CN115713714A - 运动测评方法、装置、系统、电子设备和存储介质 - Google Patents

Abstract

本发明提供一种运动测评方法、装置、系统、电子设备和存储介质，其中方法包括：获取待测视频流；对所述待测视频流中的各帧进行人体骨骼点检测，得到所述各帧的脚部骨骼点位置信息；基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评；所述跑道位置信息包括各跑道的准备区域位置信息、跑道区域位置信息和终点区域位置信息。本发明提供的方法、装置、系统、电子设备和存储介质，应用待视频流中各帧的脚部骨骼点位置信息，以及待测视频流中以跑道为单位进行区域划分所得的跑道位置信息，进行精细化的运动测评，从而避免运动测评过程中可能存在误判、漏判的问题，保证运动测评结果的可靠性。

Description

运动测评方法、装置、系统、电子设备和存储介质

技术领域

本发明涉及人工智能技术领域，尤其涉及一种运动测评方法、装置、系统、电子设备和存储介质。

背景技术

目前，针对径赛项目的运动测评，通常是人工测评，或者应用红外测量设备进行测算，但是人工测评存在很大的主观差异，而应用红外测量设备进行测算需要提前花费时间进行复杂、笨重的设备部署，费时费力。

计算机视觉技术的发展，为运动测评提供了新的实现思路。相关技术中，可以对实时采集的视频图像进行人体检测，根据检测到的人体框与预先标定的起跑线、终点线之间的距离，进行起跑和撞线判断。然而，上述方案的分析方式过于粗陋，无法实现精细化的测评，由此得到的测评结果可靠性差。

发明内容

本发明提供一种运动测评方法、装置、系统、电子设备和存储介质，用以解决现有技术中运动测评方式粗陋，无法满足精细化测评需求的缺陷。

本发明提供一种运动测评方法，包括：

获取待测视频流；

对所述待测视频流中的各帧进行人体骨骼点检测，得到所述各帧的脚部骨骼点位置信息；

基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评；所述跑道位置信息包括各跑道的准备区域位置信息、跑道区域位置信息和终点区域位置信息。

根据本发明提供的一种运动测评方法，所述基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评，包括：

确定所述各帧中当前帧的帧状态；

基于所述跑道位置信息，以及所述当前帧的帧状态和脚部骨骼点位置信息，对所述当前帧的下一帧进行帧状态预测，得到下一帧的帧状态，并将所述下一帧确定为所述当前帧；

基于所述各帧的帧状态，进行运动测评。

根据本发明提供的一种运动测评方法，所述基于所述跑道位置信息，以及所述当前帧的帧状态和脚部骨骼点位置信息，对所述当前帧的下一帧进行帧状态预测，得到下一帧的帧状态，包括：

在所述当前帧的帧状态为准备状态的情况下，基于所述当前帧的脚部骨骼点位置信息，对所述当前帧进行脚部分割，并对脚部分割结果进行轮廓拟合，得到所述当前帧的脚部轮廓信息；

基于所述跑道位置信息和所述当前帧的脚部轮廓信息，进行违规检测，得到所述当前帧的违规检测结果；

基于所述违规检测结果，确定所述下一帧的帧状态为准备状态、起跑状态和违规状态中的一种。

根据本发明提供的一种运动测评方法，所述基于所述跑道位置信息，以及所述当前帧的帧状态和脚部骨骼点位置信息，对所述当前帧的下一帧进行帧状态预测，得到下一帧的帧状态，包括：

在所述当前帧的帧状态为起跑状态的情况下，基于所述当前帧的脚部骨骼点位置信息，对所述当前帧进行脚部分割，并对脚部分割结果进行轮廓拟合，得到所述当前帧的脚部轮廓信息；

基于所述跑道位置信息和所述当前帧的脚部轮廓信息，进行跨线检测，得到所述当前帧的跨线检测结果；

基于所述跨线检测结果，确定所述下一帧的帧状态为起跑状态或运动状态。

根据本发明提供的一种运动测评方法，所述基于所述跑道位置信息，以及所述当前帧的帧状态和脚部骨骼点位置信息，对所述当前帧的下一帧进行帧状态预测，得到下一帧的帧状态，包括：

在所述当前帧的帧状态为运动状态的情况下，基于所述当前帧的脚部骨骼点位置信息，确定所述当前帧的脚部框位置信息；

基于所述跑道位置信息和所述脚部框位置信息，进行人员跟踪和/或撞线检测，得到人员轨迹信息和/或撞线检测结果；

基于所述人员轨迹信息和/或所述撞线检测结果，确定所述下一帧的帧状态为运动状态、撞线状态和违规状态中的至少一种。

根据本发明提供的一种运动测评方法，所述基于所述跑道位置信息和所述脚部框位置信息，进行人员跟踪，得到人员轨迹信息，包括：

基于所述脚部框位置信息，进行人员跟踪，得到所述脚部框位置信息对应脚部框所属的人员；

基于所述脚部框位置信息和所述跑道区域位置信息，确定所述脚部框位置信息对应脚部框所属的人员在所述当前帧中的跑道序号；

基于所述人员在所述当前帧中的跑道序号，确定所述人员轨迹信息。

根据本发明提供的一种运动测评方法，所述跑道位置信息的确定步骤包括：

获取参考帧中各跑道标定点的标定位置信息；

基于所述标定位置信息，从所述参考帧中截取所述各跑道标定点的区域图像；

基于所述各跑道标定点的标定位置信息，以及所述各跑道标定点的区域图像，进行标定点校正，得到所述各跑道标定点的校正位置信息；

基于所述各跑道标定点的校正位置信息，确定所述跑道位置信息。

本发明还提供一种运动测评装置，包括：

获取单元，用于获取待测视频流；

检测单元，用于对所述待测视频流中的各帧进行人体骨骼点检测，得到所述各帧的脚部骨骼点位置信息；

测评单元，用于基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评；所述跑道位置信息包括各跑道的准备区域位置信息、跑道区域位置信息和终点区域位置信息。

