接所述右肩关节与所述左肩关节的第八连线，所述第五连线、第六连线、第七连线和第八连线构成近似矩形；判断所述近似矩形与竖直方向的夹角是否小于预设角度值；若所述近似矩形与竖直方向的夹角小于预设角度值且所述下颌部的高度大于单杠的高度，则判定测试者的曲臂悬垂动作合格；否则判定测试者的曲臂悬垂动作不合格。
优选地，所述标记对应的所述主姿态判定区域并根据各所述主姿态判定区域之间的标记结果，结合判定出的所述单杠项目类型获取对应的测量结果的步骤包括：
至测量结束前，每当检测到先标记与手臂伸直动作相对应的主姿态判定区域，再接续标记与曲臂悬垂动作相对应的主姿态判定区域时，则判定测试者完成一次所述单杠项目，并对应确定的所述单杠项目的类型累计完成次数一次或测算曲臂垂悬动作合格持续时间。
优选地，在所述预分解所述单杠项目的预设规定动作之前，还根据所述单杠项目确定所述骨骼姿态中的脚踝关节，根据所述脚踝关节在连续的所述帧图像中贯穿划分出辅助姿态判定区域，所述辅助姿态判定区域用于在所述连续的帧图像中跟踪所述脚踝关节；
所述调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格的步骤之前，还包括：
实时检测所述脚踝关节，调用在所述辅助姿态判定区域中与所述脚踝关节对应的预设禁止动作判断当前测试者的所述脚踝关节的动作是否合规；
若是，则判定当前所述骨骼姿态有效，并进一步判定当前测试者的动作是否合格；
若否，则判定当前所述骨骼姿态无效，并自测试者恢复手臂伸直动作后继续判定测试者的所述脚踝关节的动作是否合规。
本发明还提供一种单杠项目的考核装置，包括：
视频处理模块，用于实时采集包括测试者和单杠的连续的帧图像；
骨骼识别模块，用于将所述帧图像输入至AI识别模型，逐帧识别所述帧图像中的测试者的骨骼姿态，所述骨骼姿态包括多个关节点以及所述关节点之间的连线；
第一判断模块，用于根据所述骨骼姿态判断测试者的双手握持单杠的方向，若双手为正向握持单杠，则判定所述单杠项目为引体向上类型；若双手为反向握持单杠，则判定所述单杠项目为曲臂悬垂类型；
第一划分模块，用于预分解所述单杠项目的预设规定动作，获得包括手臂伸直动作与曲臂悬垂动作的分解动作，根据所有所述分解动作在连续的所述帧图像中贯穿划分出相应的主姿态判定区域；
第二判断模块，用于实时检测所述骨骼姿态，自测试者开始双手握持单杠时起，根据测试者当前位置交替激活各所述主姿态判定区域；当所述骨骼姿态与当前激活的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格；若合格，则标记对应的所述主姿态判定区域并根据各所述主姿态判定区域之间的标记结果，结合判定出的所述单杠项目类型获取对应的测量结果；若不合格，则生成包括有当前所述骨骼姿态与对应的所述分解动作之间的差异计算结果的交互信息。
优选地，所述考核装置还包括：
第二划分模块，用于在所述第一划分模块预分解所述单杠项目的预设规定动作之前，还根据所述单杠项目确定所述骨骼姿态中的脚踝关节，根据所述脚踝关节在连续的所述帧图像中贯穿划分出辅助姿态判定区域，所述辅助姿态判定区域用于在所述连续的帧图像中跟踪所述脚踝关节；
第三判断模块，用于在所述第二判断模块调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格之前，实时检测所述脚踝关节，调用在所述辅助姿态判定区域中与所述脚踝关节对应的预设禁止动作判断当前测试者的所述脚踝关节的动作是否合规；若是，则判定当前所述骨骼姿态有效，并进一步指令所述第二判断模块判定当前测试者的动作是否合格；若否，则判定当前所述骨骼姿态无效，并自测试者恢复手臂伸直动作后继续判定测试者的所述脚踝关节的动作是否合规。
本发明的有益效果是：本发明的单杠项目的考核方法，通过实时采集包括测试者和单杠的连续的帧图像，再通过AI识别模型逐帧识别帧图像中测试者的骨骼姿态；进而先判定出单杠项目的类型，并进一步对连续的帧图像贯穿划分出与判定出的单杠项目预设规定动作的分解动作分别对应的主姿态判定区域；再实时检测骨骼姿态，自测试者开始双手握持单杠时起，利用当前测试者的骨骼姿态与当前用于判定的主姿态判定区域交叠时，调用与当前的主姿态判定区域相对应的分解动作判断当前测试者骨骼姿态是否合格并记录其判断结果；最后根据记录的判断结果，同时结合判定出的单杠项目类型获取对应的测量结果。通过上述的步骤能智能识别测试者在进行单杠项目时的类型以及相应姿态是否符合预设标准，减少了人工考核时误差较大的问题，精度也更高，而且节约了人力。此外，当测试者的单杠动作不合格时，本发明还可提供交互信息，帮助测试者矫正动作。
附图说明
图1是本发明一个实施例的单杠项目的考核方法的流程示意图；
图2是本发明实施例的单杠项目的考核方法的获取AI识别模型的流程示意图；
