CN116563922A - 一种基于人工智能的跳绳自动计数方法 - Google Patents

Abstract

本发明涉及智能健身运动相关技术领域，更具体地说，本发明提供了一种基于人工智能的跳绳自动计数方法，包括以下步骤：S1：通过视频数据采集设备采集实时的视频信息，视频信息通过显示设备的屏幕显示；S2：对视频中的人脸进行捕捉，根据捕捉的人脸信息确定需要测试的人员后，识别出测试人员的人体姿态信息关键点，人体姿态信息关键点包括人体的脚踝和肩膀；并实时采集测试人员的人体姿态信息关键点的位置信息；能够通过对脚踝位置的定点实现对测试人员是否处于测试区中进行判定，然后通过将测试人员在跳绳过程中采集测试人员肩膀的y₂坐标的改变来对跳绳进行自动计数，解决了通过人工进行跳绳计数的方式容易因为计数人员疲劳而导致计数误差的问题。

Description

一种基于人工智能的跳绳自动计数方法

技术领域

本发明涉及智能健身运动相关技术领域，更具体地说，是一种基于人工智能的跳绳自动计数方法。

背景技术

随着人工智能技术、大数据分析技术的不断成熟和发展，人工智能取代传统体育教学已成趋势。传统跳绳计数采用人工计数的方式来录入成绩，这样的计数方式需要人工辅助技术，而且还需要花费比较多的时间整理数据，此外，在跳绳个数比较多时，容易因为计数人员疲劳而导致计数误差的问题，此外，幅度较小的跳绳动作统计到跳绳个数中，会存在统计数据不公平的问题。

发明内容

本发明的目的在于提供一种基于人工智能的跳绳自动计数方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于人工智能的跳绳自动计数方法，包括以下步骤：

S1：通过视频数据采集设备采集实时的视频信息，视频信息通过显示设备的屏幕显示；

S2：对视频中的人脸进行捕捉，根据捕捉的人脸信息确定需要测试的人员后，识别出测试人员的人体姿态信息关键点，人体姿态信息关键点包括人体的脚踝和肩膀；并实时采集测试人员的人体姿态信息关键点的位置信息，并根据人体姿态信息关键点的位置信息对人体的姿态信息进行分析，判断测试人员是否位于测试区中，当测试人员的人体关键均位于测试区中时，判定测试人员位于测试区中；实时采集人体姿态信息关键点的位置信息的方法包括以测试区中的一个角为原点，横向为x轴，纵向为y轴，形成笛卡尔坐标系，记录下脚踝实时的(x,y₁)坐标，完成对脚踝位置信息的采集；记录下肩膀实时的y₂坐标，完成对肩膀位置信息的采集；

S3：在测试时间内，采集测试人员在测试区中单次跳绳中肩膀的多个不同的y₂坐标，提取测试人员在测试区中单次跳绳中采集到的肩膀y₂坐标的最大值，以平均位置的y₃坐标为基准，将多次跳绳中肩膀y₂坐标的最大值分别与跳绳的平均值y₃坐标进行对比，当跳绳动作中肩膀y₂坐标的最大值超出平均位置y₃坐标的45％-55％时，跳绳计数加1；

S4：测试人员确认跳绳结束后，输出跳绳的个数。

本申请再进一步的技术方案：在步骤S3中，平均位置确定的方法包括：

S31：根据测试人员在单次跳绳中采集到肩膀位置的多个y₂坐标组成一组计算区间，根据计算区间中的最大值和最小值，计算得到计算区间的中值；

S32：根据测试人员多次跳绳计算得到的中值计算平均值，得到的平均值为平均位置的y坐标。

本申请再进一步的技术方案：所述基于人工智能的跳绳自动计数方法还包括以下步骤：

S5：将每一次跳绳测试中的时长、跳绳个数和历史平均位置的y`3坐标进行存储到对应测试人员的个人档案中，并根据单次跳绳的时长和跳绳次数对测试人员跳绳的速度进行分析。

本申请再进一步的技术方案：在步骤S3中，平均位置确定的方法包括：

S31：根据测试人员在单次跳绳中采集到肩膀位置的多个y₂坐标组成一组计算区间，根据计算区间中的最大值和最小值，计算得到计算区间的中值；

S32：根据测试人员多次跳绳计算得到的中值和测试人员档案中存储的历史平均位置的y`₃坐标来计算平均值，得到的平均值为当前平均位置的y₃坐标。

本申请再进一步的技术方案：在步骤S2中，根据捕捉的人脸信息确定需要测试的人员后，对显示设备屏幕显示的视频界面进行切割，使得视频界面中只出现测试人员的全部人体姿态信息关键点。

