CN117333938A - 用于斜身引体考试的监测方法、系统、存储介质及设备 - Google Patents
用于斜身引体考试的监测方法、系统、存储介质及设备 Download PDFInfo
- Publication number
- CN117333938A CN117333938A CN202311245522.3A CN202311245522A CN117333938A CN 117333938 A CN117333938 A CN 117333938A CN 202311245522 A CN202311245522 A CN 202311245522A CN 117333938 A CN117333938 A CN 117333938A
- Authority
- CN
- China
- Prior art keywords
- person
- detected
- examination
- video
- included angle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 title claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 29
- 210000003423 ankle Anatomy 0.000 claims description 18
- 210000001624 hip Anatomy 0.000 claims description 18
- 210000000988 bone and bone Anatomy 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000010191 image analysis Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 241001062954 Clinopodium Species 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 210000004247 hand Anatomy 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000002683 foot Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
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
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明实施例公开了一种用于斜身引体考试的监测方法,所述方法包括下列步骤:先根据视频采集设备获取斜身引体动作视频;在所述斜身引体动作视频确定待考试区域、待检测人员;当任一待检测人员进入待考试区域时,利用视频采集设备开始录像,获取考试视频;在所述考试视频确定该待检测人员的骨骼关键点,并判定其是否处于预备状态;若是,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试;这种方法不需要专人操作,能够减少操作人员的负担,其通过图像分析技术,对待检测人员的行为动作进行分析,并能够实时保存现场视频,可以有效的完善考试及体测的复杂流程,大大降低人工失误率,确保成绩的准确和公平、公正、公开。
Description
技术领域
本发明涉及训练器材技术领域,尤其涉及用于斜身引体考试的监测方法、系统、存储介质及设备。
背景技术
斜身引体即用高度适宜的低单杠,使杠面高度与受试者胸部齐平,受试者面向单杠,自然站立,两手分开与肩同宽,正握杠,两腿前伸,两脚着地并由同伴压住两脚,保持两臂与躯干呈90°,身体斜向下垂同时身体与地面的夹角小于45°;然后做屈臂引体,当下颌能触到或超过横杠时,伸臂复原,为完成一次。
传统的专项竞技运动中,在进行技能训练时,通过肉眼观察无法准确判断动作是否标准,而且教练人员时间和精力有限,无法顾及多个学生,尤其无法一对多地观察每个学生的动作完成情况,只能一对一地进行指导纠正,严重影响教学效率和教学质量。
实际上,在斜身引体考试中,一般通过人工手段测量计时和计数来获取斜身引体动作考试的成绩,这种传统测试手段人工成本高,效率低、出错率高、测试方式复杂并且无法复查,易出现由于人工长时间测试疲劳导致的测试存在误差,这会严重影响比赛的公平。
随着人工智能的发展,自动化将成为主流,现今在图像视频处理方面的应用越来越广泛,在体育行业,使用图像视频处理技术来获取训练或者比赛成绩或者,通过视频的方式回馈给练习者,便于观摩自己的动作,从而可以使得练习者对自己的动作进行修正,能够减少人力成本,提升效率,还能够保证绝对的训练或者比赛成绩的公平、公正、公开。
发明内容
基于此,有必要针对上述问题,提出了用于斜身引体考试的监测方法。
一种用于斜身引体考试的监测方法,所述方法包括下列步骤:
根据视频采集设备获取斜身引体动作视频;
在所述斜身引体动作视频确定待考试区域、待检测人员;
当任一待检测人员进入待考试区域时,利用视频采集设备开始录像,获取考试视频;
在所述考试视频确定该待检测人员的骨骼关键点,并判定其是否处于预备状态;
若是,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试。
上述方案中,所述在所述斜身引体动作视频确定待考试区域、待检测人员,具体包括:
根据人脸识别算法识别待考试区域内出现的人员;
判断该人员是否为数据库中的待检测人员;
若是,利用视频采集设备开始录像。
上述方案中,所述在所述考试视频确定该待检测人员的骨骼关键点,并判定其是否处于预备状态还包括:当待检测人员的胳膊肘、肩膀、腰部所成的第一夹角满足:80°<第一夹角<100°、肩膀、腰部、脚踝所成的第二夹角满足:170°<第二夹角<180°、肩膀,脚踝与水平面所成的第三夹角满足:40°<第三夹角<50°时,确定所述待检测人员处于预备状态。
上述方案中,所述若是,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试还包括:
当确定所述待检测人员处于预备状态后,根据其骨骼关键点位置判断是否已开始斜身引体动作;
若是,根据所述待检测人员骨骼关键点位置判断是否已完成一个斜身引体动作;
当每次完成一个斜身引体动作时,将该待检测人员对应的分值加一,直至其结束考试。
上述方案中,所述当确定所述待检测人员处于预备状态后,根据其骨骼关键点位置判断是否已开始斜身引体动作,具体包括:当待检测人员的胳膊肘、肩膀、腰部所成的第一夹角满足:80°<第一夹角<100°、肩膀、腰部、脚踝所成的第二夹角满足:170°<第二夹角<180°、肩膀,脚踝与水平面所成的第三夹角满足:第三夹角<50°时,确定其处于开始状态。
上述方案中,所述根据所述待检测人员骨骼关键点位置判断是否已完成一个斜身引体动作还包括:根据其骨骼关键点位置判断是否开始斜身引体动作,具体包括:当待检测人员的胳膊肘、肩膀、腰部所成的第一夹角满足:第一夹角<40°、肩膀、腰部、脚踝所成的第二夹角满足:170°<第二夹角<180°、肩膀,脚踝与水平面所成的第三夹角满足:第三夹角>60°时,确定其处于完成一个斜身引体动作状态。
上述方案中,确定所述待检测人员结束考试,具体包括:当所述待检测人员完成一个斜身引体动作后,若20秒内没有检测到其开始下一个斜身引体动作时,则结束考试;或者,当检测到所述待检测人员离开测试区域时,则结束考试。
本申请还提出了一种用于斜身引体考试的监测系统,其特征在于,所述系统包括:斜身引体动作视频获取单元、考试视频获取单元、判断单元和斜身引体动作数量计数单元;
所述斜身引体动作视频获取单元,用于根据视频采集设备获取斜身引体动作视频、在所述斜身引体动作视频确定待考试区域、待检测人员;
所述考试视频获取单元,用于当任一待检测人员进入待考试区域时,利用视频采集设备开始录像,获取考试视频;
所述判断单元,用于在所述考试视频确定该待检测人员的骨骼关键点,并判定其是否处于预备状态;
所述斜身引体动作数量计数单元,用于当所述待检测人员处于预备状态时,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试。
本申请还提出了一种可读存储介质,存储有计算机程序所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
根据视频采集设备获取斜身引体动作视频;
在所述斜身引体动作视频确定待考试区域、待检测人员;
当任一待检测人员进入待考试区域时,利用视频采集设备开始录像,获取考试视频;
在所述考试视频确定该待检测人员的骨骼关键点,并判定其是否处于预备状态;
若是,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试。
本申请还提出了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行如下步骤:
根据视频采集设备获取斜身引体动作视频;
在所述斜身引体动作视频确定待考试区域、待检测人员;
当任一待检测人员进入待考试区域时,利用视频采集设备开始录像,获取考试视频;
在所述考试视频确定该待检测人员的骨骼关键点,并判定其是否处于预备状态;
若是,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试。
采用本发明实施例,具有如下有益效果:先根据视频采集设备获取斜身引体动作视频;在所述斜身引体动作视频确定待考试区域、待检测人员;当任一待检测人员进入待考试区域时,利用视频采集设备开始录像,获取考试视频;在所述考试视频确定该待检测人员的骨骼关键点,并判定其是否处于预备状态;若是,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试;这种方法结合了图像处理技术和人体骨骼关键点判断技术,不需要专人操作,就能够实现对待检测人员的行为动作进行分析,能够减少操作人员的负担,同时能够实时保存现场视频,可以有效的完善考试及体测的复杂流程,大大降低人工失误率,从而更精准智能的获取每个待检测人员的考试成绩,有利于提高斜身引体考试成绩的获取效率。