图3是本发明另一个实施例的单杠项目的考核方法的流程示意图。
图4是本发明一个实施例的单杠项目的考核装置的结构示意图；
图5是本发明另一个实施例的单杠项目的考核装置的结构示意图。
具体实施方式
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，所描述的实施例仅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。
本发明中的术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
图1是本发明实施例的单杠项目的考核方法的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图1所示的流程顺序为限。如图1所示，该方法包括步骤：
步骤S101：实时采集包括测试者和单杠的连续的帧图像。
在步骤S101中，需要在运动场地布置好考核设备，该考核设备具有视频采集功能，考核设备的摄像头朝向考试场地。需要说明的是，运动场地设有进行单杠项目的单杠。进行单杠项目考核时，测试者按照提示到达考试场地，并根据提示音进行单杠项目运动，在此过程中，通过摄像头正面(不限于是完全对正，也可以有一定的斜向角度)采集测试者以及单杠的连续帧的图像。在一个实施例中，为了降低数据处理量，在此步骤中，可以对图像进行进一步的抽帧处理。由于在进行的单杠项目是一个较为连续的过程，其中存在相邻的几帧图像较为接近，可对图像进行识别，设定间隔几帧选取一帧作为帧图像，将选取的若干的帧图像作为处理对象进行下一步识别处理。
进一步，对人体图像的准确识别，可保障后续对骨骼姿态的提取。在实际操作中，摄像头是基于特定算法来实现对人体的识别，目前现有算法也难以保证对人体的精准识别。例如，如果识别背景颜色与人体衣着相近，或者识别背景中有类似人体部位的物件误入，则提取目标人体部位时容易出现识别跳动的情况，例如从某帧图像中获取到的目标人体部位的位置是异常的，与人体实际位置不符，或者是从某帧图像中获取到的目标人体部位所在区域与相似背景发生粘连。显然，前述异常改变的帧图像是不利于对人体骨骼数据的提取的。对此，在一种可实现的实施例中，在从视频流中提取连续的帧图像过程中，可按预设数量缓存摄像单元获取的连续的原始帧图像，在缓存中对原始帧图像中的用户数据做统计处理，可剔除掉用户数据存有异常的帧图像，以此保障后续的人体骨骼数据提取环节的准确度。
步骤S102：将帧图像输入至AI识别模型，逐帧识别帧图像中的测试者的骨骼姿态，骨骼姿态包括多个关节点以及关节点之间的连线。
具体地，在步骤S102中，将步骤S101中获取到的帧图像输入至AI识别模型中，AI识别模型用于识别帧图像中测试者的骨骼姿态。其中AI识别模型基于卷积神经网络通过大量的训练样本获得。AI识别模型在进行步骤S101前已预设好在系统中。具体地，请参见图2，AI识别模型通过以下步骤获得：
步骤S201：获取多个测试者各自进行单杠项目的样本测试图像。
在步骤S201中，在进行训练前，需要先获取大量单杠项目的测试的样本测试图像。
步骤S202：逐帧标注样本测试图像中测试者的关节点，生成训练样本。
在步骤S202中，逐帧标注样本测试视频中测试者的关节点，以生成训练样本。其中，关节点为人体各个部位的关节点、以及具有代表性的参照点例如下颌和眼睛等。在本实施例中，关节点至少包括：手指、下颌部、左肩关节、右肩关节、左肘关节、右肘关节、左腕关节、右腕关节、左髋部、右髋部、左脚踝关节、右脚踝关节。也可以根据实际需要对其他关节点或其他部位进行标注，在此不作限定。通过在选取的测试图像中进行标注，得到训练样本。
步骤S203：利用训练样本进行卷积神经网络训练，得到AI识别模型。
在步骤S203中，将上述步骤得到的训练样本进行卷积神经网络训练。为了提高识别精度可以使用更多数量的训练样本进行训练。得到的AI识别模型可以智能识别测试者的运动动作，并能识别测试者进行单杠项目的帧图像中各个关节点，再按照预设的连接方式连接各个关节点即可获得图像中测试者的骨骼姿态，即骨骼姿态包括关节点以及关节点之间的连接线。
需要说明的是，在本实施例中，关节点之间的连线至少包括：连接左肩关节和左肘关节的第一连线、连接左肘关节和左腕关节的第二连线、连接右肩关节和右肘关节的第三连线、连接右肘关节和右腕关节的第四连线；连接左肩关节与左髋关节的第五连线、连接左髋关节与右髋关节的第六连线、连接右髋关节与右肩关节的第七连线、连接右肩关节与左肩关节的第八连线。
步骤S103：根据骨骼姿态判断测试者的双手握持单杠的方向，若双手为正向握持单杠，则判定单杠项目为引体向上类型；若双手为反向握持单杠，则判定单杠项目为曲臂悬垂类型。
