CN116152924A - 一种运动姿势评估方法、装置、系统及计算机存储介质 - Google Patents
一种运动姿势评估方法、装置、系统及计算机存储介质 Download PDFInfo
- Publication number
- CN116152924A CN116152924A CN202310089421.5A CN202310089421A CN116152924A CN 116152924 A CN116152924 A CN 116152924A CN 202310089421 A CN202310089421 A CN 202310089421A CN 116152924 A CN116152924 A CN 116152924A
- Authority
- CN
- China
- Prior art keywords
- data
- time
- motion
- subject
- exercise
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/776—Validation; Performance evaluation
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及运动康复技术领域,尤其涉及一种运动姿势评估方法、装置、系统及计算机存储介质,该方法包括以下步骤:获取受试者运动数据,运动数据参照于角色模型演示数据;转换运动数据为设定的分辨率和秒帧数的初始数据;根据用户的检测级别检测初始数据中的骨架节点;响应时间获取初始数据中骨架节点的位置;将初始数据转换为基于向量的时间序列数据库,并根据检测级别对应的身体部位按照时间序列间隔计算每个骨架节点的位置偏差,将计算数据转换为实时运动数据;将实时运动数据与标准运动数据进行比较,计算两个时间序列之间的相似性,并输出姿势匹配得分以及对应身体部位的得分。通过上述设置,本发明提高了运动姿势评估的便携性和针对性。
Description
技术领域
本发明涉及运动康复技术领域,尤其涉及一种运动姿势评估方法、装置、系统及计算机存储介质。
背景技术
姿势评估是运动评估的基础,其有助于物理治疗或者康复训练,以识别可能导致各种肌肉骨骼问题的身体疾病,广泛应用于个人锻炼、健身中心、体育馆、运动以及康复锻炼领域;
现有的运动姿势评估,如公开号为WO2017025979A1的国际专利申请与2017年2月16日公开的识别姿势细节并评估运动员表现的系统和方法,通过在人体上装配多个传感器,通过传感器检测用户在执行动作时释放压力的大小,来对人体的身体特征进行数据统计得出评分;
或者公开号为CN112861804A的中国发明专利申请于2021年5月28日公开的一种人体动作评价方法、评价装置及评价系统,通过训练人体动作评价模型,然后识别人体视频数据并与标准动作序列进行对比得出评分,通过人工筛选修正模型以及动作兼顾感官评价的方式来提高模型评价复杂动作以及自动优化的能力;
然而发明人在实施上述方案时发现,通过佩戴多个传感器的方式来进行运动姿势评价仅限于特定的场所,便携性较差;而通过人体动作评价模型通过网络神经深度学习的方式得出的是一个模糊的评分,仅能进行运动能力好坏的评价,而无法进行针对性的指导。
发明内容
鉴于以上技术问题中的至少一项,本发明提供了一种运动姿势评估方法、装置、系统及计算机存储介质,采用算法的改进以提高姿势评估对人体康复或训练的指导价值。
根据本发明的第一方面,提供一种运动姿势评估方法,包括以下步骤:
获取受试者运动数据,所述运动数据参照于角色模型演示数据;
转换所述运动数据为设定的分辨率和秒帧数的初始数据;
根据用户的检测级别检测所述初始数据中的骨架节点,所述检测级别包括全身检测、上半身检测或下半身检测;
响应时间获取所述初始数据中骨架节点的位置;
将初始数据转换为基于向量的时间序列数据库,并根据检测级别对应的身体部位按照时间序列间隔计算每个骨架节点的位置偏差,将计算数据转换为实时运动数据;
将实时运动数据与标准运动数据进行比较,计算两个时间序列之间的相似性,并输出姿势匹配得分以及对应身体部位的得分。
在本发明一些实施例中,所述检测级别对应的身体部位包括左上肢、右上肢、左下肢、右下肢和躯干倾斜角。
在本发明一些实施例中,在获取受试者运动数据时,预设标准框架,并使得受试者站位于标准框架中。
在本发明一些实施例中,所述受试者运动数据为实时获取的运动视频、视频文件或者图像文件。
根据本发明的第二方面,还提供了一种运动姿势评估装置,包括:
第一获取单元,用于获取受试者运动数据,所述运动数据参照于角色模型演示数据;
转换单元,用于将所述运动数据转换为设定的分辨率和秒帧数的初始数据;
检测单元,用于根据用户的检测级别检测所述初始数据中的骨架节点,所述检测级别包括全身检测、上半身检测或下半身检测;
第二获取单元,用于响应时间获取所述初始数据中骨架节点的位置;
计算单元,用于将初始数据转换为基于向量的时间序列数据库,并根据检测级别对应的身体部位按照时间序列间隔计算每个骨架节点的位置偏差,将计算数据转换为实时运动数据;
输出单元,用于将实时运动数据与标准运动数据进行比较,计算两个时间序列之间的相似性,并输出姿势匹配得分以及对应身体部位的得分。
在本发明一些实施例中,在所述检测单元中,所述检测级别对应的身体部位包括左上肢、右上肢、左下肢、右下肢和躯干倾斜角。
在本发明一些实施例中,在所述第一获取单元中,在获取受试者运动数据时,预设标准框架,并使得受试者站位于标准框架中。
在本发明一些实施例中,在所述第一获取单元中,在获取受试者运动数据时,预设标准框架,并使得受试者站位于标准框架中。
根据本发明的第三方面,还提供了一种运动姿势评估系统,包括:
摄像机,用于捕获受试者的运动视频;
微型处理器,与所述摄像机连接,所述微型处理器内具有存储器和处理器,所述存储器用于存储可执行指令,所述处理器用于运行所述存储器存储的可执行指令,实现如第一方面中任一项所述的运动姿势评估方法;
显示器,与所述微型处理器连接,用于显示角色模型演示视频供受试者观看。
根据本发明的第四方面,还提供了一种计算机存储介质,所述计算机存储介质中存储有计算机程序指令,所述计算机程序指令被处理器执行时,用于执行如第一方面中任一项所述的运动姿势评估方法。
本发明的有益效果为:本发明通过获取受试者的运动数据,然后从运动数据中检测骨架节点,再响应时间节点获取数据中骨架节点的位置以及位置偏差进行计算,最后与标准运动数据进行比较得出姿势匹配得分以及对应各身体部位的得分。通过上述方法的实现,一方面提高了运动姿势评估的便捷性,无需特定的场地,而且根据需要对身体各部位进行评分,为用户提供更加具有针对性的指导作用。
附图说明
为了更清楚地说明本发明实施例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简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,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为本发明实施例中运动姿势评估方法的步骤流程图;
图2为本发明实施例中运动姿势评估方法中角色模型演示与受试者运动数据获取界面示意图;
图3为本发明实施例中运动姿势评估方法中输出评分结果显示界面图;
图4为本发明实施例中获取受试者运动数据时的受试者站位于标准框架中的显示界面图;
图5为本发明实施例中运动评估装置的结构示意图;
图6为本发明实施例中运动评估系统的结构示意图。
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示的运动姿势评估方法,包括以下步骤:
S10:获取受试者运动数据,运动数据参照于角色模型演示数据;在本发明实施例中,获取受试者的运动数据,可以采用摄像机进行实时动作的录制,如图2中所示,角色模型演示数据为特定动作的模特演示视频,受试者跟随者模特做动作即可;当然这里还需要指出的是,本发明实施例中,除了实施录制动作之外,也可以事先根据演示视频进行视频的录制保存,再将保存好的视频进行处理;
S20:转换运动数据为设定的分辨率和秒帧数的初始数据;这里需要指出的是,在本发明实施例中,模特演示视频除了作为演示作用外,还作为标准视频,这里进行标准数据的转换,即转换为和标准视频相匹配的分辨率和秒帧数,以便于后续的计算处理;
S30:根据用户的检测级别检测初始数据中的骨架节点,检测级别包括全身检测、上半身检测或下半身检测;全身检测即同时包含上半身和下半身检测,用户可以根据需要进行检测部位的选择;
S40:响应时间获取初始数据中骨架节点的位置;如图2中所示,骨架节点即将人体简化为骨架结构,而骨架结构的关节点即为骨架节点,在进行具体识别时,首先获取人体的轮廓,再根据人体活动时的动作确定骨骼结构,最终确定骨架节点;
S50:将初始数据转换为基于向量的时间序列数据库,并根据检测级别对应的身体部位按照时间序列间隔计算每个骨架节点的位置偏差,将计算数据转换为实时运动数据;具体的,如果用户选择的检测等级为全身检测,则进行全身骨架节点的基于向量的时间序列数据转换,若用户选择下半身,则仅进行下半身的检测,通过这种方式,既可以提高检测的针对性,又可以提高运算效率;
