CN115170603A - 基于跑步机的步幅检测方法、装置、跑步机及存储介质 - Google Patents
基于跑步机的步幅检测方法、装置、跑步机及存储介质 Download PDFInfo
- Publication number
- CN115170603A CN115170603A CN202110368805.1A CN202110368805A CN115170603A CN 115170603 A CN115170603 A CN 115170603A CN 202110368805 A CN202110368805 A CN 202110368805A CN 115170603 A CN115170603 A CN 115170603A
- Authority
- CN
- China
- Prior art keywords
- foot
- stride
- camera
- horizontal distance
- pixel coordinate
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 claims abstract description 146
- 230000008569 process Effects 0.000 claims abstract description 130
- 238000005096 rolling process Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims description 48
- 230000015654 memory Effects 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 210000002683 foot Anatomy 0.000 description 417
- 230000006870 function Effects 0.000 description 16
- 238000013507 mapping Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 239000002609 medium Substances 0.000 description 13
- 238000000605 extraction Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 210000003423 ankle Anatomy 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000001953 sensory effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001981 hip bone Anatomy 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30221—Sports video; Sports image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请实施例公开了基于跑步机的步幅检测方法、装置、跑步机及存储介质。本申请实施例提供的技术方案,通过实时获取相机拍摄的跑步视频,基于骨架关键点检测,确定左右脚触地过程在所述跑步视频的视频图像中对应的脚部关键点;确定脚部关键点在对应的视频图像中的像素坐标高度,根据像素坐标高度、相机高度和相机参数,计算左右脚触地过程中脚部关键点与相机的第一水平距离和第二水平距离;基于第一水平距离、第二水平距离以及跑带滚动距离计算对应的步幅参数,并输出步幅参数。采用上述技术手段,可以实现基于跑步视频图像的步幅参数检测,避免检测设备给用户带来额外的负担,优化用户的跑步运动体验,提升步幅检测的精确度。
Description
技术领域
本申请实施例涉及计算机视觉技术领域,尤其涉及基于跑步机的步幅检测方法、装置、跑步机及存储介质。
背景技术
随着跑步运动越来越流行,跑步机已然成为越来越多人的便利选择。同时,跑步机所能提供的多元化功能也成为了人们选择跑步机产品的重要权衡点。目前,为了在跑步时给用户提供更丰富的功能体验,市面上有一些针对用户跑步姿态提供分析信息的智能穿戴运动设备,如智能跑鞋、跑步精灵等。用户在使用跑步机的同时,通过佩戴这些智能穿戴运动设备进行跑步运动,利用智能穿戴运动设备采集相关的传感数据,进而得到用户的跑步步幅等姿态分析信息。
但是,由于跑步过程中用户跑步状态多变(如触地、腾空),仅仅依靠传感数据确定的跑步步幅参数精确度偏低。并且,佩戴智能穿戴运动设备势必会增加用户跑步运动过程中额外的负担,导致整个跑步运动过程多有不便,影响用户的跑步体验。
发明内容
本申请实施例提供基于跑步机的步幅检测方法、装置、跑步机及存储介质,能够适应用户的不同跑步状态进行步幅参数的精准检测,解决步幅检测的精准度问题。并在不增加用户负担的同时对用户跑步步幅进行实时检测,解决用户跑步过程中的跑步步幅检测繁琐不便的技术问题。
在第一方面,本申请实施例提供了一种基于跑步机的步幅检测方法,包括:
实时获取相机拍摄的跑步视频,基于骨架关键点检测,确定左右脚触地过程在所述跑步视频的视频图像中对应的脚部关键点;
确定所述脚部关键点在对应的所述视频图像中的像素坐标高度,根据所述像素坐标高度、相机高度和相机参数,计算左右脚触地过程中所述脚部关键点与相机的第一水平距离和第二水平距离;
基于所述第一水平距离、所述第二水平距离以及跑带滚动距离计算对应的步幅参数,并输出所述步幅参数。
在第二方面,本申请实施例提供了一种基于跑步机的步幅检测装置,包括:
检测模块,用于实时获取相机拍摄的跑步视频,基于骨架关键点检测,确定左右脚触地过程在所述跑步视频的视频图像中对应的脚部关键点;
计算模块,用于确定所述脚部关键点在对应的所述视频图像中的像素坐标高度,根据所述像素坐标高度、相机高度和相机参数,计算左右脚触地过程中所述脚部关键点与相机的第一水平距离和第二水平距离;
输出模块,用于基于所述第一水平距离、所述第二水平距离以及跑带滚动距离计算对应的步幅参数,并输出所述步幅参数。
在第三方面,本申请实施例提供了一种跑步机,包括:
存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的基于跑步机的步幅检测方法。
在第四方面,本申请实施例提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的基于跑步机的步幅检测方法。