在步骤S103中，在本实施例中，单杠项目包括引体向上类型以及曲臂悬垂类型，在开始考核前需先确定单杠项目的类型。
其中，引体向上类型的考核内容为测试者进行一套预设规定动作的次数，而曲臂悬垂的考核内容为测试者的身体上升至下颌超过单杠的高度后的保持时间。引体向上和曲臂悬垂在双手握持单杠的方式也有区别，引体向上的双手为正向握持单杠，曲臂悬垂的双手为反向握持单杠，因此通过判断双手握持单杠的方式即可确定单杠项目。
具体地，判断方法如下：面向测试者的方向，根据骨骼姿态识别测试者的手指的相对位置；若测试者的拇指在双手的内侧，则判定测试者的双手为正向握持单杆；若测试者的拇指在双手的外侧，则判定测试者的双手为反向握持单杆。
步骤S104：预分解单杠项目的预设规定动作，获得包括手臂伸直动作与曲臂悬垂动作的分解动作，根据所有分解动作在连续的帧图像中贯穿划分出相应的主姿态判定区域。
具体地，进行单杠项目的预设规定动作为从手臂伸直到曲臂悬垂(身体上升至下颌超过单杠的高度)的过程，后续进行往复即可。由此可看出具体的引体向上类型和曲臂悬垂类型之间具有相同过程。需说明的是，分解动作是指测试者作单杠项目的连续过程中可用于判定其动作到位与否的代表姿态，是代表测试者运动过程所处阶段的主要姿态，该代表姿势的空间位置往往是固定的。因此在步骤S104中，预分解单杠项目的预设规定动作，获得包括手臂伸直动作和曲臂悬垂动作的分解动作。引体向上类型和曲臂悬垂类型均包括过程：手臂伸直动作、曲臂悬垂动作以及恢复为至手臂伸直动作。测试者的测试过程中，必须按顺序完成所有分解动作。也就是说，手臂伸直动作为测试者双手紧握单杠自然垂直悬挂在单杠上；曲臂悬垂动作为测试者利用双臂的力量将身体往上拉，直到下颌超过单杠所在的高度并双臂弯曲保持悬垂姿态。
接着，为从摄像头获取的帧图像中实时监测测试者的分解动作是否合格，本发明根据分解动作贯穿对连续的帧图像划分出相应的主姿态判定区域，具体分别为对应手臂伸直动作与曲臂悬垂动作的主姿态判定区域。
步骤S105：实时检测骨骼姿态，自测试者开始双手握持单杠时起，根据测试者当前运动位置交替激活各主姿态判定区域；当骨骼姿态与当前激活的主姿态判定区域交叠时，调用与当前的主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格。合格则执行步骤S106，不合格则执行步骤S107。
在步骤S105中，判断测试者的动作是否合格主要包括测试者的手臂伸直动作和曲臂垂悬动作是否合格两种判断情况。
具体地，前述划分出的各主姿态判定区域之间进行如下设定：自测试者开始双手握持单杠时起，根据测试者当前位置交替激活对应手臂伸直动作的主姿态判定区域与对应曲臂悬垂动作的主姿态判定区域，用以分别判定测试者的骨骼姿态。进一步地，各主姿态判定区域可根据识别出的测试者当前实际正处于的空间位置(如可根据测试者头部高度与单杠高度的比较，大致判断当前应当激活的对应主姿态判定区域。当测试者头部高度低于单杠高度时，激活的是与手臂伸直动作对应的主姿态判定区域，当测试者头部开始高度不低于单杠高度时，激活的是与曲臂悬垂动作对应的主姿态判定区域)，即分解动作阶段，自动对应激活。在一种可实现的实施例中，以对应手臂伸直动作的主姿态判定区域为首个激活的主姿态判定区域，该主姿态判定区域在完成测试者手臂伸直动作时的骨骼姿态判定后关闭判定功能，接着激活下一个对应曲臂悬垂动作的主姿态判定区域以备判断用户曲臂悬垂动作是否合格，以此类推。
具体地，判断测试者的手臂伸直动作是否合格的步骤为：当骨骼姿态与当前激活的与手臂伸直动作相对应的主姿态判定区域交叠时，调用与当前的主姿态判定区域相对应的分解动作判断测试者的手臂伸直动作是否合格。
其中，此过程的骨骼姿态包括左肩关节、左肘关节、左腕关节、右肩关节、右肘关节、右腕关节以及连接左肩关节和左肘关节的第一连线、连接左肘关节和左腕关节的第二连线、连接右肩关节和右肘关节的第三连线、连接右肘关节和右腕关节的第四连线；判断第一连线与第二连线之间的夹角，以及第三连线与第四连线之间的夹角是否均为170°-190°；若是，则判定测试者手臂伸直动作合格；若否，则判定测试者手臂伸直动作不合格。具体地，设左肩关节、左肘关节、左腕关节分别为A、B、C，右肩关节、右肘关节、右腕关节分别为D、E、F；则第一连线与第二连线之间的夹角为∠ABC，第三连线与第四连线之间的夹角为∠DEF。在手臂伸直的情况下，∠ABC和∠DEF约等于180°。为了提高识别成功的概率，若∠ABC和∠DEF均在170°-190°内，则判定测试者手臂伸直。进一步地，170°-190°仅是本实施采取的一个判断基准，也可以采用其他范围，如175°-185°等。通过上述步骤即可实现判断测试者的手臂伸直动作是否合格。
