CN116306766B - 一种基于骨骼识别技术的智慧单杠引体向上考核训练系统 - Google Patents

Abstract

本发明属于考核训练领域，公开了一种基于骨骼识别技术的智慧单杠引体向上考核训练系统，包括摄像头和计算设备；摄像头用于获取被考核人员在进行单杠考核过程中的视频；计算设备包括保存模块、第一识别模块和第二识别模块；保存模块用于将视频中所有的帧图像保存到集合fraphv；第一识别模块用于从集合fraphv中分别获取表示第一个完整的引体向上动作的最低点和最高点的帧图像的集合seltlow₁和selhig₁；基于seltlow₁和selhig₁计算选取参数；将第一个完整的引体向上动作的帧图像从集合fraphv中删除，得到更新后的集合nfraphv；第二识别模块用于基于选取参数对集合nfraphv中的帧图像进行识别，计算得到被考核人员完成的引体向上的个数。本发明有效地降低了对实现计数过程的设备的算力要求。

Description

一种基于骨骼识别技术的智慧单杠引体向上考核训练系统

技术领域

本发明涉及考核训练领域，尤其涉及一种基于骨骼识别技术的智慧单杠引体向上考核训练系统。

背景技术

引体向上是一种依靠自身力量克服自身重量并向上做功的悬垂运动。它是一种多关节复合运动，是锻炼上肢的好方法。在所有发展背部肌肉力量和肌肉耐力的练习中，它是涉及肌肉最多、动作模式最复杂、发展背部骨骼肌肉的肌肉力量和肌肉耐力最有效地方法。它是发展背部骨骼肌肉力量和肌肉耐力最有效地运动之一，是锻炼背部的最基本方法，是中、高考体育考试的选考项目之一，是衡量男性体质的重要参考标准和项目之一。

传统的引体向上计数方式为人工计数，这种计数方式人力成本较高。随着图像识别技术的发展，出现了通过图像识别的方式进行计数的技术，例如公开号为CN113903070A的专利便公开了一种用于体育测试的引体向上自动监测设备，通过对引体向上过程中的每一个帧图像进行识别从而实现计数。但是，在计算的过程中，一般要求是结束之后立即给出结果。如果对每个帧图像都进行实时识别，那么对实现计数过程的设备的算力要求就会比较高，导致整套设备的实现成本比较高。

发明内容

本发明的目的在于公开一种基于骨骼识别技术的智慧单杠引体向上考核训练系统，解决如何降低用于实现通过图像识别的方式来进行引体向上计数的设备的算力要求的问题。

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骨骼识别技术的智慧单杠引体向上考核训练系统，包括摄像头和计算设备；

摄像头用于获取被考核人员在进行单杠考核过程中的视频；

计算设备包括保存模块、第一识别模块和第二识别模块；

保存模块用于将视频中所有的帧图像保存到集合fraphv；

第一识别模块用于对集合fraphv中的视频进行如下处理：

从集合fraphv中分别获取表示第一个完整的引体向上动作的最低点和最高点的帧图像的集合seltlow₁和selhig₁；

基于seltlow₁和selhig₁计算选取参数；

将第一个完整的引体向上动作的帧图像从集合fraphv中删除，得到更新后的集合nfraphv；

第二识别模块用于基于选取参数对集合nfraphv中的帧图像进行识别，计算得到被考核人员完成的引体向上的个数。

优选地，从集合fraphv中分别获取表示第一个完整的引体向上动作的最低点和最高点的帧图像的集合seltlow₁和selhig₁，包括：

使用预设的检测间隔d对集合fraphv中的帧图像进行如下检测：

第一次检测，判断序号处于第一个检测区间内的帧图像的一致性是否符合设定的一致性检测条件，若是，则基于第一个检测区间内的帧图像获得第一静止集合tmp₁后，进行下一次检测；若否，则直接进行下一次检测；第一个检测区间为[1，d]；

第k次检测，判断序号处于第k个检测区间内的帧图像的一致性是否符合设定的一致性检测条件，若是，则基于第k个检测区间内的帧图像获得第二静止集合tmp₂后，停止进行检测；若否，则进行下一次检测；第k个检测区间为[(k-1)d，kd]，k大于等于2；