S60:将实时运动数据与标准运动数据进行比较,计算两个时间序列之间的相似性,并输出姿势匹配得分以及对应身体部位的得分。如图3中所示的评分结果显示界面,会分别显示总评分以及各个身体部位的评分;通过上述设置,使得用户可以根据各身体部位的评分进行相应的改进,进而提高恢复或者训练的针对性。
在上述实施例中,通过获取受试者的运动数据,然后从运动数据中检测骨架节点,再响应时间节点获取数据中骨架节点的位置以及位置偏差进行计算,最后与标准运动数据进行比较得出姿势匹配得分以及对应各身体部位的得分。通过上述方法的实现,一方面提高了运动姿势评估的便捷性,无需特定的场地,而且根据需要对身体各部位进行评分,为用户提供更加具有针对性的指导作用。
在上述实施例的基础上,在本发明一些实施例中,如图3中所示,检测级别对应的身体部位包括左上肢、右上肢、左下肢、右下肢和躯干倾斜角。这里的躯干倾斜角具体是指躯干垂直倾斜角以及躯干水平倾斜角。此外这里还需要指出的是,在本发明实施例中,如图3中所示,会以图形的形式进行显示,并且还可以提供用户信息的显示,并且提供相应的报告供用户下载保存。
在本发明实施例中,在检测骨架节点时,由于受试者的身高体态不同,难以将其与标准视频进行比对计算,为了解决该问题,如图4中所示,在获取受试者运动数据时,预设标准框架,并使得受试者站位于标准框架中。例如在通过视频实时录像时,受试者调整与镜头的距离,使得受试者正好站位于标准框中。或者在处理视频文件时,可以对视频文件进行缩放,使得受试者位于标准框内。通过这种方式的处理,使得初始数据中的受试者的体型和标准体型相近,进而省去了后续的处理流程,提高了处理效率和运算结果的精准性。此外,这里还需要指出的是,在本发明实施例中,还可以对图像文件进行类似的处理,以提高该评估方法的适应性。
本领域技术人员应当知道,本申请实施例中可提供为方法、装置、系统或者计算机程序产品,因此本申请实施例可以完全采用硬件实施例、硬件与软件结合的实施例或者纯软件实施例,下面对本申请实施例中的运动姿势评估装置进行介绍,下文中的装置实施例与上文中的方法实施例相互对应,本领域技术人员可以基于上文的描述对下文的实施过程进行理解,这里不再进行详细描述;
如图5中所示的运动姿势评估装置,包括:
第一获取单元100,用于获取受试者运动数据,运动数据参照于角色模型演示数据;
转换单元200,用于将运动数据转换为设定的分辨率和秒帧数的初始数据;
检测单元300,用于根据用户的检测级别检测初始数据中的骨架节点,检测级别包括全身检测、上半身检测或下半身检测;
第二获取单元400,用于响应时间获取初始数据中骨架节点的位置;
计算单元500,用于将初始数据转换为基于向量的时间序列数据库,并根据检测级别对应的身体部位按照时间序列间隔计算每个骨架节点的位置偏差,将计算数据转换为实时运动数据;
输出单元600,用于将实时运动数据与标准运动数据进行比较,计算两个时间序列之间的相似性,并输出姿势匹配得分以及对应身体部位的得分。
在本发明实施例中,在检测单元300中,检测级别对应的身体部位包括左上肢、右上肢、左下肢、右下肢和躯干倾斜角。
在本发明实施例中,在第一获取单元100中,在获取受试者运动数据时,预设标准框架,并使得受试者站位于标准框架中。
在本发明实施例中,在第一获取单元100中,在获取受试者运动数据时,预设标准框架,并使得受试者站位于标准框架中。
如图6中所示,本发明实施例中还提供了一种运动姿势评估系统,包括:
摄像机1,用于捕获受试者的运动视频;
微型处理器2,与摄像机1连接,微型处理器2内具有存储器和处理器,存储器用于存储可执行指令,处理器用于运行存储器存储的可执行指令,实现如权利要求1至4中任一项的运动姿势评估方法;
显示器3,与微型处理器2连接,用于显示角色模型演示视频供受试者观看。
此外,这里还需要指出的是,在本发明实施例中,显示器3可以通过电缆3的形式进行外接,也可以直接与微型处理器2进行连接并且内嵌在一个箱体内,至于电源5可以通过外接的形式进行,也可以通过内置电池的方式来实现。通过上述结构设置,与现有技术相比,大大提高了运动姿势评分的便携性。
根据本发明实施例的另外一个方面,还提供了一种计算机存储介质,计算机存储介质中存储有计算机程序指令,计算机程序指令被处理器执行时,用于执行上述任一项的运动姿势评估方法。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种运动姿势评估方法,其特征在于,包括以下步骤:
获取受试者运动数据,所述运动数据参照于角色模型演示数据;
转换所述运动数据为设定的分辨率和秒帧数的初始数据;
根据用户的检测级别检测所述初始数据中的骨架节点,所述检测级别包括全身检测、上半身检测或下半身检测;
响应时间获取所述初始数据中骨架节点的位置;
将初始数据转换为基于向量的时间序列数据库,并根据检测级别对应的身体部位按照时间序列间隔计算每个骨架节点的位置偏差,将计算数据转换为实时运动数据;
将实时运动数据与标准运动数据进行比较,计算两个时间序列之间的相似性,并输出姿势匹配得分以及对应身体部位的得分。
2.根据权利要求1所述的运动姿势评估方法,其特征在于,所述检测级别对应的身体部位包括左上肢、右上肢、左下肢、右下肢和躯干倾斜角。
3.根据权利要求1所述的运动姿势评估方法,其特征在于,在获取受试者运动数据时,预设标准框架,并使得受试者站位于标准框架中。
4.根据权利要求3所述的运动姿势评估方法,其特征在于,所述受试者运动数据为实时获取的运动视频、视频文件或者图像文件。
5.一种运动姿势评估装置,其特征在于,包括:
第一获取单元,用于获取受试者运动数据,所述运动数据参照于角色模型演示数据;
转换单元,用于将所述运动数据转换为设定的分辨率和秒帧数的初始数据;
检测单元,用于根据用户的检测级别检测所述初始数据中的骨架节点,所述检测级别包括全身检测、上半身检测或下半身检测;
第二获取单元,用于响应时间获取所述初始数据中骨架节点的位置;
计算单元,用于将初始数据转换为基于向量的时间序列数据库,并根据检测级别对应的身体部位按照时间序列间隔计算每个骨架节点的位置偏差,将计算数据转换为实时运动数据;
输出单元,用于将实时运动数据与标准运动数据进行比较,计算两个时间序列之间的相似性,并输出姿势匹配得分以及对应身体部位的得分。
6.根据权利要求5所述的运动姿势评估装置,其特征在于,在所述检测单元中,所述检测级别对应的身体部位包括左上肢、右上肢、左下肢、右下肢和躯干倾斜角。
7.根据权利要求5所述的运动姿势评估装置,其特征在于,在所述第一获取单元中,在获取受试者运动数据时,预设标准框架,并使得受试者站位于标准框架中。
8.根据权利要求7所述的运动姿势评估装置,其特征在于,在所述第一获取单元中,在获取受试者运动数据时,预设标准框架,并使得受试者站位于标准框架中。
9.一种运动姿势评估系统,其特征在于,包括:
摄像机,用于捕获受试者的运动视频;
微型处理器,与所述摄像机连接,所述微型处理器内具有存储器和处理器,所述存储器用于存储可执行指令,所述处理器用于运行所述存储器存储的可执行指令,实现如权利要求1至4中任一项所述的运动姿势评估方法;
显示器,与所述微型处理器连接,用于显示角色模型演示视频供受试者观看。
10.一种计算机存储介质,其特征在于,所述计算机存储介质中存储有计算机程序指令,所述计算机程序指令被处理器执行时,用于执行如权利要求1至4任一项所述的运动姿势评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310089421.5A CN116152924A (zh) | 2023-02-03 | 2023-02-03 | 一种运动姿势评估方法、装置、系统及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310089421.5A CN116152924A (zh) | 2023-02-03 | 2023-02-03 | 一种运动姿势评估方法、装置、系统及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116152924A true CN116152924A (zh) | 2023-05-23 |
Family
ID=86338595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310089421.5A Pending CN116152924A (zh) | 2023-02-03 | 2023-02-03 | 一种运动姿势评估方法、装置、系统及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116152924A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078976A (zh) * | 2023-10-16 | 2023-11-17 | 华南师范大学 | 动作评分方法、装置、计算机设备以及存储介质 |
-
2023
- 2023-02-03 CN CN202310089421.5A patent/CN116152924A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078976A (zh) * | 2023-10-16 | 2023-11-17 | 华南师范大学 | 动作评分方法、装置、计算机设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200197746A1 (en) | Method for providing posture guide and apparatus thereof | |
CN113762133B (zh) | 基于人体姿态识别的自重健身辅助教练系统、方法、终端 | |
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 | |
US11948401B2 (en) | AI-based physical function assessment system | |
JP6124308B2 (ja) | 動作評価装置及びそのプログラム | |
KR20220028654A (ko) | 미러 디스플레이를 이용하여 태권도 동작 코칭 서비스를 제공하는 장치 및 방법 | |
WO2017161734A1 (zh) | 通过电视和体感配件矫正人体动作及系统 | |
CN111012353A (zh) | 一种基于人脸关键点识别的身高检测方法 | |
CN113856186B (zh) | 一种引体向上动作判定与计数的方法、系统及装置 | |
CN106846372B (zh) | 人体运动质量视觉分析与评价系统及其方法 | |
CN106725531B (zh) | 基于视线的儿童专注力测试分析系统和方法 | |
CN116152924A (zh) | 一种运动姿势评估方法、装置、系统及计算机存储介质 | |
US11779260B2 (en) | Cognitive function evaluation method, cognitive function evaluation device, and non-transitory computer-readable recording medium in which cognitive function evaluation program is recorded | |
US20210059614A1 (en) | Sarcopenia evaluation method, sarcopenia evaluation device, and non-transitory computer-readable recording medium in which sarcopenia evaluation program is recorded | |
KR20160035497A (ko) | 스켈레톤 추출정보를 이용한 동작분석 기반의 체형분석 시스템 | |
Viana et al. | GymApp: A real time physical activity trainner on wearable devices | |
CN110458076A (zh) | 一种基于计算机视觉的教学方法及系统 | |
CN114639168B (zh) | 一种用于跑步姿态识别的方法和系统 | |
JP2021037168A (ja) | 運動解析システム、運動解析プログラム、及び運動解析方法 | |
CN116271757A (zh) | 一种基于ai技术的篮球练习的辅助系统和方法 | |
CN113517052A (zh) | 商用健身场景下的多感知人机交互系统与方法 | |
CN111261258A (zh) | 一种体育运动训练评估系统 | |
CN116153510B (zh) | 矫正镜控制方法、装置、设备、存储介质及智能矫正镜 | |
CN113283402B (zh) | 一种差分式二维注视点检测方法及装置 | |
CN117173789A (zh) | 一种实心球动作评分方法、系统、设备及存储介质 |
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 |