判断测试者的曲臂垂悬动作是否合格的步骤为：当骨骼姿态与当前激活的与曲臂悬垂动作相对应的主姿态判定区域交叠时，调用与当前的主姿态判定区域相对应的分解动作判断测试者的曲臂悬垂动作是否合格。
与曲臂悬垂动作对应的骨骼姿态包括下颌部。其中，判断下颌部的高度是否大于单杆的高度；若是，则判定测试者的曲臂悬垂动作合格；若否，则判定测试者的曲臂悬垂动作不合格。在一实施例中，设定下颌为G。则在手臂伸直动作时，G的高度低于单杠对应的高度；在上升至最高点时，通过判断G的高度是否超过单杠对应的高度，若是则判定下颌部的高度大于单杆的高度。
在一个实施例中，为了进一步地提高对测试者的考核要求，曲臂垂悬动作的合格与否还包括测试者的身体摆动是否在预设范围，即身体与竖直方向的夹角是否小于预设角度。
其中，此过程的与曲臂悬垂动作对应的骨骼姿态还包括左肩关节、左髋关节、右肩关节、右髋关节以及连接左肩关节与左髋关节的第五连线、连接左髋关节与右髋关节的第六连线、连接右髋关节与右肩关节的第七连线、连接右肩关节与左肩关节的第八连线，第五连线、第六连线、第七连线和第八连线构成近似矩形；判断近似矩形与竖直方向的夹角是否小于预设角度值；若近似矩形与竖直方向的夹角小于预设角度值且下颌部的高度大于单杆的高度，则判定悬垂动作合格；否则判定悬垂动作不合格。在一实施例中，设左肩关节、右肩关节、右髋部、左髋部分别为H、I、J、K，则左肩关节、右肩关节、右髋部、左髋依次连接构成一个近似矩形HIJK。在对应的分解动作中近似矩形HIJK与竖直方向的夹角为0，由于实际考核中，测试者的身体会有不同程度的摆动，在此设定一个可接受的范围称为预设角度值。具体地，近似矩形HIJK与竖直方向的夹角为∠α，通过判断∠α是否小于预设角度值即可。
只有同时满足近似矩形与竖直方向的夹角小于预设角度值且下颌部的高度大于单杆的高度，才判定悬垂动作合格。
步骤S106：若合格，则标记对应的主姿态判定区域并根据各主姿态判定区域之间的标记结果，结合判定出的单杠项目类型获取对应的测量结果。
在步骤S106，至测量结束前，每当检测到先标记与手臂伸直动作相对应的主姿态判定区域，再接续标记与曲臂悬垂动作相对应的主姿态判定区域时，则判定测试者完成一次单杠项目，并对应确定的单杠项目的类型累计完成次数一次或测算曲臂垂悬动作合格持续时间。
具体地。每当测试者在对应的主姿态判定区域的动作合格，则进行标记。在单杠项目中，每当检测到依次标记与手臂伸直动作对应的主姿态判定区域、与曲臂悬垂动作对应的主姿态判定区域，则判定完成一次预设规定动作。同时，对若在前步骤中判定出的是引体向上类型，则累计测量次数一次；对若在前步骤中判定出的是曲臂悬垂类型，则测算当次曲臂悬垂动作合格持续时间。
步骤S107：若不合格，则生成包括有当前的骨骼姿态与对应的分解动作之间的差异计算结果的交互信息。
在步骤S107中，可通过语音和显示的方式对测试者和监考人员进行交互信息的提示，例如不合格时则根据不符合标准的类型，发出对应的提示，如“身体摆动过大”、“手臂未伸直”等。
本发明的单杠项目的考核方法，通过实时采集包括测试者和单杠的连续的帧图像，再通过AI识别模型逐帧识别帧图像中测试者的骨骼姿态；进而先判定出单杠项目的类型，并进一步对连续的帧图像贯穿划分出与判定出的单杠项目预设规定动作的分解动作分别对应的主姿态判定区域；再实时检测骨骼姿态，自测试者开始双手握持单杠时起，利用当前测试者的骨骼姿态与当前用于判定的主姿态判定区域交叠时，调用与当前的主姿态判定区域相对应的分解动作判断当前测试者骨骼姿态是否合格并记录其判断结果；最后根据记录的判断结果，同时结合判定出的单杠项目类型获取对应的测量结果。通过上述的步骤能智能识别测试者在进行单杠项目时的类型以及相应姿态是否符合预设标准，减少了人工考核时误差较大的问题，精度也更高，而且节约了人力。此外，当测试者的单杠动作不合格时，本发明还可提供交互信息，帮助测试者矫正动作。
在另一个实施例中，请参见图3，在上述实施例的基础上，该方法还包括以下步骤：
步骤S301：在预分解单杠项目的预设规定动作之前，还根据单杠项目确定骨骼姿态中的脚踝关节，根据脚踝关节在连续的帧图像中贯穿划分出辅助姿态判定区域，辅助姿态判定区域用于在连续的帧图像中跟踪脚踝关节；
步骤S302：在调用与当前的主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格的步骤之前，实时检测脚踝关节，调用在辅助姿态判定区域中与脚踝关节对应的预设禁止动作判断当前测试者的脚踝关节的动作是否合规；
步骤S303：若是，则判定当前测试者的骨骼姿态有效，并进一步判定当前测试者的动作是否合格。
步骤S304：若否，则判定当前测试者的骨骼姿态无效，并自测试者恢复手臂伸直动作后继续判定测试者的脚踝关节的动作是否合规。
