CN117877105A - 仰卧起坐测评系统以及方法 - Google Patents
仰卧起坐测评系统以及方法 Download PDFInfo
- Publication number
- CN117877105A CN117877105A CN202311544989.8A CN202311544989A CN117877105A CN 117877105 A CN117877105 A CN 117877105A CN 202311544989 A CN202311544989 A CN 202311544989A CN 117877105 A CN117877105 A CN 117877105A
- Authority
- CN
- China
- Prior art keywords
- sit
- evaluation
- point information
- person
- actions
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 132
- 238000000034 method Methods 0.000 title abstract description 28
- 230000009471 action Effects 0.000 claims abstract description 86
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 56
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 41
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 238000012854 evaluation process Methods 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 13
- 210000001217 buttock Anatomy 0.000 claims description 11
- 210000002414 leg Anatomy 0.000 claims description 8
- 210000002832 shoulder Anatomy 0.000 claims description 8
- 210000001513 elbow Anatomy 0.000 claims description 7
- 210000002683 foot Anatomy 0.000 claims description 6
- 210000002310 elbow joint Anatomy 0.000 claims description 5
- 210000003857 wrist joint Anatomy 0.000 claims description 5
- 210000003423 ankle Anatomy 0.000 claims description 4
- 210000003414 extremity Anatomy 0.000 claims description 4
- 210000003127 knee Anatomy 0.000 claims description 4
- 210000000707 wrist Anatomy 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000000053 physical method Methods 0.000 abstract description 13
- 239000000463 material Substances 0.000 abstract description 3
- 230000033001 locomotion Effects 0.000 description 37
- 238000005259 measurement Methods 0.000 description 36
- 238000005516 engineering process Methods 0.000 description 26
- 238000001514 detection method Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 8
