CN118172833A - 一种对羽毛球运动中运动损伤进行筛查的方法、装置及设备 - Google Patents

Abstract

本发明涉及体育运动技术领域，具体涉及一种对羽毛球运动中运动损伤进行筛查的方法、装置及设备，通过获取用户自身的个人运动视频，再对该个人运动视频提取多帧关键视频帧图像，再对该多帧关键视频帧图像进行特征提取生成人体骨骼图，以依据该人体骨骼图监测个人运动视频中的运动状态，最后将不同运动状态对应的单帧运动图像与预存储的多个监测关节对应的标准参数进行对比分析，以判定用户当前运动状态是否规范，输出对应可能存在的运动损伤风险，并针对性地提供康复建议及动作指导。

Description

一种对羽毛球运动中运动损伤进行筛查的方法、装置及设备

技术领域

本发明涉及体育运动技术领域，具体而言，涉及一种对羽毛球运动中运动损伤进行筛查的方法、装置及设备。

背景技术

随着健康产业不断发展和科技进步，社会体育健康意识不断提高，越来越多人开始关注运动，成为运动爱好者。其中，羽毛球运动相较于篮球，足球等多人协作运动，所需人数更少，场地更小，可获得性更高。

对于羽毛球这类单边运动，不论是大众健身还是专业运动员，都存在潜在的慢性运动损伤风险。普通用户的羽毛球技术大部分动作完成质量不达标，没有客观科学的评判标准和及时的动作反馈与动作指导，存在极高的运动损伤风险，也很难提升运动水平。专业羽毛球运动员长此以往的训练，反复的单边运动模式导致双侧运动链肌肉力量不对称，赛后或训练后进行拉伸的充分程度不能与每日大强度的训练同步，继而出现的两侧肌力差异，导致单侧内收肌、腹内斜肌、背阔肌等容易拉伤，成为潜在导致慢性运动损伤的危险因素。

因此，不同的用户自身面临的动作问题各不相同，缺乏对用户个体的动作分析和个性化建议及指导方案，按照统一的训练计划和训练强度不仅会降低运动技能提升效率，还会提高运动损伤的风险。

发明内容

本发明的目的在于提供一种对羽毛球运动中运动损伤进行筛查的方法、装置及设备，通过对每个用户的运动视频进行分析，对用户的运动动作进行指导，并为每个用户输出可能的运动损伤风险及对应的康复建议。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种对羽毛球运动中运动损伤进行筛查的方法，所述方法包括：获取羽毛球运动相关的个人运动视频；对所述个人运动视频提取多帧关键视频帧图像；对所述多帧关键视频帧图像进行特征提取生成人体骨骼图，并依据所述人体骨骼图监测所述个人运动视频中的运动状态；依据预存储的多个监测关节对应的标准参数，对所述运动状态对应的单帧运动图像进行动作识别分析，输出运动损伤风险评估结果及建议。

第二方面，本发明实施例还提供了一种对羽毛球运动中运动损伤进行筛查的装置，所述装置包括：获取模块，用于获取羽毛球运动相关的个人运动视频；提取模块，用于对所述个人运动视频提取多帧关键视频帧图像；监测模块，用于对所述多帧关键视频帧图像进行特征提取生成人体骨骼图，并依据所述人体骨骼图监测所述个人运动视频中的运动状态；分析模块，用于依据预存储的多个监测关节对应的标准参数，对所述运动状态对应的单帧运动图像进行动作识别分析，输出运动损伤风险评估结果及建议。

第三方面，本发明实施例还提供了一种对羽毛球运动中运动损伤进行筛查的设备，所述设备包括摄像头、传感器、显示屏、处理器及存储器，所述存储器用于存储所述对羽毛球运动的分析装置并交由所述处理器执行；所述摄像头及传感器用于获取羽毛球运动相关的个人运动视频；所述处理器用于对所述个人运动视频提取多帧关键视频帧图像，以及对所述多帧关键视频帧图像进行特征提取生成人体骨骼图，并依据所述人体骨骼图监测所述个人运动视频中的运动状态；所述处理器还用于依据预存储的多个监测关节对应的标准参数，对所述运动状态对应的单帧运动图像进行动作识别分析，输出运动损伤风险评估结果及建议显示于所述显示屏上供用户查看。