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。
其中:
图1为一个实施例中用于斜身引体考试的监测方法流程示意图;
图2为一个实施例中基于识别的待考试区域示意图;
图3为基于图2的待考试区域二维示意图;
图4为一个实施例中确定待检测人员完成的斜身引体动作数量,直至其结束考试的流程示意图;
图5为一个实施例中通过若干个智能摄像头采集视频数据并上传至服务器的原理图。
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;基于本发明中的实施例,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,都属于本发明保护的范围。
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解;然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施;在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述,应当理解的是,本发明能够以不同形式实施,而不应当解释为局限于这里提出的实施例;相反地,提供这些实施例将使公开彻底和完全,并且将本发明的范围完全地传递给本领域技术人员。
为了便于理解,下面先对本申请涉及的相关术语进行介绍。
(1)斜身引体动作,用引体板把身体拉起的动作,重点放在控制身体的节奏:首先要打破肩部静止性状态,把尽可能多的力量转移到肩背部,保持肩部扩展,再更活跃腕部和腹部肌肉,支撑身体向上拉起,保持上半身直立,手臂超过头部,然后慢慢放下身体,直到胸部经过引体板,最后重新回到起始位置,双手把引体板拉紧。
(2)人体骨骼关键点检测,主要检测人体的一些关键点,如关节,五官等,通过关键点描述人体骨骼信息或者人体姿态信息,其对于描述人体姿态,预测人体行为至关重要,因此人体骨骼关键点检测是诸多计算机视觉任务的基础,例如动作分类,异常行为检测,以及自动驾驶等等。
(3)笛卡尔坐标系(Cartesian coordinates),就是直角坐标系和斜坐标系的统称,相交于原点的两条数轴,构成了平面仿射坐标系;如两条数轴上的度量单位相等,则称此仿射坐标系为笛卡尔坐标系,两条数轴互相垂直的笛卡尔坐标系,称为笛卡尔直角坐标系,否则称为笛卡尔斜角坐标系。
为了彻底理解本发明,将在下列的描述中提出详细的结构,以便阐释本发明提出的技术方案;本发明的可选实施例详细描述如下,然而除了这些详细描述外,本发明还可以具有其他实施方式。
如图1所示,在一个实施例中,提供了一种用于斜身引体考试的监测方法,该用于斜身引体考试的监测方法包括步骤S101至步骤S105,详述如下:
S101、根据视频采集设备获取斜身引体动作视频;
其中,上述视频采集设备包括录像机、摄影机、手机等电子设备,其通过把模拟视频转换成数字视频,并按数字视频文件的格式进行保存,便于人工后续进行回放查看。
S102、在斜身引体动作视频确定待考试区域、待检测人员;
在一些实施例中,如图2和图3所示,可以根据现场器材摆放情况,识别待考试区域:
(1)旋转摄像头(或者其他视频采集设备)使画面中的斜身引体器材一侧的竖直杆P1与屏幕上绘制的一条固定垂直线L1对齐,即L1与P1处于同一垂直线上:
(2)上下俯仰拨动摄像头(或者其他视频采集设备)使画面中的斜身引体器材底部的一水平杆P2与屏幕上绘制的一条水平线L2对齐,即P2与L2处于同一水平线上:
(3)调整摄像头(或者其他视频采集设备)与器材的距离,使器材垂直杆P1与屏幕上绘制的垂直线L1重合,即P1与L1处于同一垂直线上且两者在屏幕上显示的长度相等:
通过上述步骤(1)至(3)确定摄像头(或者其他视频采集设备)的角度,获取待检测人员的斜身引体的动作参数。
(4)调整识别区域,默认在屏幕中心绘制一块指定大小的矩形识别区域,滑动屏幕上四个点D1、D2、D3、D4,使器材刚好处于识别区域内。
在一些实施例中,在斜身引体动作视频确定待考试区域、待检测人员,具体包括:
根据人脸识别算法识别待考试区域内出现的人员;
判断该人员是否为数据库中的待检测人员;
若是,利用视频采集设备开始录像。
进一步的,当判断该人员不是数据库中的待检测人员中时,人工设置是否在数据库中新增该人员的人脸数据,并在数据库中自动更新人脸数据。
S103、当任一待检测人员进入待考试区域时,利用视频采集设备开始录像,获取考试视频;
优选的,将屏幕绘图四边形区域的笛卡尔坐标系映射到视频图像中的坐标系并且从视频帧中过滤掉不在识别区内的人体,得到目标人体即待检测人员,则开始录像。
