CN116486299A - 运动量统计方法、装置及系统 - Google Patents
运动量统计方法、装置及系统 Download PDFInfo
- Publication number
- CN116486299A CN116486299A CN202310344260.XA CN202310344260A CN116486299A CN 116486299 A CN116486299 A CN 116486299A CN 202310344260 A CN202310344260 A CN 202310344260A CN 116486299 A CN116486299 A CN 116486299A
- Authority
- CN
- China
- Prior art keywords
- motion
- user
- user motion
- video
- target period
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 409
- 238000007619 statistical method Methods 0.000 title abstract description 27
- 230000009471 action Effects 0.000 claims abstract description 60
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000008859 change Effects 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 8
- 230000009191 jumping Effects 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 3
- 210000003127 knee Anatomy 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 210000001981 hip bone Anatomy 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000005057 finger movement Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 210000004394 hip joint Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
-
- 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
- G06V40/23—Recognition of whole body movements, e.g. for sport training
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本说明书实施例提供一种运动量统计方法、装置及系统,其中所述运动量统计方法包括:获取视频采集设备采集的用户运动视频;基于所述用户运动视频,确定各视频帧的骨骼点数据;根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,其中,所述目标周期与用户运动动作对应。通过上述方法,基于各视频帧中用户的骨骼点数据,统计目标周期内的用户运动量,能够精准捕获一定时间周期内用户的实际动作情况,准确地检测用户运动过程中的运动量,帮助用户保持动作标准并处于合理的运动量区间,获得更好的健身效果。
Description
技术领域
本说明书实施例涉及运动检测技术领域,特别涉及一种运动量统计方法。本说明书同时涉及一种运动量统计装置,一种计算设备,一种计算机可读存储介质,以及一种运动量统计系统。
背景技术
随着人们健康意识的提高,全民健身活动蓬勃开展,由于工作或学习压力,人们缺乏完整的时间去专业的运动场所进行锻炼,越来越多的人选择采用使用电子设备(如智能电视、手机),通过语音播报和视频引导的形式,利用碎片化的时间进行训练。以电子设备指导用户进行燃脂训练为例,电子设备在指导用户进行燃脂锻炼的过程中,会显示示范图像供用户模仿学习示范动作,此外,电子设备还会采集并显示用户图像对用户进行运动数据分析,用户在锻炼过程中保证合理的运动强度和运动量是取得良好的健身效果的前提。
在用户进行锻炼时,需要根据用户运动状态给予实时反馈,帮助用户保持动作标准,调整运动节奏。现有的反馈形式主要为通过检测用户的实时心率来计算运动强度,但对于用户在运动过程中的运动量并未进行检测,无法保证用户在运动过程中保持动作标准并处于合理的运动量区间,取得良好的健身效果。
因此,如何准确地检测用户运动过程中的运动量是目前迫切需要解决的问题。
发明内容
有鉴于此,本说明书实施例提供了一种运动量统计方法。本说明书一个或者多个实施例同时涉及一种运动量统计装置,一种计算设备,一种计算机可读存储介质,一种运动量统计系统,以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面,提供了一种运动量统计方法,包括:
获取视频采集设备采集的用户运动视频;
基于所述用户运动视频,确定各视频帧的骨骼点数据;
根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,其中,所述目标周期与用户运动动作对应。
根据本说明书实施例的第二方面,提供了一种运动量统计装置,包括:
采集模块,被配置为获取视频采集设备采集的用户运动视频;
计算模块,被配置为基于所述用户运动视频,确定各视频帧的骨骼点数据;
统计模块,被配置为根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,其中,所述目标周期与用户运动动作对应。
根据本说明书实施例的第三方面,提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现所述运动量统计方法的步骤。
根据本说明书实施例的第四方面,提供了一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现所述运动量统计方法的步骤。
根据本说明书实施例的第五方面,提供了一种运动量统计系统,包括:视频采集设备、控制端和显示装置;
所述视频采集设备,被配置为采集用户运动视频;
所述控制端,被配置为获取所述视频采集设备采集的用户运动视频;基于所述用户运动视频,确定各视频帧的骨骼点数据;根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,其中,所述目标周期与用户运动动作对应;
所述显示装置,被配置为显示所述用户运动量。
本说明书提供的运动量统计方法,获取视频采集设备采集的用户运动视频;基于所述用户运动视频,确定各视频帧的骨骼点数据;根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,其中,所述目标周期与用户运动动作对应。通过上述方法,基于各视频帧中用户的骨骼点数据,统计目标周期内的用户运动量,能够精准捕获一定时间周期内用户的实际动作情况,准确地检测用户运动过程中的运动量,帮助用户保持动作标准并处于合理的运动量区间,获得更好的健身效果,提高用户参与体验。
图说明
图1是本说明书一个实施例提供的一种运动量统计方法的流程图;
图2是本说明书一个实施例提供的一种运动量统计方法的应用场景示意图;
图3是本说明书一个实施例提供的一种运动量统计方法的中确定用户运动信息方法的流程图;
图4是本说明书一个实施例提供的不同动作运动量统计结果示意图;
图5是本说明书一个实施例提供的一种运动量统计结果的示意图;
图6是本说明书一个实施例提供的另一种运动量统计结果的示意图;
图7是本说明书一个实施例提供的一种运动量展示界面的示意图;
图8是本说明书一个实施例提供的另一种运动量展示界面的示意图;
图9是本说明书一个实施例提供的一种运动量统计装置的结构示意图;
图10是根据本说明书一个实施例提供的一种计算设备的结构框图;
图11是本说明书一个实施例提供的一种运动量统计系统的结构示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先,对本说明书一个或多个实施例涉及的名词术语进行解释。
OpenPose:人体姿态识别项目是基于卷积神经网络和监督学习并以caffe为框架开发的开源库。可以实现人体动作、面部表情、手指运动等姿态估计。适用于单人和多人,是世界上首个基于深度学习的实时多人二维姿态估计应用,基于它的实例如雨后春笋般涌现。人体姿态估计技术在体育健身、动作采集、3D试衣等领域具有广阔的应用前景。
PoseNet是一种基于深度学习的拍照定位,可在浏览器上使用TensorFlow.js实时运行人体姿态检测。
TensorFlow.js是一个开源的基于硬件加速的JavaScript库,用于训练和部署机器学习模型。
在本说明书中,提供了一种运动量统计方法,本说明书同时涉及一种运动量统计装置,一种计算设备,一种计算机可读存储介质以及一种运动量统计系统,在下面的实施例中逐一进行详细说明。
图1示出了根据本说明书一个实施例提供的一种运动量统计方法的流程图,具体包括以下步骤。
S102:获取视频采集设备采集的用户运动视频。
具体的,用户运动视频是指用户进行燃脂操、瑜伽、打太极、跳舞、打篮球等运动时,通过视频采集设备采集到的实时视频流,用户全身出现在运动视频中。
实际应用中,运动视频可以记录运动的全过程,也可以只记录运动过程中的某一个时间段或某几个时间段,例如,用户做燃脂操时,只记录完成第二个动作的时间段或完成第二个动作到第四个动作的时间段。
本实施例提供的视频采集设备可以是移动终端,即用户持有的终端,且终端需要具有图像采集模块,用于采集图像或者视频,视频采集设备包括但不限于也可以是大屏设备(如智能电视、智慧屏幕、投影仪等)、手机、平板电脑、笔记本电脑、台式电脑、智能电视、超级移动个人计算机(ultra-mobilepersonal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等搭载摄像头的终端设备,本申请不做限定。需要说明的是,为支持以视频帧为基础完成用户运动量的统计处理操作,需要在移动终端安装关联用户运动量统计的应用程序,在此应用程序上执行本实施例提供的用户运动量统计方法即可;也就是说,本实施例提供的用户运动量统计方法应用于移动终端中的应用程序。
