CN116059601B - 一种基于智能传感技术的考核训练系统 - Google Patents
一种基于智能传感技术的考核训练系统 Download PDFInfo
- Publication number
- CN116059601B CN116059601B CN202310354288.1A CN202310354288A CN116059601B CN 116059601 B CN116059601 B CN 116059601B CN 202310354288 A CN202310354288 A CN 202310354288A CN 116059601 B CN116059601 B CN 116059601B
- Authority
- CN
- China
- Prior art keywords
- image
- training
- module
- continuous shooting
- intelligent sensing
- 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.)
- Active
Links
- 238000012549 training Methods 0.000 title claims abstract description 137
- 238000005516 engineering process Methods 0.000 title claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 11
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 claims abstract description 10
- 241000270295 Serpentes Species 0.000 claims abstract description 4
- 238000004804 winding Methods 0.000 claims description 27
- 238000005259 measurement Methods 0.000 claims description 12
- 241000764238 Isis Species 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
-
- 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
- A63B2220/30—Speed
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明属于考核训练领域,公开了一种基于智能传感技术的考核训练系统,包括身份识别模块、训练模块、传输模块和云服务模块;身份识别模块用于对训练人员进行身份识别,获得训练人员的身份信息;训练模块用于获取训练人员的蛇形跑训练数据;传输模块用于将训练人员的蛇形跑训练数据发送至云服务模块;云服务模块用于存储蛇形跑训练数据,并将蛇形跑训练数据与身份识别模块得到的身份信息进行关联。在本发明中,通过设置身份识别模块、传输模块和云服务模块,对训练模块得到的蛇形跑训练数据进行了存储,使得训练人员能够方便地对历史的训练数据进行查看,分析自身在跑动过程中的缺陷。
Description
技术领域
本发明涉及考核训练领域,尤其涉及一种基于智能传感技术的考核训练系统。
背景技术
蛇形跑测试是一种被列入到军事考核大纲中的测试,蛇形跑测试设备利用红外线原理,自动测试蛇形跑的时间,蛇形跑不仅能反应学员的爆发力和速度,还能反应学员的灵敏度,经常训练蛇形跑,可以提高快速移动能力。
现有技术中的蛇形跑训练设备,一般包括起点计时设备和绕杆设备,起点计时设备用于获取完成蛇形跑的时间,而绕杆设备则用于判断训练人员是否按照设定的规则绕过竖杆。现有的蛇形跑训练设备缺少相应的记录手段,让训练人员无法方便地查看历史训练数据。
发明内容
本发明的目的在于公开一种基于智能传感技术的考核训练系统,解决如何记录蛇形跑训练的数据,让训练人员方便查看历史训练数据的问题。
为了达到上述目的,本发明采用如下技术方案:
本发明提供了一种基于智能传感技术的考核训练系统,包括身份识别模块、训练模块、传输模块和云服务模块;
身份识别模块用于对训练人员进行身份识别,获得训练人员的身份信息;
训练模块用于获取训练人员的蛇形跑训练数据;
传输模块用于将训练人员的蛇形跑训练数据发送至云服务模块;