S104、在考试视频确定该待检测人员的骨骼关键点,并判定其是否处于预备状态;
在一些实施例中,判定待检测人员是否处于预备状态还包括:
(1)当待检测人员的胳膊肘、肩膀、腰部所成的第一夹角满足:80°<第一夹角<100°;
(2)当待检测人员的肩膀、腰部、脚踝所成的第二夹角满足:170°<第二夹角<180°;
(3)当待检测人员的肩膀,脚踝与水平面所成的第三夹角满足:40°<第三夹角<50°时,当上述条件(1)至(3)均满足时,则确定该待检测人员处于预备状态。
S105、若是,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试。
优选的,若判定待检测人员不处于预备状态,则重新检测目标人物作为待检测人员并判断是否处于预备状态。
如图4所示,在一些实施例中,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试还包括:
S501、当确定待检测人员处于预备状态后,根据其骨骼关键点位置判断是否已开始斜身引体动作;
S502、若是,根据待检测人员骨骼关键点位置判断是否已完成一个斜身引体动作;
S503、当每次完成一个斜身引体动作时,将该待检测人员对应的分值加一,直至其结束考试。
优选的,在当前待检测人员结束考试后,自动上传成绩到服务器,并且保存本地视频后,再继续对下一个目标人物进行斜身引体考试的监测,获取其姿态状态并输出成绩。
在一些实施例中,当确定待检测人员处于预备状态后,根据其骨骼关键点位置判断是否已开始斜身引体动作,具体包括:
(1)当待检测人员的胳膊肘、肩膀、腰部所成的第一夹角满足:80°<第一夹角<100°;
(2)当待检测人员的肩膀、腰部、脚踝所成的第二夹角满足:170°<第二夹角<180°;
(3)当待检测人员的肩膀,脚踝与水平面所成的第三夹角满足:第三夹角<50°时,当上述条件(1)至(3)均满足时,则确定带检测人员处于开始斜身引体动作状态。
在一些实施例中,根据待检测人员骨骼关键点位置判断是否已完成一个斜身引体动作还包括:
(1)当待检测人员的胳膊肘、肩膀、腰部所成的第一夹角满足:第一夹角<40°;
(2)当待检测人员的肩膀、腰部、脚踝所成的第二夹角满足:170°<第二夹角<180°;
(3)当待检测人员的肩膀,脚踝与水平面所成的第三夹角满足:第三夹角>60°时,当上述条件(1)至(3)均满足时,则确定带检测人员处于完成一个斜身引体动作状态。
在一些实施例中,确定待检测人员结束考试,具体包括:
(1)当待检测人员完成一个斜身引体动作后,若20秒内没有检测到其开始下一个斜身引体动作时,则结束考试;
(2)当检测到待检测人员离开测试区域时,则结束考试。
在实际应用中,当满足上述(1)至(2)中任意一个时,则说明当前待检测人员已结束考试。
如图5所示,在一些实施例中,本方案还通过若干个智能摄像头采集视频数据,并使用yolov8-pose神经网络人工智能算法计算出每一帧人体骨骼关键点,智能摄像头将每一帧视频图片及其骨骼关键点通过有线或无线网络传输给平板,平板获取到视频流,实时解析并渲染画面和实时录像,并通过骨骼关键点实时计算人体姿态和模拟斜身引体动作分析,结束之后自动保存成绩和视频并上传到服务器。
通过视频录像的方式将运动技能练习者所练习的运动技能记录下来,再通过视频的方式回馈给运动技能练习者,由运动技能练习者观摩自己的动作,以便于运动技能练习者对自己的动作进行修正、或者通过姿态评估将待检测人员的动作生成姿态信息,再将姿态信息与信息库对比的方式来判断动作是否到位,这均有利于待检测人员日常训练和考试。
综上,本申请方案结合了图像处理技术和人体骨骼关键点判断技术,从视频采集设备获取斜身引体动作视频并确定待考试区域、待检测人员;当任一待检测人员进入待考试区域时,则开始录像,获取考试视频并确定该待检测人员的骨骼关键点,判定其是否处于预备状态;若是,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试;这种方法采用视频智能识别技术,更加方便简洁,不需要专人操作,就能够实现对待检测人员的行为动作进行分析,能够减少操作人员的负担,同时能够实时保存现场视频,可以有效的完善考试及体测的复杂流程,大大降低人工失误率,从而更精准智能的获取每个待检测人员的考试成绩,有利于提高斜身引体考试成绩的获取效率。
本申请还提出了一种用于斜身引体考试的监测系统,系统包括:斜身引体动作视频获取单元、考试视频获取单元、判断单元和斜身引体动作数量计数单元;
斜身引体动作视频获取单元,用于根据视频采集设备获取斜身引体动作视频、在斜身引体动作视频确定待考试区域、待检测人员;
考试视频获取单元,用于当任一待检测人员进入待考试区域时,利用视频采集设备开始录像,获取考试视频;
判断单元,用于在考试视频确定该待检测人员的骨骼关键点,并判定其是否处于预备状态;
斜身引体动作数量计数单元,用于当待检测人员处于预备状态时,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试。
