CN116259105A - 一种运动辅助指导方法、系统及计算机终端 - Google Patents

一种运动辅助指导方法、系统及计算机终端 Download PDF

Info

Publication number
CN116259105A
CN116259105A CN202211736929.1A CN202211736929A CN116259105A CN 116259105 A CN116259105 A CN 116259105A CN 202211736929 A CN202211736929 A CN 202211736929A CN 116259105 A CN116259105 A CN 116259105A
Authority
CN
China
Prior art keywords
motion
exercise
information
image information
model
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
Application number
CN202211736929.1A
Other languages
English (en)
Inventor
龙中民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yibin Tianlong Communication Co ltd
Shenzhen Tinno Wireless Technology Co Ltd
Original Assignee
Yibin Tianlong Communication Co ltd
Shenzhen Tinno Wireless Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yibin Tianlong Communication Co ltd, Shenzhen Tinno Wireless Technology Co Ltd filed Critical Yibin Tianlong Communication Co ltd
Priority to CN202211736929.1A priority Critical patent/CN116259105A/zh
Publication of CN116259105A publication Critical patent/CN116259105A/zh
Pending legal-status Critical Current

Links

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
    • A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
    • A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
    • 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
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • 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
    • A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
    • A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
    • A63B2024/0012—Comparing movements or motion sequences with a registered reference

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Psychiatry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及智能终端技术领域，特别是涉及一种运动辅助指导方法、系统及计算机终端，包括以下步骤：输入运动指导信息，并获取当下使用者的运动图像信息；判断该运动图像信息与输入运动指导信息是否为相同运动，若是，则进入下一步，若否则报错提醒；采用机器学习算法对该运动图像信息进行识别训练，获得人体运动模型；将该人体运动模型与标准动作库进行对比判断，并在产生差异值时，显示修正提示信息，本发明可根据运动者的运动，进行判断锻炼方式是否正确，无需教练指导，降低了人员和运动成本，根据运动者的运动，进行判断锻炼方式是否正确，提高锻炼的效率，指导给出了正确的发力方式。