- 238000011548 physical evaluation Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 210000005069 ears Anatomy 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000003489 abdominal muscle Anatomy 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004399 eye closure Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 210000004247 hand Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000013031 physical testing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种仰卧起坐测评系统以及方法,该仰卧起坐测评系统包括客户端和客户端。客户端用于获取被测评人员在测评过程中的仰卧起坐动作的视频。云服务器端包括:提取模块,用于利用姿态识别算法从视频提取被测评人员的与仰卧起坐动作相关联的多个骨骼点信息;测评模块,用于根据多个多个骨骼点判断仰卧起坐动作的幅度是否符合测评标准,对符合测评标准的仰卧起坐动作进行计数以生成测评结果;输出模块:用于将测评结果返回客户端。上述技术方案至少能够有效缓解教师的体测压力,管理成本低,有效解决传统体测人力物力成本高的问题。
Description
技术领域
本发明涉及一种仰卧起坐测评系统以及方法,更具体地,涉及一种基于姿态识别框架实现的仰卧起坐测评系统以及方法。
背景技术
仰卧起坐作为一项常见的体测项目,对于评估人体的腹肌力量和核心稳定性具有重要意义。传统的仰卧起坐体测模式主要以教师监督以及人为计数为主,例如在高校的体测计划中,确定了专门的时间和地点进行仰卧起坐测试,体测工作开展时,学生依次进入场地以流水线的方式进行测试。
目前对于仰卧起坐运动的测评主要由基于人工的测评、基于可穿戴设备的测评、基于辅助软件的测评三种测评方式实现,以上运动测评方式都各有利弊。在国家大力推行青少年体质健康的背景下,大部分产品更关注有效提高用户体质测评成绩和运动效果,忽视了各个学校因体育师资短缺导致教师的体测负担不断加重的问题,使得产品的实现阻力较大。各个测评方式难以落地的问题如以下详述。
对于基于人工的测评,基于人工的测评是一种传统的体质测评方式,主要依靠教师的执教经验,结合体测评判标准进行对学生进行考核,并对完成情况进行记录,反馈到学校各自的体测平台中。在实际的运动测评中,很多教师对于仰卧起坐的动作标准都有自己的理解,测评标准无法统一,导致测评成绩参差不齐,主观性较大,不同教师的打分情况出入明显;同时由于体育教师资源短缺,一名教师需要同时负责多名同学的测评,教师体测负担不断加重,导致出错概率增大,测评效率大大降低。为此,人工体测的方式很难适应学生数量日益增长的现状。
对于基于可穿戴设备的测评,基于可穿戴设备的测评是较新的体测检测方式,其核心在于对待测用户使用可穿戴设备进行实时数据回传,学生在进行仰卧起坐运动时,设备会近实时提供对应的数据,经过算法的处理分析后返回运动完成情况和成绩并上传至体测平台中。相较于基于人工的测评方式,可穿戴设备可以几乎实现获取学生全身的数据,从而避免学生进行违规操作以获得高分的行为,同时对场地的依赖性大大降低;但是还是需要教师体测时进行监督,以防出现使用辅助道具帮助完成动作的情况出现,无法有效缓解教师体测压力,同时可穿戴设备返回数据的精度和新鲜度与其设备数量和传感器精度相关,当学生可穿戴设备足够多是,数据的精度和新鲜度都较高,可以更准确地反映学生的完成情况,但这也会大大提高设备的部署成本和购买成本,此外可穿戴设备部署数量的增多也会一定程度上影响学生的测评成绩,使体测成绩可信度降低,也就失去了体测的意义。
对于基于辅助软件的测评,基于辅助软件的测评是目前研究热度较高,较新的体测检测方式,其核心是结合物联网智能感知技术、深度学习技术、运动分析技术等前沿技术实现体测测评,对学生运动完成情况进行实时性的检测并结合相关标准给出成绩。目前主流的体测检测系统通过摄像设备如摄像头、手机等对学生运动完成情况进行实时拍摄,并对视频中的检测学生进行运动分析,结合国家仰卧起坐动作技术标准进行测评和打分,将成绩上传至平台中。基于辅助软件的测评结合前沿技术,舍弃了使用大型辅助设备或可穿戴设备进行动作检测,只需要使用摄像头等摄像设备对学生进行录像即可,简化体测流程,提高体测效率;同时结合体测动作标准设计动作标准,实现打分标准统一化。这种检测方式多数以公司运营为主,这导致系统服务的部署、维护、检测、数据提供等都需要第三方公司进行介入,不能使学生用户方便快捷地使用系统,管理成本和服务购买成本较高,从而使得推行困难。