对tmp₁中的帧图像进行骨骼识别，计算被考核人员的下颚与单杠之间的高度差H₁；

对tmp₂中的帧图像进行骨骼识别，计算被考核人员的下颚与单杠之间的高度差H₂；

若H₁小于H₂，则将tmp₁作为集合selhig₁，将tm₂作为集合seltlow₁；

若H₂小于H₁，则将tmp₂作为集合selhig₁，将tmp₁作为集合seltlow₁。

优选地，基于seltlow₁和selhig₁计算选取参数，包括：

分别用nseltlow₁和nselhig₁表示seltlow₁和selhig₁中的元素的数量；

选取参数的计算函数为：

selpar＝λ×nseltlow₁+(1-λ)×nselhig₁

其中，selpar表示选取函数，λ表示加权系数，λ∈(0，1)。

优选地，将第一个完整的引体向上动作的帧图像从集合fraphv中删除，得到更新后的集合nfraphv，包括：

用mxord表示selhig₁中的帧图像的序号的最大值，则第一个完整的引体向上动作的帧图像的序号的区间为[1，mxord]；

将集合fraphv中序号属于区间[1，mxord]的帧图像删除，得到更新后的集合nfraphv。

优选地，设定的一致性检测条件为：

使用如下函数计算处于同一个检测区间内的帧图像的一致性系数：

其中，cstcef为处于同一个检测区间内的帧图像的一致性系数，N表示处于同一个检测区间内的帧图像的总数，numfchg_i，i+1表示处于同一个检测区间内序号为i的帧图像与序号为i+1的帧图像之间的差分图像中，像素值不为0的像素点的数量；

若一致性系数小于设定的一致性系数阈值，则表示符合设定的一致性检测条件；

若一致性系数大于等于设定的一致性系数阈值，则表示不符合设定的一致性检测条件。

优选地，基于第一个检测区间内的帧图像获得第一静止集合tmp₁，包括：

逐一计算fraphv中序号大于d的帧图像与序号为d的帧图像之间的相似度；

对于序号为d_ma的帧图像，若序号为d_ma的帧图像与序号为d的帧图像之间的相似度小于设定的相似度阈值，则停止计算fraphv中序号大于d的帧图像与序号为d的帧图像之间的相似度，将序号在区间[1，d_ma]中的帧图像作为第一静止集合tmp₁中的帧图像。

优选地，基于第k个检测区间内的帧图像获得第二静止集合tmp₂包括：

按照从小到大的顺序逐一计算fraphv中序号大于kd的帧图像与序号为kd的帧图像之间的相似度；

对于序号为d_ma，k的帧图像，若序号为d_ma，k的帧图像与序号为kd的帧图像之间的相似度小于设定的相似度阈值，则停止计算fraphv中序号大于kd的帧图像与序号为kd的帧图像之间的相似度，将d_ma，k作为tmp₂中的帧图像的序号的最大值；

按照从大到小的顺序逐一计算fraphv中序号小于(k-1)d的帧图像与序号为(k-1)的帧图像之间的相似度；

对于序号为d_mi，k的帧图像，若序号为d_mi，k的帧图像与序号为(k-1)d的帧图像之间的相似度小于设定的相似度阈值，则停止计算fraphv中序号小于(k-1)d的帧图像与序号为(k-1)d的帧图像之间的相似度，将d_mi，k作为tmp₂中的帧图像的序号的最小值；

将序号在区间内的帧图像作为第二静止集合tmp₂中的帧图像。

优选地，基于选取参数对集合nfraphv中的帧图像进行识别，计算得到被考核人员完成的引体向上的个数，包括：

S1，将识别序号初始化为itnum；

S2，基于识别序号获取检测区间；

S3，基于检测区间对集合nfraphv中的帧图像进行检测，判断检测区间内的帧图像是否符合设定的一致性检测条件，若是，则基于检测区间内的帧图像获得对应的静止集合，进入S4；若否，则直接进入S4；

S4，判断静止集合中的帧图像的序号的最大值是否等于nfraphv中的帧图像的序号的最大值，若是，则进入S5；若否，则更新识别序号，进入S2；

S5，基于所有获得的静止集合，计算得到被考核人员完成的引体向上的个数。

本发明在采用图像识别的方式进行引体向上的计数的过程中，在得到考核过程的视频后，先采用固定大小的检测间隔来对集合fraphv中的帧图像进行识别，得到了选取系数，然后在后续的识别过程中，基于可变的识别序号来得到检测区间，然后基于检测区间来得到静止集合，最后基于所有得到的静止集合来进行计数。与现有技术相比，本发明无需为每个帧图像进行骨骼识别，使得本发明的计算量得到了大幅度的减少，从而有效地降低了对实现计数过程的设备的算力要求。

