运动姿态识别方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种运动姿态识别方法、装置及电子设备，涉及智能体育器材技术领域，该运动姿态识别方法包括获取姿态传感器当前采集的手持运动器械的第一动作数据；该姿态传感器设置于该手持运动器械上；基于上述第一动作数据与预设时间段之前采集的第二动作数据，利用差分值算法，确定有效动作数据；对该有效动作数据进行去量纲处理，得到标准动作数据；将该标准动作数据输入至预先训练的卷积神经网络中进行动作分类，得到当前手持运动器械的运动姿态类型。该方式可以更精确的识别出手持运动器械的运动姿态类型，无需众多的外设设备，有效降低了成本，拓宽了应用范围，促进了产品的推广使用。

Motion Attitude Recognition Method, Device and Electronic Equipment

The invention provides a method, device and electronic equipment for motion attitude recognition, which relates to the technical field of intelligent sports equipment. The method includes acquiring the first action data of hand-held motion equipment currently collected by the attitude sensor, setting the attitude sensor on the hand-held motion equipment, and collecting the second action data based on the first action data and the preset time period. Action data are determined by differential value algorithm; the effective action data are processed in dimension to get standard action data; the standard action data are input into the pre-trained convolutional neural network to classify the action, and the motion attitude types of the current hand-held motion devices are obtained. This method can more accurately identify the type of motion posture of hand-held motion devices, without many peripheral devices, effectively reduce the cost, broaden the scope of application, and promote the promotion and use of products.

【技术实现步骤摘要】
运动姿态识别方法、装置及电子设备
本专利技术涉及智能体育器材
，尤其是涉及一种运动姿态识别方法、装置及电子设备。
技术介绍
随着全民健身意识的提高，越来越多的人积极加入健身行列，规范运动和技术关键点的掌握成为一个难点。运动员或者个人爱好者为了运动过程中的动作要领，只能采用视频回放+实际操练的方式进行动作纠正和动作讲解。这种方式造成大量时间的浪费，效率非常低下，因此越来越多的人希望找到一种能够反映出运动数据的智能设备，以便能够直接观察自己的运动姿态，由此智能体育器材应运而生。例如，在兵乓球运动的运动监控中，在智能乒乓球桌配备两个摄像头、一个高清投影仪以及若干运动传感器。摄像头负责拍摄乒乓球不同的运动，且内置的各种不同功能的传感器则用来跟踪乒乓球的运动轨迹。同时，高清投影仪则负责实时投射乒乓球的运动轨迹以及各种不同的数据。整个乒乓球桌桌面就是一个超大的触摸显示屏，并且配备了识别模块，只要将属于自己的球拍放在特定区域，就可以显示出该球员的各项运动数据及姿态。然而，上述通过摄像头及监测球体落点的方式，对运动姿态采集与识别的方法，所需的外设设备众多，成本高昂，应用受限且不利于产品推广使用。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种运动姿态识别方法、装置及电子设备，以更精确的识别出手持运动器械的运动姿态类型，且无需众多的外设设备，有效降低成本，拓宽应用范围，促进产品的推广使用。第一方面，本专利技术实施例提供了一种运动姿态识别方法，应用于移动终端，包括：获取姿态传感器当前采集的手持运动器械的第一动作数据；其中，所述姿态传感器设置于所述手持运动器械上，所述第一动作数据包括加速度信息；基于所述第一动作数据与预设时间段之前采集的第二动作数据，利用差分值算法，确定有效动作数据；对所述有效动作数据进行去量纲处理，得到标准动作数据；将所述标准动作数据输入至预先训练的卷积神经网络中进行动作分类，得到当前所述手持运动器械的运动姿态类型。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，基于所述第一动作数据与预设时间段之前采集的第二动作数据，利用差分值算法，确定有效动作数据的步骤，包括：计算所述第一动作数据与所述第二动作数据之间的差值；将所述差值与预先确定的门限阈值对比，确定有效窗口的起始数据及终点数据，得到当前的有效动作数据。结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，所述卷积神经网络的训练过程包括：获取各个运动姿态类型的样本动作数据，并标注所述样本动作数据的运动姿态类型；基于标注后的样本动作数据，利用差分值算法，确定样本有效数据；对所述样本有效数据进行去量纲处理，得到标准样本数据；将所述标准样本数据输入至卷积神经网络，对所述卷积神经网络进行训练，得到训练后的卷积神经网络。结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，还包括：获取所述手持运动器械当前的运动姿态类型，并更新所述当前的运动姿态类型对应的动作数量；获取当前识别率最高的至少一种运动姿态类型分别对应的动作数量；其中所述识别率是在所述卷积神经网络的训练过程中预先获取的；计算所述至少一种运动姿态类型对应的动作数量的和值，得到动作总数量并进行显示。结合第一方面的第三种可能的实施方式，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，还包括：获取用户当前选择的训练模式；当所述训练模式为单项训练模式时，确定所述单项训练模式对应的目标运动姿态类型；获取当前的动作总数量及所述目标运动姿态类型当前对应的目标动作数量；根据所述目标动作数量及所述动作总数量，确定所述用户的动作准确率。结合第一方面，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，还包括：获取并显示当前的运动参数，所述运动参数包括运动时长、所述运动姿态类型对应的动作数量、能量消耗值及最大运动速度。结合第一方面的第五种可能的实施方式，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，所述能量消耗值的获取过程包括：获取所述第一动作数据所属的用户的个人信息及当前的运动时长；根据所述个人信息、运动时长及每个所述运动姿态类型对应的动作数量，确定所述用户的能量消耗值。结合第一方面，本专利技术实施例提供了第一方面的第七种可能的实施方式，其中，还包括：所述手持运动器械为兵乓球拍。第二方面，本专利技术实施例还提供一种运动姿态识别装置，应用于移动终端，包括：数据获取模块，用于获取姿态传感器当前采集的手持运动器械的第一动作数据；其中，所述姿态传感器设置于所述手持运动器械上，所述第一动作数据包括加速度信息；数据确定模块，用于基于所述第一动作数据与预设时间段之前采集的第二动作数据，利用差分值算法，确定有效动作数据；去量纲处理模块，用于对所述有效动作数据进行去量纲处理，得到标准动作数据；动作分类模块，用于将所述标准动作数据输入至预先训练的卷积神经网络中进行动作分类，得到当前所述手持运动器械的运动姿态类型。第三方面，本专利技术实施例还提供一种电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面及其任一种可能的实施方式所述的方法。本专利技术实施例带来了以下有益效果：在本专利技术实施例中，该运动姿态识别方法包括获取姿态传感器当前采集的手持运动器械的第一动作数据；其中，该姿态传感器设置于该手持运动器械上，上述第一动作数据包括加速度信息；基于上述第一动作数据与预设时间段之前采集的第二动作数据，利用差分值算法，确定有效动作数据；对该有效动作数据进行去量纲处理，得到标准动作数据；将该标准动作数据输入至预先训练的卷积神经网络中进行动作分类，得到当前手持运动器械的运动姿态类型。该方式中通过手持运动器械中的姿态传感器来采集数据，移动终端对采集到的数据进行数据提取，对提取到的有效数据通过卷积神经网络进行识别，从而可以更精确的识别出手持运动器械的运动姿态类型，无需众多的外设设备，有效降低了成本，拓宽了应用范围，促进了产品的推广使用。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、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专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本专利技术的一些实施方式，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为本专利技术实施例提供的一种运动姿态识别方法的流程示意图；图2为本专利技术实施例提供的一种有效窗口的示意图；图3为本专利技术实施例提供的有效动作数据的内容的示意图；图4为本专利技术实施例提供的一种卷积神经网络的结构示意图；图5为本专利技术实施例提供的一种应用软件的框架示意图；图6为本专利技术实施例提供的一种运动姿态识别装置的结构示意图；图7为本专利技术实施例提供的一种电子设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发本文档来自技高网...