在单杠项目中，预设禁止动作包括：测试的整个过程中测试者的脚部触碰单杠的立柱，因此，加入对测试者骨骼姿态中的脚踝关节的检测。需要说明的是，脚踝关节包括左脚踝关节和右脚踝关节。辅助姿态判定区域用于在连续的帧图像中跟踪测试者脚踝关节，用于直接判定当前测试者的脚部动作是否犯规，即判断对应的骨骼姿态有效与否。在本实施例中，例如当测试者的脚部触碰立柱时，脚踝关节是与立柱交叠或位于立柱外侧，则测试者的脚踝关节的动作不合规，此时判定当前骨骼姿态无效。需要说明的是，犯规动作不能直接反映测试者当前所处的运动阶段，但用于在单杠项目的全过程中持续检测测试者犯规与否，因此这是一个动态的检测过程，在整个测试过程中进行实时的检测。
本实施例在第一个实施例的基础上增加了脚部是否触碰单杠立柱的动态判断，进一步提高了测试的准确性和规范性，防止在无人值守下的项目测量过程中发生作弊行为。
图4是本发明实施例的单杠项目的考核装置40的结构示意图。如图4所示，该考核装置40包括视频处理模块41、骨骼识别模块42、第一判断模块43、第一划分模块44、第二判断模块45。
视频处理模块41用于实时采集包括测试者和单杠的连续的帧图像。
骨骼识别模块42用于将帧图像输入至AI识别模型，逐帧识别帧图像中的测试者的骨骼姿态，骨骼姿态包括多个关节点以及关节点之间的连线。
第一判断模块43用于根据骨骼姿态判断测试者的双手握持单杆的方向，若双手为正向握持单杆，则判定单杆项目为引体向上类型；若双手为反向握持单杆，则判定单杠项目为曲臂悬垂类型。
第一划分模块44用于预分解单杠项目的预设规定动作，获得包括手臂伸直动作与曲臂悬垂动作的分解动作，根据所有分解动作，在连续的帧图像中贯穿划分出相应的主姿态判定区域。
第二判断模块45用于实时检测骨骼姿态，自测试者开始双手握持单杠时起，根据测试者当前位置交替激活各主姿态判定区域；当骨骼姿态与当前激活的主姿态判定区域交叠时，调用与当前的主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格；若合格，则标记对应的主姿态判定区域并根据各主姿态判定区域之间的标记结果，结合判定出的单杠项目类型获取对应的测量结果；若不合格，则生成包括有当前骨骼姿态与对应的分解动作之间的差异计算结果的交互信息。
在一个可选实施例中，请参见图5，该装置40还包括第二划分模块46和第三判断模块47。
第二划分模块46用于在第一划分模块44预分解单杠项目的预设规定动作之前，还根据单杠项目确定测试者的骨骼姿态中的脚踝关节，根据脚踝关节在连续的帧图像中贯穿划分出辅助姿态判定区域，辅助姿态判定区域用于在连续的帧图像中跟踪脚踝关节。
第三判断模块47用于在第二判断模块45调用与当前的主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格之前，实时检测脚踝关节，调用在辅助姿态判定区域中与脚踝关节对应的预设禁止动作判断当前测试者的脚踝关节的动作是否合规；若是，则判定当前测试者的骨骼姿态有效，并进一步指令第二判断模块45判定当前测试者的动作是否合格；若否，则判定当前测试者的骨骼姿态无效，并自测试者恢复手臂伸直动作后继续判定测试者的脚踝关节的动作是否合规。
关于考核装置40具体限定可以参见上文中对于单杠项目的考核方法的限定，在此不再赘述。上述考核装置40中的各个模块可全部或部分通过软件、硬件及其组合来实现。
以上仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明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，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种单杠项目的考核方法，其特征在于，包括：
实时采集包括测试者和单杠的连续的帧图像；
将所述帧图像输入至AI识别模型，逐帧识别所述帧图像中的测试者的骨骼姿态，所述骨骼姿态包括多个关节点以及所述关节点之间的连线；
根据所述骨骼姿态判断测试者的双手握持单杠的方向，若双手为正向握持单杠，则判定所述单杠项目为引体向上类型；若双手为反向握持单杠，则判定所述单杠项目为曲臂悬垂类型；
预分解所述单杠项目的预设规定动作，获得包括手臂伸直动作与曲臂悬垂动作的分解动作，根据所有所述分解动作在连续的所述帧图像中贯穿划分出相应的主姿态判定区域；
实时检测所述骨骼姿态，自测试者开始双手握持单杠时起，根据测试者当前位置交替激活各所述主姿态判定区域；当所述骨骼姿态与当前激活的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格；
若合格，则标记对应的所述主姿态判定区域并根据各所述主姿态判定区域之间的标记结果，结合判定出的所述单杠项目类型获取对应的测量结果；