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为本发明一种基于骨骼识别技术的智慧单杠引体向上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骨骼识别技术的智慧单杠引体向上考核训练系统，包括：摄像头和计算设备；

摄像头用于获取被考核人员在进行单杠考核过程中的视频；

计算设备包括保存模块、第一识别模块和第二识别模块；

保存模块用于将视频中所有的帧图像保存到集合fraphv；

第一识别模块用于对集合fraphv中的视频进行如下处理：

从集合fraphv中分别获取表示第一个完整的引体向上动作的最低点和最高点的帧图像的集合seltlow₁和selhig₁；

基于seltlow₁和selhig₁计算选取参数；

将第一个完整的引体向上动作的帧图像从集合fraphv中删除，得到更新后的集合nfraphv；

第二识别模块用于基于选取参数对集合nfraphv中的帧图像进行识别，计算得到被考核人员完成的引体向上的个数。

具体的，在本发明中，仅需要对第一个完整的引体向上动作对应的帧图像进行识别便能够得到选取参数，实现了选取参数的自动化计算，使得本发明能够适应不同的体质的被考核人员。选取参数用于选出被考核的人员在最低点或最高点时，静止不动的时候的帧图像的集合，然后通过对集合的数量的计算便能够得到实际上完成的引体向上的个数。

优选地，从集合fraphv中分别获取表示第一个完整的引体向上动作的最低点和最高点的帧图像的集合seltlow₁和selhig₁，包括：

使用预设的检测间隔d对集合fraphv中的帧图像进行如下检测：

第一次检测，判断序号处于第一个检测区间内的帧图像的一致性是否符合设定的一致性检测条件，若是，则基于第一个检测区间内的帧图像获得第一静止集合tmp₁后，进行下一次检测；若否，则直接进行下一次检测；第一个检测区间为[1，d]；

第k次检测，判断序号处于第k个检测区间内的帧图像的一致性是否符合设定的一致性检测条件，若是，则基于第k个检测区间内的帧图像获得第二静止集合tmp₂后，停止进行检测；若否，则进行下一次检测；第k个检测区间为[(k-1)d，kd]，k大于等于2；

对tmp₁中的帧图像进行骨骼识别，计算被考核人员的下颚与单杠之间的高度差H₁；

对tmp₂中的帧图像进行骨骼识别，计算被考核人员的下颚与单杠之间的高度差H₂；

若H₁的绝对值小于H₂的绝对值，则将tmp₁作为集合selhig₁，将tmp₂作为集合seltlow₁；

若H₂的绝对值小于H₁的绝对值，则将tmp₂作为集合selhig₁，将tmp₁作为集合seltlow₁。

具体的，当被考核人员的下颚到达最低点或最高点时，会有短时间的停留，在停留的时间段内，帧图像相互之间的差异比较小，因此，本发明可以通过判断检测区间内的帧图像是否满足一致性检测来判断检测区间内的帧图像是否属于被考核人员的下颚处于最低点或最高点时的帧图像。

高度差越大，则表示被考核人员的下颚距离单杠越远，此时大概率是处于最低点，反之，则处于最高点。

因为不知道被考核的人员做引体向上动作的速度，因此，为了能够适用于所有人员，检测间隔d设置为一个较小的数值。

优选地，预设的检测间隔d的数值为10。

优选地，对tmp₁中的帧图像进行骨骼识别，包括：

从tmp₁中随机选取帧图像进行骨骼识别。

优选地，对tmp₂中的帧图像进行骨骼识别，包括：

从tmp₂中随机选取帧图像进行骨骼识别。

优选地，基于seltlow₁和selhig₁计算选取参数，包括：

分别用nseltlow₁和nselhig₁表示seltlow₁和selhig₁中的元素的数量；

选取参数的计算函数为：

selpar＝λ×nseltlow₁+(1-λ)×nselhig₁

其中，selpar表示选取函数，λ表示加权系数，λ∈(0，1)。

选取参数在计算时综合考虑了最高点和最低点所对应的帧图像的集合中的元素的数量，从而使得本发明能够得到更为准确的选取系数，避免偶然误差导致选取系数偏大或偏小。

优选地，将第一个完整的引体向上动作的帧图像从集合fraphv中删除，得到更新后的集合nfraphv，包括：

用mxord表示selhig₁中的帧图像的序号的最大值，则第一个完整的引体向上动作的帧图像的序号的区间为[1，mxord]；

将集合fraphv中序号属于区间[1，mxord]的帧图像删除，得到更新后的集合nfraphv。

由于第一识别模块已经对[1，mxord]范围内的序号的帧图像进行了识别，因此，为了避免重复进行识别，可以将[1，mxord]范围内的序号的帧图像从集合fraphv中删除，提高本发明进行计数的效率。