本发明还提供一种运动测评系统，包括摄像头和测评模块；

所述摄像头用于采集待测视频流，并将所述待测视频流传输至所述测评模块；

所述测评模块用于对所述待测视频流中的各帧进行人体骨骼点检测，得到所述各帧的脚部骨骼点位置信息，并基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评；所述跑道位置信息包括各跑道的准备区域位置信息、跑道区域位置信息和终点区域位置信息。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述运动测评方法。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述运动测评方法。

本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述运动测评方法。

本发明提供的运动测评方法、装置、系统、电子设备和存储介质，应用待视频流中各帧的脚部骨骼点位置信息，以及待测视频流中以跑道为单位进行区域划分所得的跑道位置信息，进行精细化的运动测评，从而避免运动测评过程中可能存在误判、漏判的问题，保证运动测评结果的可靠性。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。

图1是本发明提供的运动测评方法的流程示意图之一；

图2是本发明提供的运动测评方法中步骤130的流程示意图；

图3是本发明提供的跑道位置信息的确定方法的流程示意图；

图4是本发明提供的参考帧示意图之一；

图5是本发明提供的参考帧示意图之二；

图6是本发明提供的运动测评方法的流程示意图之二；

图7是本发明提供的运动测评方法的流程示意图之三；

图8是本发明提供的运动测评装置的结构示意图；

图9是本发明提供的运动测评系统的结构示意图；

图10是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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作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。

径赛是田径运动的一类，是在田径场的跑道或规定道路上进行的跑和走的竞赛项目的统称，例如短跑、长跑、接力跑、竞走等。目前，针对径赛项目的运动测评，实现流程依然较为传统，或依赖于人工测量，或依赖于额外设置的红外测量设备进行成绩测算。

其中，人工测量的方式可靠与否，取决于计时人员的主观差异，且即便是同一个计时人员，也可以会给到不同的判罚结果。而依赖红外测量设备进行测算的方式，则需要针对每个跑道分别部署红外发射装置，而由于红外测量设备本身笨重，且部署复杂，并不符合体育课程教学的简单易用的原则。

近年来，随着深度学习和计算机视觉技术的快速发展，图像识别、目标检测、语义分割、人体姿态估计等经典机器视觉计算，均已得到了较好的发展应用。因此，如何基于先进的计算机视觉技术提高径赛项目的运动测评效率成为一个值得思考的问题。

相关技术中，在基于计算机视觉进行运动测评时，通常只标定径赛场地的起跑线和终点线，对于踩线、抢跑等行为的违规评定，采用脚部框或人形框与起跑线的距离进行判定。而实际上，上述违规评定，需要精细化检测得到，目前的方式并不能满足精细化的需求，容易造成误判、漏判等问题。另外，对于成绩评定，是应用人体框越过终点线的时刻作为撞线时刻，无法精确的刻画人员从哪个跑道越过终点线，无法与跑道号绑定成绩输出，需要依赖额外的行人重识别、人脸识别算法确定越过终点线的人员身份信息。

针对上述问题，本发明实施例提供一种运动测评方法，本发明实施例提供的运动测评方法，可以应用在短跑运动测评上，也可以应用在竞走、长跑、接力跑等需要在划定有跑道的场景下执行的运动测评上。为便于理解，下述实施例中以短跑运动为例进行说明。

图1是本发明提供的运动测评方法的流程示意图之一，如图1所示，该方法包括：

步骤110，获取待测视频流。

具体地，待测视频流即需要进行运动测评的视频流，待测视频流可以是实时录制得到的。可以理解的是，由于径赛项目通常需要关注起终点两端区域的图像信息，待测视频流可以是由两个摄像头分别拍摄得到的，其中一个摄像头用于拍摄起点所处区域内的信息，另一个摄像头用于拍摄终点所处区域内的信息。或者，在摄像头布设位置合理的前提下，也可以应用一个摄像头实现起点和终点所处区域内的信息的拍摄。

步骤120，对所述待测视频流中的各帧进行人体骨骼点检测，得到所述各帧的脚部骨骼点位置信息。

具体地，待测视频流可以包括多帧图像，针对于待测视频流中的各帧，均可以进行人体骨骼点检测，由此得到各帧中所包含人员的脚部骨骼点的位置信息，即各帧的脚部骨骼点位置信息。

此处，针对任意一帧的脚部骨骼点位置信息的检测，可以通过对该帧图像进行人体检测，以定位该帧图像中的人体框，再基于人体框进行图像裁切，对于裁切得到的人体图像进行人体骨骼点检测，由此得到该帧图像中各个人员的脚部骨骼点的位置信息；或者，可以对该帧图像进行图像特征提取，并应用提取所得的图像特征同步进行人体检测和人体骨骼点检测，由此同步获取该帧图像中各个人员的人体框和脚部骨骼点的位置信息，本发明实施例对此不作具体限定。

例如，可以应用人形检测和人体脚部骨骼点进行联合建模的目标检测模型，获取各帧的脚部骨骼点位置信息。此处的目标检测模型可以基于YOLOX或者YOLO v5等常见的目标检测框架，使用MS COCO公开数据集和标注的短跑场景的人形框-脚部骨骼点耦合数据，进行训练得到。以YOLOX框架为例，训练所得的目标检测模型能够在输出人形框的横纵坐标x、y以及宽高w、h的基础上，另外输出脚部6个骨骼点的坐标，以及6个骨骼点是否可见的信息。

步骤130，基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评；所述跑道位置信息包括各跑道的准备区域位置信息、跑道区域位置和终点区域位置信息。

具体地，在得到待测视频流中各帧的脚部骨骼点位置信息之后，即可结合各帧的脚部骨骼点位置信息，以及基于待测视频流整体进行标定所得的，与脚部骨骼点位置信息处于相同像素坐标系下的跑道位置信息，进行运动测评。

可以理解的是，径赛运动中，无论是违规判定，还是成绩判定，参考的均是参赛人员脚部的具体位置，例如踩线、抢跑均关注参赛人员脚部与起跑线的位置关系，而撞线判断则关注参赛人员脚部与重点线的位置关系。相较于应用各帧图像中的人体框或者脚部框的位置信息进行运动测评，各帧图像的脚部骨骼点位置信息能够从更细粒度的层面上，更加精准地反映在人员运动过程中脚部的动作位置，从而更加精细化地作用于违规判定和成绩判定。