Description

一种运动辅助指导方法、系统及计算机终端
技术领域
本发明涉及智能终端技术领域，特别是涉及一种运动辅助指导方法、系统及计算机终端。
背景技术
随着时代与科技的快速发展，越来越多的便捷化工具在方便人们生活的同时，也使得人们日常的活动量减少，亚健康的人群不断的壮大，越来越多的人们为保证自身的身体健康投入到运动中，为锻炼身体的各方面，得到好的运动效果，人们不仅要了解运动器材的使用方法，还应该学习使用运动器材时的标准运动动作。
社会水平的提高，人们生活所需的必要运动活动大量减少，但人们依旧会注意自己的身体健康，办理运动房卡，参与户外骑行，跑步，自己在家购买器材或使用无器材的运动方式，由于经济，时间，或性格方面，人们更加偏向室内无器材或者简单器材的运动。往往独自在家锻炼，无人在旁进行判断运动姿势是否正确，错误的锻炼会使得运动效率低，严重甚至可能会导致早衰，所以正确锻炼方式非常重要，但由于种种因素影响又难以实现，所以一个分析方法可以提示锻炼中人们，矫正锻炼中的姿势，使用正确的发力方法和休息的时间，大大的加大了锻炼的效率。
发明内容
鉴于以上现有技术的缺点，本发明的目的在于提供一种运动辅助指导方法、系统及计算机终端，可以通过手机的App端来选择运动的模式，在特定的模式下，会有图像指导运动人员锻炼，运动方面注意的细节。
为实现上述目的及其他相关目的，第一方面，本申请提供一种运动辅助指导方法，包括以下步骤：
输入运动指导信息，并获取当下使用者的运动图像信息；
判断该运动图像信息与输入运动指导信息是否为相同运动，若是，则进入下一步，若否则报错提醒；
采用机器学习算法对该运动图像信息进行识别训练，获得人体运动模型；
将该人体运动模型与标准动作库进行对比判断，并在产生差异值时，显示修正提示信息。
更进一步的，所述方法通过信息采集模块采使用者的运动图像信息，其中，所述信息采集模块为摄像头单元和/或穿戴式传感单元。
更进一步的，所述方法中，判断该运动图像信息与输入运动指导信息是否为相同运动时，根据输入运动指导信息从标准动作库中调出与所选择运动相应的一预测动作，将所述运动图像信息与所述预测动作进行对比判断，判断是否为相同运动。
更进一步的，所述机器学习算法采用深度神经网络，通过将一个或多个输入经过单独加权相加以产生输出，且总和通过非线性函数传递，并随着神经网络的学习，根据所述人体运动模型产生的误差来调整所述人体运动模型的权重，直到不再减小误差为止。
更进一步的，所述机器学习算法通过卷积神经网络或循环神经网络进行识别训练，获得所述人体运动模型。
更进一步的，所述人体运动模型为人体骨骼模型和/或姿势识别模型，所述修正提示信息包括正确的发力方式和易错点信息。
更进一步的，所述方法判断产生差异值时，通过人体运动模型获取人体运动关节点坐标，及通过标准动作库获取标准关节点坐标，计算并产生标准关节点坐标和人体运动关节点坐标之间的差异值。
更进一步的，所述方法判断产生差异值时，通过人体运动模型获取人体运动轨迹图，及通过标准动作库获取标准动作轨迹图，计算并产生标准动作轨迹图和人体运动轨迹图之间的差异值。
第二方面，本发明提供了一种运动辅助指导系统，所述系统用于搭建实现第一方面所述的运动辅助指导方法，包括：
运动指导模块，用于得到运动选择信息；
信息采集模块，用于采集运动图像信息；
运动主体检测模块，用于根据所述运动选择信息与所述运动图像信息判断是否为相同运动；
运动分析模块，采用机器学习算法，对所述运动图像信息进行识别训练，获得人体运动模型；以及
后端处理模块，将所述人体运动模型与所述服务终端中储存的标准动作库进行对比判断产生差异值，并显示修正提示信息。
第三方面，本发明提供了一种计算机终端，包括存储器、处理器及存储在所述存储器上并能够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计算机程序时能够用于执行第一方面所述的运动辅助指导方法。
如上所述，本申请的一种运动辅助指导方法、系统及计算机终端，至少具有如下有益效果：
本发明通过手机的App端来选择运动的模式，并通过摄像头设备获取运动者的运动方式，分析运动主体的数据信息，有图像指导运动人员锻炼，提示运动者运动中注意的细节和错误之处并进行指正，无需教练指导，降低了人员和运动成本，根据运动者的运动，进行判断锻炼方式是否正确，提高锻炼的效率，和正确的发力方式。
附图说明
图1为本申请一示例性实施例中一种运动辅助指导方法的流程示意图；
图2为本申请一示例性实施例中一种运动辅助指导系统的功能模块示意图；
图3是本申请一示例性实施例中一种运动辅助指导方法的一种实例流程示意图。
标号说明
智能终端1、运动指导模块11、信息采集模块12、运动主体检测模块13；
服务终端2、运动分析模块21、后端处理模块22。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容所能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“第一”、“第二”等用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
在一实施例中，请参阅图1为本申请一示例性实施例中一种运动辅助指导方法的流程示意图，所述方法步骤包括：
输入运动指导信息，并获取当下使用者的运动图像信息；
判断该运动图像信息与输入运动指导信息是否为相同运动，若是，则进入下一步，若否则报错提醒；
采用机器学习算法对该运动图像信息进行识别训练，获得人体运动模型；