本发明实施例提供的一种对羽毛球运动中运动损伤进行筛查的方法、装置及设备，通过获取用户自身的个人运动视频，再对该个人运动视频提取多帧关键视频帧图像，再对该多帧关键视频帧图像进行特征提取生成人体骨骼图，以依据该人体骨骼图监测个人运动视频中的运动状态，最后将不同运动状态对应的单帧运动图像与预存储的多个监测关节对应的标准参数进行对比分析，以判定用户当前运动状态是否规范，输出对应可能存在的运动损伤风险，并针对性地提供康复建议及动作指导。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出了本发明实施例提供的一种对羽毛球运动中运动损伤进行筛查的设备的功能模块示意图。

图2示出了本发明实施例提供的一种对羽毛球运动中运动损伤进行筛查的设备的结构示意图。

图3示出了本发明实施例提供的一种对羽毛球运动中运动损伤进行筛查的方法的流程示意图。

图4示出了本发明实施例提供的一种人体骨骼图的示意图。

图5示出了本发明实施例提供的一种羽毛球运动员运动状态下的示意图。

图6示出了本发明实施例提供的一种对羽毛球运动中运动损伤进行筛查的装置的功能模块示意图。

图示：

100-对羽毛球运动中运动损伤进行筛查的设备；110-摄像头；120-传感器；130-处理器；140-存储器；150-显示屏；160-运动损伤区域；170-第一区域；180-第二区域；200-对羽毛球运动中运动损伤进行筛查的装置；210-获取模块；220-提取模块；230-监测模块；240-分析模块。

具体实施方式

下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参照图1，是本发明实施例提供的一种对羽毛球运动中运动损伤进行筛查的设备100的功能模块示意图，该对羽毛球运动中运动损伤进行筛查的方法及装置应用于该对羽毛球运动中运动损伤进行筛查的设备100上。

该对羽毛球运动中运动损伤进行筛查的设备100的功能模块至少包括摄像头110、传感器120、处理器130、存储器140以及显示屏150。

该摄像头110及传感器120用于获取羽毛球运动相关的个人运动视频，如摄像头110用于实时采集用户的运动动作，该传感器120则用于实时采集用户运动时发出的声音等。

该处理器130用于对采集的个人运动视频提取多帧关键视频帧图像，以及对该多帧关键视频帧图像进行特征提取生成人体骨骼图，并依据该人体骨骼图监测个人运动视频中的运动状态。最后，再将运动状态对应的单帧运动图像与存储器140中预存储的多个监测关节对应的标准参数进行对比分析，进而输出运动损伤风险评估结果及建议，如动作是否规范，动作是否存在运动损伤风险，如何进行针对性训练以及康复建议等，最后再通过显示屏150进行显示，供用户实时进行查看。

请参照图2，是本发明实施例提供的一种对羽毛球运动中运动损伤进行筛查的设备100的结构示意图，该设备为立体结构，较优地，其高度可以为约等于人体的身高，或者取不同用户(包括不同性别及不同身高)的平均身高进行设置。在该设备的上方处设置有至少一个摄像头110以及传感器120(图中未示出)，以便于采集用户进行运动时的图像或视频，容易理解的，用户运动时，该设备可以放置于用户正前方以采集用户正面图像或视频，该设备也可以放置于用户侧面以采集用户侧面图像或视频。该设备的正面设置了较大尺寸的显示屏150，以便于用户可以实时查看运动动作的解析、运动动作的纠正以及相关训练建议等；该处理器130及存储器140内置于设备内部(即位于显示屏150下方)，故图中未示出。

进一步地，用户在使用该对羽毛球运动进行分析的设备100时，首先要在显示屏150上点击注册进入用户登陆界面，用户输入完善个人信息后，用户可根据个人需求选择自身角色，如“高水平运动员”、“普通运动员”、“运动爱好者”“康复群体”等，以便于后续针对性对用户运动动作进行分析及提出建议，待选择完毕后，用户即可进入测试页面，上传个人运动视频后即可进行测试。

需要说明的是，该个人运动视频可以为实时视频，即可直接通过该设备上设置的摄像头110及传感器120进行采集，也可以为事先已经录制好的运动视频。当需要通过该设备进行录制实时视频时：全身照正面：用户需站在摄像头110前，确保整个身体都清晰可见，站立时保持正常的姿势，面对摄像头110；全身照侧面：用户同样需站在摄像头110前，转身面对侧面，确保身体轮廓清晰，并保持站立姿势。在录制动作时，可以选择展示自身想要分析的特定动作，如羽毛球六大动作(握拍基本动作、发球基本动作、接球基本动作、击球基本动作、步伐基本动作及身体协调基本动作)，录制时确保光线充足，以更好地捕捉动作细节。通常情况下，一次上传的视频时间不超过20S，文件大小不超过300MB，会员用户一次上传视频时间不超过1MIN，视频文件大小不超过1GB，用户输入完成后点击完成按钮进行确认上传。