此外,为了能够保证通过视频采集设备精准且高效的完成用户运动量统计,则需要在运动前,将视频采集设备放置在用户前方的位置,布置在该位置的视频采集设备需要能够针对用户动作进行视频采集,在此基础上才能够进行后续的统计处理操作。其中,视频采集设备可以采用固定设置的方式布置在用户前方,此时视频采集设备将时刻对准用户进行图像采集。而为了能够满足用户不同场景下的采集需求,还可以支持视频采集设备被用户移动后继续进行图像采集;即视频采集设备初始设置在用户前方的A点,且在Ta时间区间内以A点为布置位置相对用户位置固定,并针对用户进行图像采集;当用户根据自身需求将视频采集设备从前方的A点移动到B点后,可以从B点处继续进行图像采集,即此时视频采集设备将在Tb时间区间内以B点为布置位置相对用户位置固定,并针对用户进行图像采集,从而满足用户在不同需求下的灵活应用。
S104:基于所述用户运动视频,确定各视频帧的骨骼点数据。
在获取视频采集设备采集的用户运动视频的基础上,进一步地,基于用户运动视频,确定各视频帧的骨骼点数据。
具体的,骨骼点数据是指各视频帧中骨骼点对应的数据,如骨骼点的位置、瞬时运动速度等,骨骼点数据与用户的运动相对应,例如,用户在运动过程中手部上扬,各视频帧中的手部的骨骼点位置向上移动。
结合图2,以本说明书提供的运动量统计方法的应用场景为例,对上述运动量统计方法进行进一步说明。图2示出了本说明书一个实施例提供的一种运动量统计方法的应用场景示意图。
用户在视频采集设备前跳燃脂操,视频采集设备通过摄像头实时获取用户运动视频,利用骨骼点识别工具识别运动视频中各视频帧中的人体2D骨骼点,例如,眼、耳、肩、肘、手、髋关节、膝盖和脚等位置对应骨骼点。骨骼点识别为本领域成熟技术,例如,通过2D姿态估计算法Open Pose对运动视频进行逐帧骨骼点提取、通过PoseNet进行骨骼点提取等,这里不再赘述。
视频采集设备可以采集用户全身的所有骨骼点,在用户没有全身出现在视频采集设备中,导致视频采集设备无法检测到全部骨骼点的情况下,可以提醒用户进行调整,例如,调整与视频采集设备的距离、调整姿势等,直到能够检测到用户所有的骨骼点。
可选的,视频采集设备屏幕可以分为两部分,第一部分屏幕显示用户选择的运动课程影像,运动课程影像中包括运动时间、具体动作、动作重复次数、休息间隔、动作要点及课程老师进行标准动作演示等内容,第二部分屏幕显示实时采集到的用户运动视频,并基于采集到的用户运动视频进行各视频帧的骨骼点数据确定。根据视频采集设备的屏幕配置情况,两部分屏幕可以左右分布或上下分布,方便用户了解动作要点,并与标准动作进行比对调整自己的动作,提升运动效果。
可选的,视频采集设备可以进行屏幕录制及回放,用户可以回顾自己的运动情况。
S106:根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,其中,所述目标周期与用户运动动作对应。
在获取视频采集设备采集的用户运动视频,基于用户运动视频,确定各视频帧的骨骼点数据的基础上,进一步地,根据各视频帧的骨骼点数据,统计目标周期内的用户运动量。
在本说明书实施例的一种可能的实现方式中,根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,具体可以通过以下方式实现:
根据所述各视频帧的骨骼点数据,确定用户运动信息;
基于所述用户运动信息,在目标周期内进行运动统计,获得所述目标周期内的用户运动量。
具体的,目标周期是指用户运动量的计算周期,与用户运动动作对应。
实际应用中,可以根据用户运动动作的开始时间及结束时间计算用户运动量的计算周期,例如,在用户视频的第5秒处,用户开始做燃脂操的第二个动作,第10秒处时结束第二个动作,则选择用户视频的第5秒到第10秒为目标周期,统计在第5秒到第10秒之间各视频帧中用户的骨骼点数据变化,统计得到用户做第二个动作的用户运动量。
在本实施例中,通过视频采集设备采集用户运动视频,并基于用户运动视频,确定各视频帧的骨骼点数据,实现了实时捕捉用户的运动情况;根据各视频帧的骨骼点数据,统计目标周期内的用户运动量,实现了分时间段精准统计用户运动量。
本说明书提供的运动量统计方法,获取视频采集设备采集的用户运动视频;基于所述用户运动视频,确定各视频帧的骨骼点数据;根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,其中,所述目标周期与用户运动动作对应。通过上述方法,基于各视频帧中用户的骨骼点数据,统计目标周期内的用户运动量,能够精准捕获一定时间周期内用户的实际动作情况,准确地检测用户运动过程中的用户运动量,帮助用户保持动作标准并处于合理的运动量区间,获得更好的健身效果,提高用户参与体验。
