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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。