云服务模块用于存储蛇形跑训练数据,并将蛇形跑训练数据与身份识别模块得到的身份信息进行关联。
优选地,基于智能传感技术的考核训练系统还包括查看模块,查看模块用于与云服务模块进行通信,获取并显示训练人员的蛇形跑训练数据。
优选地,基于智能传感技术的考核训练系统还包括上传模块,上传模块用于训练人员将用于进行身份识别的预留信息上传至云服务模块;
云服务模块用于生成预留信息对应的身份编号。
优选地,预留信息包括人脸图像和姓名。
优选地,对训练人员进行身份识别,获得训练人员的身份信息,包括:
获取训练人员的人脸实时图像;
将人脸实时图像与云服务模块中存储的人脸图像进行匹配,确定训练人员的身份信息。
优选地,蛇形跑训练数据包括训练人员离开起点的时刻、回到起点的时刻和经过绕杆位置的时刻。
优选地,训练模块包括计时单元和绕杆单元;
计时单元设置在蛇形跑训练场地的起点处,用于获取训练人员离开起点的时刻和回到起点的时刻;
绕杆单元用于获取训练人员经过绕杆位置的时刻。
优选地,绕杆单元包括竖杆和智能传感设备;
竖杆竖立设置在绕杆位置;
智能传感设备设置竖杆上。
优选地,智能传感设备包括第一红外测距传感器、第二红外测距传感器和MCU;
经过绕杆位置的时刻包括经过第一方向的时刻和经过第二方向的时刻;
第一红外测距传感器用于连续测量第一方向的第一距离;
第二红外测距传感器用于连续测量第二方向的第二距离;
MCU用于对测量时刻相邻的两个第一距离的第一变化量进行判断,若第一变化量大于设定的第一阈值,则将两个第一距离中数值较小的第一距离的测量时刻作为经过第一方向的时刻;
MCU还用于对测量时刻相邻的两个第二距离的第二变化量进行判断,若第二变化量大于设定的第二阈值,则将两个第二距离中数值较小的第二距离的测量时刻作为经过第二方向的时刻。
优选地,身份信息包括姓名和身份编号。
在本发明中,通过设置身份识别模块、传输模块和云服务模块,对训练模块得到的蛇形跑训练数据进行了存储,使得训练人员能够方便地对历史的训练数据进行查看,分析自身在跑动过程中的缺陷。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明一种基于智能传感技术的考核训练系统的一种示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例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的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示的一种实施例,本发明提供了一种基于智能传感技术的考核训练系统,包括身份识别模块、训练模块、传输模块和云服务模块;
身份识别模块用于对训练人员进行身份识别,获得训练人员的身份信息;
训练模块用于获取训练人员的蛇形跑训练数据;
传输模块用于将训练人员的蛇形跑训练数据发送至云服务模块;
云服务模块用于存储蛇形跑训练数据,并将蛇形跑训练数据与身份识别模块得到的身份信息进行关联。
在本发明中,通过设置身份识别模块、传输模块和云服务模块,对训练模块得到的蛇形跑训练数据进行了存储,使得训练人员能够方便地对历史的训练数据进行查看,分析自身在跑动过程中的缺陷。
优选地,基于智能传感技术的考核训练系统还包括查看模块,查看模块用于与云服务模块进行通信,获取并显示训练人员的蛇形跑训练数据。
具体的,查看模块可以是各种能够联网的通信设备,包括智能手机、电脑、平板等。
优选地,查看模块包括身份验证单元、输入单元、通信单元和显示单元;
身份验证单元用于验证使用输入单元的人员的身份;
输入单元用于通过身份验证的人员输入查询的条件;
通信单元用于将查询的条件发送至云服务模块;
云服务模块用于根据查询的条件向通信单元返回查询结果;
显示单元用于显示查询结果。
具体的,查询的条件可以包括训练的开始时间和结束时间。
优选地,基于智能传感技术的考核训练系统还包括上传模块,上传模块用于训练人员将用于进行身份识别的预留信息上传至云服务模块;
云服务模块用于生成预留信息对应的身份编号。
具体的,上传模块在这个过程中担任了注册账号的角色,训练人员注册好账号之后,便可以上传用于进行身份识别的预留信息。
优选地,预留信息包括人脸图像和姓名。
具体的,预留信息还可以包括邮箱、密保问题、备份手机号等。
优选地,对训练人员进行身份识别,获得训练人员的身份信息,包括:
获取训练人员的人脸实时图像;
将人脸实时图像与云服务模块中存储的人脸图像进行匹配,确定训练人员的身份信息。
具体的,可以通过计算匹配率等指标来判断是否匹配成功。
优选地,获取训练人员的人脸实时图像,包括:
采用连拍的方式对训练人员进行拍摄,得到多张连拍图像;