图3示出了本说明书一个实施例提供的一种运动量统计方法的中确定用户运动信息方法的流程图,具体包括以下步骤。
S302:根据所述各视频帧的骨骼点数据,确定瞬时计时时段内各骨骼点的位置变化信息。
具体的,瞬时计时时段是指小于目标周期的短时间间隔,瞬时计时时段长度可以根据不同的运动类型或动作类型进行设置,例如,瞬时计时时段可以设置为200毫秒、250毫秒、300毫秒等时长。用户运动信息是指瞬时计时时段内视频帧中用户的各骨骼点的运动速度之和。
实际应用中,确定各视频帧中用户的骨骼点的位置,计算瞬时计时时段内视频帧中用户的骨骼点位置变化,骨骼点位置变化可以用骨骼点在视频帧中的坐标变化产生的位移距离来表示,例如,第10秒的视频帧中,用户的手的骨骼点位于视频帧左上方位置,手的骨骼点坐标为(1,18),250毫秒后视频帧中用户的手的骨骼点位于左下方位置,手的骨骼点坐标为(3,2),则250毫秒内,用户的手的骨骼点发生的位移距离为两个坐标点之间的距离。
S304:根据所述各骨骼点的位置变化信息,计算所述各骨骼点的运动速度。
在根据各视频帧的骨骼点数据,确定瞬时计时时段内各骨骼点的位置变化信息的基础上进一步地,根据所述各骨骼点的位置变化信息,计算所述各骨骼点的运动速度。
具体的,骨骼点的运动速度是指瞬时计时时段内,不同视频帧中骨骼点的位移距离与瞬时计时时间段之比。
实际应用中,瞬时计时时段内可以包括一个或多个视频帧,在计算各骨骼点的运动速度时,仅需要考虑瞬时计时时段内的开始视频帧及结束视频帧的骨骼点数据,例如,瞬时计时时段为250毫秒,在250毫秒内包括三个视频帧,第一视频帧对应瞬时计时时段开始位置,第二视频帧对应瞬时计时时段125毫秒位置,第三视频帧对应瞬时计时时段结束位置,在计算骨骼点的运动速度时,仅通过第一视频帧与第三视频帧的骨骼点数据来计算骨骼点的运动速度。
S306:根据所述各骨骼点的运动速度,确定所述瞬时计时时段内的用户运动信息。
在据各视频帧的骨骼点数据,确定瞬时计时时段内各骨骼点的位置变化信息;根据各骨骼点的位置变化信息,计算各骨骼点的运动速度的基础上,进一步地,根据各骨骼点的运动速度,确定瞬时计时时段内的用户运动信息。
实际应用中,例如,在用户进行开合跳动作时,瞬时计时时段设置为250毫秒,即,计算250毫秒时间内全身骨骼点的运动速度之和作为用户在进行开合跳运动时瞬时计时时段内的用户运动信息。
可选的,可以基于各骨骼点的平均速度计算所有骨骼点瞬时计时时段内的用户运动信息,结合图4,以本说明书提供的运动量统计方法的应用场景为例,对上述运动量统计方法进行进一步说明。图4示出了本说明书一个实施例提供的不同动作运动量统计结果示意图。参见图4,运动的骨骼点越多,用户动作剧烈程度越大,用户进行开合跳时,所有的骨骼点都在运动且具运动速度大,瞬时计时时段内的用户运动信息为五个动作中最高;用户进行平板支撑时,所有的骨骼点几乎保持不动,运动速度小,瞬时计时时段内的用户运动信息为五个动作中最低;用户在进行开合深蹲跳、原地慢跑、平板支撑交替抬腿运动时,骨骼点运动速度介于开合跳和平板支撑之间,且骨骼点运动速度依次减小,用户运动量统计结果也依次减小。
不同用户的身高、臂长、体重不同,完成相同的动作的目标周期也不同,计算得到用户运动量存在较大差异,为减小个体差异化,计算从用户颈部骨骼点到臀部骨骼点的距离,按照颈部骨骼点到臀部骨骼点的距离对用户的骨骼点数据进行归一化处理,提升用户运动量统计的稳定性。
在用户没有全身都出现在视频采集设备中时,骨骼点的采集不完整,无法统计出用户运动信息及用户运动量,可以搜索用户的其他运动视频,找出全身的片段,通过颈部骨骼点到臀部骨骼点的距离对骨骼点进行归一化处理,统计用户运动量。
数据的归一化处理为本领域成熟技术,这里不再赘述。
可选的,针对不同运动类型,不采用用户全身的骨骼点进行用户运动量统计,针对不同的运动类型确定不同的指定骨骼点,基于各视频帧的指定骨骼点数据进行用户运动量统计,例如,进行仰卧起坐运动时,用户下半身几乎保持静止,上半身运动幅度较大,仅选择头、肩、肘、手和胸部骨骼点为指定骨骼点,基于头、肩、肘、手和胸部骨骼点的骨骼点数据,统计目标周期内的用户运动量;进行空中蹬自行车运动时,用户上半身几乎保持静止,下半身运动幅度较大,仅选择胯、膝盖和脚的骨骼点为指定骨骼点,基于胯、膝盖和脚的骨骼点的骨骼点数据,统计目标周期内的用户运动量。根据不同的运动类型确定指定骨骼点,实现了在用户没有全身出现在采集设备中时,仍能够精准进行运动量统计的效果。
结合图5、6,以本说明书提供的运动量统计方法的应用场景为例,对上述运动量统计方法进行进一步说明。图5示出了本说明书一个实施例提供的一种运动量统计结果的示意图,图6示出了本说明书一个实施例提供的另一种运动量统计结果的示意图。
对各骨骼点的运动速度进行累加,获得瞬时计时时段内的用户运动信息。在对各骨骼点的运动速度进行累加时,可以对不同方向的运动速度设置不同的权重,例如,用户在运动时,垂直方向的运动幅度大于水平方向的运动幅度,用户运动量主要取决于在垂直方向上的运动速度累加,当设置骨骼点的垂直运动速度和水平运动速度权重均为1,设置速度窗口为1秒时,各运动状态下的用户运动量统计曲线如图5所示,用户运动量波动较大;当设置骨骼点的垂直运动速度权重为0.7,水平运动速度权重为0.3时,增大速度窗口至1.5秒,各运动状态下的用户运动量统计曲线如图6所示,用户运动量统计曲线波动减小,增强了用户运动量统计的稳定性。