本申请实施例通过实时获取相机拍摄的跑步视频,基于骨架关键点检测,确定左右脚触地过程在跑步视频的视频图像中对应的脚部关键点;确定脚部关键点在对应的视频图像中的像素坐标高度,根据像素坐标高度、相机高度和相机参数,计算左右脚触地过程中脚部关键点与相机的第一水平距离和第二水平距离;基于第一水平距离、第二水平距离以及跑带滚动距离计算对应的步幅参数,并输出步幅参数。采用上述技术手段,通过确定左右脚触地过程中对应视频图像的脚步关键点,基于脚步关键点与相机的水平距离并结合跑带滚动距离进行步幅参数计算,可以实现基于跑步视频图像的步幅参数检测,以此可适应不同跑步状态下步幅参数的精准计算,提升步幅计算的精确度。并避免检测设备给用户带来额外的负担,优化用户的跑步运动体验。
并且,本申请实施例通过确定左右脚触地过程的脚部关键点计算步幅参数,可以确保骨架关键点的精准检测,避免脚部关键点受遮挡影响导致检测误差的情况,使步幅参数的计算更加精确;通过从跑步视频中选取左右脚触地过程的脚部关键点进行步幅参数计算,可以减少关键点的选取数量,进而减少步幅参数的计算量,提升步幅检测效率。另一方面,通过从跑步视频中选取左右脚触地过程的脚部关键点进行步幅参数计算,还可以确保脚部关键点的快速提取,减少跑步视频录制延迟造成的误差影响,更进一步提升步幅参数计算的精确度。
此外,本申请实施例通过脚步关键点检测结合左右脚触地过程曲线进行步幅检测,可以进一步实现步幅参数的精准计算,提供更精确、高效的步幅计算结果。
附图说明
图1是本申请实施例一提供的一种基于跑步机的步幅检测方法的流程图;
图2是本申请实施例一中的跑步视频拍摄示意图;
图3是本申请实施例一中第一水平距离和第二水平距离的计算流程图;
图4是本申请实施例一中的左脚触地过程曲线示意图;
图5是本申请实施例一中的右脚触地过程曲线示意图;
图6是本申请实施例一中的脚部关键点与相机的水平距离示意图;
图7是本申请实施例一中的步幅距离示意图;
图8是本申请实施例二提供的一种基于跑步机的步幅检测装置的结构示意图;
图9是本申请实施例三提供的一种跑步机的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
本申请提供的基于跑步机的步幅检测方法,旨在用户使用跑步机进行跑步运动时,通过相机拍摄用户的跑步视频,进而基于脚部关键点检测计算对应的跑步步幅参数,以此来适应不同跑步状态下步幅参数的精准计算,提升步幅计算的精确度。避免检测设备给用户带来额外的负担,并避免传感设备检测导致步幅检测精确度低的情况,优化用户跑步运动体验的同时提供更精确的步幅检测结果。而对于传统的跑步机,为了对用户进行步幅检测,需要用户佩戴相应的智能穿戴运动设备进行步幅参数的检测及分析。由于智能穿戴运动设备要进行步幅参数检测,其势必需要集成大量的传感设备,使得智能穿戴运动设备过于繁重。用户佩戴这类智能穿戴运动设备进行跑步运动时,无疑会给跑步运动带来阻碍,增加用户跑步运动的负担,进而影响用户的跑步体验。并且,传感设备进行步幅检测时,难以适应用户不同的跑步状态检测步幅参数。其在跑速较快的情况下,受跑步腾空状态的影响,检测到的步幅误差较大。基于此,提供本申请实施例的基于跑步机的步幅检测方法,以解决用户跑步过程中的跑步步幅检测繁琐不便及误差的技术问题,并避免用户跑步过程中额外的负担。
实施例一:
图1给出了本申请实施例一提供的一种基于跑步机的步幅检测方法的流程图,本实施例中提供的基于跑步机的步幅检测方法可以由基于跑步机的步幅检测设备执行,该基于跑步机的步幅检测设备可以通过软件和/或硬件的方式实现,该基于跑步机的步幅检测设备可以是两个或多个物理实体构成,也可以是一个物理实体构成。一般而言,该基于跑步机的步幅检测设备可以是跑步机等带有处理器的计算设备。
下述以跑步机为执行基于跑步机的步幅检测方法的主体为例,进行描述。参照图1,该基于跑步机的步幅检测方法具体包括:
S110、实时获取相机拍摄的跑步视频,基于骨架关键点检测,确定左右脚触地过程在所述跑步视频的视频图像中对应的脚部关键点。
具体的,本申请实施例基于计算机视觉技术,通过采集用户跑步视频图像,基于各帧视频图像进行检测分析计算,进而得到对应用户的步幅参数。其中,通过相机实时拍摄用户的跑步视频,跑步机通过获取当前设定时间段的跑步视频,进而基于跑步视频中的各帧视频图像进行骨架关键点检测,确定用户脚部关键点在各帧视频图像上的位置。可以理解的是,通过用户脚部关键点在各帧视频图像上的位置变化,即可确定用户跑步过程中的脚部触地情况,以此来实现本申请实施例基于跑步视频的步幅参数计算。
示例性的,参照图2,提供本申请实施例的跑步视频拍摄示意图。如图2所示,相机11设置在跑步机上,以面向用户12正面的视角进行跑步视频的拍摄。当用户启动跑步机进行跑步运动时,相机同步进行用户跑步视频的拍摄。跑步机预先设置好跑步视频的提取周期,根据提取周期,每隔一个设定时间段(如10S)相机就上传一次对应时段的跑步视频,以用于当前时刻用户的步幅参数计算。
进一步的,相机在进行跑步视频拍摄时,一般只捕捉用户跑步时的下半身视频图像(即涵盖从髋骨、膝盖、脚踝、最后到脚尖的人体下半身视频图像),跑步机通过实施获取相机拍摄到的对应时段的跑步视频,基于这一跑步视频,调用底层骨架关键点提取算法,逐帧视频图像进行人体骨架关键点检测,从中确定脚部关键点。具体的,骨架关键点提取算法通过骨架关键点检测得到下半身关键点热力图,进一步解码关键点热力图,获得关键点像素坐标信息。
具体的,本申请实施例的关键点热力图解码方法采用波峰取点法,对每张关键点热力图,首先计算获取其高斯点的峰值,则该峰值所在的坐标,即为该热力图对应关键点在原图中的像素坐标。而对于热力图中存在多个高斯点峰值的情况,则首先遍历获得最大的峰值点,并保存与该最高峰值的高斯点存在交叠的第二高峰值的高斯点。进一步地,通过计算最高峰值的坐标与交叠峰值的坐标之间的距离,借助交叠峰值的坐标对最高峰值的坐标进行微调,以此获得最终的关键点坐标。需要说明的是,现有技术基于图像检测人体骨架关键点的技术手段有很多,本申请实施例对具体的检测算法不做固定限制,在此不多赘述。
更具体的,本申请实施例在基于骨架关键点检测确定左右脚触地过程中所述跑步视频对应视频图像的脚部关键点时,基于骨架关键点检测从所述跑步视频中选取左右脚触地过程对应的所述视频图像,并从所述视频图像中确定脚部关键点的像素坐标。其中,触地过程即为用户脚部从刚刚开始触地到准备离地的过程。由于用户在跑带上进行跑步运动,则跑步视频图像上,用户脚部能够达到的最低点即为跑带的位置。基于此,通过视频图像检测,当确定视频图像上用户脚部的最低点的像素坐标高度等于跑带的像素坐标高度时,则认为当前用户脚部触地;当检测到用户脚部所有像素点的像素坐标高度均低于跑带的像素坐标高度时,则认为当前用户的脚部离地。基于上述检测原理,即可确定当前跑步视频中,用户脚部触地的各个时间段,进而从跑步视频中抽取各个时间段对应数量帧的视频图像,进而对视频图像进行人体骨架关键点检测,并从检测到的关键点中选取脚部关键点的像素坐标进行跑步姿态参数的计算。
上述,通过确定左右脚触地过程的脚部关键点计算步幅参数,可以确保骨架关键点的精准检测,避免脚部关键点受遮挡影响导致检测误差的情况,使步幅参数的计算更加精确;通过从跑步视频中选取左右脚触地过程的脚部关键点进行步幅参数计算,可以减少关键点的选取数量,进而减少步幅参数的计算量,提升步幅检测效率。另一方面,通过从跑步视频中选取左右脚触地过程的脚部关键点进行步幅参数计算,还可以确保脚部关键点的快速提取,减少跑步视频录制延迟造成的误差影响,更进一步提升步幅参数计算的精确度。