在传统仰卧起坐的体测模式中,有三点问题亟待解决:其一是教师资源、器械资源与学生数量的不均衡导致的体测效率低下问题;其二是体测工作产出的大量测试数据的安全性无法保障的问题;其三是仰卧起坐标准不同,体测成绩受主观性影响较大的问题。而本技术给出了上述问题的解决方案:通过轻量级APP中的仰卧起坐测试模块在学生手机上即可完成仰卧起坐体测工作,很好地解决了效率问题;测试数据直接上传至云端服务器,由专人管理,很好地保障了数据安全性;通过只记录标准化动作的个数,很好的解决了学生成绩受主观性影响的问题。目前市面上有一些产品可以计算仰卧起坐的个数,这些产品通常是基于传感器技术和智能算法的智能健身设备。通过安装在身体上或者训练器械上的传感器,可以实时检测和记录用户完成的仰卧起坐的个数,这些智能健身设备通常配备了专门的应用程序或者连接到智能手机的应用程序,可以将相关数据上传到云端进行分析和管理。但这样一来也大大增加了购置成本和管理维护成本,并且当下行业内所落地实现的设备仍没有实现较高的可移动性。
发明内容
针对相关技术中的上述问题,本发明提出一种仰卧起坐测评系统以及方法,至少能够有效缓解教师的体测压力,管理成本低,有效解决传统体测人力物力成本高的痛点问题。
根据本申请的实施例的一个方面,提供了一种仰卧起坐测评系统,其包括:客户端,用于获取被测评人员在测评过程中的仰卧起坐动作的视频;云服务器端。云服务器端包括:提取模块,用于利用姿态识别算法从视频提取被测评人员的与仰卧起坐动作相关联的多个骨骼点信息;测评模块,用于根据多个多个骨骼点信息判断仰卧起坐动作的幅度是否符合测评标准,对符合测评标准的仰卧起坐动作进行计数以生成测评结果;输出模块:用于将测评结果返回客户端。
在一些实施例中,判断仰卧起坐动作的幅度是否符合测评标准包括:以相对坐标的形式表示多个骨骼点信息,并将得到的相对坐标结合仰卧起坐的测评标准,对仰卧起坐动作的幅度是否符合测评标准进行测评。
在一些实施例中,根据多个骨骼点信息判断仰卧起坐动作的幅度是否符合测评标准包括:捕捉被测评人员的骨骼点信息构成人体骨骼结构,并通过连接骨骼点形成骨骼模型,并利用骨骼模型进行姿态识别和动作分析,其中,骨骼点信息包括脚踝、膝盖、肩膀、肘部、手腕和肢体方向中的至少一种。
在一些实施例中,判断仰卧起坐动作的幅度是否符合测评标准包括以下之中的至少一者:根据多个骨骼点信息确定被测评人员的躯干与臀部的第一连线以及被测评人员平躺时的脚落地点与臀部着地点的第二连线;判断第一连线与第二连线的夹角是否大于等于预定角度;根据多个骨骼点信息判断被测评人员的躯干上起时,肘是否靠腿;根据多个骨骼点信息判断被测评人员的躯干下落时,胸腰结合部与臀部的连线是否与地面重合。
在一些实施例中,测评模块还用于:根据多个骨骼点信息来判断是否停止当前测评。
在一些实施例中,根据多个骨骼点信息来判断是否停止当前测评包括当根据多个骨骼点信息判断发生以下之中的至少一者时停止当前测评:被测评人员的多个骨骼点信息中的腕关节点位于耳朵后超出预定时间;根据多个骨骼点信息中判断被测评人员的手臂具有大于预定曲臂角度的状态且状态保持超过预定时间;被测评人员的多个骨骼点信息中的肘关节点消失超出预定时间。
在一些实施例中,客户端包括认证模块,用于以人脸识别方式进行身份认证。
在一些实施例中,测评模块还用于:根据环境来判断是否停止当前测评。
在一些实施例中,根据环境来判断是否停止当前测评包括当判断发生以下之中的至少一者时停止当前测评:被测评人员的头部旁出现其他活动人体;出现横贯被测评人员的腿和肩背的辅助器材超过预定时间。
根据本申请的实施例的另一个方面,提供了一种仰卧起坐测评方法,其特征在于,包括:获取被测评人员在测评过程中的仰卧起坐动作的视频;利用姿态识别算法从视频提取被测评人员的与仰卧起坐动作相关联的多个骨骼点信息;根据多个多个骨骼点信息判断仰卧起坐动作的幅度是否符合测评标准,对符合测评标准的仰卧起坐动作进行计数以生成测评结果。
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。
图1是根据本申请实施例的仰卧起坐测评系统的功能模块的整体框架示意图。