【技术保护点】
1.一种运动姿态识别方法，其特征在于，应用于移动终端，包括：获取姿态传感器当前采集的手持运动器械的第一动作数据；其中，所述姿态传感器设置于所述手持运动器械上，所述第一动作数据包括加速度信息；基于所述第一动作数据与预设时间段之前采集的第二动作数据，利用差分值算法，确定有效动作数据；对所述有效动作数据进行去量纲处理，得到标准动作数据；将所述标准动作数据输入至预先训练的卷积神经网络中进行动作分类，得到当前所述手持运动器械的运动姿态类型。

【技术特征摘要】
1.一种运动姿态识别方法，其特征在于，应用于移动终端，包括：获取姿态传感器当前采集的手持运动器械的第一动作数据；其中，所述姿态传感器设置于所述手持运动器械上，所述第一动作数据包括加速度信息；基于所述第一动作数据与预设时间段之前采集的第二动作数据，利用差分值算法，确定有效动作数据；对所述有效动作数据进行去量纲处理，得到标准动作数据；将所述标准动作数据输入至预先训练的卷积神经网络中进行动作分类，得到当前所述手持运动器械的运动姿态类型。2.根据权利要求1所述的方法，其特征在于，基于所述第一动作数据与预设时间段之前采集的第二动作数据，利用差分值算法，确定有效动作数据的步骤，包括：计算所述第一动作数据与所述第二动作数据之间的差值；将所述差值与预先确定的门限阈值对比，确定有效窗口的起始数据及终点数据，得到当前的有效动作数据。3.根据权利要求1所述的方法，其特征在于，所述卷积神经网络的训练过程包括：获取各个运动姿态类型的样本动作数据，并标注所述样本动作数据的运动姿态类型；基于标注后的样本动作数据，利用差分值算法，确定样本有效数据；对所述样本有效数据进行去量纲处理，得到标准样本数据；将所述标准样本数据输入至卷积神经网络，对所述卷积神经网络进行训练，得到训练后的卷积神经网络。4.根据权利要求1所述的方法，其特征在于，还包括：获取所述手持运动器械当前的运动姿态类型，并更新所述当前的运动姿态类型对应的动作数量；获取当前识别率最高的至少一种运动姿态类型分别对应的动作数量；其中所述识别率是在所述卷积神经网络的训练过程中预先获取的；计算所述至少一种运动姿态类型对应的动作数量的和值，得到动作总数量并进行显示。5.根...

【专利技术属性】
技术研发人员：张秀君，梁召峰，孙晓丽，郑佳岚，陈科利，李俊烨，
申请(专利权)人：深圳职业技术学院，
类型：发明
国别省市：广东,44