需要说明的是,基于上述脚部关键点检测,可以确定各帧视频图像上对应脚部关键点的像素坐标,脚部关键点包括对应左右脚的两个或者两组脚部关键点。可以理解的是,每一帧视频图像均包含对应的时间点信息,则根据该像素坐标的坐标高度,可以确定用户脚部在对应时间点的高度位置。即各个像素坐标中的“y”值表示脚部关键点的像素坐标高度,像素坐标系中,对应纵轴的“y”值越大,则用户脚部关键点的位置越低,其越接近跑步机的跑带。
S120、确定所述脚部关键点在对应的所述视频图像中的像素坐标高度,根据所述像素坐标高度、相机高度和相机参数,计算左右脚触地过程中所述脚部关键点与相机的第一水平距离和第二水平距离。
进一步的,基于上述步骤S110确定的脚部关键点,本申请实施例根据脚部关键点在各帧视频图像的像素坐标,确定各个像素坐标的“y”值,即像素坐标高度。可以理解的是,像素坐标高度在各帧视频图像均有一个对应的时间点信息,则通过确定左右脚触地过程中,其脚部关键点在对应视频图像的时间点和像素坐标高度,即可使用该像素坐标高度计算左右脚触地过程中脚部关键点与相机的第一水平距离和第二水平距离。
具体的,在计算第一水平距离和第二水平距离时,对应一次左右脚轮换过程,确定右脚终止触地时对应右脚的所述脚部关键点的第一像素坐标高度,根据所述第一像素坐标高度、所述相机高度和所述相机参数计算所述第一水平距离,并确定左脚初始触地时对应左脚的所述脚部关键点的第二像素坐标高度,根据所述第二像素坐标高度、所述相机高度和所述相机参数计算所述第二水平距离;或者,对应一次左右脚轮换过程,确定左脚终止触地时对应左脚的所述脚部关键点的第三像素坐标高度,根据所述第三像素坐标高度、所述相机高度和所述相机参数计算所述第一水平距离,确定右脚初始触地时对应右脚的所述脚部关键点的第四像素坐标高度,根据所述第四像素坐标高度、所述相机高度和所述相机参数计算所述第二水平距离。
本申请实施在计算步幅参数时,以用户在使用跑步机过程中,前脚结束触地到后脚刚刚触地这一过程前后脚脚部关键点的距离作为步幅距离。则需要对应右脚结束触地到左脚初始触地,或者左脚结束触地到右脚初始触地的过程进行步幅计算。本申请实施例中,所述相机参数包括像素中心点和相机焦距,相机高度则表示相机与跑带之间的垂直距离。基于上述像素中心点、相机焦距和相机高度,结合右脚结束触地和左脚初始触地,或者左脚结束触地和右脚初始触地时左右脚脚部关键点的两个像素坐标高度,即可根据几何原理计算出对应脚部关键点与相机的第一水平距离和第二水平距离。
可选的,在根据人体骨架关键点检测确定脚部关键点之后,本申请实施例根据脚部关键点在各帧视频图像的像素坐标,确定各个像素坐标的“y”值,即像素坐标高度。可以理解的是,像素坐标高度在各帧视频图像均有一个对应的时间点信息,则通过确定左右脚触地过程中,其脚部关键点在一定数量帧视频图像对应的时间点和像素坐标高度,即可生成相应的映射关系。具体的,由于本申请实施例选取左脚和/或右脚触地过程对应的视频图像,并从中确定脚部关键点。则对应的,本申请实施例在构建映射关系时,包括:对应左脚的所述脚部关键点的所述像素坐标高度,与所述视频图像对应的时间点生成第一映射关系;对应右脚的所述脚部关键点的所述像素坐标高度,与所述视频图像对应的时间点生成第二映射关系。
通过分别对应左脚和右脚的触地过程构建相应的映射关系,可以分别确定左右脚触地过程中左脚脚部关键点和右脚脚部关键点的像素坐标高度与对应时间点的映射关系,以此可便于后续分别对应左右脚进行第一水平距离和第二水平距离的计算。需要说明的是,本申请实施例的映射关系可以是信息序列、函数曲线等形式。本申请对该映射关系的具体形式不做固定限制,在此不多赘述。
进一步的,本申请实施例以函数曲线为例对该映射关系进行描述。为了便于确定左右脚初始触地和结束触地时脚部关键点的像素坐标高度,本申请实施例通过对应左右脚触地过程构建左右脚触地过程曲线,基于该曲线即可高效选择相应的像素坐标高度进行第一水平距离和第二水平距离的计算。具体的,参照图3,基于左右脚触地过程曲线的第一水平距离和第二水平距离的计算流程包括:
S1201、根据所述像素坐标高度以及所述视频图像对应的时间点,生成所述像素坐标高度与对应时间点之间的左脚触地过程曲线和右脚触地过程曲线;
S1202、确定所述左脚触地过程曲线和所述右脚触地过程曲线的波峰信息和波谷信息;
S1203、基于所述波峰信息、所述波谷信息、所述相机高度和所述相机参数,计算左右脚触地过程中所述脚部关键点与相机的第一水平距离和第二水平距离。
进一步的,由于该映射关系包括对应左脚关键点的第一映射关系和对应右脚关键点的第二映射关系,则在以函数曲线表示所述映射关系时,将该第一映射关系表示为左脚触地过程曲线,第二映射关系表示为右脚触地过程曲线。
可以理解的是,本申请实施例在构建左脚触地过程曲线和右脚触地过程曲线时,只选用左右脚触地过程中的对应脚部关键点像素坐标高度进行函数曲线的构建。其中,通过确定当前跑步视频中,用户脚部触地的各个时间段,进而在各个时间段对应的视频图像中确定脚部关键点的像素坐标高度及对应的时间点,以此即可进行左右脚触地过程曲线的构建。
在一个实施例中,左右脚的触地过程还可以通过设置于跑带上的传感设备配合检测到。其中,对应左右脚在跑带上设置压力传感设备,压力传感设备实时检测跑带上的压力信息。当压力传感设备检测到当前压力瞬时值大于初始值(即未承压状态的检测值)时,表明当前用户的脚部与跑带接触,当压力传感设备检测到当前压力瞬时值恢复为初始值时,则表明当前用户的脚部离开跑带。基于上述检测原理,即可确定用户左右脚触地(即接触跑带)的时间段。结合这一时间段和跑步视频,即可确定用户左右脚触地过程的视频图像。进而从这部分视频图像中确定脚部关键点的像素坐标高度,结合对应的时间点信息,即可进行左右脚触地过程曲线的构建。
进一步的,参照图4,以每帧图像左脚脚部关键点的像素坐标高度作为函数曲线上y轴的值,其对应的时间点作为函数曲线上x轴的值,以此即可得到如图4所示的左脚触地过程曲线。同样的,如图5所示,以每帧图像右脚脚部关键点的像素坐标高度作为函数曲线上y轴的值,其对应的时间点作为函数曲线上x轴的值,以此即可得到如图5所示的右脚触地过程曲线。可以理解的是,在像素坐标系中,y轴的值越大,表明当前脚部关键点越低,即越靠近跑带。根据跑步过程中,脚部从刚刚触地到准备离开跑带的整个触地过程,可以确定脚部刚刚触地时,其脚部关键点的位置应当在图像像素中的最低点(即y值最大),其像素坐标高度应当与左右脚触地过程曲线上的波峰对应。同样的,当脚部准备离开跑带时,其脚部关键点的位置应当在图像像素中的最高点(即y值最小),其像素坐标高度应当与左右脚触地过程曲线上的波谷对应。