将该人体运动模型与标准动作库进行对比判断，并在产生差异值时，显示修正提示信息。
本事实例中，通过信息采集模块采集使用者的运动图像信息的步骤，包括：所述信息采集模块为摄像头单元和/或穿戴式传感单元。其中，信息采集模块包括但不限于，光传感器如摄像头单元，和穿戴式传感单元如九轴传感。
作为本实施例的优选，通过信息采集模块采集使用者的运动图像信息的步骤，包括：所述信息采集模块为摄像头单元和/或穿戴式传感单元。
更进一步的，信息采集模块包括但不限于，光传感器如摄像头单元，和穿戴式传感单元如九轴传感器。
一实施例中，本实施例优选九轴传感器是用于测量旋转角、转速、加速度等参数的仪器，其原理是将旋转运动转化为直线位移或角速度，再利用直线位移或角速度来计算物体质量。
更进一步的，本实施例九轴传感器应用于工业自动化控制领域，如数控机床和机器人系统中的角度检测；汽车生产线上的在线检测和控制；航空航天器中的姿态监控；以及其它各种机械设备的动态测试中。
作为本实施例的优选，通过运动主体检测模块根据所述运动选择信息与所述运动图像信息判断是否为相同运动时，根据所述运动选择信息从所述标准动作库中调出与所选择运动相应的预测动作，将所述运动图像信息与所述预测动作进行对比判断，判断是否为相同运动。
作为本实施例的优选，通运动主体检测模块根据所述运动选择信息与所述运动图像信息判断是否为相同运动时，根据所述运动选择信息从所述标准动作库中调出与所选择运动相应预测动作，将所述运动图像信息与所述预测动作进行对比判断，判断是否为相同运动。
更进一步的，若符合，通过网络传输发送所述运动图像信息至服务终端的步骤，包括：在所述运动图像信息进行传输之前，首先要使所述信息采集模块与所述服务终端进行连接，连接方式为有线连接如利用数据线进行连接，或无线连接如利用无线通信的方式进行连接，为了保证连接的方便性，优选为无线通信的方式。
一实施例中，人体运动模型模拟人体结构与运动的数学模型.即把人体或人体环节看做形状和大小不变的刚体，或只有质量而没有大小和形状的质点，利用数学、力学、物理学的理论与方法，以及运动解剖学参数。
更进一步的，人体运动模型模由多个常微分方程和积分方程联立而成的方程组，其中涉及泛函分析和优化等方面的知识，或退化成代数方程组，主要用以描述人体及各环节的运动学、静力学及动力学特性。
一实施例中，当采集所述运动图像信息后，通过与所述运动选择信息确认是否为相同运动，当为相同运动，继续运动辅助指导程序，若运动动作不一致时，停止运动辅助指导程序。
作为将实施例的优选，信息采集模块將采集到的数据传输到所述服务终端中的内存或存储器与处理器进行数据通信，通常包括易失性和非易失性存储器，包括随机存取存储器(Random Access Memory,RAM)，只读存储器(Read-Only Memory,ROM)和一个或多个大容量存储设备。
一实施例中，通过所述服务终端中的运动分析模块，采用机器学习算法，对所述运动图像信息进行识别训练，获得人体运动模型时，所述机器学习算法采用深度神经网络，通过将一个或多个输入经过单独加权相加以产生输出，且总和通过非线性函数传递，并随着神经网络的学习，根据所述人体运动模型产生的误差来调整所述人体运动模型的权重，直到不再减小误差为止。
作为本实施例的优选，机器学习算法采用深度神经网络，通过将一个或多个输入经过单独加权相加以产生输出，且总和通过非线性函数传递，并随着神经网络的学习，根据所述人体运动模型产生的误差来调整所述人体运动模型的权重，直到不再减小误差为止时，所述机器学习算法通过卷积神经网络或循环神经网络进行识别训练，获得所述人体运动模型。
进一步地，卷积神经网络以卷积神经网络结构为深度学习核心算法，是一个使用一个卷积核(n*m的方格，每一个方格有一个值)，对输入图像的像素值进行乘法或其他运算的过程。卷积运算可以将图像中特征呈现出来，如边缘，形状等。
本实施例生成的特征图再通过一个兴趣区域网络，将特征图中包括目标物体可能性高的区域提取出来，生成兴趣区域图。
最后，兴趣区域图中的每一个兴趣区域通过一个分类神经网络，来判断该区域是否为该目标物体。
本实施例循环神经网络算法预测出所述使用者下一步的运动动作。
一实施例中，通过后端处理模块，将所述人体运动模型与所述服务终端中储存的标准动作库进行对比判断的步骤，包括：通过所述人体运动模型获取人体运动关节点坐标，及通过所述标准动作库获取标准关节点坐标，计算并产生所述标准关节点坐标和所述人体运动关节点坐标之间的所述差异值。进一步地，人体运动模型为人体骨骼模型和/或姿势识别模型。
作为本实施例的优选，通过所述人体运动模型获取人体运动轨迹图，及通过所述标准动作库获标准动作轨迹图，计算并产生所述标准动作轨迹图和所述人体运动轨迹图之间的所述差异值。
作为本实施例的优选，人体骨骼模型，通过所述运动图像信息建立分析用的简易人体骨骼模型，并获取人体骨骼的空间坐标数据和/或骨骼关节点位置将，使用者身体的关节节点在一段时间内的三维位置移动作为机器学习模型的输入，来识别运动动作。
本实施例人体运动轨迹图，通过所述运动图像信息中使用者身体各个部位标记点，将其三维位置在时间序列上关联起来的运动轨迹绘制所述人体运动轨迹图。
一实施例中，通过所述后端处理模块产生一差异值，并显示一修正提示信息，包括：通过一显示屏上标示出所述使用者与标准动作的差异图像，给所述使用者提出合理的建议。
本实施例通过一语音提示模块通过语言的指导提示所述使用者进行纠正。指导所述使用者的运动方式和锻炼过程中的不当姿势或发力，通过语言的指导提示所述使用者进行纠正。