若不合格，则生成包括有当前所述骨骼姿态与对应的所述分解动作之间的差异计算结果的交互信息。
2.根据权利要求1所述的单杠项目的考核方法，其特征在于，所述实时采集包括测试者和单杠的连续的帧图像的步骤之前，还包括：
获取多个测试者各自进行所述单杠项目的样本测试图像；
逐帧标注所述样本测试图像中测试者的所述关节点，生成训练样本；
利用所述训练样本进行卷积神经网络训练，得到所述AI识别模型。
3.根据权利要求1所述的单杠项目的考核方法，其特征在于，所述根据所述骨骼姿态判断测试者的双手握持单杠的方向的步骤包括：
面向测试者，根据所述骨骼姿态识别测试者的手指的相对位置；
若测试者的拇指在双手的内侧，则判定测试者的双手为正向握持单杠；
若测试者的拇指在双手的外侧，则判定测试者的双手为反向握持单杠。
4.根据权利要求1所述的单杠项目的考核方法，其特征在于，所述当所述骨骼姿态与当前激活的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格的步骤包括：
当所述骨骼姿态与当前激活的与手臂伸直动作相对应的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断测试者的手臂伸直动作是否合格；
其中，与手臂伸直动作对应的所述骨骼姿态包括左肩关节、左肘关节、左腕关节、右肩关节、右肘关节、右腕关节以及连接所述左肩关节和所述左肘关节的第一连线、连接所述左肘关节和所述左腕关节的第二连线、连接所述右肩关节和所述右肘关节的第三连线、连接所述右肘关节和所述右腕关节的第四连线；判断所述第一连线与所述第二连线之间的夹角，以及所述第三连线与所述第四连线之间的夹角是否均在170°-190°内；若是，则判定测试者的手臂伸直动作合格；若否，则判定测试者的手臂伸直动作不合格。
5.根据权利要求1所述的单杠项目的考核方法，其特征在于，所述当所述骨骼姿态与当前激活的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格的步骤包括：
当所述骨骼姿态与当前激活的与曲臂悬垂动作相对应的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断测试者的曲臂悬垂动作是否合格；
其中，与曲臂悬垂动作对应的所述骨骼姿态包括下颌部，判断所述下颌部的高度是否大于单杠的高度；若是，则判定测试者的曲臂悬垂动作合格；若否，则判定测试者的曲臂悬垂动作不合格。
6.根据权利要求5所述的单杠项目的考核方法，其特征在于，所述当所述骨骼姿态与当前激活的与曲臂悬垂动作相对应的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断测试者的曲臂悬垂动作是否合格的步骤还包括：
与曲臂悬垂动作对应的所述骨骼姿态还包括左肩关节、左髋关节、右肩关节、右髋关节以及连接所述左肩关节与所述左髋关节的第五连线、连接所述左髋关节与所述右髋关节的第六连线、连接所述右髋关节与所述右肩关节的第七连线、连接所述右肩关节与所述左肩关节的第八连线，所述第五连线、第六连线、第七连线和第八连线构成近似矩形；判断所述近似矩形与竖直方向的夹角是否小于预设角度值；若所述近似矩形与竖直方向的夹角小于预设角度值且所述下颌部的高度大于单杠的高度，则判定测试者的曲臂悬垂动作合格；否则判定测试者的曲臂悬垂动作不合格。
7.根据权利要求1所述的单杠项目的考核方法，其特征在于，所述标记对应的所述主姿态判定区域并根据各所述主姿态判定区域之间的标记结果，结合判定出的所述单杠项目类型获取对应的测量结果的步骤包括：
至测量结束前，每当检测到先标记与手臂伸直动作相对应的主姿态判定区域，再接续标记与曲臂悬垂动作相对应的主姿态判定区域时，则判定测试者完成一次所述单杠项目，并对应确定的所述单杠项目的类型累计完成次数一次或测算曲臂垂悬动作合格持续时间。
8.根据权利要求1所述的单杠项目的考核方法，其特征在于，在所述预分解所述单杠项目的预设规定动作之前，还根据所述单杠项目确定所述骨骼姿态中的脚踝关节，根据所述脚踝关节在连续的所述帧图像中贯穿划分出辅助姿态判定区域，所述辅助姿态判定区域用于在所述连续的帧图像中跟踪所述脚踝关节；
所述调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格的步骤之前，还包括：
实时检测所述脚踝关节，调用在所述辅助姿态判定区域中与所述脚踝关节对应的预设禁止动作判断当前测试者的所述脚踝关节的动作是否合规；
若是，则判定当前所述骨骼姿态有效，并进一步判定当前测试者的动作是否合格；
若否，则判定当前所述骨骼姿态无效，并自测试者恢复手臂伸直动作后继续判定测试者的所述脚踝关节的动作是否合规。
9.一种单杠项目的考核装置，其特征在于，包括：