对连拍图像进行选择,得到人脸实时图像。
具体的,采用连拍的方式,能够提高获得符合图像匹配对应图像的质量要求的图像的概率。因为如果采用单次拍摄的方式,那么在夜晚等光照较差的场景中,需要多次拍摄才能得到符合要求的图像,显然这样会降低对训练人员进行身份识别的效率。
优选地,对连拍图像进行选择,得到人脸实时图像,包括:
将所有的连拍图像保存到集合Q;
对集合Q中的连拍图像按照拍摄的时刻进行连续编号,拍摄的时刻越早,则编号越小;
使用如下方式进行选择:
第一轮选择,计算图像编号为1的连拍图像的图像判断值,若图像判断值大于设定的图像判断值阈值,则将编号为1的连拍图像作为人脸实时图像;若图像判断值小于等于设定的图像判断值阈值,则计算下一轮选择的图像编号num 2;
第q轮选择,计算图像编号为num q的连拍图像的图像判断值,若图像判断值大于设定的图像判断值阈值,则将编号为num q的连拍图像作为人脸实时图像;若图像判断值小于等于设定的图像判断值阈值,则计算下一轮选择的图像编号num q+1,q大于等于2;
若num q+1大于Q m,则将多轮选择中图像判断值最大的连拍图像作为人脸实时图像,Q m为集合Q中的连拍图像的总数。
在对连拍图像进行选择的过程中,采用的是编号跳跃式的选择,即不是直接按照编号顺序一一对每张连拍图像进行图像判断值的计算,因为虽然是连拍,但是实际上的完成连拍所经过的时间非常短,在本发明中,一般都是3S以内,训练人员基本感受不到与拍摄单张图像相比,在时间上会有很大的区别。因此,利用相邻的连拍图像之间相似度非常高的这一特点,本发明采用分轮选择的方式来得到需要计算图像判断值的连拍图像的编号,从而有效地减少了需要计算图像判断值的连拍图像的数量,有效地缩短了对连拍图像进行选择所需要的时间。
优选地,下一轮选择的图像编号的计算方式为:
在第一轮选择中,下一轮选择的图像编号num 2使用如下函数计算:
num
2=1+
bsnum
其中,bsnum为正整数型的基础变化数值;
在第q轮选择中,下一轮选择的图像编号num q+1使用如下函数计算:
任意相邻两轮选择之间的图像编号的差值并不是保持一致的,而是在前一轮图像编号的基础上进行变化,当时,表示相邻两轮的图像判断值之间的差别比较小,可以适当增大用于进行下一轮选择的连拍图像与本轮的连拍图像的图像编号之间的差值,反之,则表示差别增大,缩小差值,从而能够提高选出符合质量要求的连拍图像的概率。
这种设置方式,利用了连拍图像本身的信息来进行下一轮选择的图像编号的自动计算,提高了本发明的适用范围,无需手动选择计算图像判断值的连拍图像。
优选地,基础变化数值的计算方式为:
获取连拍图像中的编号为1的连拍图像ime 1;
获取连拍图像中的编号为Q m的连拍图像ime Qm ;
计算基础距离系数:
计算基础变化数值:
其中,basdt为基础距离系数,为占比参数,numbhd 1为ime 1中灰度值大于阈值ystr 1的像素点的数量,numfal 1为ime 1中的像素点的总数,numbhd Qm 为ime Qm 中灰度值大于阈值ystr 2的像素点的数量,numfal Qm 为ime Qm 中的像素点的总数,为范围控制常数,ystr 1和ystr 2分别为使用大津法对ime 1和ime Qm 进行计算得到的分割阈值。
在基础变化数值的计算过程中,本发明利用了集合Q中的连拍图像的数量、连拍图像中的像素点的像素值与分割阈值之间的关系来得到基础变化数值,使得本发明能够无需手动设置基础变化数值,能够有效地降低本发明的实施难度。因为不同的连拍时间会导致集合Q中连拍图像的数量也会发生变化,若设置固定的基础变化数值,在基础变化数值比较小,而集合Q中连拍图像的数量比较大时,则会导致对连拍图像进行选择的轮次过多,影响对连拍图像进行选择的效率,而且,如果大于阈值的像素点的数量越多,则表示连拍图像为高质量图像的概率越高,此时,仅需要进行较少轮次的选择便能够在较高的概率上得到满足要求的连拍图像,因此,基础变化数值会适应地变小,反之,则会增大,进行更多轮次的识别,提高获得满足要求的连拍图像的概率。
优选地,图像判断值的计算方式为:
对于编号为1的连拍图像,其图像判断值的计算方式包括:
使用肤色识别模型对连拍图像中的编号为1的连拍图像ime 1进行识别,获取ime 1中属于皮肤的像素点的集合sknU;
对集合sknU中的像素点进行聚类,获得聚类中心smd;
获取ime 1中与聚类中心smd之间距离小于R的像素点的集合lwRU 1;
基于lwRU得到识别图像:
在ime 1中将lwRU 1中的像素点的灰度值设为1,其余像素点的灰度值设置为0,从而得到识别图像;