本实施例根据所述使用者平时的运动确定所述使用者的柔韧性等，来进行矫正。
对此，本申请提供了一种运动辅助指导系统，请参阅图2，图2为本申请一示例性实施例中一种运动辅助指导系统的功能模块示意图，包括：智能终端1，所述智能终端1包括：运动指导模块11，用于得到运动选择信息；信息采集模块12，用于采集运动图像信息；运动主体检测模块13，用于根据所述运动选择信息与所述运动图像信息判断是否为相同运动；以及服务终端2，所述服务终端2包括：运动分析模块21，采用机器学习算法，对所述运动图像信息进行识别训练，获得人体运动模型；以及后端处理模块22，将所述人体运动模型与所述服务终端2中储存的标准动作库进行对比判断产生差异值，并显示修正提示信息。
本实施例中，信息采集模块12为摄像头单元和/或穿戴式传感单元。
作为本实施例的优选，信息采集模块12包括但不限于，光传感器如摄像头单元，和穿戴式传感单元如九轴传感器。
如上所述，可以理解地，本申请中提出的所述运动辅助指导系统的各组成部分可以实现如上所述运动辅助指导方法任一项的功能，具体结构不再赘述。
对此，请参阅图3，图3是本申请一示例性实施例中一种运动辅助指导方法的一种实例流程示意图，用于实现如上所述运动辅助指导方法。
在上述方案的一种运动辅助指导方法中，具有如下有益效果，本发明通过手机的App端来选择运动的模式，并通过摄像头设备获取运动者的运动方式，分析运动主体的数据信息，有图像指导运动人员锻炼，提示运动者运动中注意的细节和错误之处并进行指正，无需教练指导，降低了人员和运动成本，根据运动者的运动，进行判断锻炼方式是否正确，提高锻炼的效率，和正确的发力方式。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种运动辅助指导方法，其特征在于，包括以下步骤：
输入运动指导信息，并获取当下使用者的运动图像信息；
判断该运动图像信息与输入运动指导信息是否为相同运动，若是，则进入下一步，若否则报错提醒；
采用机器学习算法对该运动图像信息进行识别训练，获得人体运动模型；
将该人体运动模型与标准动作库进行对比判断，并在产生差异值时，显示修正提示信息。
2.根据权利要求1所述的一种运动辅助指导方法，其特征在于，所述方法通过信息采集模块采使用者的运动图像信息，并判断该运动图像信息与输入运动指导信息是否为相同运动；其中，所述信息采集模块为摄像头单元和/或穿戴式传感单元。
3.根据权利要求2所述的一种运动辅助指导方法，其特征在于，所述方法中，判断该运动图像信息与输入运动指导信息是否为相同运动时，根据输入运动指导信息从标准动作库中调出与所选择运动相应的一预测动作，将所述运动图像信息与所述预测动作进行对比判断，判断是否为相同运动。
4.根据权利要求1所述的一种运动辅助指导方法，其特征在于，所述机器学习算法采用深度神经网络，通过将一个或多个输入经过单独加权相加以产生输出，且总和通过非线性函数传递，并随着神经网络的学习，根据所述人体运动模型产生的误差来调整所述人体运动模型的权重，直到不再减小误差为止。
5.根据权利要4所述的一种运动辅助指导方法，其特征在于，所述机器学习算法通过卷积神经网络或循环神经网络进行识别训练，获得所述人体运动模型。
6.根据权利要求1所述的一种运动辅助指导方法，其特征在于，所述人体运动模型为人体骨骼模型和/或姿势识别模型，所述修正提示信息包括正确的发力方式和易错点信息。
7.根据权利要求1所述的一种运动辅助指导方法，其特征在于，所述方法判断产生差异值时，通过人体运动模型获取人体运动关节点坐标，及通过标准动作库获取标准关节点坐标，计算并产生标准关节点坐标和人体运动关节点坐标之间的差异值。
8.根据权利要求7所述的一种运动辅助指导方法，其特征在于，所述方法判断产生差异值时，通过人体运动模型获取人体运动轨迹图，及通过标准动作库获取标准动作轨迹图，计算并产生标准动作轨迹图和人体运动轨迹图之间的差异值。
9.一种运动辅助指导系统，所述系统用于搭建实现如权利要求1-8任一项所述的运动辅助指导方法，其特征在于，包括：
运动指导模块，用于得到运动选择信息；
信息采集模块，用于采集运动图像信息；
运动主体检测模块，用于根据所述运动选择信息与所述运动图像信息判断是否为相同运动；
运动分析模块，采用机器学习算法，对所述运动图像信息进行识别训练，获得人体运动模型；以及
后端处理模块，将所述人体运动模型与所述服务终端中储存的标准动作库进行对比判断产生差异值，并显示修正提示信息。
10.一种计算机终端，包括存储器、处理器及存储在所述存储器上并能够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计算机程序时能够用于执行权利要求1至8中任一项所述的运动辅助指导方法。
CN202211736929.1A 2022-12-31 2022-12-31 一种运动辅助指导方法、系统及计算机终端 Pending CN116259105A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211736929.1A CN116259105A (zh) 2022-12-31 2022-12-31 一种运动辅助指导方法、系统及计算机终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211736929.1A CN116259105A (zh) 2022-12-31 2022-12-31 一种运动辅助指导方法、系统及计算机终端