视频处理模块，用于实时采集包括测试者和单杠的连续的帧图像；
骨骼识别模块，用于将所述帧图像输入至AI识别模型，逐帧识别所述帧图像中的测试者的骨骼姿态，所述骨骼姿态包括多个关节点以及所述关节点之间的连线；
第一判断模块，用于根据所述骨骼姿态判断测试者的双手握持单杠的方向，若双手为正向握持单杠，则判定所述单杠项目为引体向上类型；若双手为反向握持单杠，则判定所述单杠项目为曲臂悬垂类型；
第一划分模块，用于预分解所述单杠项目的预设规定动作，获得包括手臂伸直动作与曲臂悬垂动作的分解动作，根据所有所述分解动作在连续的所述帧图像中贯穿划分出相应的主姿态判定区域；
第二判断模块，用于实时检测所述骨骼姿态，自测试者开始双手握持单杠时起，根据测试者当前位置交替激活各所述主姿态判定区域；当所述骨骼姿态与当前激活的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格；若合格，则标记对应的所述主姿态判定区域并根据各所述主姿态判定区域之间的标记结果，结合判定出的所述单杠项目类型获取对应的测量结果；若不合格，则生成包括有当前所述骨骼姿态与对应的所述分解动作之间的差异计算结果的交互信息。
10.根据权利要求9所述的单杠项目的考核装置，其特征在于，所述考核装置还包括：
第二划分模块，用于在所述第一划分模块预分解所述单杠项目的预设规定动作之前，还根据所述单杠项目确定所述骨骼姿态中的脚踝关节，根据所述脚踝关节在连续的所述帧图像中贯穿划分出辅助姿态判定区域，所述辅助姿态判定区域用于在所述连续的帧图像中跟踪所述脚踝关节；
第三判断模块，用于在所述第二判断模块调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格之前，实时检测所述脚踝关节，调用在所述辅助姿态判定区域中与所述脚踝关节对应的预设禁止动作判断当前测试者的所述脚踝关节的动作是否合规；若是，则判定当前所述骨骼姿态有效，并进一步指令所述第二判断模块判定当前测试者的动作是否合格；若否，则判定当前所述骨骼姿态无效，并自测试者恢复手臂伸直动作后继续判定测试者的所述脚踝关节的动作是否合规。
CN202210535538.7A 2022-05-17 2022-05-17 一种单杠项目的考核方法及其实现装置 Active CN115068919B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210535538.7A CN115068919B (zh) 2022-05-17 2022-05-17 一种单杠项目的考核方法及其实现装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210535538.7A CN115068919B (zh) 2022-05-17 2022-05-17 一种单杠项目的考核方法及其实现装置

Publications (2)

Publication Number Publication Date
CN115068919A true CN115068919A (zh) 2022-09-20
CN115068919B CN115068919B (zh) 2023-11-14

Family

ID=83247550

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210535538.7A Active CN115068919B (zh) 2022-05-17 2022-05-17 一种单杠项目的考核方法及其实现装置

Country Status (1)

Country Link
CN (1) CN115068919B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116563951A (zh) * 2023-07-07 2023-08-08 东莞先知大数据有限公司 一种单杠悬挂动作规范确定方法、装置、设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111282248A (zh) * 2020-05-12 2020-06-16 西南交通大学 一种基于骨骼和人脸关键点的引体向上检测系统及方法
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
CN111898571A (zh) * 2020-08-05 2020-11-06 北京华捷艾米科技有限公司 动作识别系统及方法
WO2021184619A1 (zh) * 2020-03-19 2021-09-23 南京未艾信息科技有限公司 一种人体运动姿态识别评价方法及其系统