图2是根据本申请实施例的仰卧起坐测评方法的流程图。
图3是根据本申请实施例的仰卧起坐测试的流程图。
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所获得的所有其他实施例,都属于本发明保护的范围。
本发明实现了一种在体测系统中针对仰卧起坐运动的视频检测算法,旨在提供一种自动化的仰卧起坐测评系统,实现自动化的、准确的运动姿势检测和计数,以帮助学生或运动员等更准确、更高效地进行体质测试。本发明旨在解决传统体测系统中针对仰卧起坐运动的以下不足之处:
(1)人力成本高:传统体测通常需要专门的训练员或教练员来观察和计数运动员的仰卧起坐动作,这增加了人力成本和依赖性;
(2)主观性高:人眼观察仰卧起坐动作的准确性受个体经验和主观判断的影响,可能存在误差和不一致性;
(3)效率低下:传统仰卧起坐体测过程受到体测人员数量和成绩上传设备数量的限制,待测人员需要花费较长的时间排队,造成很多不便。
基于上述不足,本发明旨在通过引入视频检测算法来解决上述问题。其目的是:
(1)降低人力成本:通过自动化的视频检测算法,减少对专门训练员的依赖,从而降低人力成本;
(2)提高准确性:通过算法准确地检测和分析运动员的仰卧起坐动作,消除主观判断的误差,提高准确性和一致性;
(3)提高测试效率:通过自动化的运动监测和计数,用户可以使用手机自行测试并上传成绩,无需进行排队,大幅提高测试效率;
(4)提供实时反馈:系统能够实时显示运动姿势和计数结果,以及改进建议,为用户提供及时的指导和改善机会。
综上所述,本发明的目的是通过视频检测算法解决传统体测中仰卧起坐运动检测的人力成本高、主观性强、效率低下等问题,从而实现自动化、准确、高效、实时的运动监测和改进。
本发明可应用于基于姿态识别、人脸识别等技术下的仰卧起坐运动场景,人脸识别技术判断完成人是否为登录用户,姿态识别技术实现对检测画面中的人物进行骨骼点(也可以称为骨骼关键点)信息提取并以画面中相对坐标的形式逐帧反馈,结合国家仰卧起坐动作技术标准,对动作进行成绩计数,动作标准度判断等判断评价,并得到运动完成情况。
仰卧起坐动作测评算法是面向用户仰卧起坐运动的应用场景,其功能模块的整体框架如图1所示。仰卧起坐测评系统包括客户端110和云服务器端120。
客户端110可用于获取被测评人员在测评过程中的仰卧起坐动作的视频。具体的,可以在客户端110的第一界面处选择要测评的项目,即,选择仰卧起坐项目。然后,获取被测评人员在测评过程中的仰卧起坐动作的视频。随后,可以在第二界面处进行提交视频的操作,以将视频上传至云服务器端120。
云服务器端120可以包括用于接收视频的接收模块122,以通过评测算法对视频进行处理分析。云服务器端120还可以包括类型判断模块124、提取模块126和测评模块128。提取模块126可用于利用姿态识别算法从视频提取被测评人员的与仰卧起坐动作相关联的多个骨骼点信息。测评模块128可用于根据多个骨骼点信息判断仰卧起坐动作的幅度是否符合测评标准,对符合测评标准的仰卧起坐动作进行计数以生成测评结果。输出模块130可用于将测评结果返回客户端。云服务器端120还可以包括数据库132,数据库132可用于存储测评结果。
在进行测试时,用户可通过选择仰卧起坐运动项目,上传动作完成视频,之后云服务器端120会对视频进行处理分析,将视频中提取的动作信息递交到仰卧起坐动作测评算法中进行测评,最终返回成绩和运动情况到客户端110(例如可以在第三界面处将结果返回客户端110),用户可以在第四界面处查看动作完成情况并根据不标准的方面进行针对训练。
图2是是根据本申请实施例的引体向上测评方法的流程图。参考图2所示,在一些实施例中引体向上测评方法包括步骤S11,获取被测评人员在测评过程中的仰卧起坐动作的视频。在一些实施例中,可以利用客户端来获取这样的视频。在步骤S12处,利用姿态识别算法从视频提取被测评人员的与仰卧起坐动作相关联的多个骨骼点信息。在步骤S13处,根据多个多个骨骼点信息判断仰卧起坐动作的幅度是否符合测评标准,对符合测评标准的仰卧起坐动作进行计数以生成测评结果。在一些实施例中,可以在云服务器端执行步骤S12和S13。
参考图3所示,仰卧起坐测试的主要流程可以包括人脸识别认证、阅读检测须知、检测测试环境、进行运动监测、结束认证。在一些实施例中,客户端110包括认证模块,用于以人脸识别方式进行身份认证。阅读检测须知可以包括演示标准动作、确认检测结束动作、说明测试流程。以下将对作标准测评、动作完成计数两个方面进行介绍。
1.动作标准测评