示例性的,在进行左右脚触地过程曲线构建时,通过确定提取左右脚触地过程中的脚部关键点坐标和对应的时间点,构建脚部关键点的像素坐标序列。其中,根据跑步视频时长,将对应时间长度的像素坐标序列按照左右脚进行划分,得到对应左右脚部关键点的像素坐标序列。进而从像素坐标序列中,记录每个时间点下的脚部关键点的像素坐标高度,作为函数曲线y轴的坐标值(y轴即图像像素坐标系的纵轴),以此即可得到对应左脚脚部关键点的左脚触地过程曲线和对应右脚脚部关键点的右脚触地过程曲线。
进一步的,基于该左右脚触地过程曲线,确定左脚触地过程曲线和右脚触地过程曲线的波峰信息和波谷信息。由于波峰信息标识了脚部刚刚接触跑带时(即初始触地),其脚部关键点的像素坐标高度,波谷信息标识了脚部准备离开跑带时(即结束触地),其脚部关键点的像素坐标高度。则根据这一曲线特性,可以确定每一段波峰到波谷的曲线即表示对应的脚部触地过程,依此即可通过对齐左脚触地过程曲线和右脚触地过程曲线,提取对应的波峰信息和波谷信息计算该第一水平距离和第二水平距离。本申请实施例通过脚步关键点检测结合左右脚触地过程曲线进行步幅检测,可以进一步实现步幅参数的精准计算,提供更精确、高效的步幅计算结果。
对应的,基于上述波峰和波谷信息,所述第一水平距离和所述第二水平距离的计算公式为:
其中,h为相机高度的归一化参数,cy为像素中心点的归一化参数,fy为相机焦距的归一化参数,ytrough-r为所述第一像素坐标高度(即右脚触地过程曲线的波谷)的归一化参数,ztrough-r为右脚终止触地时,对应右脚的所述脚部关键点与相机的所述第一水平距离,ypeak-l为所述第二像素坐标高度(即左脚触地过程曲线的波峰)的归一化参数,zpeak-l为左脚初始触地时,对应左脚的所述脚部关键点与相机的所述第二水平距离;ytrough-l为所述第三像素坐标高度(即左脚触地过程曲线的波谷)的归一化参数,ztrough-l为左脚终止触地时,对应左脚的所述脚部关键点与相机的所述第一水平距离,ypeak-r为所述第四像素坐标高度(即右脚触地过程曲线的波峰)的归一化参数,zpeak-r为右脚初始触地时,对应右脚的所述脚部关键点与相机的所述第二水平距离。
需要说明的是,如图6所示,以o为相机位置,z为脚部关键点与相机的水平距离,h为相机与跑带的垂直距离,即相机高度,cy为像素中心点,fy为相机焦距,y为左脚触地或者右脚触地时,脚部关键点对应初始触地或者结束触地的像素坐标高度,则基于坐标系转换,可以得到几何关系公式:
对应的,基于上述几何关系公式,即可求得结束触地和初始触地时,脚部关键点与相机的水平距离,即该第一水平距离和第二水平距离。
在一个实施例中,跑步机确定所述脚部关键点在对应的所述视频图像中的像素坐标高度时,通过确定所述视频图像的一个所述脚部关键点,从所述脚部关键点的像素坐标中确定对应的像素坐标高度;或者,确定所述视频图像的多个所述脚部关键点,计算多个所述脚部关键点的像素坐标高度均值作为对应的像素坐标高度。可以理解的是,在检测确定用户的脚部关键点时,其脚部关键点的数量可以是一个(如脚踝),也可以是多个(如脚踝、脚背、脚尖等),根据实际的脚部关键点检测需求,若只检测一个脚部关键点,则直接根据检测到的脚部关键点的像素坐标确定像素坐标高度。若检测到多个脚部关键点,则根据各个脚部关键点的像素坐标高度值求取均值,以该均值作为构建左右脚触地过程曲线的像素坐标高度值。通过适应性确定像素坐标高度值,可以实现更精确的步幅参数计算。
S130、基于所述第一水平距离、所述第二水平距离以及跑带滚动距离计算对应的步幅参数,并输出所述步幅参数。
最终,根据上述步骤S120计算得到的第一水平距离和第二水平距离,结合前脚结束触地到后脚刚刚触地时的跑带滚动距离,即可计算对应的步幅参数。
其中,所述步幅参数的计算公式为:
其中,li表示第i次左右脚轮换过程中,从右脚终止触地到左脚初始触地,或者从左脚终止触地到右脚初始触地时的跑带滚动距离,zi trough-zi peak+li表示第i次左右脚轮换过程中,从右脚终止触地到左脚初始触地,或者从左脚终止触地到右脚初始触地的步幅距离,N表示所述跑步视频的左右脚轮换次数,为所述步幅参数。其中,左右脚轮换即表示当前跑步视频中,一只脚准备离地到另一只脚刚刚触地的过程,通过统计上述过程在跑步视频的出现次数,即可得到该左右脚轮换次数。示例性的,基于上述左脚触地过程曲线和右脚触地过程曲线,首先根据时间点信息将曲线对齐,进而在左脚触地过程曲线和右脚触地过程曲线中,以曲线的一次波峰到波谷的过程作为一次触地过程。则在对齐左脚触地过程曲线和右脚触地过程曲线之后,以曲线中前一个波峰-波谷和后一个波峰-波谷之间的过程作为一次左右脚的轮换,以此即可统计得到该跑步视频中左右脚轮换的次数。
如图7所示,对应左右脚不同时触地的情况,在一次左右脚轮换过程中,左脚结束触地时,左脚脚部关键点A1位置与相机的水平距离为ztrough-l,左右脚轮换后,右脚初始触地时,右脚脚部关键点B位置与相机的水平距离为zpeak-r,此前检测到的左脚脚部关键点的位置后移到A2,A1与A2的距离即为跑带滚动距离li。则根据如图7所示的几何关系,可以确定当前左右脚轮换过程的步幅距离zi为zi trough-l-zi peak-r+li。进一步的,通过确定每一次左右脚轮换的步幅距离。最终基于每一次左右脚轮换的步幅距离求取均值,即可得到上述步幅参数。
可以理解的是,上述步幅计算公式可以左右脚不同时触地的情况进行步幅参数的计算,也可以对应左右脚同时触地的情况进行步幅参数的计算。由于左右脚同时触地时,第一水平距离和第二水平距离基于同一张视频图像确定,此时跑带滚动距离为0,则此时通过确定每一次左右脚轮换过程的第一水平距离和第二水平距离,即可计算得到该步幅参数。
可以理解的是,若用户跑速较低,跑步过程中存在左右脚同时触地的情况,此时跑带滚动距离为0,则可以通过每次右脚终止触地同时左脚初始触地的步幅距离,或者左脚终止触地同时右脚初始触地的步幅距离计算步幅参数。而若用户跑速相对较快,跑步过程中不存在左右脚同时触地的情况,则在计算步幅参数时,不仅仅要考虑上述第一水平距离和第二水平距离,还需要考虑跑带的滚动距离。
可选的,对应左右脚同时触地的情况,所述步幅参数的计算公式可以表示为:
其中,zt-i trough-zt-i peak表示第i次左右脚轮换过程中,对应右脚终止触地同时左脚初始触地的步幅距离,或者左脚终止触地同时右脚初始触地的步幅距离,zt-i trough-r为对应右脚终止触地同时左脚初始触地的所述第一水平距离,zt-i peak-l为对应右脚终止触地同时左脚初始触地的所述第二水平距离,zt-i trough-l为对应左脚终止触地同时右脚初始触地的所述第一水平距离,zt-i peak-r为对应左脚终止触地同时右脚初始触地的所述第二水平距离,N表示所述跑步视频的左右脚轮换次数,为所述步幅参数。
通过确定右脚刚刚准备抬起,左脚刚刚触地,或者左脚准备抬起,右脚刚刚触地时脚部关键点与摄像头的水平距离,两者作差即为一次左右脚轮换的步幅距离。最终基于每一次左右脚轮换的步幅距离求取均值,即可得到上述步幅参数。可以理解的是,在进行步幅参数计算时,通过对齐左右脚触地过程曲线,若确定左右脚存在同时触地的情况(即一个触地过程曲线的波峰与另一触地过程曲线的波谷对应同一时间点),则此时跑带滚动距离为0,可以直接基于上述公式计算步幅参数,以此可以实现步幅参数的高效计算,提升步幅检测效率。