优选地，设定的一致性检测条件为：

使用如下函数计算处于同一个检测区间内的帧图像的一致性系数：

其中，cstcef为处于同一个检测区间内的帧图像的一致性系数，N表示处于同一个检测区间内的帧图像的总数，numfchg_i，i+1表示处于同一个检测区间内序号为i的帧图像与序号为i+1的帧图像之间的差分图像中，像素值不为0的像素点的数量；

若一致性系数小于设定的一致性系数阈值，则表示符合设定的一致性检测条件；

若一致性系数大于等于设定的一致性系数阈值，则表示不符合设定的一致性检测条件。

一致性系数反映了相邻的图像的之间的像素值的变化，一致性系数越小，则表示帧图像之间的一致性越强，相似度越高，属于引体向上动作中的最高点或最低点的概率越大。

优选地，基于第一个检测区间内的帧图像获得第一静止集合tmp₁，包括：

逐一计算fraphv中序号大于d的帧图像与序号为d的帧图像之间的相似度；

对于序号为d_ma的帧图像，若序号为d_ma的帧图像与序号为d的帧图像之间的相似度小于设定的相似度阈值，则停止计算fraphv中序号大于d的帧图像与序号为d的帧图像之间的相似度，将序号在区间[1，d_ma]中的帧图像作为第一静止集合tmp₁中的帧图像。

由于预设的检测间隔d的数值较小，因此，在检测区间之外，可能还存在属于同一个静止集合中的帧图像，因此，本发明通过逐步增大序号的数值，将相应序号的帧图像与序号为d的帧图像进行比较，从而实现了完整的静止集合的获取，有利于提高选取参数计算的准确性。

优选地，基于第k个检测区间内的帧图像获得第二静止集合tmp₂包括：

按照从小到大的顺序逐一计算fraphv中序号大于kd的帧图像与序号为kd的帧图像之间的相似度；

对于序号为d_ma，k的帧图像，若序号为d_ma，k的帧图像与序号为kd的帧图像之间的相似度小于设定的相似度阈值，则停止计算fraphv中序号大于kd的帧图像与序号为kd的帧图像之间的相似度，将d_ma，k作为tmp₂中的帧图像的序号的最大值；

按照从大到小的顺序逐一计算fraphv中序号小于(k-1)d的帧图像与序号为(k-1)的帧图像之间的相似度；

对于序号为d_mi，k的帧图像，若序号为d_mi，k的帧图像与序号为(k-1)d的帧图像之间的相似度小于设定的相似度阈值，则停止计算fraphv中序号小于(k-1)d的帧图像与序号为(k-1)d的帧图像之间的相似度，将d_mi，k作为tmp₂中的帧图像的序号的最小值；

将序号在区间内的帧图像作为第二静止集合tmp₂中的帧图像。

具体的，在上述实施例中，在序号逐步增大或逐步减少的变化过程中，只要检测到相似度满足对应的阈值要求，则立刻停止相似度的计算，避免将下一个引体向上动作的图像用来作为静止集合中的图像，从而提高了获得的静止集合的准确性。

优选地，基于选取参数对集合nfraphv中的帧图像进行识别，计算得到被考核人员完成的引体向上的个数，包括：

S1，将识别序号初始化为itnum；

S2，基于识别序号获取检测区间；

S3，基于检测区间对集合nfraphv中的帧图像进行检测，判断检测区间内的帧图像是否符合设定的一致性检测条件，若是，则基于检测区间内的帧图像获得对应的静止集合，进入S4；若否，则直接进入S4；

S4，判断静止集合中的帧图像的序号的最大值是否等于nfraphv中的帧图像的序号的最大值，若是，则进入S5；若否，则更新识别序号，进入S2；

S5，基于所有获得的静止集合，计算得到被考核人员完成的引体向上的个数。

优选地，将识别序号初始化为itnum，包括：

使用如下函数计算itnum：

优选地，基于识别序号获取检测区间，包括：

使用如下函数计算检测区间的下限值：

micht＝itnum-prs

使用如下函数计算检测区间的上限值：

macht＝itnum+prs

其中，micht和macht分别表示检测区间的上限值和下限值，prs为设定的常数参数。

优选地，S3中获取静止集合的步骤与第二静止集合的过程相同，都是获取检测区间之外与检测区间中的第一个图像之间的相似度小于设定的相似度阈值的帧图像，以及获取检测区间之外与检测区间中的最后一个图像之间的相似度小于设定的相似度阈值的帧图像，这里不再重复。