本申请再进一步的技术方案：在步骤S2中，当判定测试人员位于测试区中时，输出跳绳测试开始信息。

本申请再进一步的技术方案：在步骤S2中，当判定测试人员位于测试区中时，通过在显示设备的屏幕中插入弹窗的形式，插入跳绳测试开始的倒数信息，当跳绳测试开始倒数结束后，关闭弹窗的同时开始对测试人员的跳绳动作进行计数。

本申请再进一步的技术方案：在步骤S2中，当判定测试人员位于测试区中时，通过语音输出设备输出跳绳测试开始的语音信息后，开始对测试人员的跳绳动作进行计数。

采用本发明提供的技术方案，与现有技术相比，具有如下有益效果：

1、本发明基于人工智能的跳绳自动计数方法，能够通过对脚踝位置的定点实现对测试人员是否处于测试区中进行判定，然后通过将测试人员在跳绳过程中采集测试人员肩膀的y₂坐标的改变来对跳绳进行自动计数，解决了通过人工进行跳绳计数的方式容易因为计数人员疲劳而导致计数误差的问题。

2、本发明以单次跳绳中采集到的肩膀y₂坐标的最大值，以平均位置的y₃坐标为基准，将多次跳绳中肩膀y₂坐标的最大值分别与跳绳的平均值y₃坐标进行对比，当跳绳动作中肩膀y₂坐标的最大值超出平均位置y₃坐标的45％-55％时，判定跳绳的幅度符合标准，跳绳计数加1；从而能够解决了通过人工对跳绳进行技术的方式，因为幅度较小的跳绳动作统计到跳绳个数中，会存在统计数据不公平的问题。

附图说明

图1为本发明提供的一种基于人工智能的跳绳自动计数方法的流程图；

图2为本发明提供的对人体姿态信息关键点的位置信息进行采集的示意图；

图3为本发明提供的显示设备显示测试人员跳绳图像信息的界面示意图；

图4为本发明提供的测试时间内多次跳绳过程中识别肩部位置的y₂坐标数据示意图；

图5为本发明提供的测试时间内多次跳绳过程中肩部位置的y₂坐标的幅度信息示意图。

示意图中的标号说明：

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、完整的描述，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围，下面结合实施例对本发明作进一步的描述。

请参阅图1-图5，本申请的一个实施例中，一种基于人工智能的跳绳自动计数方法，包括以下步骤：

S1：通过视频数据采集设备采集实时的视频信息，视频信息通过显示设备的屏幕显示；

S2：对视频中的人脸进行捕捉，根据捕捉的人脸信息确定需要测试的人员后，识别出测试人员的人体姿态信息关键点，人体姿态信息关键点包括人体的脚踝和肩膀等；并实时采集测试人员的人体姿态信息关键点的位置信息，并根据人体姿态信息关键点的位置信息对人体的姿态信息进行分析，判断测试人员是否位于测试区中，当测试人员的人体关键均位于测试区中时，判定测试人员位于测试区中；实时采集人体姿态信息关键点的位置信息的方法包括以测试区中的一个角为原点，横向为x轴，纵向为y轴，形成笛卡尔坐标系，记录下脚踝实时的(x，y₁)坐标，完成对脚踝位置信息的采集；记录下肩膀实时的y₂坐标，完成对肩膀位置信息的采集；

S3：在测试时间内，采集测试人员在测试区中单次跳绳中肩膀的多个不同的y₂坐标，提取测试人员在测试区中单次跳绳中采集到的肩膀y₂坐标的最大值，以平均位置的y₃坐标为基准，将多次跳绳中肩膀y₂坐标的最大值分别与跳绳的平均值y₃坐标进行对比，当跳绳动作中肩膀y₂坐标的最大值超出平均位置y₃坐标的45％一55％时，跳绳计数加1；

S4：测试人员确认跳绳结束后，输出跳绳的个数。

在本实施例的一种情况中，所述视频数据采集设备采用实时捕捉视频画面的200万变焦网络摄像头，采用路由器提供数据传输，通过RTSP协议实时读取网络摄像头数据，通过现有技术中的Tensorflow Lite姿态识别模型对人体姿态进行检测，对脚踝和肩膀的位置进行定点，把图像中人体的姿态信息分析出来，并对脚踝和肩膀的定点进行实时跟踪。从而能够根据肩膀位置的y₂坐标对跳绳计数。

请参阅图4和图5，作为本申请一个优选的实施例，在步骤S3中，平均位置确定的方法包括：

S31：根据测试人员在单次跳绳中采集到肩膀位置的多个y₂坐标组成一组计算区间{y₂₁，y₂₂，y₂₃，y₂₄，y₂₅……y_2i}，根据计算区间中的最大值y_2i和最小值y₂₁，计算得到计算区间的中值