用户在运动时,存在一些俯身动作,例如,膝关节热身,此时视频采集设备难以采集到用户被遮挡的骨骼点的骨骼点数据,导致瞬时计时时段内的用户运动信息计算不准确,或用户在进行弓步后转体等动停结合的动作时,可能出现骨骼点数据的误判,致使用户运动量发生波动,对于骨骼点数据与用户实际运动情况存在偏差时,可以设置大于人站立不动时的用户运动量的运动量数值,作为该情况下的用户运动量的基础计算数据。
用户在完成弓步后转体等没有正向教练视频的运动时,斜向和侧向的用户运动量统计与正向的用户运动量存在差异,差异大小与具体动作有关,可采用人工评估差异较大的动作。
在本实施例中,根据所述各视频帧的骨骼点数据,确定瞬时计时时段内各骨骼点的位置变化信息,计算所述各骨骼点的运动速度,确定所述瞬时计时时段内的用户运动信息,实现了实时统计用户运动量,且计算方式简单,计算速度快,与用户实际运动情况相差小。
在本说明书实施例的一种可能的实现方式中,基于所述用户运动信息,在目标周期内进行运动统计,获得所述目标周期内的用户运动量,具体可以通过以下方式实现:
根据用户运动动作,确定所述用户运动动作对应的目标周期;
在所述目标周期内,对所述瞬时计时时段内的用户运动信息进行累加,获得用户运动量。
实际应用中,根据用户运动动作的不同类型,确定用户运动动作对应的目标周期,不同用户运动动作的目标周期不同,将目标周期内的用户运动信息累加获得用户运动量,例如,用户完成一次深蹲需要一次下蹲和一次蹲起,共计6秒,6秒记作一个目标周期,在6秒的目标周期内,计算每300毫秒内的各骨骼点的运动速度并进行求和,得到在6秒的目标周期内用户进行深蹲动作的用户运动量。
一个目标周期包括一个或多个用户运动动作,例如,用户完成一次弓步后转体需要一次弓步、两次转体和一次还原动作,共计7秒,将两次弓步后转体记作一个目标周期,即弓步后转体的目标周期为14秒,在14秒目标周期内,计算每200毫秒内各骨骼点的运动速度并进行求和,得到在14秒的目标周期内用户进行弓步后转体动作的用户运动量。
在本实施例中,根据用户运动动作,确定用户运动动作对应的目标周期,实现了准确区分各用户运动动作,分别计算不同用户运动动作的用户运动量;在所述目标周期内,对所述瞬时计时时段内的用户运动信息进行累加,获得总的用户运动量,提升了用户运动量的计算的准确度。
在本说明书实施例的一种可能的实现方式中,在所述根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量之后,所述方法还包括:将所述用户运动量展示在运动显示装置上。
可选的,运动显示装置可以是大屏设备(如智能电视、智慧屏幕、投影仪等)、手机、平板电脑、笔记本电脑、台式电脑、智能电视、超级移动个人计算机(ultra-mobilepersonalcomputer,UMPC)、上网本、个人数字助理(personaldigitalassistant,PDA)等具有显示功能的设备。
在本实施例中,将用户运动量展示在运动显示装置上,用户能够更加直观观察到自己的运动量数据,提升了与用户的互动性。
在本说明书实施例的一种可能的实现方式中,在所述根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量之后,所述方法还包括:根据所述各视频帧的骨骼点数据,按照预设间隔,获得所述预设间隔内的更新用户运动量;
在运动显示装置上显示累加所述更新用户运动量后的用户运动量。
在本说明书实施例的一种可能的实现方式中,在运动显示装置上显示累加所述更新用户运动量后的用户运动量,包括:
在运动显示装置上,以图形指示符的方式显示累加所述更新用户运动量后的用户运动量。
在本实施例中,在运动显示装置上显示按照预设间隔的更新用户运动量、以图形指示符的方式显示累加更新用户运动量后的用户运动量,用户能够实时直观的了解自己的运动量数据,便于对运动节奏进行调整。
在本说明书实施例的一种可能的实现方式中,在所述在运动显示装置上显示累加所述更新用户运动量后的用户运动量之后,所述方法还包括:
在显示的用户运动量达到预设阈值的情况下,提示用户运动动作符合标准动作。
结合图7、图8,以本说明书提供的运动量统计方法的应用场景为例,对上述运动量统计方法进行进一步说明。图7示出了本说明书一个实施例提供的一种运动量展示界面的示意图,图8示出了本说明书一个实施例提供的另一种运动量展示界面的示意图。
图形指示符以能量条的方式展示,能量条最下端表示运动量为零,能量条从下到上按照目标周期更新并显示当时累计运动量,运动量从下到上累加,根据运动类型的不同,能量条设置不同的运动量阈值,当累积运动量超过设定的阈值时,提示用户运动动作符合标准动作,例如,用户在进行深蹲时,运动量阈值为56,当用户累计运动量超过56时,提示用户深蹲动作符合标准动作。
可选的,用户运动量可以采用多种展示形式,例如,展现具体运动量数字等。
在本实施例中,用户运动量达到预设阈值的情况下,提示用户运动动作符合标准动作,实现了帮助用户及时了解自己的动作变形情况,完成标准动作,提升健身效果。
