CN115205332A - 一种运动物体识别及运动轨迹计算方法 - Google Patents
一种运动物体识别及运动轨迹计算方法 Download PDFInfo
- Publication number
- CN115205332A CN115205332A CN202210747193.1A CN202210747193A CN115205332A CN 115205332 A CN115205332 A CN 115205332A CN 202210747193 A CN202210747193 A CN 202210747193A CN 115205332 A CN115205332 A CN 115205332A
- Authority
- CN
- China
- Prior art keywords
- runway
- motion
- athlete
- athletes
- track
- 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
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种运动物体识别及运动轨迹计算方法,包括以下步骤:S1:在智慧中枢系统中录入跑道的长度s、单条跑道的宽度d、跑道顺序的命名规则;S2:在跑道周围环绕布置8个高速摄像机,运动员进行体育运动,通过高速摄像机将运动员的动作以图像序列方式保存,对运动员的肌肉捕捉和动作捕捉形成数据,并且建立空间坐标系;S3:以空间内高速摄像机为参照物,运动员所在位置为原点记录移动轨迹,并根据移动轨迹计算时间数据;S4:将采集到数据存入数据库,通过智慧中枢系统将数据库内的同一运动员的动作图像序列组相对应。本发明,提出最优体育运动轨迹、运动员发力方式,取得更好的体育成绩同时提高人体运动的认知。
Description
技术领域
本发明涉及运动物体识别及运动轨迹计算技术领域,具体是一种运动物体识别及运动轨迹计算方法。
背景技术
目前,体育运动是在人类发展过程中逐步开展起来的有意识地对自己身体素质的培养的各种活动。跑步是日常运动里最常见、最方便的运动,也是中小学生进行体质锻炼的最基本的运动,目前校园测试一般采用老师使用秒表,然后手工抄写成绩,单次测试的人员有限,效率低下;为此,我们提出一种运动物体识别及运动轨迹计算方法。
发明内容
本发明的目的在于提供一种运动物体识别及运动轨迹计算方法,以解决现有技术中的问题。
为实现上述目的,本发明提供如下技术方案:一种运动物体识别及运动轨迹计算方法,包括以下步骤:
S1:在智慧中枢系统中录入跑道的长度s、单条跑道的宽度d、跑道顺序的命名规则,智慧中枢系统将信息一一对应,生成一比一的虚拟跑道模型;
S2:在跑道周围环绕布置8个高速摄像机,运动员进行体育运动,通过高速摄像机将运动员的动作以图像序列方式保存,对运动员的肌肉捕捉和动作捕捉形成数据,并且建立空间坐标系;
S3:以空间内高速摄像机为参照物,运动员所在位置为原点记录移动轨迹,并根据移动轨迹计算时间数据,并且通过高速摄像机将运动员图像的运动轨迹形成连续运动画面,运动轨迹超出跑道则判断为犯规,成绩无效,反之运动轨迹在跑道范围之内,判断为成绩有效;
S4:将采集到数据存入数据库,通过智慧中枢系统将数据库内的同一运动员的动作图像序列组相对应,以运动员运动动作和成绩连续分析,得出最优的运动轨迹和最适合的发力方式。
优选的,还包括S5:生成个人的运动处方,并且根据运动处方计算运动员成绩,将计算出来的成绩和实际运动结果进行对比,随着数据库数据的不断增加,计算成绩和实际运动成绩相近,优化运动方式。
与现有技术相比,本发明的有益效果是:实现人物运动图像捕捉、图像数据输出、运动轨迹采集、运动数据分析,通过运动轨迹数据和AI识别达到准确计算体育成绩,并通过反推的方式,提出最优体育运动轨迹、运动员发力方式,取得更好的体育成绩同时提高人体运动的认知。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明跑道的结构示意图;
图2是本发明高速摄像机拍摄连续运动画面图;
图3为本发明运动员运动动作和成绩连续分析的结果图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
请参阅图1-3,本发明实施例中,一种运动物体识别及运动轨迹计算方法,包括以下步骤:
S1:在智慧中枢系统中录入跑道的长度s、单条跑道的宽度d、跑道顺序的命名规则,智慧中枢系统将信息一一对应,生成一比一的虚拟跑道模型;
S2:在跑道周围环绕布置8个高速摄像机,运动员进行体育运动,通过高速摄像机将运动员的动作以图像序列方式保存,对运动员的肌肉捕捉和动作捕捉形成数据,并且建立空间坐标系;
S3:以空间内高速摄像机为参照物,运动员所在位置为原点记录移动轨迹,并根据移动轨迹计算时间数据,并且通过高速摄像机将运动员图像的运动轨迹形成连续运动画面,运动轨迹超出跑道则判断为犯规,成绩无效,反之运动轨迹在跑道范围之内,判断为成绩有效;
S4:将采集到数据存入数据库,通过智慧中枢系统将数据库内的同一运动员的动作图像序列组相对应,以运动员运动动作和成绩连续分析,得出最优的运动轨迹和最适合的发力方式。
优选的,还包括S5:生成个人的运动处方,并且根据运动处方计算运动员成绩,将计算出来的成绩和实际运动结果进行对比,随着数据库数据的不断增加,计算成绩和实际运动成绩相近,优化运动方式,有利于取得更好的体育成绩,规避错误的运动方式;实现人物运动图像捕捉、图像数据输出、运动轨迹采集、运动数据分析,通过运动轨迹数据和AI识别达到准确计算体育成绩,并通过反推的方式,提出最优体育运动轨迹、运动员发力方式,取得更好的体育成绩同时提高人体运动的认知。
本发明的工作原理是:S1:在智慧中枢系统中录入跑道的长度s、单条跑道的宽度d、跑道顺序的命名规则,智慧中枢系统将信息一一对应,生成一比一的虚拟跑道模型;S2:在跑道周围环绕布置8个高速摄像机,运动员进行体育运动,通过高速摄像机将运动员的动作以图像序列方式保存,对运动员的肌肉捕捉和动作捕捉形成数据,并且建立空间坐标系;S3:以空间内高速摄像机为参照物,运动员所在位置为原点记录移动轨迹,并根据移动轨迹计算时间数据,并且通过高速摄像机将运动员图像的运动轨迹形成连续运动画面,运动轨迹超出跑道则判断为犯规,成绩无效,反之运动轨迹在跑道范围之内,判断为成绩有效;S4:将采集到数据存入数据库,通过智慧中枢系统将数据库内的同一运动员的动作图像序列组相对应,以运动员运动动作和成绩连续分析,得出最优的运动轨迹和最适合的发力方式,有利于取得更好的体育成绩,规避错误的运动方式。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种运动物体识别及运动轨迹计算方法,其特征在于:包括以下步骤:
S1:在智慧中枢系统中录入跑道的长度s、单条跑道的宽度d、跑道顺序的命名规则,智慧中枢系统将信息一一对应,生成一比一的虚拟跑道模型;
S2:在跑道周围环绕布置8个高速摄像机,运动员进行体育运动,通过高速摄像机将运动员的动作以图像序列方式保存,对运动员的肌肉捕捉和动作捕捉形成数据,并且建立空间坐标系;
S3:以空间内高速摄像机为参照物,运动员所在位置为原点记录移动轨迹,并根据移动轨迹计算时间数据,并且通过高速摄像机将运动员图像的运动轨迹形成连续运动画面,运动轨迹超出跑道则判断为犯规,成绩无效,反之运动轨迹在跑道范围之内,判断为成绩有效;
S4:将采集到数据存入数据库,通过智慧中枢系统将数据库内的同一运动员的动作图像序列组相对应,以运动员运动动作和成绩连续分析,得出最优的运动轨迹和最适合的发力方式。
2.根据权利要求1所述的一种运动物体识别及运动轨迹计算方法,其特征在于:还包括S5:生成个人的运动处方,并且根据运动处方计算运动员成绩,将计算出来的成绩和实际运动结果进行对比,随着数据库数据的不断增加,计算成绩和实际运动成绩相近,优化运动方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210747193.1A CN115205332A (zh) | 2022-06-29 | 2022-06-29 | 一种运动物体识别及运动轨迹计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210747193.1A CN115205332A (zh) | 2022-06-29 | 2022-06-29 | 一种运动物体识别及运动轨迹计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115205332A true CN115205332A (zh) | 2022-10-18 |
Family
ID=83577594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210747193.1A Pending CN115205332A (zh) | 2022-06-29 | 2022-06-29 | 一种运动物体识别及运动轨迹计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115205332A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309998A (zh) * | 2023-03-15 | 2023-06-23 | 杭州若夕企业管理有限公司 | 一种图像处理系统、方法及介质 |
-
2022
- 2022-06-29 CN CN202210747193.1A patent/CN115205332A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309998A (zh) * | 2023-03-15 | 2023-06-23 | 杭州若夕企业管理有限公司 | 一种图像处理系统、方法及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Parmar et al. | What and how well you performed? a multitask learning approach to action quality assessment | |
CN110705390A (zh) | 基于lstm的形体姿态识别方法、装置及存储介质 | |
CN106228143A (zh) | 一种教学视频与摄像头视频运动对比评分的方法 | |
WO2021047185A1 (zh) | 基于人脸识别的监测方法、装置、存储介质及计算机设备 | |
KR102221580B1 (ko) | 스마트 미러 기반 헬스 트레이닝 코칭 시스템 및 그 운용방법 | |
Kamnardsiria et al. | Knowledge-based system framework for training long jump athletes using action recognition | |
CN115205332A (zh) | 一种运动物体识别及运动轨迹计算方法 | |
Yang et al. | Research on face recognition sports intelligence training platform based on artificial intelligence | |
CN113705540A (zh) | 一种无器械训练动作识别与计数方法及系统 | |
Guo et al. | PhyCoVIS: A visual analytic tool of physical coordination for cheer and dance training | |
CN111563443A (zh) | 一种连续运动动作准确度评价方法 | |
Xiong et al. | Intelligent strategy of internet of things computing in badminton sports activities | |
Oliva et al. | Filipino sign language recognition for beginners using kinect | |
CN110287912A (zh) | 基于深度学习的目标对象情感状态确定方法、装置及介质 | |
CN115346160A (zh) | 一种体育教学方法、系统、设备及介质 | |
Sharshar et al. | MM-DOS: a novel dataset of workout activities | |
Wei et al. | Sports motion analysis based on mobile sensing technology | |
Peng et al. | Accurate recognition of volleyball motion based on fusion of MEMS inertial measurement unit and video analytic | |
Sharshar et al. | Camera coach: activity recognition and assessment using thermal and RGB videos | |
Luo | Elements and construction of sports visual image action recognition system based on visual attention analysis | |
Guo et al. | Online evaluation system of college physical education students based on big data and artificial intelligence technology | |
CN109977819A (zh) | 一种应用模板匹配方法的弱监督单个动作定位方法 | |
Chen et al. | Research on Table Tennis Swing Recognition Based on Lightweight OpenPose | |
Sevcenco et al. | Collection and classification of tennis swings using a virtual racket | |
CN114241603B (zh) | 基于可穿戴设备的毽球动作识别与水平等级评估方法及系统 |
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 |