仰卧起坐动作测评算法对用户动作完成标准的判断主要借助AlphaPose姿态识别算法进行实现。算法首先通过对待测用户的骨骼点信息进行提取,以相对坐标的形式进行反馈,将得到的相对坐标结合仰卧起坐动作技术标准,对用户的运动动作的标准程度进行判断。
在一些实施例中,判断仰卧起坐动作的幅度是否符合测评标准包括:以相对坐标的形式表示多个骨骼点信息,并将得到的相对坐标结合仰卧起坐的测评标准,对仰卧起坐动作的幅度是否符合测评标准进行测评。在一些实施例中,根据多个骨骼点信息判断仰卧起坐动作的幅度是否符合测评标准包括:捕捉被测评人员的骨骼点信息构成人体骨骼结构,并通过连接骨骼点形成骨骼模型,并利用骨骼模型进行姿态识别和动作分析,其中,骨骼点信息包括脚踝、膝盖、肩膀、肘部、手腕和肢体方向中的至少一种。
在一些实施例中,判断仰卧起坐动作的幅度是否符合测评标准可以包括:根据多个骨骼点信息确定被测评人员的躯干与臀部的第一连线以及被测评人员平躺时的脚落地点与臀部着地点的第二连线;判断第一连线与第二连线的夹角是否大于等于预定角度。在一些实施例中,判断仰卧起坐动作的幅度是否符合测评标准还可以包括以下之中的至少一者:根据多个骨骼点信息判断被测评人员的躯干上起时,肘是否靠腿;根据多个骨骼点信息判断被测评人员的躯干下落时,胸腰结合部与臀部的连线是否与地面重合。
在一些实施例中,测评模块还可以用于根据多个骨骼点信息来判断是否停止当前测评。根据多个骨骼点信息来判断是否停止当前测评可以包括当根据多个骨骼点信息判断发生以下之中的至少一者时停止当前测评:被测评人员的多个骨骼点信息中的腕关节点位于耳朵后超出预定时间;根据多个骨骼点信息中判断被测评人员的手臂具有大于预定曲臂角度的状态且状态保持超过预定时间;被测评人员的多个骨骼点信息中的肘关节点消失超出预定时间。
在一些实施例中,测评模块还可以用于:根据环境来判断是否停止当前测评。根据环境来判断是否停止当前测评可以包括当判断发生以下之中的至少一者时停止当前测评:被测评人员的头部旁出现其他活动人体;出现横贯被测评人员的腿和肩背的辅助器材超过预定时间。
具体来说,可以结合国家仰卧起坐动作技术标准和测评算法的实际应用,测评标准可以包括以下之中的一个或多个:
(1)被测者平躺地面的坡度应以被测者脚落地点与臀位着地点连线为地面,参照手机内置的重力水平线,得出地面坡度小于例如15度为适合测试;
(2)被测者位于镜头画框内中心位置、头和脚不出画框外检测(臀位于画框左右中点、偏下位置,躯干平躺和坐起头都在画框内,两脚都在画框内);
(3)被测者不得穿着宽大带帽上衣测试,从平躺到上起,头部与臀位连线上起超过例如15度,即有胸腰结合部与臀位连线角度的变化;
(4)镜头内,被测者头向旁边不可出现任何活动人体,如果任何活动人体超过预定时间(例如5秒),停止记录;
(5)镜头内,不可出现横贯被测者腿至肩背的带状物等辅助用户完成动作的器材,累计超过预定时间(例如5秒),停止记录;
(6)上起时,肘靠腿;下落时,胸腰结合部与臀位的连线与地面线重合;
(7)用户完成动作时应两手护耳,不能抱头,腕关节在耳朵前,如果腕关节在耳朵后,累计超过预定时间(例如5秒),停止记录;
(8)从环境检测开始到动作结束身份再次确认,只有被测者唯一一人,如果出现被测者肘关节点消失多于预定时间(例如1秒),则立即停止记录;
(9)动作过程中,被测者两手臂应当始终保持小于例如90度屈臂状态,当手臂伸直肘关节角度大于预定角度(例如120度),累计时间超过预定时间(例如3秒),则视为动作结束、停止动作记录;
如果在用户完成动作时出现上述提到的违规操作,算法会停止对用户的动作检测或跳过当前动作的测评,对于合规动作,算法将继续进行动作计数的判断。
2.动作完成计数
仰卧起坐动作测评算法对待测用户完成动作计数主要通过AlphaPose姿态识别算法提取到的具体骨骼点信息进行判断,首先算法会判断用户动作是否符合标准规范,如符合标准则继续流程,如出现之前提到的违规操作或是借助工具完成则直接结束测评;对于符合仰卧起坐标准的动作,算法会继续判断动作是否达到仰卧起坐要求的幅度,即躯干与臀部连线从与地面平行到与地面夹角大于等于例如60度,如果用户动作达到算法测评幅度要求,则对完成动作进行计数,如未达到要求,则不进行计数,并继续进行下一动作的判断。当用户完成仰卧起坐测评后,算法返回完成总个数,并返回用户完成动作时的实时动作反馈,供用户进行参考,辅助用户进行针对性训练。
该技术共用到了两个核心技术:人体姿态识别技术、人脸识别技术。