与上述方法实施例相对应,本说明书还提供了运动量统计装置实施例,图9示出了本说明书一个实施例提供的一种运动量统计装置的结构示意图。如图9所示,该装置包括:
采集模块902,被配置为获取视频采集设备采集的用户运动视频;
计算模块904,被配置为基于所述用户运动视频,确定各视频帧的骨骼点数据;
统计模块906,被配置为根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,其中,所述目标周期与用户运动动作对应。
一个可选的实施例中,所述统计模块906进一步被配置为:
根据所述各视频帧的骨骼点数据,确定用户运动信息;基于所述用户运动信息,在目标周期内进行运动统计,获得所述目标周期内的用户运动量。
一个可选的实施例中,所述统计模块906进一步被配置为:
根据所述各视频帧的骨骼点数据,确定瞬时计时时段内各骨骼点的位置变化信息;根据所述各骨骼点的位置变化信息,计算所述各骨骼点的运动速度;根据所述各骨骼点的运动速度,确定所述瞬时计时时段内的用户运动信息。
一个可选的实施例中,所述统计模块906进一步被配置为:
对所述各骨骼点的运动速度进行累加,获得所述瞬时计时时段内的用户运动信息。
一个可选的实施例中,所述统计模块906进一步被配置为:
根据用户运动动作,确定所述用户运动动作对应的目标周期;在所述目标周期内,对所述瞬时计时时段内的用户运动信息进行累加,获得用户运动量。
在本实施例中,通过视频采集设备采集用户运动视频,并基于用户运动视频,确定各视频帧的骨骼点数据,实现了实时捕捉用户的运动情况;根据各视频帧的骨骼点数据,统计目标周期内的用户运动量,实现了分时间段精准统计用户运动量。
本说明书提供的运动量统计装置,获取视频采集设备采集的用户运动视频;基于所述用户运动视频,确定各视频帧的骨骼点数据;根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,其中,所述目标周期与用户运动动作对应。通过上述装置,基于各视频帧中用户的骨骼点数据,统计目标周期内的用户运动量,能够精准捕获一定时间周期内用户的实际动作情况,准确地检测用户运动过程中的运动量,帮助用户保持动作标准并处于合理的运动量区间,获得更好的健身效果,提高用户参与体验。
上述为本实施例的一种运动量统计装置的示意性方案。需要说明的是,该运动量统计装置的技术方案与上述的运动量统计方法的技术方案属于同一构思,运动量统计装置的技术方案未详细描述的细节内容,均可以参见上述运动量统计方法的技术方案的描述。
图10示出了根据本说明书一个实施例提供的一种计算设备1000的结构框图。该计算设备1000的部件包括但不限于存储器1010和处理器1020。处理器1020与存储器1010通过总线1030相连接,数据库1050用于保存数据。
计算设备1000还包括接入设备1040,接入设备1040使得计算设备1000能够经由一个或多个网络1060通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备440可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备1000的上述部件以及图10中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图10所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备1000可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备1000还可以是移动式或静止式的服务器。
其中,处理器1020用于执行如下计算机可执行指令,该计算机可执行指令被处理器1020执行时实现上述运动量统计方法的步骤。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的运动量统计方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述运动量统计方法的技术方案的描述。本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现上述运动量统计方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的运动量统计方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述运动量统计方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
与上述方法实施例相对应,本说明书还提供了运动量统计系统实施例,图11示出了本说明书一个实施例提供的一种运动量统计系统的结构示意图。如图11所示,该系统包括:视频采集设备1101、控制端1102和显示装置1103;
所述视频采集设备1101,被配置为采集用户运动视频;