基于lwRU 1计算ime 1的图像判断值admsp 1;
其中,为灰度值权重,pixl i 为像素点i的灰度值,nqlw 1为lwRU 1中的像素点的总数,pxlfh为设置的灰度方差参数,msgis 1为lwRU 1中的像素点的图像熵,msgts为设置的图像熵比较值,为图像熵权重,flrmid 1为lwRU 1中的像素点的梯度幅值的中值,flrmx 1为lwRU 1中的像素点的梯度幅值的最大值,为梯度幅值权重;
对于编号大于1的连拍图像,其图像判断值的计算方式包括:
对于编号为d的连拍图像ime d ,d大于1,
使用识别图像与ime d 进行图像乘法计算,获得ime d 中像素值不为0的像素点的集合lwU d ;
基于lwU d 计算ime d 的图像判断值;
其中,为灰度值权重,pixl j 为像素点j的灰度值,nqlw d 为lwU d 中的像素点的总数,pxlfh为设置的灰度方差参数,msgis d为lwU d 中的像素点的图像熵,msgts为设置的图像熵比较值,为图像熵权重,flrmid d 为lwU d 中的像素点的梯度幅值的中值,flrmx d 为lwU d 中的像素点的梯度幅值的最大值,为梯度幅值权重。
图像判断值主要是从图像包含的信息、像素点之间的灰度值分布、梯度幅值分布这几个角度进行综合计算,图像判断值高的连拍图像,其满足要求的概率越高。另外,本发明在对图像编号大于1的连拍图像进行图像判断值的计算的过程中,通过识别图像有效地提高了获得用于计算图像判断值的集合lwU d 的速度。因为仅在对ime 1进行图像判断值的计算的过程中使用了较为耗时的聚类,然后利用短时间内训练人员的位置变化较少这一特征,得到了后续的连拍图像中属于人脸皮肤区域的大概位置,利用这个大概位置得到的图像集合,里面的像素点属于脸皮肤区域的概率非常高,从而能够得到准确的图像判断值,避免了对不属于脸部皮肤区域的像素点进行图像判断值的计算,从而有效地提高了图像判断值的计算速度。
优选地,蛇形跑训练数据包括训练人员离开起点的时刻、回到起点的时刻和经过绕杆位置的时刻。
优选地,训练模块包括计时单元和绕杆单元;
计时单元设置在蛇形跑训练场地的起点处,用于获取训练人员离开起点的时刻和回到起点的时刻;
绕杆单元用于获取训练人员经过绕杆位置的时刻。
具体的,可以通过红外接触传感器来识别训练人员离开起点或回到起点。
优选地,绕杆单元包括竖杆和智能传感设备;
竖杆竖立设置在绕杆位置;
智能传感设备设置竖杆上。
具体的,竖杆用于将智能传感设备竖立在相应的绕杆位置。
优选地,智能传感设备包括第一红外测距传感器、第二红外测距传感器和MCU;
经过绕杆位置的时刻包括经过第一方向的时刻和经过第二方向的时刻;
第一红外测距传感器用于连续测量第一方向的第一距离;
第二红外测距传感器用于连续测量第二方向的第二距离;
MCU用于对测量时刻相邻的两个第一距离的第一变化量进行判断,若第一变化量大于设定的第一阈值,则将两个第一距离中数值较小的第一距离的测量时刻作为经过第一方向的时刻;
MCU还用于对测量时刻相邻的两个第二距离的第二变化量进行判断,若第二变化量大于设定的第二阈值,则将两个第二距离中数值较小的第二距离的测量时刻作为经过第二方向的时刻。
具体的,由于训练人员第一次经过绕杆和第二次经过绕杆的方向是相反的,因此,通过设置两个红外测距传感器来分别获取每次经过绕杆的时刻。
优选地,身份信息包括姓名和身份编号。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何属于本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于智能传感技术的考核训练系统,其特征在于,包括身份识别模块、训练模块、传输模块和云服务模块;
身份识别模块用于对训练人员进行身份识别,获得训练人员的身份信息;
训练模块用于获取训练人员的蛇形跑训练数据;
传输模块用于将训练人员的蛇形跑训练数据发送至云服务模块;
云服务模块用于存储蛇形跑训练数据,并将蛇形跑训练数据与身份识别模块得到的身份信息进行关联;
预留信息包括人脸图像和姓名;
对训练人员进行身份识别,获得训练人员的身份信息,包括:
获取训练人员的人脸实时图像;
将人脸实时图像与云服务模块中存储的人脸图像进行匹配,确定训练人员的身份信息;
获取训练人员的人脸实时图像,包括:
采用连拍的方式对训练人员进行拍摄,得到多张连拍图像;
对连拍图像进行选择,得到人脸实时图像;
对连拍图像进行选择,得到人脸实时图像,包括:
将所有的连拍图像保存到集合Q;
对集合Q中的连拍图像按照拍摄的时刻进行连续编号,拍摄的时刻越早,则编号越小;
使用如下方式进行选择:
第一轮选择,计算图像编号为1的连拍图像的图像判断值,若图像判断值大于设定的图像判断值阈值,则将编号为1的连拍图像作为人脸实时图像;若图像判断值小于等于设定的图像判断值阈值,则计算下一轮选择的图像编号;
第q轮选择,计算图像编号为的连拍图像的图像判断值,若图像判断值大于设定的图像判断值阈值,则将编号为的连拍图像作为人脸实时图像;若图像判断值小于等于设定的图像判断值阈值,则计算下一轮选择的图像编号,q大于等于2;
下一轮选择的图像编号的计算方式为:
2.根据权利要求1所述的一种基于智能传感技术的考核训练系统,其特征在于,还包括查看模块,查看模块用于与云服务模块进行通信,获取并显示训练人员的蛇形跑训练数据。
3.根据权利要求2所述的一种基于智能传感技术的考核训练系统,其特征在于,还包括上传模块,上传模块用于训练人员将用于进行身份识别的预留信息上传至云服务模块;
云服务模块用于生成预留信息对应的身份编号。
4.根据权利要求1所述的一种基于智能传感技术的考核训练系统,其特征在于,蛇形跑训练数据包括训练人员离开起点的时刻、回到起点的时刻和经过绕杆位置的时刻。
5.根据权利要求4所述的一种基于智能传感技术的考核训练系统,其特征在于,训练模块包括计时单元和绕杆单元;
计时单元设置在蛇形跑训练场地的起点处,用于获取训练人员离开起点的时刻和回到起点的时刻;
绕杆单元用于获取训练人员经过绕杆位置的时刻。
6.根据权利要求5所述的一种基于智能传感技术的考核训练系统,其特征在于,绕杆单元包括竖杆和智能传感设备;
竖杆竖立设置在绕杆位置;
智能传感设备设置竖杆上。
7.根据权利要求6所述的一种基于智能传感技术的考核训练系统,其特征在于,智能传感设备包括第一红外测距传感器、第二红外测距传感器和MCU;
经过绕杆位置的时刻包括经过第一方向的时刻和经过第二方向的时刻;
第一红外测距传感器用于连续测量第一方向的第一距离;
第二红外测距传感器用于连续测量第二方向的第二距离;
MCU用于对测量时刻相邻的两个第一距离的第一变化量进行判断,若第一变化量大于设定的第一阈值,则将两个第一距离中数值较小的第一距离的测量时刻作为经过第一方向的时刻;
MCU还用于对测量时刻相邻的两个第二距离的第二变化量进行判断,若第二变化量大于设定的第二阈值,则将两个第二距离中数值较小的第二距离的测量时刻作为经过第二方向的时刻。
8.根据权利要求3所述的一种基于智能传感技术的考核训练系统,其特征在于,身份信息包括姓名和身份编号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310354288.1A CN116059601B (zh) | 2023-04-06 | 2023-04-06 | 一种基于智能传感技术的考核训练系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310354288.1A CN116059601B (zh) | 2023-04-06 | 2023-04-06 | 一种基于智能传感技术的考核训练系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116059601A CN116059601A (zh) | 2023-05-05 |
CN116059601B true CN116059601B (zh) | 2023-06-09 |
Family
ID=86170093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310354288.1A Active CN116059601B (zh) | 2023-04-06 | 2023-04-06 | 一种基于智能传感技术的考核训练系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116059601B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116719966B (zh) * | 2023-05-25 | 2024-03-08 | 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) | 一种医院病人信息管理系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108744459A (zh) * | 2018-05-24 | 2018-11-06 | 南京佳普科技有限公司 | 一种蛇形跑步训练考核系统及方法 |
CN109086719A (zh) * | 2018-08-03 | 2018-12-25 | 北京字节跳动网络技术有限公司 | 用于输出数据的方法和装置 |
CN109685931A (zh) * | 2019-02-22 | 2019-04-26 | 广州恒康伟业教育科技有限公司 | 一种蛇形跑考核计时管理系统 |
CN109584399A (zh) * | 2019-02-28 | 2019-04-05 | 南京佳普科技有限公司 | 一种蛇形跑考核系统及方法 |
CN110090424B (zh) * | 2019-04-28 | 2020-11-20 | 福建省通通发科技发展有限公司 | 一种用于足球绕杆考核的裁判系统 |
CN112396016B (zh) * | 2020-11-26 | 2021-07-23 | 武汉宏数信息技术有限责任公司 | 一种基于大数据技术的人脸识别系统 |
CN214551079U (zh) * | 2020-12-09 | 2021-11-02 | 中国人民武装警察部队警官学院 | 一种蛇形跑考核系统 |
CN114067427A (zh) * | 2021-10-29 | 2022-02-18 | 北京伟景智能科技有限公司 | 蛇形跑考核方法、系统、电子设备及存储介质 |
CN115775240A (zh) * | 2022-11-29 | 2023-03-10 | 深圳泰山体育科技有限公司 | 一种蛇形跑检测方法及检测装置 |
-
2023
- 2023-04-06 CN CN202310354288.1A patent/CN116059601B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116059601A (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106998444B (zh) | 一种大数据人脸监控系统 | |
CN107808139B (zh) | 一种基于深度学习的实时监控威胁分析方法及系统 | |
CN110969644B (zh) | 人员轨迹追踪方法、装置及系统 | |
CN106844492B (zh) | 一种人脸识别的方法、客户端、服务器及系统 | |
CN116059601B (zh) | 一种基于智能传感技术的考核训练系统 | |
CN110090424B (zh) | 一种用于足球绕杆考核的裁判系统 | |
CN110188690B (zh) | 一种基于无人机的智能视觉分析系统、智能视觉分析系统及方法 | |
CN111968152B (zh) | 一种动态身份识别方法及装置 | |
CN111523347A (zh) | 图像侦测方法、装置、计算机设备及存储介质 | |
CN112287827A (zh) | 基于智慧灯杆的复杂环境行人口罩佩戴检测方法及系统 | |
CN109376679A (zh) | 一种基于深度学习的人脸识别系统及方法 | |
CN109801265A (zh) | 一种基于卷积神经网络的实时输电设备异物检测系统 | |
CN108345878B (zh) | 基于视频的公共交通工具客流量监测方法及系统 | |
CN110287907A (zh) | 一种对象检测方法和装置 | |
CN109740479A (zh) | 一种车辆重识别方法、装置、设备及可读存储介质 | |
CN109492534A (zh) | 一种基于Faster RCNN的跨场景多姿态的行人检测方法 | |
CN116958961A (zh) | 一种基于改进YOLOv8s的轻量级石榴识别方法 | |
CN208335208U (zh) | 包含气象参数的图像融合采集系统 | |
CN104063689B (zh) | 一种基于双目立体视觉的人脸图像识别方法 | |
CN109086717A (zh) | 基于人体骨架和运动信号特征的暴力行为检测系统及方法 | |
CN116580444A (zh) | 基于多天线射频识别技术的长跑计时的测试方法和设备 | |
CN112906439A (zh) | 一种基于目标追踪和行为检测的客流分析方法和系统 | |
CN110321781A (zh) | 一种用于无接触式测量的信号处理方法及装置 | |
CN110321782A (zh) | 一种检测人体特征信号的系统 | |
CN109064578A (zh) | 一种基于云服务的考勤系统及方法 |
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 |