并且，相较于相关技术中仅仅对于运动场地的起跑线和终点线就像标定，本发明实施例中对于运动场地进行了区域化的划分，具体针对运动场景，以跑道为单位划分了每个跑道的准备区域、跑道区域和终点区域。其中，以跑道为单位进行划分所得的跑道位置信息，在应用到与各帧的脚部骨骼点位置信息的比对中时，能够将各帧中人员所处的位置，从相关技术中仅仅关注是否与起跑线、终点线相交，细化到各帧中人员所处的位置，具体处于哪条跑道中，其运动轨迹中是否存在蹿道违规的问题，在与终点线相交时具体可以作为哪条跑道的运动成绩。

在运动测评的过程中，可以应用跑道位置信息，与各帧的脚部骨骼点位置信息进行位置比对，从而判断各帧中各个人员具体处于哪条跑道中的准备区域、跑道区域还是终点区域，是否存在脚部骨骼点位置信息与某条跑道的准备区域和跑道区域中间隔的起跑线相交的情况，由此推断该条跑道上是否存在踩线、抢跑问题，或者该条跑道上人员的运动状态是否为起跑；以及，可以通过跟踪各帧的人员的脚部骨骼点位置信息与跑道的匹配关系，从而判断运动过程中是否存在窜道违规的情况；并且，可以判断是否存在脚部骨骼点位置信息与某条跑道的跑道区域和终点区域中间隔的终点线相交的情况，由此推断该条跑道上人员的运动状态是否为撞线。由此，实现径赛项目的全流程精细化运动测评。

本发明实施例提供的方法，应用待视频流中各帧的脚部骨骼点位置信息，以及待测视频流中以跑道为单位进行区域划分所得的跑道位置信息，进行精细化的运动测评，从而避免运动测评过程中可能存在误判、漏判的问题，保证运动测评结果的可靠性。

基于上述实施例，图2是本发明提供的运动测评方法中步骤130的流程示意图，如图2所示，步骤130包括：

步骤131，确定所述各帧中当前帧的帧状态；

步骤132，基于所述跑道位置信息，以及所述当前帧的帧状态和脚部骨骼点位置信息，对所述当前帧的下一帧进行帧状态预测，得到下一帧的帧状态，并将所述下一帧确定为所述当前帧。

具体地，在进行运动测评的过程中，针对于待测视频流，需要逐个确定其中各帧的帧状态。此处，针对其中任意一帧而言，该帧的帧状态用于反映该帧中各个跑道上的人员在运动中所处的状态，以其中任意跑道上的人员为例，人员在运动中所处的状态可以包括准备状态、起跑状态、运动状态、撞线状态、违规状态等。

在逐帧确定帧状态的过程中，可以将各帧之中，当前需要进行帧状态确定的一帧，作为当前帧。针对于当前帧的帧状态的确定，可以是通过当前帧的上一帧，对当前帧进行帧状态预测得到的，也可以是根据外部输入的指令直接确定的。例如，在当前时刻接收到外部输入的测评开始指令时，可以直接将当前帧的帧状态确定为准备状态；又例如在当前时刻接收到外部输入的起跑指令时，可以直接将当前帧的帧状态确定为起跑状态。

考虑到运动本身具有连续性，人员在运动中所处的状态通常按照预先设定的顺序进行转换，例如在未发生违规的情况下，帧状态的转换通常是从准备状态转换到起跑状态、从起跑状态转换到运动状态、从运动状态转换到撞线状态，而在实际测评过程中，上述状态均可能由于人员违规转换到违规状态。

在已知当前帧的帧状态的情况下，当前帧的下一帧的帧状态可能延续当前帧的帧状态，也可能转换到当前帧的帧状态之后的帧状态，也有可能由于在当前帧中发生违规动作转入违规状态。而下一帧的帧状态具体为上述何种状态，则需要基于跑道位置信息以及当前帧的脚部骨骼点位置信息进行预测。

例如，在当前帧处于准备状态的情况下，可以基于跑道位置信息以及当前帧的脚部骨骼点位置信息，判断当前帧中的人员是否存在踩线、抢跑的违规动作，由此判断下一帧的帧状态为准备状态还是违规状态；又例如，在当前帧处于起跑状态的情况下，可以基于跑道位置信息以及当前帧的脚部骨骼点位置信息，判断当前帧中的人员是否跨越起跑线开始运动，由此判断下一帧的帧状态为起跑状态还是运动状态；又例如，在当前帧处于运动状态的情况下，可以基于跑道位置信息以及当前帧的脚部骨骼点位置信息，确定当前帧中各人员所处的跑道，并与之前各帧中各人员所处的跑道进行比对，从而判断是否存在蹿道违规的问题，由此判断下一帧的帧状态是否为违规状态，并且，可以基于跑道位置信息以及当前帧的脚部骨骼点位置信息，判断当前帧中的人员是否正在跨越终点线进行撞线，由此判断下一帧的帧状态是否为撞线状态。

在完成针对当前帧的下一帧的帧状态预测之后，即可将下一帧作为新的当前帧，返回执行步骤131，从而实现逐帧帧状态的预测。

步骤133，基于所述各帧的帧状态，进行运动测评。

具体地，针对于上述步骤得到的待测视频流中各帧的帧状态，即可进行运动测评，例如针对各帧中存在帧状态为违规状态的情况，可以进行违规告警，又例如可以应用处于起跑状态的首帧与处于撞线状态的首帧，进行运动时间计算。

本发明实施例提供的方法，基于运动本身的连续性，逐帧进行帧状态确定，以实现帧状态转换，由此完成运动测评，保证了运功测评的合理性和可靠性。

基于上述任一实施例，在当前帧的帧状态为准备状态的情况下，步骤132包括：

基于所述当前帧的脚部骨骼点位置信息，对所述当前帧进行脚部分割，并对脚部分割结果进行轮廓拟合，得到所述当前帧的脚部轮廓信息；

基于所述跑道位置信息和所述当前帧的脚部轮廓信息，进行违规检测，得到所述当前帧的违规检测结果；

基于所述违规检测结果，确定所述下一帧的帧状态为准备状态、起跑状态和违规状态中的一种。

具体地，在当前帧的帧状态为准备状态的情况下，需要判断当前帧中是否有人员存在踩线、抢跑的违规动作，进而判断下一帧的帧状态是违规状态，还是准备状态或者起跑状态。

为了实现精细化的违规检测，本发明实施例中提出将当前帧的脚部骨骼点位置信息作为参考，用于当前帧中脚部区域的语义分割，从而实现针对当前帧中脚部区域的精细化分割。具体可以是将当前帧，以及当前帧的脚部骨骼点位置信息输入到语义分割模型中，以获取语义分割模型输出的脚部分割结果，或者也可以基于脚部骨骼点位置信息所指示的各个脚部骨骼点，确定每个人员的脚部骨骼点外包围框，再对脚部骨骼点外包围框进行一定比例的外扩，将外扩后的局部图像输入到语义分割模型中，以获取语义分割模型输出的脚部分割结果，本发明实施例对此不作具体限定。可以理解的是，此处的语义分割模型是预先训练好的，由此得到的脚部分割结果反映的是哪些像素点属于脚部区域。

例如，上述语义分割模型可以是基于人体解析数据集和标注的短跑场景脚部分割数据，以人体骨骼点脚部的六个骨骼点的外包围框并外扩一定比例作为模型输入，训练得到能够对脚部区域进行有效分割的模型。此处，语义分割模型所应用的，可以是HRNet(High-Resolution Net)或者其他常见的语义分割框架。

在得到脚部分割结果之后，即可针对脚部分割结果进行轮廓拟合，从而得到脚部区域的轮廓点的位置信息，即脚部轮廓信息。

可以理解的是，相较于相关技术中应用到人体框或者脚部框，脚部轮廓信息实现了对于人员脚部的精细刻画，在得到脚部轮廓信息之后，即可应用脚部轮廓信息所指示的各脚部轮廓点的位置信息，与跑道位置信息中指示的起跑线的位置信息，计算各脚部轮廓点与起跑线之间的距离，此处的距离可以是划分正负的，例如可以将超出起跑线的脚部轮廓点所对应的距离设置为正值，如果存在距离为正且距离值大于预设阈值，则确定存在踩线或者抢跑情况，将当前帧的违规检测结果确定为违规，否则将违规检测结果确定为合规；或者，可以应用脚部轮廓信息所指示的各脚部轮廓点的位置信息，与准备区域位置信息中指示的准备区域的位置信息，判断各脚部轮廓点是否在准备区域内，如果存在落在准备区域以外的脚部轮廓点，则可以确定存在踩线或者抢跑情况，将当前帧的违规检测结果确定为存在违规，否则将违规检测结果确定为合规。

在得到当前帧的违规检测结果之后，即可确定下一帧的帧状态，可以理解的是，如果当前帧的违规检测结果为违规，则下一帧的帧状态可直接确定为违规状态；如果当前帧的违规检测结果为合规，则下一帧的帧状态可以根据是否接收到外部输入的起跑指令而定，即如果未收到起跑指令，则下一帧的帧状态为准备状态，如果收到起跑指令，则下一帧的帧状态为起跑状态。

本发明实施例提供的方法，基于脚部骨骼点位置信息进行脚部分割和轮廓拟合，以获取脚部轮廓信息，基于脚部轮廓信息进行违规检测，能够满足违规检测的精细化需求，从而保证运动测评的可靠性。

基于上述任一实施例，在当前帧的帧状态为起跑状态的情况下，步骤132包括：

基于所述当前帧的脚部骨骼点位置信息，对所述当前帧进行脚部分割，并对脚部分割结果进行轮廓拟合，得到所述当前帧的脚部轮廓信息；

基于所述跑道位置信息和所述当前帧的脚部轮廓信息，进行跨线检测，得到所述当前帧的跨线检测结果；

基于所述跨线检测结果，确定所述下一帧的帧状态为起跑状态或运动状态。

具体地，在当前帧的帧状态为起跑状态的情况下，即已经接收到外部输入的起跑指令的情况下，需要判断当前帧中人员的脚部区域是否越过起跑线，即是否开始运动，由此判断下一帧的帧状态是起跑状态还是运动状态。

为了实现精细化的跨线检测，本发明实施例中提出将当前帧的脚部骨骼点位置信息作为参考，用于当前帧中脚部区域的语义分割，从而实现针对当前帧中脚部区域的精细化分割，得到脚部分割结果，并针对脚部分割结果进行轮廓拟合，从而得到脚部区域的轮廓点的位置信息，即脚部轮廓信息。此处，针对脚部轮廓信息的获取方式，与上述实施例中的获取方式一致，此处不作赘述。

可以理解的是，相较于相关技术中应用到人体框或者脚部框，脚部轮廓信息实现了对于人员脚部的精细刻画，在得到脚部轮廓信息之后，即可应用脚部轮廓信息所指示的各脚部轮廓点的位置信息，与跑道位置信息中指示的起跑线的位置信息，计算各脚部轮廓点与起跑线之间的距离，即可判断当前帧中是否存在跨线行为，由此得到跨线检测结果，即跨线或未跨线。

在得到当前帧的跨线检测结果之后，即可确定下一帧的帧状态，可以理解的是，如果当前帧的跨线检测结果为跨线，则下一帧的帧状态可直接确定为运动状态；如果当前帧的跨线检测结果为未跨线，则下一帧的帧状态依然为起跑状态，需要继续针对下一帧进行跨线检测。

本发明实施例提供的方法，基于脚部骨骼点位置信息进行脚部分割和轮廓拟合，以获取脚部轮廓信息，基于脚部轮廓信息进行跨线检测，从而实现状态转换的精细化跟踪，进而保证运动测评的可靠性。

基于上述任一实施例，在当前帧的帧状态为运动状态的情况下，步骤132包括：

基于所述当前帧的脚部骨骼点位置信息，确定所述当前帧的脚部框位置信息；

基于所述跑道位置信息和所述脚部框位置信息，进行人员跟踪和/或撞线检测，得到人员轨迹信息和/或撞线检测结果；

基于所述人员轨迹信息和/或所述撞线检测结果，确定所述下一帧的帧状态为运动状态、撞线状态和违规状态中的至少一种。

具体地，在当前帧的帧状态为运动状态的情况下，可以对当前帧中的人员所处的跑道进行跟踪，从而判断是否存在蹿道违规的问题，并且将当前帧中的人员与跑道号对应起来；也可以对当前帧中的人员是否撞线进行检测，从而判断是否可以从运动状态转换到撞线状态。

在此过程中，考虑到常规的人员跟踪需要从人体框中提取人体特征方能实现，计算复杂度较高，实现实时性的多人跟踪难度较大，并且实际运动场景中，人体的上半身更容易发生人与人之间的遮挡，而导致基于人体框进行多人跟踪失败的概率更高，本发明实施例中提出了基于人体脚部区域进行多人跟踪。

并且，为了避免过于精细的脚部区域划分带来额外的计算量，影响多人跟踪的实时性，本发明实施例中直接基于脚部骨骼点位置信息，确定当前帧的脚部框位置信息。此处，具体可以将脚部骨骼点位置信息中指示的脚部骨骼点进行连接，以形成脚部骨骼点外包围框，将脚部骨骼点外包围框的位置信息记为脚部框位置信息。此外，为便于后续说明，将脚部骨骼点外包围框记为脚部框。

由此得到的脚部框位置信息，可以应用在人员跟踪和/或撞线检测中。

其中，针对于人员跟踪，可以应用连续多帧上的脚部框位置信息，对于连续多帧上的脚部骨骼点外包围框进行匹配，由此实现脚部跟踪，即，实现人员跟踪。并且，还可以将人员跟踪结果，以及在通过前帧下的脚部框位置信息与跑道位置信息对比得到的各人员所在的跑道号进行结合，得到能够反映各人员在运动中所需的跑道轨迹的人员轨迹信息。

可以理解的是，人员轨迹信息能够直接体现各个人员在运动过程中是否存在蹿道行为，即单个人员是否前后分配了多个跑道号，或者一个跑道号下是否对应了多个人员，由此，可以将人员轨迹信息作为蹿道行为检测的依据。

针对于撞线检测，可以将当前帧的脚部框位置信息，与跑道位置信息进行比对，从而判断是否存在人员撞线，由此得到撞线检测结果。例如可以基于脚部框位置信息，以及跑道位置信息中终点区域位置信息，计算脚部骨骼点外包围框与任意跑道的终点区域的面积交并比，如果面积交并比大于预设比值，则确定存在人员撞线，否则确定不存在人员撞线。此处的撞线检测结果可以包括是否存在人员撞线，并且在存在人员撞线的情况下，还可以包括具体撞线的人员所处的跑道序号，由此直接实现撞线人员与跑道序号的绑定输出，而无需再通过行人重识别、人脸识别一类方式确定撞线人员的人员身份。

在得到人员轨迹信息和/或撞线检测结果，即可基于此确定下一帧的帧状态，例如在人员轨迹信息指示存在蹿道的情况下，将下一帧的帧状态确定为违规状态；在人员轨迹信息指示不存在窜道、且撞线检测结果为不存在人员撞线的情况下，将下一帧的帧状态确定为运动状态；在撞线检测结果为存在人员撞线的情况下，将下一帧的帧状态确定为撞线状态。

本发明实施例提供的方法，基于脚部框位置信息进行人员跟踪，相较于基于人体框进行人员跟踪的方案，降低了人员跟踪所需的计算量，保证了实时人员跟踪效率，避免了由于人员上半身遮挡导致跟踪失败的问题，提高了人员跟踪的可靠性和成功率。

另外，本发明实施例提供的方法，基于跑道位置信息和脚部框位置信息进行撞线检测，由此检测所得的撞线人员直接与跑道关联，即，人员成绩能够与跑道序号绑定输出，无需再另外通过行人重识别、人脸识别一类方式确定撞线人员的人员身份，降低了运动测评所需的计算量。

基于上述任一实施例，步骤132中，所述基于所述跑道位置信息和所述脚部框位置信息，进行人员跟踪，得到人员轨迹信息，包括：

基于所述脚部框位置信息，进行人员跟踪，得到所述脚部框位置信息对应脚部框所属的人员；

基于所述脚部框位置信息和所述跑道区域位置信息，确定所述脚部框位置信息对应脚部框所属的人员在所述当前帧中的跑道序号；

基于所述人员在所述当前帧中的跑道序号，确定所述人员轨迹信息。

具体地，基于当前帧的脚部框位置信息，即可定位当前帧中的脚部框，基于当前帧中的脚部框，以及排列在当前帧之前的一帧或者多帧的脚部框，即可实现基于脚部框的人员跟踪，此处针对不同帧中的脚部框的匹配，可以通过卡尔曼滤波和匈牙利匹配算法等方式实现。通过人员跟踪，可以将当前帧中的脚部框与之前各帧中的脚部框关联起来，并将之前各帧中的脚部框所属的人员与当前帧中的脚部框也关联起来，由此得到当前帧中各脚部框所属的人员。

此外，将当前帧中的脚部框位置信息，与跑道位置信息中各跑道的跑道区域位置信息进行比对，即可判断当前帧中各个脚部框所处跑道的跑道序号。

在此基础上，可以将当前帧中各个脚部框所属的人员，与当前帧中各个脚部框所处的跑道序号关联起来，从而得到各个人员在当前帧中的跑道序号。

结合各个人员在此前各帧中的跑道序号，以及在当前帧中的跑道序号，即可得到反映各个人员在各帧中所处跑道序号的人员轨迹信息。

由此得到的人员轨迹信息，不仅可以应用在运动状态下的蹿道检测，还可以应用在撞线状态下，根据撞线状态下的脚部框所处的跑道序号，对应实际撞线的人员，从而完成人员-跑道成绩的自动化绑定。

基于上述任一实施例，图3是本发明提供的跑道位置信息的确定方法的流程示意图，如图3所示，该方法包括：

步骤310，获取参考帧中各跑道标定点的标定位置信息；

步骤320，基于所述标定位置信息，从所述参考帧中截取所述各跑道标定点的区域图像；

步骤330，基于所述各跑道标定点的标定位置信息，以及所述各跑道标定点的区域图像，进行标定点校正，得到所述各跑道标定点的校正位置信息；

步骤340，基于所述各跑道标定点的校正位置信息，确定所述跑道位置信息。

具体地，以跑道为单位划分所得的跑道位置信息，存在较多需要进行标定的点位，此处记为跑道标定点，为了能够得到精确可靠的跑道标定点的位置，从而实现跑道位置信息的准确划分，本发明实施例采用了人工标注与自动化校正相结合的方案。

步骤310中，参考帧是与待测视频流在相同拍摄视角下采集得到的图像帧，可以理解的是，参考帧中的跑道位置和区域划分，与待测视频流中各帧中的跑道位置和区域划分是一致的。为了便于标定，参考帧可以尽量在待测场景中人员较少、对于跑道区域遮挡较少的情况下进行拍摄。

跑道标定点的标定位置信息可以是人工标注的，例如可以是用户在平板电脑或者手机屏幕，或者其他可交互的智能终端上进行设置得到的。例如，图4、图5均为本发明提供的参考帧示意图，考虑到存在单一摄像头无法完整拍摄场地全景的情况，图4是一个摄像头拍摄的包含各跑道的准备区域，以及各跑道自身部分区域的参考帧，图5是另一个摄像头拍摄的包各跑道自身部分区域，以及各跑道的终点区域的参考帧。

图4中，跑道标定点以序号的形式展现，其中，序号1-6为5条跑道的跑道线与底线的交点，7-12为5条跑道的跑道线与起跑线的交点，13-18为5条跑道的跑道线在参考帧中的消失点。其中，各条跑道的跑道线与底线和起跑线划分的区域，即各条跑道的准备区域。

图5中，跑道标定点以序号的形式展现，其中，序号1-6为5条跑道的跑道线与终点线的交点，7-12为5条跑道的跑道线与近终点线的交点，13-18为5条跑道的跑道线在参考帧中靠近起点位置的任意点。其中，各条跑道的跑道线与终点线和近终点线划分的区域，即各条跑道的准备区域。

步骤320，基于所述标定位置信息，从所述参考帧中截取所述各跑道标定点的区域图像；

步骤330，基于所述各跑道标定点的标定位置信息，以及所述各跑道标定点的区域图像，进行标定点校正，得到所述各跑道标定点的校正位置信息；

步骤340，基于所述各跑道标定点的校正位置信息，确定所述跑道位置信息。

具体地，考虑到人工标定可能存在标定不准的问题，基于步骤310中人工标定所得的标定位置信息，可以通过校正获取更加准确可靠的跑道标定点的位置信息。

可以基于跑道标定点的标定位置信息，在参考帧中定位跑道标定点，从而以跑道标定点为中心，从参考帧中截取包含跑道标定点在内的局部图像，即得到跑道标定点的区域图像。

可以理解的是，此处的区域图像中包含了跑道标定点，以及与跑道标定点相连的部分跑道线、或者起跑线、终点线、近终点线。可以将跑道标定点的标定位置信息，以及跑道标定点对应的区域图像输入到标定点校正模型中进行位置校正，或者基于跑道标定点的标定位置信息在空白图像中绘制能够反映标定位置信息的高斯热图，再将高斯热图和区域图像在通道维度上拼接之后一并输入到标定点校正模型中进行位置校正。此处，标定点校正模型可以是预先训练好的，标定点校正模型的输出，具体可以是距离标定位置信息近的线段交叉点为跑道标定点的置信度，由此即可得到校正后的跑道标定点的位置信息，即校正位置信息。

在得到各跑道标定点的校正位置信息，即可基于此实现以跑道为单位的区域划分，从而得到跑道位置信息。

本发明实施例提供的方法，通过人工标注加自动化校正的方式，实现了跑道位置信息的准确划分，为实现精细化的运动评测提供了条件。

基于上述实施例，针对径赛项目的运动测评，尤其是针对短跑项目的运动测评，可以通过分别设置在起点处和终点处的两个摄像头拍摄的待测视频流实现。

其中，图6是本发明提供的运动测评方法的流程示意图之二，图7是本发明提供的运动测评方法的流程示意图之三，图6示出基于设置在起点处的摄像头拍摄的待测视频流进行短跑测评的流程，图7示出基于设置在终点出的摄像处拍摄的待测视频流进行短跑测评的流程。

如图6所示，系统开始时，处于就位状态，随后按照预设的检测间隔，调用人体检测模型检测图像帧中的人员位置，调用姿态检测模型检测图像帧中的人员姿态，进而判断哪些人员以预设姿态处于各跑道的准备区域内，从而确定参赛人员。此处的预设姿态可以是举手。例如，为了进行举手识别，可以预先训练人体姿态估计模型。针对人体姿态估计模型，可以应用一维热图范式的SimDR单人姿态估计框架，使用MS COCO公开数据集和标注的短跑场景人体骨骼点数据混合训练模型得到。

在参考人员数量与跑道数量匹配的情况下，可以进入准备状态。可以理解的是，如果在就位状态下，未能检测到参赛人员，或者参赛人员数量不符合要求，或者人员未执行预设姿态，则进入非法状态，即，违规状态。

在准备状态下，需要进行违规检测，即检测人员是否存在踩线、抢跑等违规行为，如果存在，进入非法状态。如果接收到外部输入的倒计时指令，则开始等待，直至接收到起跑指令，进入起跑状态。需要说明的是，在等待过程中，如果超时未收到起跑指令，可直接结束测评流程。此外，在进入起跑状态之后，系统可以判断人员是否越过起跑线，从而跳转运动状态，也可以跳转到设置在终点处的摄像头拍摄的待测视频流的监测测评中，此处流程结束。

另外，在非法状态下，可以通过重置返回系统开始，或者直接结束测评流程。

如图7所示，系统开始后，进入运动状态，在运动状态下，通过人员跟踪，获取人员轨迹信息以判断是否存在蹿道行为，并且检测人员是否跨线。如果存在蹿道行为，则进行违规状态，系统结束评测流程；如果检测到人员跨线，则进入跨线状态，根据跨线人员所处的跑道序号，将成绩与跑道序号关联记录，并结束测评流程。流程结束之后，即可整理成绩并输出。

本发明实施例提供的运动测评方法，应用通过人工标注和自动化校正相结合确定的跑道位置信息，实现了运动场所的精细化划分，为实现精细化的运动评测提供了条件。并且，基于脚部骨骼点位置信息进行脚部分割和轮廓拟合，以获取脚部轮廓信息，基于脚部轮廓信息进行违规检测和跨线检测，从而保证了违规检测的可靠性以及状态转换的精细化跟踪。基于脚部框位置信息进行人员跟踪，相较于基于人体框进行人员跟踪的方案，降低了人员跟踪所需的计算量，保证了实时人员跟踪效率，避免了由于人员上半身遮挡导致跟踪失败的问题，提高了人员跟踪的可靠性和成功率。另外，基于跑道位置信息和脚部框位置信息进行撞线检测，由此检测所得的撞线人员直接与跑道关联，即，人员成绩能够与跑道序号绑定输出，无需再另外通过行人重识别、人脸识别一类方式确定撞线人员的人员身份，降低了运动测评所需的计算量。由此形成的运动测评方案整体，实现了简洁、精确、有效的运动测评。

基于上述任一实施例，图8是本发明提供的运动测评装置的结构示意图，如图8所示，该装置包括：

获取单元810，用于获取待测视频流；

检测单元820，用于对所述待测视频流中的各帧进行人体骨骼点检测，得到所述各帧的脚部骨骼点位置信息；

测评单元830，用于基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评；所述跑道位置信息包括各跑道的准备区域位置信息、跑道区域位置信息和终点区域位置信息。

本发明实施例提供的装置，应用待视频流中各帧的脚部骨骼点位置信息，以及待测视频流中以跑道为单位进行区域划分所得的跑道位置信息，进行精细化的运动测评，从而避免运动测评过程中可能存在误判、漏判的问题，保证运动测评结果的可靠性。

基于上述任一实施例，测评单元830包括：

帧状态确定子单元，用于确定所述各帧中当前帧的帧状态；

基于所述跑道位置信息，以及所述当前帧的帧状态和脚部骨骼点位置信息，对所述当前帧的下一帧进行帧状态预测，得到下一帧的帧状态，并将所述下一帧确定为所述当前帧；

运动测评子单元，用于基于所述各帧的帧状态，进行运动测评。

基于上述任一实施例，所述帧状态确定子单元用于：

在所述当前帧的帧状态为准备状态的情况下，基于所述当前帧的脚部骨骼点位置信息，对所述当前帧进行脚部分割，并对脚部分割结果进行轮廓拟合，得到所述当前帧的脚部轮廓信息；

基于所述跑道位置信息和所述当前帧的脚部轮廓信息，进行违规检测，得到所述当前帧的违规检测结果；

基于所述违规检测结果，确定所述下一帧的帧状态为准备状态、起跑状态和违规状态中的一种。

基于上述任一实施例，所述帧状态确定子单元用于：

在所述当前帧的帧状态为起跑状态的情况下，基于所述当前帧的脚部骨骼点位置信息，对所述当前帧进行脚部分割，并对脚部分割结果进行轮廓拟合，得到所述当前帧的脚部轮廓信息；

基于所述跑道位置信息和所述当前帧的脚部轮廓信息，进行跨线检测，得到所述当前帧的跨线检测结果；

基于所述跨线检测结果，确定所述下一帧的帧状态为起跑状态或运动状态。

基于上述任一实施例，所述帧状态确定子单元用于：

在所述当前帧的帧状态为运动状态的情况下，基于所述当前帧的脚部骨骼点位置信息，确定所述当前帧的脚部框位置信息；

基于所述跑道位置信息和所述脚部框位置信息，进行人员跟踪和/或撞线检测，得到人员轨迹信息和/或撞线检测结果；

基于所述人员轨迹信息和/或所述撞线检测结果，确定所述下一帧的帧状态为运动状态、撞线状态和违规状态中的至少一种。

基于上述任一实施例，所述帧状态确定子单元用于：

基于所述脚部框位置信息，进行人员跟踪，得到所述脚部框位置信息对应脚部框所属的人员；

基于所述脚部框位置信息和所述跑道区域位置信息，确定所述脚部框位置信息对应脚部框所属的人员在所述当前帧中的跑道序号；

基于所述人员在所述当前帧中的跑道序号，确定所述人员轨迹信息。

基于上述任一实施例，该装置还包括标定单元，用于

获取参考帧中各跑道标定点的标定位置信息；

基于所述标定位置信息，从所述参考帧中截取所述各跑道标定点的区域图像；

基于所述各跑道标定点的标定位置信息，以及所述各跑道标定点的区域图像，进行标定点校正，得到所述各跑道标定点的校正位置信息；

基于所述各跑道标定点的校正位置信息，确定所述跑道位置信息。

基于上述任一实施例，图9是本发明提供的运动测评系统的结构示意图，如图9所示，该系统包括摄像头910和测评模块920；

所述摄像头910用于采集待测视频流，并将所述待测视频流传输至所述测评模块920；

所述测评模块920用于对所述待测视频流中的各帧进行人体骨骼点检测，得到所述各帧的脚部骨骼点位置信息，并基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评；所述跑道位置信息包括各跑道的准备区域位置信息、跑道区域位置信息和终点区域位置信息。

可以理解的是，此处的测评模块920可以是独立于摄像头910之外的设备，例如测评模块920可以装设在智能手机、电脑或者其他类型的智能设备上，由该智能设备与摄像头910连接。或者，测评模块920也可以直接装设在摄像头910内置的处理器中，即可以通过摄像头一体化的设置，实现视频拍摄和运动测评，本发明实施例对此不作具体限定。

图10示例了一种电子设备的实体结构示意图，如图10所示，该电子设备可以包括：处理器(processor)1010、通信接口(Communications Interface)1020、存储器(memory)1030和通信总线1040，其中，处理器1010，通信接口1020，存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令，以执行运动测评方法，该方法包括：获取待测视频流；对所述待测视频流中的各帧进行人体骨骼点检测，得到所述各帧的脚部骨骼点位置信息；基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评；所述跑道位置信息包括各跑道的准备区域位置信息、跑道区域位置信息和终点区域位置信息。

此外，上述的存储器1030中的逻辑指令可以通过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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明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)执行本发明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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的运动测评方法，该方法包括：获取待测视频流；对所述待测视频流中的各帧进行人体骨骼点检测，得到所述各帧的脚部骨骼点位置信息；基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评；所述跑道位置信息包括各跑道的准备区域位置信息、跑道区域位置信息和终点区域位置信息。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的运动测评方法，该方法包括：获取待测视频流；对所述待测视频流中的各帧进行人体骨骼点检测，得到所述各帧的脚部骨骼点位置信息；基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评；所述跑道位置信息包括各跑道的准备区域位置信息、跑道区域位置信息和终点区域位置信息。

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (11)

1.一种运动测评方法，其特征在于，包括：

获取待测视频流；

对所述待测视频流中的各帧进行人体骨骼点检测，得到所述各帧的脚部骨骼点位置信息；

基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评；所述跑道位置信息包括各跑道的准备区域位置信息、跑道区域位置信息和终点区域位置信息。

2.根据权利要求1所述的运动测评方法，其特征在于，所述基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评，包括：

确定所述各帧中当前帧的帧状态；

基于所述跑道位置信息，以及所述当前帧的帧状态和脚部骨骼点位置信息，对所述当前帧的下一帧进行帧状态预测，得到下一帧的帧状态，并将所述下一帧确定为所述当前帧；

基于所述各帧的帧状态，进行运动测评。

3.根据权利要求2所述的运动测评方法，其特征在于，所述基于所述跑道位置信息，以及所述当前帧的帧状态和脚部骨骼点位置信息，对所述当前帧的下一帧进行帧状态预测，得到下一帧的帧状态，包括：

在所述当前帧的帧状态为准备状态的情况下，基于所述当前帧的脚部骨骼点位置信息，对所述当前帧进行脚部分割，并对脚部分割结果进行轮廓拟合，得到所述当前帧的脚部轮廓信息；

基于所述跑道位置信息和所述当前帧的脚部轮廓信息，进行违规检测，得到所述当前帧的违规检测结果；

基于所述违规检测结果，确定所述下一帧的帧状态为准备状态、起跑状态和违规状态中的一种。

4.根据权利要求2所述的运动测评方法，其特征在于，所述基于所述跑道位置信息，以及所述当前帧的帧状态和脚部骨骼点位置信息，对所述当前帧的下一帧进行帧状态预测，得到下一帧的帧状态，包括：

在所述当前帧的帧状态为起跑状态的情况下，基于所述当前帧的脚部骨骼点位置信息，对所述当前帧进行脚部分割，并对脚部分割结果进行轮廓拟合，得到所述当前帧的脚部轮廓信息；

基于所述跑道位置信息和所述当前帧的脚部轮廓信息，进行跨线检测，得到所述当前帧的跨线检测结果；

基于所述跨线检测结果，确定所述下一帧的帧状态为起跑状态或运动状态。

5.根据权利要求2所述的运动测评方法，其特征在于，所述基于所述跑道位置信息，以及所述当前帧的帧状态和脚部骨骼点位置信息，对所述当前帧的下一帧进行帧状态预测，得到下一帧的帧状态，包括：

在所述当前帧的帧状态为运动状态的情况下，基于所述当前帧的脚部骨骼点位置信息，确定所述当前帧的脚部框位置信息；

基于所述跑道位置信息和所述脚部框位置信息，进行人员跟踪和/或撞线检测，得到人员轨迹信息和/或撞线检测结果；

基于所述人员轨迹信息和/或所述撞线检测结果，确定所述下一帧的帧状态为运动状态、撞线状态和违规状态中的至少一种。

6.根据权利要求5所述的运动测评方法，其特征在于，所述基于所述跑道位置信息和所述脚部框位置信息，进行人员跟踪，得到人员轨迹信息，包括：

基于所述脚部框位置信息，进行人员跟踪，得到所述脚部框位置信息对应脚部框所属的人员；

基于所述脚部框位置信息和所述跑道区域位置信息，确定所述脚部框位置信息对应脚部框所属的人员在所述当前帧中的跑道序号；

基于所述人员在所述当前帧中的跑道序号，确定所述人员轨迹信息。

7.根据权利要求1至6中任一项所述的运动测评方法，其特征在于，所述跑道位置信息的确定步骤包括：

获取参考帧中各跑道标定点的标定位置信息；

基于所述标定位置信息，从所述参考帧中截取所述各跑道标定点的区域图像；

基于所述各跑道标定点的标定位置信息，以及所述各跑道标定点的区域图像，进行标定点校正，得到所述各跑道标定点的校正位置信息；

基于所述各跑道标定点的校正位置信息，确定所述跑道位置信息。

8.一种运动测评装置，其特征在于，包括：

获取单元，用于获取待测视频流；

检测单元，用于对所述待测视频流中的各帧进行人体骨骼点检测，得到所述各帧的脚部骨骼点位置信息；

测评单元，用于基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评；所述跑道位置信息包括各跑道的准备区域位置信息、跑道区域位置信息和终点区域位置信息。

9.一种运动测评系统，其特征在于，包括摄像头和测评模块；

所述摄像头用于采集待测视频流，并将所述待测视频流传输至所述测评模块；

所述测评模块用于对所述待测视频流中的各帧进行人体骨骼点检测，得到所述各帧的脚部骨骼点位置信息，并基于所述各帧的脚部骨骼点位置信息，以及所述待测视频流的跑道位置信息，进行运动测评；所述跑道位置信息包括各跑道的准备区域位置信息、跑道区域位置信息和终点区域位置信息。

10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述运动测评方法。

11.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述运动测评方法。

Images