S32：根据测试人员n次跳绳计算得到的n个中值 来计算平均值，得到的平均值为平均位置的y坐标/>

为了进一步对测试人员平均值的y₃坐标进行确定，作为本申请一个优选的实施例，所述基于人工智能的跳绳自动计数方法还包括以下步骤：

S5：将每一次跳绳测试中的时长、跳绳个数和平均位置的y₃坐标进行存储到对应测试人员的个人档案中，并根据单次跳绳的时长和跳绳次数对测试人员跳绳的速度进行分析。在本实施例中，

在本实施例的一种情况中，在步骤S3中，平均位置确定的方法包括：

S31：根据测试人员在单次跳绳中采集到肩膀位置的多个y₂坐标组成一组计算区间{y₂₁，y₂₂，y₂₃，y₂₄，y₂₅……y_2n}，根据计算区间中的最大值y_2n和最小值y₂₁，计算得到计算区间的中值

S32：根据测试人员n次跳绳计算得到的n个中值 和测试人员档案中存储的j个历史平均位置的y`<sub>3</sub>坐标{y`₃₁，y`<sub>32</sub>，y`₃₃……y`_3j}来计算平均值，得到的平均值为当前平均位置的y₃坐标/>

请参阅图2和图3，作为本申请一个优选的实施例，在步骤S2中，根据捕捉的人脸信息确定需要测试的人员后，对显示设备屏幕显示的视频界面进行切割，使得视频界面中只出现测试人员的全部人体姿态信息关键点。

在实际应用时，通过opencv函数Mat(Mat m,Rect roi)获取像素点，使得获取的不同位置的像素点组成一个矩形，即可获取这个矩形区域的图像数据。有必要说明的是，通过opencv函数对图像进行切割为现有技术，本实施例在此不再赘述。

为了进一步完善跳绳前的准备工作，作为本申请一个优选的实施例，在步骤S2中，当判定测试人员位于测试区中时，输出跳绳测试开始信息。

在本实施例的一种情况中，在步骤S2中，当判定测试人员位于测试区中时，通过在显示设备的屏幕中插入弹窗的形式，插入跳绳测试开始的倒数信息，当跳绳测试开始倒数结束后，自动关闭或测试人员点击显示设备的关闭弹窗的同时开始对测试人员的跳绳动作进行计数。

在本实施例的另一种情况中，在步骤S2中，当判定测试人员位于测试区中时，通过语音输出设备输出跳绳测试开始的语音信息后，开始对测试人员的跳绳动作进行计数。

在实际应用时，语音输出设备可以是室外音柱、音响或喇叭。

本发明的步骤是这样的：

S1：通过视频数据采集设备采集实时的视频信息，视频信息通过显示设备的屏幕显示；

S2：对视频中的人脸进行捕捉，根据捕捉的人脸信息确定需要测试的人员后，识别出测试人员的人体姿态信息关键点，人体姿态信息关键点包括人体的脚踝和肩膀；并实时采集测试人员的人体姿态信息关键点的位置信息，并根据人体姿态信息关键点的位置信息对人体的姿态信息进行分析，判断测试人员是否位于测试区中，当测试人员的人体关键均位于测试区中时，判定测试人员位于测试区中；实时采集人体姿态信息关键点的位置信息的方法包括以测试区中的一个角为原点，横向为x轴，纵向为y轴，形成笛卡尔坐标系，记录下脚踝实时的(x,y₁)坐标，完成对脚踝位置信息的采集；记录下肩膀实时的y₂坐标，完成对肩膀位置信息的采集；

S3：在测试时间内，采集测试人员在测试区中单次跳绳中肩膀的多个不同的y₂坐标，根据测试人员在单次跳绳中采集到肩膀位置的多个y₂坐标组成一组计算区间{y₂₁，y₂₂，y₂₃，y₂₄，y₂₅……y_2i}，根据计算区间中的最大值y_2i和最小值y₂₁，计算得到计算区间的中值提取测试人员在测试区中单次跳绳中采集到的肩膀y₂坐标的最大值y₂i和最小值y₂₁，计算得到计算区间的中值/>根据测试人员n次跳绳计算得到的n个中值根据测试人员n次跳绳计算得到的n个中值/>和测试人员档案中存储的j个历史平均位置的y`<sub>3</sub>坐标{y`₃₁，y`<sub>32</sub>，y`₃₃……y_3j}来计算平均值，得到的平均值为当前平均位置的y₃坐标/> 以平均位置的y₃坐标为基准，将多次跳绳中肩膀y₂坐标的最大值分别与跳绳的平均值y₃坐标进行对比，当跳绳动作中肩膀y₂坐标的最大值超出平均位置y₃坐标的50％时，判定跳绳的幅度符合标准，跳绳计数加1，如果在跳绳动作中肩膀y₂坐标的最大值在平均位置y₃坐标的50％以内时，判定跳绳的幅度不符合标准，跳绳计数不加不减。