CN114140722A (zh) * 2021-12-01 2022-03-04 中科海微(北京)科技有限公司 引体向上运动的评估方法、装置、服务器及存储介质
CN114343618A (zh) * 2021-12-20 2022-04-15 中科视语(北京)科技有限公司 训练动作检测方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021184619A1 (zh) * 2020-03-19 2021-09-23 南京未艾信息科技有限公司 一种人体运动姿态识别评价方法及其系统
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
CN111282248A (zh) * 2020-05-12 2020-06-16 西南交通大学 一种基于骨骼和人脸关键点的引体向上检测系统及方法
CN111898571A (zh) * 2020-08-05 2020-11-06 北京华捷艾米科技有限公司 动作识别系统及方法
CN114140722A (zh) * 2021-12-01 2022-03-04 中科海微(北京)科技有限公司 引体向上运动的评估方法、装置、服务器及存储介质
CN114343618A (zh) * 2021-12-20 2022-04-15 中科视语(北京)科技有限公司 训练动作检测方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116563951A (zh) * 2023-07-07 2023-08-08 东莞先知大数据有限公司 一种单杠悬挂动作规范确定方法、装置、设备和存储介质
CN116563951B (zh) * 2023-07-07 2023-09-26 东莞先知大数据有限公司 一种单杠悬挂动作规范确定方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN115068919B (zh) 2023-11-14

Similar Documents

Publication Publication Date Title
CN111368810B (zh) 基于人体及骨骼关键点识别的仰卧起坐检测系统及方法
CN109557099B (zh) 检查装置以及检查系统
CN108256433B (zh) 一种运动姿态评估方法及系统
CN111437583B (zh) 一种基于Kinect的羽毛球基本动作辅助训练系统
CN111282248A (zh) 一种基于骨骼和人脸关键点的引体向上检测系统及方法
CN104537670B (zh) 一种柔韧性测试方法及系统
JP2000251078A (ja) 人物の３次元姿勢推定方法および装置ならびに人物の肘の位置推定方法および装置
KR20130031469A (ko) 3차원 모션 추적을 이용한 에너지 소비 계산장치 및 방법
CN111012353A (zh) 一种基于人脸关键点识别的身高检测方法
CN115068919A (zh) 一种单杠项目的考核方法及其实现装置
CN113139962B (zh) 用于脊柱侧凸概率评估的系统和方法
CN112000227A (zh) 一种工作状态监测反馈系统
CN113255622B (zh) 一种智能识别仰卧起坐动作姿态完成状况的系统和方法
CN115116125A (zh) 一种俯卧撑的考核方法及其实现装置
CN110991292A (zh) 动作识别比对方法、系统、计算机存储介质和电子装置
JPH0326281A (ja) 動作診断装置
CN113221815A (zh) 一种基于骨骼关键点自动检测技术的步态鉴定方法
CN116740618A (zh) 一种运动视频动作评估方法、系统、计算机设备及介质
CN113255623A (zh) 一种智能识别俯卧撑动作姿态完成状况的系统和方法
CN117333932A (zh) 基于机器视觉识别肌少症的方法、装备、设备以及介质
JP2005091085A (ja) 非接触型関節角度計測システム
CN115116126A (zh) 仰卧起坐的考核方法及其实现装置
CN115690895A (zh) 基于人体骨骼点检测的多人运动检测方法及装置
CN114264239A (zh) 一种运动平台激光校准系统
Karunaratne et al. Objectively measure player performance on olympic weightlifting

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
GR01 Patent grant
GR01 Patent grant