Publications (1)

Publication Number Publication Date
CN116259105A true CN116259105A (zh) 2023-06-13

Family

ID=86678550

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211736929.1A Pending CN116259105A (zh) 2022-12-31 2022-12-31 一种运动辅助指导方法、系统及计算机终端

Country Status (1)

Country Link
CN (1) CN116259105A (zh)

Similar Documents

Publication Publication Date Title
US10898755B2 (en) Method for providing posture guide and apparatus thereof
US11776421B2 (en) Systems and methods for monitoring and evaluating body movement
KR102377561B1 (ko) 미러 디스플레이를 이용하여 태권도 동작 코칭 서비스를 제공하는 장치 및 방법
CN110478883B (zh) 一种健身动作教学及矫正系统及方法
CN107153812A (zh) 一种基于机器视觉的运动辅助方法及系统
US11331006B2 (en) System and method for human motion detection and tracking
CN112434679B (zh) 康复运动的评估方法及装置、设备、存储介质
CN106548675A (zh) 虚拟军事训练方法及装置
CN114022512A (zh) 运动辅助方法、装置及介质
CN113223662A (zh) 一种肢体智能康复训练方法及系统
CN112288766A (zh) 运动评估方法、装置、系统及存储介质
CN110559639B (zh) 体操运动的机器人教学方法及机器人
CN112494034B (zh) 基于3d体态检测分析的数据处理分析系统及方法
CN116186561B (zh) 基于高维时序图网络的跑步姿势识别纠正方法及系统
CN116740618A (zh) 一种运动视频动作评估方法、系统、计算机设备及介质
CN116259105A (zh) 一种运动辅助指导方法、系统及计算机终端
JP2021099666A (ja) 学習モデルの生成方法
Ding et al. Deep Learning Based Rope Skipping Evaluation and Training System
EP4053793A1 (en) System and method for human motion detection and tracking
KR102578469B1 (ko) 전문가의 자세 및 동작 분석 정보를 이용한 사용자의 자세 및 동작 교정 정보 제공 시스템
WO2023188217A1 (ja) 情報処理プログラム、情報処理方法、および情報処理装置
CN114392126B (zh) 一种残疾儿童手部配合训练系统
WO2023188216A1 (ja) 情報処理プログラム、情報処理方法、および情報処理装置
CN117237848A (zh) 一种基于视觉的赛艇运动姿态评价方法
KR20180085926A (ko) 보행 패턴을 적용한 인체 이상 인식 장치 및 방법

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