优选地，更新识别序号，包括：

使用如下函数计算第k个识别序号：

其中，itnum_k和itnum_k-1分别表示第k个和第k-1个识别序号，cstcef_k-1和cstcef_k分别表示第k个和第k-1个识别序号对应的检测区间的中的帧图像的一致性系数，Θ为设定的整数型变化参数，trs为设定的比例阈值。

本发明的识别序号的变化并不是线性的，而是随着相邻的两个检测区间的中的帧图像的一致性系数之间的关系变化而变化，当一致性系数变化越快，则识别序号的值就越大，反之，则减少，这与被考核人员在做引体向上动作的过程相对应，一致性系数变化越快，则表示上颚的位置变化速度越快，此时可以通过增大识别序号来减少对引体向上动作的上升过程和下降过程中的帧图像的计算，从而避免对所有的帧图像进行识别运算，降低了计算量，反之，一致性系数变化越缓慢，则表示被考核人员处于减速阶段的概率越大，此时通过缩小识别序号的数值来接近处于高点或低点时的帧图像，从而保证能够准确识别到正确的静止集合。

优选地，基于所有获得的静止集合，计算得到被考核人员完成的引体向上的个数，包括：

获取每个静止集合中被考核人员的下颚与单杠之间的高度差：

将被考核人员的下颚的高度减去单杠的高度得到高度差；

获取高度差大于设定的高度差阈值的静止集合的数量numone；

获取高度差小于设定的高度差阈值的静止集合的数量numtwo；

将numone和numtwo之间的数值较小的一方作为第一数量；

将第一数量加上1，得到被考核人员完成的引体向上的个数。

在得到静止集合后，通过计算高度差来判断被考核人员的下颚处于单杠的上方还是下方，然后通过分别计算处于上方且满足阈值条件、处于下方且满足阈值条件的静止集合的数量，将数量较小者作为第一数量，实现了避免对没有完整完成的引体向上动作的剔除。

本发明在采用图像识别的方式进行引体向上的计数的过程中，在得到考核过程的视频后，先采用固定大小的检测间隔来对集合fraphv中的帧图像进行识别，得到了选取系数，然后在后续的识别过程中，基于可变的识别序号来得到检测区间，然后基于检测区间来得到静止集合，最后基于所有得到的静止集合来进行计数。与现有技术相比，本发明无需为每个帧图像进行骨骼识别，使得本发明的计算量得到了大幅度的减少，从而有效地降低了对实现计数过程的设备的算力要求。

以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (3)

1.一种基于骨骼识别技术的智慧单杠引体向上考核训练系统，其特征在于，包括摄像头和计算设备；

摄像头用于获取被考核人员在进行单杠考核过程中的视频；

计算设备包括保存模块、第一识别模块和第二识别模块；

保存模块用于将视频中所有的帧图像保存到集合fraphv；

第一识别模块用于对集合fraphv中的视频进行如下处理：

从集合fraphv中分别获取表示第一个完整的引体向上动作的最低点和最高点的帧图像的集合seltlow₁和selhig₁；

基于seltlow₁和selhig₁计算选取参数；

将第一个完整的引体向上动作的帧图像从集合fraphv中删除，得到更新后的集合nfraphv；

第二识别模块用于基于选取参数对集合nfraphv中的帧图像进行识别，计算得到被考核人员完成的引体向上的个数；

从集合fraphv中分别获取表示第一个完整的引体向上动作的最低点和最高点的帧图像的集合seltlow₁和selhig₁，包括：

使用预设的检测间隔d对集合fraphv中的帧图像进行如下检测：

第一次检测，判断序号处于第一个检测区间内的帧图像的一致性是否符合设定的一致性检测条件，若是，则基于第一个检测区间内的帧图像获得第一静止集合tmp₁后，进行下一次检测；若否，则直接进行下一次检测；第一个检测区间为[1,d]；

第k次检测，判断序号处于第k个检测区间内的帧图像的一致性是否符合设定的一致性检测条件，若是，则基于第k个检测区间内的帧图像获得第二静止集合tmp₂后，停止进行检测；若否，则进行下一次检测；第k个检测区间为[(k-1)d,kd]，k大于等于2；