所述控制端1102,被配置为获取所述视频采集设备1101采集的用户运动视频;基于所述用户运动视频,确定各视频帧的骨骼点数据;根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,其中,所述目标周期与用户运动动作对应;
所述显示装置1103,被配置为显示所述用户运动量。
一个可选的实施例中,所述显示模块908进一步被配置为:
显示累加所述更新用户运动量后的用户运动量。
一个可选的实施例中,所述显示装置1103进一步被配置为:
以图形指示符的方式显示累加所述更新用户运动量后的用户运动量。
一个可选的实施例中,所述显示装置1103进一步被配置为:
在显示的用户运动量达到预设阈值的情况下,提示用户运动动作符合标准动作。
上述为本实施例的一种运动量统计系统的示意性方案。需要说明的是,该运动量统计系统的技术方案与上述的运动量统计方法的技术方案属于同一构思,运动量统计系统的技术方案未详细描述的细节内容,均可以参见上述运动量统计方法的技术方案的描述。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书实施例并不受所描述的动作顺序的限制,因为依据本说明书实施例,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书实施例的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书实施例的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (13)
1.一种运动量统计方法,其特征在于,包括:
获取视频采集设备采集的用户运动视频;
基于所述用户运动视频,确定各视频帧的骨骼点数据;
根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,其中,所述目标周期与用户运动动作对应。
2.根据权利要求1所述的方法,其特征在于,所述根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,包括:
根据所述各视频帧的骨骼点数据,确定用户运动信息;
基于所述用户运动信息,在目标周期内进行运动统计,获得所述目标周期内的用户运动量。
3.根据权利要求2所述的方法,其特征在于,所述根据所述各视频帧的骨骼点数据,确定用户运动信息,包括:
根据所述各视频帧的骨骼点数据,确定瞬时计时时段内各骨骼点的位置变化信息;
根据所述各骨骼点的位置变化信息,计算所述各骨骼点的运动速度;
根据所述各骨骼点的运动速度,确定所述瞬时计时时段内的用户运动信息。
4.根据权利要求3所述的方法,其特征在于,所述根据所述各骨骼点的运动速度,确定所述瞬时计时时段内的用户运动信息,包括:
对所述各骨骼点的运动速度进行累加,获得所述瞬时计时时段内的用户运动信息。
5.根据权利要求3所述的方法,其特征在于,所述基于所述用户运动信息,在目标周期内进行运动统计,获得所述目标周期内的用户运动量,包括:
根据用户运动动作,确定所述用户运动动作对应的目标周期;
在所述目标周期内,对所述瞬时计时时段内的用户运动信息进行累加,获得用户运动量。
6.根据权利要求1-5中任一项所述的方法,其特征在于,在所述根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量之后,所述方法还包括:
将所述用户运动量展示在运动显示装置上。
7.根据权利要求1-5中任一项所述的方法,其特征在于,在所述基于所述用户运动视频,确定各视频帧的骨骼点数据之后,所述方法还包括:
根据所述各视频帧的骨骼点数据,按照预设间隔,获得所述预设间隔内的更新用户运动量;
在运动显示装置上显示累加所述更新用户运动量后的用户运动量。
8.根据权利要求7所述的方法,其特征在于,所述在运动显示装置上显示累加所述更新用户运动量后的用户运动量,包括:
在运动显示装置上,以图形指示符的方式显示累加所述更新用户运动量后的用户运动量。
9.根据权利要求7所述的方法,其特征在于,在所述在运动显示装置上显示累加所述更新用户运动量后的用户运动量之后,所述方法还包括:
在显示的用户运动量达到预设阈值的情况下,提示用户运动动作符合标准动作。
10.一种运动量统计装置,其特征在于,包括:
采集模块,被配置为获取视频采集设备采集的用户运动视频;
计算模块,被配置为基于所述用户运动视频,确定各视频帧的骨骼点数据;
统计模块,被配置为根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,其中,所述目标周期与用户运动动作对应。
11.一种计算设备,其特征在于,包括:存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,所述计算机可执行指令被所述处理器执行时实现权利要求1至9中任一项所述的方法。
12.一种计算机可读存储介质,其特征在于,存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现权利要求1至9中任一项所述的方法。
13.一种运动量统计系统,其特征在于,包括:视频采集设备、控制端和显示装置;