本申请还提出了一种可读存储介质,存储有计算机程序计算机程序被处理器执行时,使得处理器执行如下步骤:
根据视频采集设备获取斜身引体动作视频;
在斜身引体动作视频确定待考试区域、待检测人员;
当任一待检测人员进入待考试区域时,利用视频采集设备开始录像,获取考试视频;
在考试视频确定该待检测人员的骨骼关键点,并判定其是否处于预备状态;
若是,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试。
本申请还提出了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序被处理器执行如下步骤:
根据视频采集设备获取斜身引体动作视频;
在斜身引体动作视频确定待考试区域、待检测人员;
当任一待检测人员进入待考试区域时,利用视频采集设备开始录像,获取考试视频;
在考试视频确定该待检测人员的骨骼关键点,并判定其是否处于预备状态;
若是,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试。
本领域普通技术人员能够理解实现上述实施例方法中的全部或部分流程,是能够通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征能够进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还能够做出若干变形和改进,这些都属于本申请的保护范围,以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种用于斜身引体考试的监测方法,其特征在于,所述方法包括下列步骤:
根据视频采集设备获取斜身引体动作视频;
在所述斜身引体动作视频确定待考试区域、待检测人员;
当任一待检测人员进入待考试区域时,利用视频采集设备开始录像,获取考试视频;
在所述考试视频确定该待检测人员的骨骼关键点,并判定其是否处于预备状态;
若是,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试。
2.根据权利要求1所述的用于斜身引体考试的监测方法,其特征在于,所述在所述斜身引体动作视频确定待考试区域、待检测人员,具体包括:
根据人脸识别算法识别待考试区域内出现的人员;
判断该人员是否为数据库中的待检测人员;
若是,利用视频采集设备开始录像。
3.根据权利要求2所述的用于斜身引体考试的监测方法,其特征在于,所述在所述考试视频确定该待检测人员的骨骼关键点,并判定其是否处于预备状态还包括:当待检测人员的胳膊肘、肩膀、腰部所成的第一夹角满足:80°<第一夹角<100°、肩膀、腰部、脚踝所成的第二夹角满足:170°<第二夹角<180°、肩膀,脚踝与水平面所成的第三夹角满足:40°<第三夹角<50°时,确定所述待检测人员处于预备状态。
4.根据权利要求3所述的用于斜身引体考试的监测方法,其特征在于,所述若是,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试还包括:
当确定所述待检测人员处于预备状态后,根据其骨骼关键点位置判断是否已开始斜身引体动作;
若是,根据所述待检测人员骨骼关键点位置判断是否已完成一个斜身引体动作;
当每次完成一个斜身引体动作时,将该待检测人员对应的分值加一,直至其结束考试。
5.根据权利要求4所述的用于斜身引体考试的监测方法,其特征在于,所述当确定所述待检测人员处于预备状态后,根据其骨骼关键点位置判断是否已开始斜身引体动作,具体包括:当待检测人员的胳膊肘、肩膀、腰部所成的第一夹角满足:80°<第一夹角<100°、肩膀、腰部、脚踝所成的第二夹角满足:170°<第二夹角<180°、肩膀,脚踝与水平面所成的第三夹角满足:第三夹角<50°时,确定其处于开始状态。
6.根据权利要求5所述的用于斜身引体考试的监测方法,其特征在于,所述根据所述待检测人员骨骼关键点位置判断是否已完成一个斜身引体动作还包括:根据其骨骼关键点位置判断是否开始斜身引体动作,具体包括:当待检测人员的胳膊肘、肩膀、腰部所成的第一夹角满足:第一夹角<40°、肩膀、腰部、脚踝所成的第二夹角满足:170°<第二夹角<180°、肩膀,脚踝与水平面所成的第三夹角满足:第三夹角>60°时,确定其处于完成一个斜身引体动作状态。
7.根据权利要求6所述的用于斜身引体考试的监测方法,其特征在于,确定所述待检测人员结束考试,具体包括:当所述待检测人员完成一个斜身引体动作后,若20秒内没有检测到其开始下一个斜身引体动作时,则结束考试;或者,当检测到所述待检测人员离开测试区域时,则结束考试。
8.一种用于斜身引体考试的监测系统,其特征在于,所述系统包括:斜身引体动作视频获取单元、考试视频获取单元、判断单元和斜身引体动作数量计数单元;
所述斜身引体动作视频获取单元,用于根据视频采集设备获取斜身引体动作视频、在所述斜身引体动作视频确定待考试区域、待检测人员;