最终,基于上述计算得到的步幅参数,将其输出至跑步机的显示屏上进行显示。此时用户基于上述显示的步幅参数,即可直观地了解到自身的跑步步幅,并在步幅出现过大或者过小时及时调整步幅,以实现更好的跑步体验。
上述,通过实时获取相机拍摄的跑步视频,基于骨架关键点检测,确定左右脚触地过程在跑步视频的视频图像中对应的脚部关键点;确定脚部关键点在对应的视频图像中的像素坐标高度,根据像素坐标高度、相机高度和相机参数,计算左右脚触地过程中脚部关键点与相机的第一水平距离和第二水平距离;基于第一水平距离、第二水平距离以及跑带滚动距离计算对应的步幅参数,并输出步幅参数。采用上述技术手段,通过确定左右脚触地过程中对应视频图像的脚步关键点,基于脚步关键点与相机的水平距离并结合跑带滚动距离进行步幅参数计算,可以实现基于跑步视频图像的步幅参数检测,以此可适应不同跑步状态下步幅参数的精准计算,提升步幅计算的精确度。并避免检测设备给用户带来额外的负担,优化用户的跑步运动体验。
在一个实施例中,跑步机在输出显示步幅参数之后,还将所述步幅参数比对预设定的步幅标准区间,输出对应的步幅分析结果。可以理解的是,当用户跑步步幅超出步幅标准区间时,表明用户当前以错误的步幅进行跑步运动。此时为了引导用户进行健康的跑步运动,跑步机提示用户调整步幅,以此来提供更好的跑步体验。
实施例二:
在上述实施例的基础上,图8为本申请实施例二提供的一种基于跑步机的步幅检测装置的结构示意图。参考图8,本实施例提供的基于跑步机的步幅检测装置具体包括:检测模块21、计算模块22和输出模块23。
其中,检测模块21用于实时获取相机拍摄的跑步视频,基于骨架关键点检测,确定左右脚触地过程在所述跑步视频的视频图像中对应的脚部关键点;
计算模块22用于确定所述脚部关键点在对应的所述视频图像中的像素坐标高度,根据所述像素坐标高度、相机高度和相机参数,计算左右脚触地过程中所述脚部关键点与相机的第一水平距离和第二水平距离;
输出模块23用于基于所述第一水平距离、所述第二水平距离以及跑带滚动距离计算对应的步幅参数,并输出所述步幅参数。
在上述实施例的基础上,计算模块22包括:
对应一次左右脚轮换过程,确定右脚终止触地时对应右脚的所述脚部关键点的第一像素坐标高度,根据所述第一像素坐标高度、所述相机高度和所述相机参数计算所述第一水平距离,并确定左脚初始触地时对应左脚的所述脚部关键点的第二像素坐标高度,根据所述第二像素坐标高度、所述相机高度和所述相机参数计算所述第二水平距离;或者,
对应一次左右脚轮换过程,确定左脚终止触地时对应左脚的所述脚部关键点的第三像素坐标高度,根据所述第三像素坐标高度、所述相机高度和所述相机参数计算所述第一水平距离,确定右脚初始触地时对应右脚的所述脚部关键点的第四像素坐标高度,根据所述第四像素坐标高度、所述相机高度和所述相机参数计算所述第二水平距离。
在上述实施例的基础上,所述相机参数包括像素中心点和相机焦距;
对应的,所述第一水平距离和所述第二水平距离的计算公式为:
其中,h为相机高度的归一化参数,cy为像素中心点的归一化参数,fy为相机焦距的归一化参数,ytrough-r为所述第一像素坐标高度的归一化参数,ztrough-r为右脚终止触地时,对应右脚的所述脚部关键点与相机的所述第一水平距离,ypeak-l为所述第二像素坐标高度的归一化参数,zpeak-l为左脚初始触地时,对应左脚的所述脚部关键点与相机的所述第二水平距离;ytrough-l为所述第三像素坐标高度的归一化参数,ztrough-l为左脚终止触地时,对应左脚的所述脚部关键点与相机的所述第一水平距离,ypeak-r为所述第四像素坐标高度的归一化参数,zpeak-r为右脚初始触地时,对应右脚的所述脚部关键点与相机的所述第二水平距离。
在上述实施例的基础上,所述步幅参数的计算公式为:
其中,li表示第i次左右脚轮换过程中,从右脚终止触地到左脚初始触地,或者从左脚终止触地到右脚初始触地时的跑带滚动距离,zi trough-zi peak+li表示第i次左右脚轮换过程中,从右脚终止触地到左脚初始触地,或者从左脚终止触地到右脚初始触地的步幅距离,N表示所述跑步视频的左右脚轮换次数,为所述步幅参数。
在上述实施例的基础上,计算模块22包括:
生成单元,用于根据所述像素坐标高度以及所述视频图像对应的时间点,生成所述像素坐标高度与对应时间点之间的左脚触地过程曲线和右脚触地过程曲线;
确定单元,用于确定所述左脚触地过程曲线和所述右脚触地过程曲线的波峰信息和波谷信息;
计算单元,用于基于所述波峰信息、所述波谷信息、所述相机高度和所述相机参数,计算左右脚触地过程中所述脚部关键点与相机的第一水平距离和第二水平距离。
在上述实施例的基础上,检测模块21包括:
检测单元,用于基于骨架关键点检测从所述跑步视频中选取左右脚触地过程对应的所述视频图像,并从所述视频图像中确定脚部关键点的像素坐标。
在上述实施例的基础上,计算模块22包括:
确定所述视频图像的一个所述脚部关键点,从所述脚部关键点的像素坐标中确定对应的像素坐标高度;或者,
确定所述视频图像的多个所述脚部关键点,计算多个所述脚部关键点的像素坐标高度均值作为对应的像素坐标高度。
在上述实施例的基础上,基于跑步机的步幅检测装置还包括:
比对模块,用于将所述步幅参数比对预设定的步幅标准区间,输出对应的步幅分析结果。
上述,通过实时获取相机拍摄的跑步视频,基于骨架关键点检测,确定左右脚触地过程在跑步视频的视频图像中对应的脚部关键点;确定脚部关键点在对应的视频图像中的像素坐标高度,根据像素坐标高度、相机高度和相机参数,计算左右脚触地过程中脚部关键点与相机的第一水平距离和第二水平距离;基于第一水平距离、第二水平距离以及跑带滚动距离计算对应的步幅参数,并输出步幅参数。采用上述技术手段,通过确定左右脚触地过程中对应视频图像的脚步关键点,基于脚步关键点与相机的水平距离并结合跑带滚动距离进行步幅参数计算,可以实现基于跑步视频图像的步幅参数检测,以此可适应不同跑步状态下步幅参数的精准计算,提升步幅计算的精确度。并避免检测设备给用户带来额外的负担,优化用户的跑步运动体验。
并且,本申请实施例通过确定左右脚触地过程的脚部关键点计算步幅参数,可以确保骨架关键点的精准检测,避免脚部关键点受遮挡影响导致检测误差的情况,使步幅参数的计算更加精确;通过从跑步视频中选取左右脚触地过程的脚部关键点进行步幅参数计算,可以减少关键点的选取数量,进而减少步幅参数的计算量,提升步幅检测效率。另一方面,通过从跑步视频中选取左右脚触地过程的脚部关键点进行步幅参数计算,还可以确保脚部关键点的快速提取,减少跑步视频录制延迟造成的误差影响,更进一步提升步幅参数计算的精确度。
此外,本申请实施例通过脚步关键点检测结合左右脚触地过程曲线进行步幅检测,可以进一步实现步幅参数的精准计算,提供更精确、高效的步幅计算结果。
本申请实施例二提供的基于跑步机的步幅检测装置可以用于执行上述实施例一提供的基于跑步机的步幅检测方法,具备相应的功能和有益效果。
实施例三:
本申请实施例三提供了一种跑步机,参照图9,该跑步机包括:处理器31、存储器32、通信模块33、输入装置34及输出装置35。该跑步机中处理器的数量可以是一个或者多个,该跑步机中的存储器的数量可以是一个或者多个。该跑步机的处理器、存储器、通信模块、输入装置及输出装置可以通过总线或者其他方式连接。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请任意实施例所述的基于跑步机的步幅检测方法对应的程序指令/模块(例如,基于跑步机的步幅检测装置中的检测模块、计算模块和输出模块)。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器32可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块33用于进行数据传输。
处理器31通过运行存储在存储器中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的基于跑步机的步幅检测方法。
输入装置34可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置35可包括显示屏等显示设备。
上述提供的跑步机可用于执行上述实施例一提供的基于跑步机的步幅检测方法,具备相应的功能和有益效果。
实施例四:
本申请实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种基于跑步机的步幅检测方法,该基于跑步机的步幅检测方法包括实时获取相机拍摄的跑步视频,基于骨架关键点检测,确定左右脚触地过程在所述跑步视频的视频图像中对应的脚部关键点;确定所述脚部关键点在对应的所述视频图像中的像素坐标高度,根据所述像素坐标高度、相机高度和相机参数,计算左右脚触地过程中所述脚部关键点与相机的第一水平距离和第二水平距离;基于所述第一水平距离、所述第二水平距离以及跑带滚动距离计算对应的步幅参数,并输出所述步幅参数。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的基于跑步机的步幅检测方法,还可以执行本申请任意实施例所提供的基于跑步机的步幅检测方法中的相关操作。
上述实施例中提供的基于跑步机的步幅检测装置、存储介质及跑步机可执行本申请任意实施例所提供的基于跑步机的步幅检测方法,未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的基于跑步机的步幅检测方法。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由权利要求的范围决定。
Claims (12)
1.一种基于跑步机的步幅检测方法,其特征在于,包括:
实时获取相机拍摄的跑步视频,基于骨架关键点检测,确定左右脚触地过程在所述跑步视频的视频图像中对应的脚部关键点;
确定所述脚部关键点在对应的所述视频图像中的像素坐标高度,根据所述像素坐标高度、相机高度和相机参数,计算左右脚触地过程中所述脚部关键点与相机的第一水平距离和第二水平距离;
基于所述第一水平距离、所述第二水平距离以及跑带滚动距离计算对应的步幅参数,并输出所述步幅参数。
2.根据权利要求1所述的基于跑步机的步幅检测方法,其特征在于,根据所述像素坐标高度、相机高度和相机参数,计算左右脚触地过程中所述脚部关键点与相机的第一水平距离和第二水平距离,包括:
对应一次左右脚轮换过程,确定右脚终止触地时对应右脚的所述脚部关键点的第一像素坐标高度,根据所述第一像素坐标高度、所述相机高度和所述相机参数计算所述第一水平距离,并确定左脚初始触地时对应左脚的所述脚部关键点的第二像素坐标高度,根据所述第二像素坐标高度、所述相机高度和所述相机参数计算所述第二水平距离;或者,
对应一次左右脚轮换过程,确定左脚终止触地时对应左脚的所述脚部关键点的第三像素坐标高度,根据所述第三像素坐标高度、所述相机高度和所述相机参数计算所述第一水平距离,确定右脚初始触地时对应右脚的所述脚部关键点的第四像素坐标高度,根据所述第四像素坐标高度、所述相机高度和所述相机参数计算所述第二水平距离。
3.根据权利要求2所述的基于跑步机的步幅检测方法,其特征在于,所述相机参数包括像素中心点和相机焦距;
对应的,所述第一水平距离和所述第二水平距离的计算公式为:
其中,h为相机高度的归一化参数,cy为像素中心点的归一化参数,fy为相机焦距的归一化参数,ytrough-r为所述第一像素坐标高度的归一化参数,ztrough-r为右脚终止触地时,对应右脚的所述脚部关键点与相机的所述第一水平距离,ypeak-l为所述第二像素坐标高度的归一化参数,zpeak-l为左脚初始触地时,对应左脚的所述脚部关键点与相机的所述第二水平距离;ytrough-l为所述第三像素坐标高度的归一化参数,ztrough-l为左脚终止触地时,对应左脚的所述脚部关键点与相机的所述第一水平距离,ypeak-r为所述第四像素坐标高度的归一化参数,zpeak-r为右脚初始触地时,对应右脚的所述脚部关键点与相机的所述第二水平距离。
5.根据权利要求4所述的基于跑步机的步幅检测方法,其特征在于,在左右脚触地过程中,若左右脚同时触地,li为0,所述步幅参数的计算公式表示为:
6.根据权利要求1所述的基于跑步机的步幅检测方法,其特征在于,根据所述像素坐标高度、相机高度和相机参数,计算左右脚触地过程中所述脚部关键点与相机的第一水平距离和第二水平距离,还包括:
根据所述像素坐标高度以及所述视频图像对应的时间点,生成所述像素坐标高度与对应时间点之间的左脚触地过程曲线和右脚触地过程曲线;
确定所述左脚触地过程曲线和所述右脚触地过程曲线的波峰信息和波谷信息;
基于所述波峰信息、所述波谷信息、所述相机高度和所述相机参数,计算左右脚触地过程中所述脚部关键点与相机的第一水平距离和第二水平距离。
7.根据权利要求1所述的基于跑步机的步幅检测方法,其特征在于,基于骨架关键点检测,确定左右脚触地过程在所述跑步视频的视频图像中对应的脚部关键点,包括:
基于骨架关键点检测从所述跑步视频中选取左右脚触地过程对应的所述视频图像,并从所述视频图像中确定脚部关键点的像素坐标。
8.根据权利要求1所述的基于跑步机的步幅检测方法,其特征在于,确定所述脚部关键点在对应视频图像中的像素坐标高度,包括:
确定所述视频图像的一个所述脚部关键点,从所述脚部关键点的像素坐标中确定对应的像素坐标高度;或者,
确定所述视频图像的多个所述脚部关键点,计算多个所述脚部关键点的像素坐标高度均值作为对应的像素坐标高度。
9.根据权利要求1所述的基于跑步机的步幅检测方法,其特征在于,在基于所述第一水平距离和所述第二水平距离计算对应的步幅参数,并输出所述步幅参数之后,还包括:
将所述步幅参数比对预设定的步幅标准区间,输出对应的步幅分析结果。
10.一种基于跑步机的步幅检测装置,其特征在于,包括:
检测模块,用于实时获取相机拍摄的跑步视频,基于骨架关键点检测,确定左右脚触地过程在所述跑步视频的视频图像中对应的脚部关键点;