人体姿态识别技术是系统内进行运动评判的核心技术之一。在人体姿态识别技术中,常见的方法包括基于骨骼点检测、基于骨骼的模型、基于深度学习的姿态估计和基于运动分析的姿态识别。其中,基于骨骼模型的技术通过构建人体骨骼结构来表示姿态。该方法通过捕捉脚踝、膝盖、肩膀、肘部、手腕和肢体方向等骨骼点,并连接这些骨骼点以形成一个骨骼模型。然后利用这个模型来进行姿态识别和动作分析,实现对仰卧起坐等动作的标准性评价。基于骨骼模型的人体姿态识别技术具有许多优势。首先,通过骨骼模型的建立,可以简化姿态表示,减少数据的冗余性,提高计算效率。其次,基于骨骼模型的方法对遮挡和光照变化具有一定的鲁棒性,能够在复杂环境下稳定地捕捉人体姿态。此外,骨骼模型还可以提供关节运动范围和角度等附加信息,有助于更深入地分析和理解姿态。基于骨骼模型的技术在仰卧起坐等体测项目中具有重要应用价值。通过对学生进行仰卧起坐动作的骨骼识别和分析,可以实现对动作的标准性评价,避免了主观性影响带来的误差。同时,基于骨骼模型的人体姿态识别技术还可以实现即时反馈,帮助学生纠正姿势错误,提高训练效果。
人脸识别技术是系统防作弊模块的核心技术之一,一项合格的体测技术不光要具有精准的运动评判功能,更要对测试人员的身份进行核验,以便于增强体测的准确性和公平性。人脸识别技术能够验证图像及视频中运动主体的身份,并且在运动过程中不同阶段进行数据一致性检查,通过记录和比较参与者的脸部特征,以确保数据的一致性和真实性,很好的解决了防作弊难题。目前的技术不仅能够对虹膜进行检测,还能对闭眼、侧脸、模糊图像等特殊情况进行处理并给出正确的识别结果。
综合以上主技术,本发明设计并实现了一个仰卧起坐测评算法,结合上述检测方式的优点,针对仰卧起坐的动作技术要点提出了评价算法,同时针对常见的违规操作进行识别,利用安卓和苹果系统的开发环境实现安卓端和苹果端的手机应用,并将测评算法在应用中进行实现,建立完整的具有实时性、无监督性、不依赖客观因素(场地、时间等)的仰卧起坐运动测评功能,有效缓解教师的体测压力,用户只需要进行下载安装即可调用相关模块进行测评,部署容易,管理成本低,有效解决传统体测人力物力成本高的痛点问题。
如上所述,本发明的系统包括前端界面的设计与实现、仰卧起坐动作识别与评价算法以及云端数据分析与反馈系统。传统的体测流程通常需要借助老师或学生的陪同进行计数和记录,这会导致体育教师的体测压力增大、成绩主观性大、管理组织难度大等问题。针对这些问题,本发明通过评价算法和云端解析的方式,实现对待测用户进行无监督式的体质测评,从而取代传统的人工计数方法,大幅度提高体测的效率和准确性,同时有效缓解教师的体测压力。
在前端界面方面,本发明完全自主设计。通过自主设计的方式,能够充分展现产品的独特性和创新性,确保用户获得独特而令人愉悦的界面体验。系统的前端界面可以在Xcode编译环境中使用Swift语言进行编写,通过简单的按钮和提示框等元素,实现了一种简易明了的使用说明。在仰卧起坐动作识别与评价算法方面,本发明采用先进的计算机视觉算法,通过对用户上传的仰卧起坐运动视频进行动作识别,对关键动作的提取和分析,能够准确对仰卧起坐项目进行动作评价和计数,将运动情况反馈到客户端并成绩录入到数据库中。本发明的仰卧起坐动作识别与评价算法具有较高的准确性和鲁棒性,能够有效解决传统人工计数方法中存在的评价标准主观性大的问题。在云端数据分析与反馈系统发明,本发明建立了体测智能测评系统,可以通过对录制数据的上传和处理,利用云服务器端解析的方式,检测用户动作的标准程度并进行成绩评定,能够对体测结果进行全面的统计分析,为测试用户提供实时的体测成绩。本发明通过软件算法和云端解析的方式,解决了现有体测流程中存在的不足之处,减少了体测对人力资源、场地资源、工具资源等的需求,提高了体测的效率和准确性。其技术骨骼点和欲保护点主要包括前端界面的设计与实现、仰卧起坐动作识别与评价算法以及云端数据分析与反馈系统。
本发明的系统可以应用于学生体测仰卧起坐运动项目场景,通过手机或摄像头等设备对用户仰卧起坐动作完成情况进行记录,上传至系统后端检测评价模块,结合相关动作标准进行技术测评,包括对用户的身份识别认证,动作技术标准评价,运动完成情况评价等,最终将结果记录在后台并返回给用户,同时返回用户动作完成的测评视频,帮助用户改进动作技术,从而实现实时无监督学生体质测评,有效缓解学校体测压力。本产品将姿态识别、人脸验证、深度学习等技术和仰卧起坐运动技术标准相结合,实现了学生可以自主完成运动测评并针对不标准的方面进行训练。
本发明通过后端的仰卧起坐检测算法,可以独立地对学生的仰卧起坐项目进行检测和计数,实现了对学生体测的无人化管理。主要的有益效果如下:
1.学生可以自己用手机录制仰卧起坐的运动视频,然后将运动视频上传到APP里对应的模块,APP会将仰卧起坐的视频传到云端,云端调用后端的检测算法进行检测和技术,待云端处理后会传回相应的成绩。
2.在整个仰卧起坐体测过程中无需老师或者同学来进行监督,学生可以独立地通过上传录制的运动视频到自己手机上的APP完成仰卧起坐的体测,从而大大地节约了人力资源。
3.由于学生可以独立地使用APP进行仰卧起坐的体测,因此不再需要特定时间去特点场地集中体测,具有很高的自由性和便利性,同时也避免了排队的情况,可以有效地节约同学们的时间。
4.后端的算法对仰卧起坐涉及到的人体的许多关节等部位进行了检测,会自动过滤掉不合格的运动动作,因此对于计数的准确性有很大的保障,同时也会驱使学生的动作更加标准、规范。
因此,综上所述,本发明的有益效果主要是可以让学生使用APP独立实现仰卧起坐的体测,从而避免了传统体测需要大量人力资源进行监督和管理、需要特点时间特点场合才能进行体测、需要长时间排队和人工计数可能存在误差的问题。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种仰卧起坐测评系统,其特征在于,包括:
客户端,用于获取被测评人员在测评过程中的仰卧起坐动作的视频;
云服务器端,所述云服务器端包括:
提取模块,用于利用姿态识别算法从所述视频提取所述被测评人员的与仰卧起坐动作相关联的多个骨骼点信息;
测评模块,用于根据多个多个骨骼点信息判断仰卧起坐动作的幅度是否符合测评标准,对符合所述测评标准的仰卧起坐动作进行计数以生成测评结果;
输出模块:用于将所述测评结果返回所述客户端。
2.根据权利要求1所述的仰卧起坐测评系统,其特征在于,判断仰卧起坐动作的幅度是否符合测评标准包括:
以相对坐标的形式表示所述多个骨骼点信息,并将得到的相对坐标结合仰卧起坐的测评标准,对所述仰卧起坐动作的幅度是否符合测评标准进行测评。
3.根据权利要求1所述的仰卧起坐测评系统,其特征在于,根据多个骨骼点信息判断仰卧起坐动作的幅度是否符合测评标准包括:
捕捉所述被测评人员的所述骨骼点信息构成人体骨骼结构,并通过连接骨骼点形成骨骼模型,并利用所述骨骼模型进行姿态识别和动作分析,其中,所述骨骼点信息包括脚踝、膝盖、肩膀、肘部、手腕和肢体方向中的至少一种。
4.根据权利要求1所述的仰卧起坐测评系统,其特征在于,判断仰卧起坐动作的幅度是否符合测评标准包括以下之中的至少一者:
根据所述多个骨骼点信息确定所述被测评人员的躯干与臀部的第一连线以及所述被测评人员平躺时的脚落地点与臀部着地点的第二连线;
判断所述第一连线与所述第二连线的夹角是否大于等于预定角度;
根据所述多个骨骼点信息判断所述被测评人员的躯干上起时,肘是否靠腿;
根据所述多个骨骼点信息判断所述被测评人员的躯干下落时,胸腰结合部与臀部的连线是否与地面重合。
5.根据权利要求1所述的仰卧起坐测评系统,其特征在于,所述测评模块还用于:根据所述多个骨骼点信息来判断是否停止当前测评。
6.根据权利要求5所述的仰卧起坐测评系统,其特征在于,根据所述多个骨骼点信息来判断是否停止当前测评包括当根据所述多个骨骼点信息判断发生以下之中的至少一者时停止当前测评:
所述被测评人员的所述多个骨骼点信息中的腕关节点位于耳朵后超出预定时间;
根据所述多个骨骼点信息中判断所述被测评人员的手臂具有大于预定曲臂角度的状态且所述状态保持超过预定时间;
所述被测评人员的所述多个骨骼点信息中的肘关节点消失超出预定时间。
7.根据权利要求1所述的仰卧起坐测评系统,其特征在于,所述客户端包括认证模块,用于以人脸识别方式进行身份认证。
8.根据权利要求1所述的仰卧起坐测评系统,其特征在于,所述测评模块还用于:根据环境来判断是否停止当前测评。
9.根据权利要求8所述的仰卧起坐测评系统,其特征在于,根据环境来判断是否停止当前测评包括当判断发生以下之中的至少一者时停止当前测评:
所述被测评人员的头部旁出现其他活动人体;
出现横贯所述被测评人员的腿和肩背的辅助器材超过预定时间。
10.一种仰卧起坐测评方法,其特征在于,包括:
获取被测评人员在测评过程中的仰卧起坐动作的视频;
利用姿态识别算法从所述视频提取所述被测评人员的与仰卧起坐动作相关联的多个骨骼点信息;