对tmp₁中的帧图像进行骨骼识别，计算被考核人员的下颚与单杠之间的高度差H₁；

对tmp₂中的帧图像进行骨骼识别，计算被考核人员的下颚与单杠之间的高度差H₂；

若H₁小于H₂，则将tmp₁作为集合selhig₁，将tmp₂作为集合seltlow₁；

若H₂小于H₁，则将tmp₂作为集合selhig₁，将tmp₁作为集合seltlow₁；

基于seltlow₁和selhig₁计算选取参数，包括：

分别用nseltlow₁和nselhig₁表示seltlow₁和selhig₁中的元素的数量；

选取参数的计算函数为：

selpar＝λ×nseltlow₁+(1-λ)×nselhig₁

其中，selpar表示选取函数，λ表示加权系数，λ∈(0,1)；

将第一个完整的引体向上动作的帧图像从集合fraphv中删除，得到更新后的集合nfraphv，包括：

用mxord表示selhig₁中的帧图像的序号的最大值，则第一个完整的引体向上动作的帧图像的序号的区间为[1，mxord]；

将集合fraphv中序号属于区间[1，mxord]的帧图像删除，得到更新后的集合nfraphv；

设定的一致性检测条件为：

使用如下函数计算处于同一个检测区间内的帧图像的一致性系数：

其中，cstcef为处于同一个检测区间内的帧图像的一致性系数，N表示处于同一个检测区间内的帧图像的总数，numfchg_i,i+1表示处于同一个检测区间内序号为i的帧图像与序号为i+1的帧图像之间的差分图像中，像素值不为0的像素点的数量；

若一致性系数小于设定的一致性系数阈值，则表示符合设定的一致性检测条件；

若一致性系数大于等于设定的一致性系数阈值，则表示不符合设定的一致性检测条件；

基于选取参数对集合nfraphv中的帧图像进行识别，计算得到被考核人员完成的引体向上的个数，包括：

S1，将识别序号初始化为itnum；

S2，基于识别序号获取检测区间；

S3，基于检测区间对集合nfraphv中的帧图像进行检测，判断检测区间内的帧图像是否符合设定的一致性检测条件，若是，则基于检测区间内的帧图像获得对应的静止集合，进入S4；若否，则直接进入S4；

S4，判断静止集合中的帧图像的序号的最大值是否等于nfraphv中的帧图像的序号的最大值，若是，则进入S5；若否，则更新识别序号，进入S2；

S5，基于所有获得的静止集合，计算得到被考核人员完成的引体向上的个数。

2.根据权利要求1所述的一种基于骨骼识别技术的智慧单杠引体向上考核训练系统，其特征在于，基于第一个检测区间内的帧图像获得第一静止集合tmp₁，包括：

逐一计算fraphv中序号大于d的帧图像与序号为d的帧图像之间的相似度；

对于序号为d_ma的帧图像，若序号为d_ma的帧图像与序号为d的帧图像之间的相似度小于设定的相似度阈值，则停止计算fraphv中序号大于d的帧图像与序号为d的帧图像之间的相似度，将序号在区间[1,d_ma]中的帧图像作为第一静止集合tmp₁中的帧图像。

3.根据权利要求1所述的一种基于骨骼识别技术的智慧单杠引体向上考核训练系统，其特征在于，基于第k个检测区间内的帧图像获得第二静止集合tmp₂包括：

按照从小到大的顺序逐一计算fraphv中序号大于kd的帧图像与序号为kd的帧图像之间的相似度；

对于序号为d_ma,k的帧图像，若序号为d_ma,k的帧图像与序号为kd的帧图像之间的相似度小于设定的相似度阈值，则停止计算fraphv中序号大于kd的帧图像与序号为kd的帧图像之间的相似度，将d_ma,k作为tmp₂中的帧图像的序号的最大值；

按照从大到小的顺序逐一计算fraphv中序号小于(k-1)d的帧图像与序号为(k-1)的帧图像之间的相似度；

对于序号为d_mi,k的帧图像，若序号为d_mi,k的帧图像与序号为(k-1)d的帧图像之间的相似度小于设定的相似度阈值，则停止计算fraphv中序号小于(k-1)d的帧图像与序号为(k-1)d的帧图像之间的相似度，将d_mi,k作为tmp₂中的帧图像的序号的最小值；

将序号在区间内的帧图像作为第二静止集合tmp₂中的帧图像。