S4：测试人员确认跳绳结束后，输出跳绳的个数。

S5：将每一次跳绳测试中的时长、跳绳个数和历史平均位置的y`₃坐标进行存储到对应测试人员的个人档案中，并根据单次跳绳的时长和跳绳次数对测试人员跳绳的速度进行分析。其中

以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (8)

1.一种基于人工智能的跳绳自动计数方法，其特征在于，包括以下步骤：

S1：通过视频数据采集设备采集实时的视频信息，视频信息通过显示设备的屏幕显示；

S2：对视频中的人脸进行捕捉，根据捕捉的人脸信息确定需要测试的人员后，识别出测试人员的人体姿态信息关键点，人体姿态信息关键点包括人体的脚踝和肩膀；并实时采集测试人员的人体姿态信息关键点的位置信息，并根据人体姿态信息关键点的位置信息对人体的姿态信息进行分析，判断测试人员是否位于测试区中，当测试人员的人体关键均位于测试区中时，判定测试人员位于测试区中；实时采集人体姿态信息关键点的位置信息的方法包括以测试区中的一个角为原点，横向为x轴，纵向为y轴，形成笛卡尔坐标系，记录下脚踝实时的(x,y₁)坐标，完成对脚踝位置信息的采集；记录下肩膀实时的y₂坐标，完成对肩膀位置信息的采集；

S3：在测试时间内，采集测试人员在测试区中单次跳绳中肩膀的多个不同的y₂坐标，提取测试人员在测试区中单次跳绳中采集到的肩膀y₂坐标的最大值，以平均位置的y₃坐标为基准，将多次跳绳中肩膀y₂坐标的最大值分别与跳绳的平均值y₃坐标进行对比，当跳绳动作中肩膀y₂坐标的最大值超出平均位置y₃坐标的45％—55％时，跳绳计数加1；

S4：测试人员确认跳绳结束后，计算并输出跳绳的个数。

2.根据权利要求1所述的一种基于人工智能的跳绳自动计数方法，其特征在于，在步骤S3中，平均位置确定的方法包括：

S31：根据测试人员在单次跳绳中采集到肩膀位置的多个y₂坐标组成一组计算区间，根据计算区间中的最大值和最小值，计算得到计算区间的中值；

S32：根据测试人员多次跳绳计算得到的中值计算平均值，得到的平均值为平均位置的y₃坐标。

3.根据权利要求2所述的一种基于人工智能的跳绳自动计数方法，其特征在于，所述基于人工智能的跳绳自动计数方法还包括以下步骤：

S5：将每一次跳绳测试中的时长、跳绳个数和历史平均位置的y`₃坐标进行存储到对应测试人员的个人档案中，并根据单次跳绳的时长和跳绳次数对测试人员跳绳的速度进行分析。

4.根据权利要求3所述的一种基于人工智能的跳绳自动计数方法，其特征在于，在步骤S3中，平均位置确定的方法包括：

S31：根据测试人员在单次跳绳中采集到肩膀位置的多个y₂坐标组成一组计算区间，根据计算区间中的最大值和最小值，计算得到计算区间的中值；

S32：根据测试人员多次跳绳计算得到的中值和测试人员档案中存储的历史平均位置的y`₃坐标来计算平均值，得到的平均值为当前平均位置的y₃坐标。

5.根据权利要求1所述的一种基于人工智能的跳绳自动计数方法，其特征在于，在步骤S2中，根据捕捉的人脸信息确定需要测试的人员后，对显示设备屏幕显示的视频界面进行切割，使得视频界面中只出现测试人员的全部人体姿态信息关键点。

6.根据权利要求1所述的一种基于人工智能的跳绳自动计数方法，其特征在于，在步骤S2中，当判定测试人员位于测试区中时，输出跳绳测试开始信息。

7.根据权利要求6所述的一种基于人工智能的跳绳自动计数方法，其特征在于，在步骤S2中，当判定测试人员位于测试区中时，通过在显示设备的屏幕中插入弹窗的形式，插入跳绳测试开始的倒数信息，当跳绳测试开始倒数结束后，关闭弹窗的同时开始对测试人员的跳绳动作进行计数。

8.根据权利要求6所述的一种基于人工智能的跳绳自动计数方法，其特征在于，在步骤S2中，当判定测试人员位于测试区中时，通过语音输出设备输出跳绳测试开始的语音信息后，开始对测试人员的跳绳动作进行计数。