计算模块,用于确定所述脚部关键点在对应的所述视频图像中的像素坐标高度,根据所述像素坐标高度、相机高度和相机参数,计算左右脚触地过程中所述脚部关键点与相机的第一水平距离和第二水平距离;
输出模块,用于基于所述第一水平距离、所述第二水平距离以及跑带滚动距离计算对应的步幅参数,并输出所述步幅参数。
11.一种跑步机,其特征在于,包括:
存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9任一所述的基于跑步机的步幅检测方法。
12.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-9任一所述的基于跑步机的步幅检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110368805.1A CN115170603B (zh) | 2021-04-06 | 2021-04-06 | 基于跑步机的步幅检测方法、装置、跑步机及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110368805.1A CN115170603B (zh) | 2021-04-06 | 2021-04-06 | 基于跑步机的步幅检测方法、装置、跑步机及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115170603A true CN115170603A (zh) | 2022-10-11 |
CN115170603B CN115170603B (zh) | 2024-01-23 |
Family
ID=83475576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110368805.1A Active CN115170603B (zh) | 2021-04-06 | 2021-04-06 | 基于跑步机的步幅检测方法、装置、跑步机及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115170603B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000249571A (ja) * | 1999-03-03 | 2000-09-14 | Osaka Gas Co Ltd | 歩幅推定装置及び位置検出システム |
US20020130951A1 (en) * | 2001-03-15 | 2002-09-19 | Hamamatsu Photonics K.K. | Stride length measurement device |
US20050039541A1 (en) * | 2003-07-28 | 2005-02-24 | Hamamatsu Photonics K.K. | Stride measuring apparatus |
KR20090061308A (ko) * | 2007-12-11 | 2009-06-16 | 한국전자통신연구원 | 초음파 센서를 이용한 보폭 측정 시스템 |
CN104535077A (zh) * | 2014-12-29 | 2015-04-22 | 上海交通大学 | 一种基于智能移动终端设备的行人步长估计方法 |
JP2015217250A (ja) * | 2014-05-21 | 2015-12-07 | 富士通株式会社 | 歩幅測定システム,プログラム,方法及び装置 |
CN105232067A (zh) * | 2015-08-25 | 2016-01-13 | 广州视源电子科技股份有限公司 | 智能鞋穿着状态检测方法和系统 |
CN110458061A (zh) * | 2019-07-30 | 2019-11-15 | 四川工商学院 | 一种识别老年人跌倒的方法及陪伴机器人 |
CN110765946A (zh) * | 2019-10-23 | 2020-02-07 | 北京卡路里信息技术有限公司 | 一种跑姿评估方法、装置、设备和存储介质 |
CN111027417A (zh) * | 2019-11-21 | 2020-04-17 | 复旦大学 | 基于人体关键点检测算法的步态识别方法及步态评估系统 |
CN111147732A (zh) * | 2018-11-06 | 2020-05-12 | 浙江宇视科技有限公司 | 对焦曲线建立方法及装置 |
EP3656302A1 (en) * | 2018-11-26 | 2020-05-27 | Lindera GmbH | System and method for human gait analysis |
CA3032983A1 (en) * | 2019-02-06 | 2020-08-06 | Thanh Phuoc Hong | Systems and methods for keypoint detection |
US20200401793A1 (en) * | 2020-06-26 | 2020-12-24 | Intel Corporation | Apparatus and methods for determining multi-subject performance metrics in a three-dimensional space |
CN112287759A (zh) * | 2020-09-26 | 2021-01-29 | 浙江汉德瑞智能科技有限公司 | 基于关键点的跌倒检测方法 |
CN112597903A (zh) * | 2020-12-24 | 2021-04-02 | 珠高电气检测有限公司 | 基于步幅测量的电力人员安全状态智能识别方法及介质 |
-
2021
- 2021-04-06 CN CN202110368805.1A patent/CN115170603B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000249571A (ja) * | 1999-03-03 | 2000-09-14 | Osaka Gas Co Ltd | 歩幅推定装置及び位置検出システム |
US20020130951A1 (en) * | 2001-03-15 | 2002-09-19 | Hamamatsu Photonics K.K. | Stride length measurement device |
US20050039541A1 (en) * | 2003-07-28 | 2005-02-24 | Hamamatsu Photonics K.K. | Stride measuring apparatus |
KR20090061308A (ko) * | 2007-12-11 | 2009-06-16 | 한국전자통신연구원 | 초음파 센서를 이용한 보폭 측정 시스템 |