待个人运动视频上传完成后，处理器130即开始对个人运动视频提取多帧关键视频帧图像，以及对多帧关键视频帧图像进行特征提取生成人体骨骼图，并依据人体骨骼图监测个人运动视频中的运动状态。以依据运动状态对应的单帧运动图像与存储器140中的多个监测关节对应的标准参数进行对比分析，以输出评估结果显示于显示屏150上供用户进行查看。

请参照图3，是本发明实施例提供的一种对羽毛球运动中运动损伤进行筛查的方法的流程示意图，该方法包括：

S110，获取羽毛球运动相关的个人运动视频。

具体为，一方面用户可以登录对羽毛球运动进行分析的设备100上传事先已经录制好的个人运动视频，如日常训练片段或特定想要分析的动作片段等，只要该个人运动视频的大小及内容符合上传规定即可。另一方面，用户也可以登录对羽毛球运动进行分析的设备100实时录制个人运动视频，如可将该设备放置于训练场一侧，用户在设备设置的摄像头110及传感器120辐射范围内作出系列动作完成录制后上传即可。

S120，对所述个人运动视频提取多帧关键视频帧图像。

具体为，该对羽毛球运动进行分析的设备100接收到个人运动视频后，该设备内置的“open pose人体动作识别分析模块”将采取轻量级计算机视觉库中的videoCapture()函数进行多帧关键视频帧图像的提取。需要说明的是，该open pose是一个实时多人姿态估计库，通过深度学习模型识别人体关键点。本设备内置系统使用open pose对人体运动视频中的人体进行多帧关键视频帧图像提取后，便于进一步识别关键视频帧图像中的人体骨骼，进而可通过人体骨骼关键点的位置和运动轨迹监测人体的动作执行情况，如可重点监测动作的起始和结束位置、关节角度、身体姿态、动作的流畅度以及力量和速度的分布等。

S130，对所述多帧关键视频帧图像进行特征提取生成人体骨骼图，并依据所述人体骨骼图监测所述个人运动视频中的运动状态。

具体为，首先，通过卷积神经网络对多帧关键视频帧图像进行特征提取，再将提取的多个特征进行偶匹配后连接起来，最终生成一张人体骨骼图，并依据该人体骨骼图来监测个体当前运动状态。如图4所示，是本发明实施例提供的一种人体骨骼图的示意图，该人体骨骼图中“黑点”即为通过卷积神经网络从多帧关键视频帧图像中提取出来的“特征点”，进而将该多个“特征点”进行偶匹配连接起来后即可得到人体骨骼图，该人体骨骼图包含了人体的多个关键关节点，即通过监测该人体骨骼图的活动轨迹即可监测对应人体的运动状态。

进一步地，在本发明实施例中，还通过设备的“open pose人体动作识别分析模块”获取该人体骨骼图中各个关节点的二维坐标，并根据张正友标定法获得相机的内参矩阵和外参矩阵以及相机的畸变参数，确定畸变系数后利用opencv中calibrateCamera函数进行相机标定，接着采用sift算法进行特征提取和匹配，最后利用传统视图下多目视觉和基于卷积神经网络的SLAM/nerf算法进行点云模型化，将该二维坐标转换为对应的三维坐标，以得到用户对应的可视三维模型，以便更直观地观察重建结果。

例如，设备可以利用二维空间与三维空间的欧氏距离计算公式来将二维坐标转换为三维坐标，进而匹配人体骨骼图对用户个体的运动状态进行监测。其计算方式如下：

二维空间公式

三维空间公式

其中，ρ₁为点(x₂,y₂)与点(x₁,y₁)之间的欧氏距离；|X₁|为点(x₂,y₂)到原点的欧氏距离。ρ₂为点(x₂,y₂,z₂)与点(x₁,y₁,z₁)之间的欧氏距离；|X₂|为点(x₂,y₂,z₂)到原点的欧氏距离。

S140，依据预存储的多个监测关节对应的标准参数，对所述运动状态对应的单帧运动图像进行动作识别分析，输出运动损伤风险评估结果及建议。

具体为，在本方案中侧重点在于对羽毛球运动员的上肢及下肢力线进行分析，如根据单帧运动图像中的髋关节、膝关节、踝关节、腕关节、肩关节、肘关节的屈曲、伸展、内收、外旋等运动角度进行损伤可能性评估，即是说本方案是通过将身体划分为各个重点关节部分进行受伤风险评估，可评估更为全面与准确，并基于此原则构建标准动作。

故此处的多个监测关节则是先确定人体在羽毛球运动中需重点关注的关节，如髋关节、膝关节、踝关节、腕关节、肩关节、肘关节。该多个监测关节对应的标准参数则是每个关节在不同运动角度下的活动度，若超过该运动角度下的活动度，则可能存在运动损伤风险。下述表1-表6详细列举了各个重点关节在羽毛球运动中不同运动角度下，其正常活动度的范围及超过正常活动度可能存在的运动损伤风险，该数据参考运动医学教科书、肌肉骨骼康复医学、物理治疗手册、运动机能学基础、运动解剖学(第5版)等书籍，具有信服力。

请参考表1，其揭示了髋关节具有屈曲、伸展、内收、外展、旋前、旋后等多个运动角度，并揭示了每个运动角度下活动度的取值范围，以及每个运动角度下若超过其活动度的取值范围后可能存在的运动损伤风险。

表1

请参考表2，其揭示了膝关节具有屈曲、伸展、内旋、外旋、内外侧屈等多个运动角度，并揭示了每个运动角度下活动度的取值范围，以及每个运动角度下若超过其活动度的取值范围后可能存在的运动损伤风险。

表2

请参考表3，其揭示了踝关节具有背屈、跖屈、内旋、外旋、内侧倾斜、外侧倾斜等多个运动角度，并揭示了每个运动角度下活动度的取值范围，以及每个运动角度下若超过其活动度的取值范围后可能存在的运动损伤风险。

表3

请参考表4，其揭示了腕关节具有屈曲、伸展、桡侧偏屈、尺侧偏屈、旋前、旋后等多个运动角度，并揭示了每个运动角度下活动度的取值范围，以及每个运动角度下若超过其活动度的取值范围后可能存在的运动损伤风险。

表4

请参考表5，其揭示了肩关节具有外展、内收、前屈、后伸、内旋等多个运动角度，并揭示了每个运动角度下活动度的取值范围，以及每个运动角度下若超过其活动度的取值范围后可能存在的运动损伤风险。

表5

请参考表6，其揭示了肘关节具有屈曲、伸展、旋前、旋后、侧屈等多个运动角度，并揭示了每个运动角度下活动度的取值范围，以及每个运动角度下若超过其活动度的取值范围后可能存在的运动损伤风险。

表6

进而依据预存储的多个监测关节对应的标准参数，对运动状态对应的单帧运动图像进行动作识别分析，具体为：将单帧运动图像中各个关节之间连线角度，与关节对应的活动度进行对比，若连线角度超过对应的活动度，则输出存在的运动损伤风险。如图5所示，是本发明实施例提供的一种羽毛球运动员运动状态下的示意图，从图中可知，其左侧膝关节的屈曲活动度α则表现为膝关节与前后相邻关节连接后形成连接线的夹角(即连线角度)，若该屈曲活动度α超过0°-140°这个正常范围，则可能存在关节过度伸展受伤风险。

请继续参考图5，当判定该单帧运动图像中存在可能导致运动损伤的区域，如运动损伤区域160，该运动动作可能会导致该区域出现左侧大腿内侧损伤，设备将对运动损伤区域160进行突出显示，以及时提醒用户动作不规范之处。同时该设备还会突出显示与运动损伤区域160有关联的其他区域，即是说，其他身体部位也会受到损伤关联影响的区域，如第一区域170为关联右侧臀肌损伤，第二区域180为左侧大腿内侧损伤导致右侧腹肌损伤，进而及时提示用户当前运动动作对身体的直接影响以及间接影响，辅助用户做好训练。

进一步地，设备对运动状态对应的单帧运动图像进行动作识别分析后，还将输出运动损伤风险评估结果及建议。该运动损伤风险评估结果及建议包括：

第一方面，设备将突出显示单帧运动图像中与对应关节的标准参数不一致的区域，并提示可能存在的运动损伤风险，以便于用户直观了解动作不规范之处进行改进。

第二方面，设备还可以在不同场景下对用户的运动动作进行解析，如在羽毛球运动中，如果人和球的落点区域相距超出2米，这通常意味着运动员在击球时的位置选择或步伐移动存在问题，则设备利用XR设备或摄像头捕捉运动员和球的位置数据，通过实时或事后分析，系统可以确定运动员在击球时的确切位置以及球的落点位置。系统会计算运动员与球落点之间的距离，如果这个距离超过了预设的阈值(例如1.5米)，系统会标记这一动作为需要改进。进一步地，OpenPose算法可以帮助识别运动员在击球时的姿态，包括身体各部分的位置和角度。如果姿态分析显示运动员的准备姿势或击球动作不标准，这可能是导致距离过大的原因之一。同时系统还可以分析运动员的步伐移动，确定是否步伐移动不足或过度，导致无法在合适的位置击球等。

第三方面，设备将用户的动作数据与存储的标准动作模板进行对比，通过计算关键点的偏差和动作的流畅度，系统能够评估用户动作的准确性，并生成详细的比较报告，最后用户在设备的操作界面点击“测试报告”即可查看详细报告，用户在测试报告中可直观查看到各个测评关节的单项评分以及用户选择展示的特定动作的综合评分，以及对应的训练建议。

第四方面，设备会根据用户类型和测试报告生成对应的诊断报告，即对用户的上肢、躯干和下肢的肌肉力量和耐力、平衡协调性、关节稳定性和灵活性给出康复诊断建议，加上生成对抗网络(GANs)变分自编码器(VAEs)强化动作建模的虚拟人的动作自然度和真实感，生成个性化动作指导康复方案，包括标准时间序列动作建模关键帧补帧动画、损伤风险区域重点标注和训练注意事项等，用户可针对损伤风险区域对照平台的康复指导指南进行个性化康复训练。

此外需要说明的是，用户可将XR设备绑定到设备进行训练，同样设备的数据采集模块(摄像头110和传感器120)自动识别关节活动度及关节的灵活、柔韧、力量并判断动作是否达标，并通过对运动过程中人体上下肢、躯干平衡和稳定性的生物力学分析实时监测用户动作可视化完成情况，反馈到平台，从而精准指导用户开展运动康复训练，提高技术动作完成质量和安全性，降低运动损伤风险。还可以根据平台用户更新的测试报告情况以及训练计划或康复方案内容再同步到XR设备进行训练，以此形成闭环，帮助用户有效纠正错误动作模式，同时针对羽毛球运动技术动作易损伤区域进行精准康复指导，构建“数据采集-生物力学分析-防治康训一体化”的新模式，减少运动损伤对运动表现和竞技运动成绩的影响，提升用户的运动技能。

请参照图6，是本发明实施例提供的一种对羽毛球运动中运动损伤进行筛查的装置200的功能模块示意图，该装置包括：

获取模块210，用于获取羽毛球运动相关的个人运动视频。

在本发明实施例中，S110可以由获取模块210执行。

提取模块220，用于对所述个人运动视频提取多帧关键视频帧图像。

在本发明实施例中，S120可以由提取模块220执行。

监测模块230，用于对所述多帧关键视频帧图像进行特征提取生成人体骨骼图，并依据所述人体骨骼图监测所述个人运动视频中的运动状态。

在本发明实施例中，S130可以由监测模块230执行。

分析模块240，用于依据预存储的多个监测关节对应的标准参数，对所述运动状态对应的单帧运动图像进行动作识别分析，输出运动损伤风险评估结果及建议。

在本发明实施例中，S140可以由分析模块240执行。

由于在对羽毛球运动中运动损伤进行筛查的方法部分已经详细描述，在此不再赘述。

综上所述，本发明实施例提供的一种对羽毛球运动中运动损伤进行筛查的方法、装置及设备，通过获取用户自身的个人运动视频，再对该个人运动视频提取多帧关键视频帧图像，再对该多帧关键视频帧图像进行特征提取生成人体骨骼图，以依据该人体骨骼图监测个人运动视频中的运动状态，最后将不同运动状态对应的单帧运动图像与预存储的多个监测关节对应的标准参数进行对比分析，以判定用户当前运动状态是否规范，并输出可能存在的运动损伤风险，以及对应的康复指导建议，帮助用户更科学地进行运动及训练。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种对羽毛球运动中运动损伤进行筛查的方法，其特征在于，所述方法包括：

获取羽毛球运动相关的个人运动视频；

对所述个人运动视频提取多帧关键视频帧图像；

对所述多帧关键视频帧图像进行特征提取生成人体骨骼图，并依据所述人体骨骼图监测所述个人运动视频中的运动状态；

依据预存储的多个监测关节对应的标准参数，对所述运动状态对应的单帧运动图像进行动作识别分析，输出运动损伤风险评估结果及建议。

2.如权利要求1所述的对羽毛球运动中运动损伤进行筛查的方法，其特征在于，所述对所述多帧关键视频帧图像进行特征提取生成人体骨骼图的步骤包括：

通过卷积神经网络对所述多帧关键视频帧图像进行特征提取；

再将提取的多个特征进行偶匹配后进行连接以生成人体骨骼图。

3.如权利要求1或2所述的对羽毛球运动中运动损伤进行筛查的方法，其特征在于，所述方法还包括：

获取所述人体骨骼图中各个关节的二维坐标；

根据所述二维坐标基于多目视觉的深度学习进行三维重建得到对应的三维坐标，以依据所述三维坐标监测所述个人运动视频中的运动状态。

4.如权利要求1所述的对羽毛球运动中运动损伤进行筛查的方法，其特征在于，所述预存储的多个监测关节对应的标准参数包括：

确定人体在羽毛球运动中需重点监测的关节，所述需重点监测的关节包括髋关节、膝关节、踝关节、腕关节；

确定每个所述关节在不同运动角度下的活动度，若超过所述活动度，则存在运动损伤风险。

5.如权利要求4所述的对羽毛球运动中运动损伤进行筛查的方法，其特征在于，所述对所述运动状态对应的单帧运动图像进行动作识别分析，输出运动损伤风险评估结果及建议的步骤包括：

将所述单帧运动图像中各个关节之间连线角度，与所述关节对应的活动度进行对比，若所述连线角度超过所述活动度，则输出存在的运动损伤风险。

6.如权利要求5所述的对羽毛球运动中运动损伤进行筛查的方法，其特征在于，所述方法还包括：

当判定存在运动损伤风险，则突出显示所述单帧运动图像中存在运动损伤区域，以及与所述存在运动损伤区域的关联区域。

7.如权利要求1所述的对羽毛球运动中运动损伤进行筛查的方法，其特征在于，所述输出运动损伤风险评估结果及建议的步骤包括：

依据所述个人运动视频输出包含单项评分以及综合评分的测试报告，所述测试报告还包括训练建议；

依据所述测试报告进一步生成诊断报告，所述诊断报告包括康复建议。

8.如权利要求1所述的对羽毛球运动中运动损伤进行筛查的方法，其特征在于，所述获取羽毛球运动相关的个人运动视频的步骤包括：

获取用户上传的已经录好的个人运动视频；或

通过传感器及摄像头实时获取用户训练产生的个人运动视频。

9.一种对羽毛球运动中运动损伤进行筛查的装置，其特征在于，所述装置包括：

获取模块，用于获取羽毛球运动相关的个人运动视频；

提取模块，用于对所述个人运动视频提取多帧关键视频帧图像；

监测模块，用于对所述多帧关键视频帧图像进行特征提取生成人体骨骼图，并依据所述人体骨骼图监测所述个人运动视频中的运动状态；

分析模块，用于依据预存储的多个监测关节对应的标准参数，对所述运动状态对应的单帧运动图像进行动作识别分析，输出运动损伤风险评估结果及建议。

10.一种对羽毛球运动中运动损伤进行筛查的设备，其特征在于，所述设备包括摄像头、传感器、显示屏、处理器及存储器，所述存储器用于存储所述对羽毛球运动的分析装置并交由所述处理器执行；

所述摄像头及传感器用于获取羽毛球运动相关的个人运动视频；

所述处理器用于对所述个人运动视频提取多帧关键视频帧图像，以及对所述多帧关键视频帧图像进行特征提取生成人体骨骼图，并依据所述人体骨骼图监测所述个人运动视频中的运动状态；

所述处理器还用于依据预存储的多个监测关节对应的标准参数，对所述运动状态对应的单帧运动图像进行动作识别分析，输出运动损伤风险评估结果及建议，并显示于所述显示屏上供用户查看。