所述考试视频获取单元,用于当任一待检测人员进入待考试区域时,利用视频采集设备开始录像,获取考试视频;
所述判断单元,用于在所述考试视频确定该待检测人员的骨骼关键点,并判定其是否处于预备状态;
所述斜身引体动作数量计数单元,用于当所述待检测人员处于预备状态时,开始确定待检测人员完成的斜身引体动作数量,直至其结束考试。
9.一种可读存储介质,存储有计算机程序所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一一项所述方法的步骤。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一一项中所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311245522.3A CN117333938A (zh) | 2023-09-25 | 2023-09-25 | 用于斜身引体考试的监测方法、系统、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311245522.3A CN117333938A (zh) | 2023-09-25 | 2023-09-25 | 用于斜身引体考试的监测方法、系统、存储介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117333938A true CN117333938A (zh) | 2024-01-02 |
Family
ID=89292395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311245522.3A Pending CN117333938A (zh) | 2023-09-25 | 2023-09-25 | 用于斜身引体考试的监测方法、系统、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117333938A (zh) |
-
2023
- 2023-09-25 CN CN202311245522.3A patent/CN117333938A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108307116A (zh) | 图像拍摄方法、装置、计算机设备和存储介质 | |
CN111753635B (zh) | 化学实验操作的智能评分方法、装置及存储介质 | |
CN110544301A (zh) | 一种三维人体动作重建系统、方法和动作训练系统 | |
CN113850248B (zh) | 运动姿态评估方法、装置、边缘计算服务器及存储介质 | |
CN108686978A (zh) | 基于arm的水果类别和色泽的分拣方法及系统 | |
CN112487928B (zh) | 基于特征模型的课堂学情实时监测方法与系统 | |
CN111437583A (zh) | 一种基于Kinect的羽毛球基本动作辅助训练系统 | |
CN113627409B (zh) | 一种健身动作识别监控方法及系统 | |
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 | |
CN114022512A (zh) | 运动辅助方法、装置及介质 | |
CN112749684A (zh) | 心肺复苏术训练和评估的方法及装置、设备、存储介质 | |
CN103310191A (zh) | 运动信息图像化的人体动作识别方法 | |
CN110781777A (zh) | 体育训练中人体动作的判定方法、系统和存储介质 | |
CN114565976A (zh) | 一种训练智能测试方法以及装置 | |
JP2020199049A (ja) | コーチングアプリケーションの構築装置、方法およびプログラム | |
CN117333938A (zh) | 用于斜身引体考试的监测方法、系统、存储介质及设备 | |
CN115068919B (zh) | 一种单杠项目的考核方法及其实现装置 | |
KR101499397B1 (ko) | 동영상 분석기능을 갖는 모바일 단말기 | |
CN116152924A (zh) | 一种运动姿势评估方法、装置、系统及计算机存储介质 | |
CN114998440A (zh) | 基于多模态的测评方法、装置、介质及设备 | |
CN115568823A (zh) | 一种人体平衡能力评估的方法、系统和装置 | |
CN114639168A (zh) | 一种用于跑步姿态识别的方法和系统 | |
CN114832349A (zh) | 元宇宙游泳教学辅助系统及其使用方法 | |
CN113012104A (zh) | 器件翅片数量检测方法、控制器及装置、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 |