JP2015217250A (ja) * | 2014-05-21 | 2015-12-07 | 富士通株式会社 | 歩幅測定システム,プログラム,方法及び装置 |
CN104535077A (zh) * | 2014-12-29 | 2015-04-22 | 上海交通大学 | 一种基于智能移动终端设备的行人步长估计方法 |
CN105232067A (zh) * | 2015-08-25 | 2016-01-13 | 广州视源电子科技股份有限公司 | 智能鞋穿着状态检测方法和系统 |
CN111147732A (zh) * | 2018-11-06 | 2020-05-12 | 浙江宇视科技有限公司 | 对焦曲线建立方法及装置 |
EP3656302A1 (en) * | 2018-11-26 | 2020-05-27 | Lindera GmbH | System and method for human gait analysis |
CA3032983A1 (en) * | 2019-02-06 | 2020-08-06 | Thanh Phuoc Hong | Systems and methods for keypoint detection |
CN110458061A (zh) * | 2019-07-30 | 2019-11-15 | 四川工商学院 | 一种识别老年人跌倒的方法及陪伴机器人 |
CN110765946A (zh) * | 2019-10-23 | 2020-02-07 | 北京卡路里信息技术有限公司 | 一种跑姿评估方法、装置、设备和存储介质 |
CN111027417A (zh) * | 2019-11-21 | 2020-04-17 | 复旦大学 | 基于人体关键点检测算法的步态识别方法及步态评估系统 |
US20200401793A1 (en) * | 2020-06-26 | 2020-12-24 | Intel Corporation | Apparatus and methods for determining multi-subject performance metrics in a three-dimensional space |
CN112287759A (zh) * | 2020-09-26 | 2021-01-29 | 浙江汉德瑞智能科技有限公司 | 基于关键点的跌倒检测方法 |
CN112597903A (zh) * | 2020-12-24 | 2021-04-02 | 珠高电气检测有限公司 | 基于步幅测量的电力人员安全状态智能识别方法及介质 |
Non-Patent Citations (2)
Title |
---|
王希娟;: "基于下肢轮廓角度距离和步幅变化的步态识别算法研究", 计算机应用与软件, no. 02 * |
陈玲;杨天奇;: "基于质心和轮廓关键点的步态识别", 计算机工程与应用, no. 19 * |
Also Published As
Publication number | Publication date |
---|---|
CN115170603B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106846403B (zh) | 一种三维空间中手部定位的方法、装置及智能设备 | |
CN105229666B (zh) | 3d图像中的运动分析 | |
US9075453B2 (en) | Human eye controlled computer mouse interface | |
US8824802B2 (en) | Method and system for gesture recognition | |
EP2969079B1 (en) | Signal analysis for repetition detection and analysis | |
TWI554951B (zh) | 實現虛擬試戴的方法和裝置 | |
US9317127B2 (en) | Method and apparatus for motion recognition | |
CN109343700B (zh) | 眼动控制校准数据获取方法和装置 | |
US20130182897A1 (en) | Systems and methods for capturing motion in three-dimensional space | |
US9836130B2 (en) | Operation input device, operation input method, and program | |
US20120039507A1 (en) | Information Processing Device And Information Processing Method | |
CN109375765B (zh) | 眼球追踪交互方法和装置 | |
CN112464918B (zh) | 健身动作纠正方法、装置、计算机设备和存储介质 | |
US9324158B2 (en) | Image processing device for performing image processing on moving image | |
CN110298220B (zh) | 动作视频直播方法、系统、电子设备、存储介质 | |
US10991124B2 (en) | Determination apparatus and method for gaze angle | |
CN115170603B (zh) | 基于跑步机的步幅检测方法、装置、跑步机及存储介质 | |
WO2017113674A1 (zh) | 基于智能设备实现体感控制的方法、系统以及智能设备 | |
CN111353347B (zh) | 动作识别纠错方法、电子设备、存储介质 | |
CN111353345B (zh) | 提供训练反馈的方法、装置、系统、电子设备、存储介质 | |
CN115188063A (zh) | 基于跑步机的跑姿分析方法、装置、跑步机及存储介质 | |
WO2022169398A1 (en) | Method and electronic arrangement for item matching | |
CN116069229A (zh) | 显示装置及其控制方法 | |
Lee et al. | A Long‐Range Touch Interface for Interaction with Smart TVs | |
US20230386049A1 (en) | Tracking apparatus, tracking system, tracking method, and recording medium |
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 |