所述视频采集设备,被配置为采集用户运动视频;
所述控制端,被配置为获取所述视频采集设备采集的用户运动视频;基于所述用户运动视频,确定各视频帧的骨骼点数据;根据所述各视频帧的骨骼点数据,统计目标周期内的用户运动量,其中,所述目标周期与用户运动动作对应;
所述显示装置,被配置为显示所述用户运动量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310344260.XA CN116486299A (zh) | 2023-03-31 | 2023-03-31 | 运动量统计方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310344260.XA CN116486299A (zh) | 2023-03-31 | 2023-03-31 | 运动量统计方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116486299A true CN116486299A (zh) | 2023-07-25 |
Family
ID=87213000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310344260.XA Pending CN116486299A (zh) | 2023-03-31 | 2023-03-31 | 运动量统计方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116486299A (zh) |
-
2023
- 2023-03-31 CN CN202310344260.XA patent/CN116486299A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107930048B (zh) | 一种太空体感识别运动分析系统及运动分析方法 | |
CN112464918B (zh) | 健身动作纠正方法、装置、计算机设备和存储介质 | |
US20220080260A1 (en) | Pose comparison systems and methods using mobile computing devices | |
CN110298218B (zh) | 交互式健身装置和交互式健身系统 | |
CN107273857B (zh) | 运动动作的识别方法及装置、电子设备 | |
CN114100103B (zh) | 一种基于关键点识别的跳绳计数检测系统及方法 | |
CN107694046A (zh) | 一种健身运动训练方法、装置及计算机可读存储介质 | |
KR102356685B1 (ko) | 온라인 그룹을 기반으로 하는 홈 트레이닝 제공 시스템 및 그 방법 | |
JP2020174910A (ja) | 運動支援システム | |
WO2023040449A1 (zh) | 利用健身动作触发客户端操作指令 | |
JP7078577B2 (ja) | 動作類似度評価装置、方法およびプログラム | |
CN116271766A (zh) | 网球训练的模拟方法及装置、电子设备及存储介质 | |
US20240042281A1 (en) | User experience platform for connected fitness systems | |
CN110929595A (zh) | 一种基于人工智能的有球无球训练或娱乐系统及方法 | |
EP3786971A1 (en) | Advancement manager in a handheld user device | |
CN116320534A (zh) | 视频制作方法及装置 | |
CN116486299A (zh) | 运动量统计方法、装置及系统 | |
CN116152924A (zh) | 一种运动姿势评估方法、装置、系统及计算机存储介质 | |
Gharasuie et al. | Performance monitoring for exercise movements using mobile cameras | |
CN116328279A (zh) | 一种基于视觉人体姿势估计的实时辅助训练方法及设备 | |
JP7169718B1 (ja) | 情報処理方法、装置及びプログラム | |
JP2020080096A (ja) | オブジェクト識別装置、識別システムおよび識別方法 | |
US20240198177A1 (en) | Exercise instruction and feedback systems and methods | |
CN114708541A (zh) | 一种体能测试方法、装置、计算机设备及存储介质 | |
Wessa et al. | Can pose classification be used to teach Kickboxing? |
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 |