根据多个多个骨骼点信息判断仰卧起坐动作的幅度是否符合测评标准,对符合所述测评标准的仰卧起坐动作进行计数以生成测评结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311544989.8A CN117877105A (zh) | 2023-11-20 | 2023-11-20 | 仰卧起坐测评系统以及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311544989.8A CN117877105A (zh) | 2023-11-20 | 2023-11-20 | 仰卧起坐测评系统以及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117877105A true CN117877105A (zh) | 2024-04-12 |
Family
ID=90595633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311544989.8A Pending CN117877105A (zh) | 2023-11-20 | 2023-11-20 | 仰卧起坐测评系统以及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117877105A (zh) |
-
2023
- 2023-11-20 CN CN202311544989.8A patent/CN117877105A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256433B (zh) | 一种运动姿态评估方法及系统 | |
CN111368810B (zh) | 基于人体及骨骼关键点识别的仰卧起坐检测系统及方法 | |
CN103099602B (zh) | 基于光学识别的体质检测方法与系统 | |
CN109805943A (zh) | 一种基于微表情识别的智能评测系统及方法 | |
CN110298279A (zh) | 一种肢体康复训练辅助方法及系统、介质、设备 | |
CN112370045B (zh) | 基于人工智能的功能性动作检测方法及系统 | |
JP2020174910A (ja) | 運動支援システム | |
Yang et al. | Research on face recognition sports intelligence training platform based on artificial intelligence | |
CN112933581A (zh) | 一种基于虚拟现实技术的体育动作评分方法与装置 | |
Tarek et al. | Yoga Trainer for Beginners Via Machine Learning | |
CN116271757A (zh) | 一种基于ai技术的篮球练习的辅助系统和方法 | |
CN110916674A (zh) | 坐位体前屈测试方法及装置 | |
CN117877105A (zh) | 仰卧起坐测评系统以及方法 | |
CN116543455A (zh) | 建立帕金森症步态受损评估模型、使用方法、设备及介质 | |
Vitali et al. | A new approach for medical assessment of patient’s injured shoulder | |
CN114832349B (zh) | 元宇宙游泳教学辅助系统及其使用方法 | |
CN115953834A (zh) | 面向仰卧起坐的多头注意力姿态估计方法及检测系统 | |
JP2021037168A (ja) | 運動解析システム、運動解析プログラム、及び運動解析方法 | |
CN115568823A (zh) | 一种人体平衡能力评估的方法、系统和装置 | |
Fasko et al. | Towards human activity recognition and objective performance assessment in human patient simulation: A case study | |
CN116228477A (zh) | 基于物联网的体育监测考试系统 | |
CN215231970U (zh) | 一种智能安全健身指导装置 | |
CN115690895A (zh) | 基于人体骨骼点检测的多人运动检测方法及装置 | |
CN115116125A (zh) | 一种俯卧撑的考核方法及其实现装置 | |
CN117959677A (zh) | 引体向上测评系统以及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |