一种运动分析方法、装置、设备和存储介质制造方法及图纸

本发明专利技术涉及一种运动分析方法，包括根据人体姿态估计算法OpenPose和训练人员的动作视频，得到所述训练人员的第一动作集合序列；根据所述第一动作集合序列，得到所述动作视频的一维动作特征向量和二维动作特征点集；根据所述一维动作特征向量和多类分类器，得到所述动作视频的动作分类；根据所述动作分类对应的标准二维动作特征点集和所述二维动作特征点集，得到所述训练人员的动作得分。本发明专利技术无需大规模的计算资源，提升对健身动作识别与评估的准确度。本发明专利技术还涉及一种运动分析装置、存储介质和设备。

【技术实现步骤摘要】
一种运动分析方法、装置、设备和存储介质
本专利技术涉及信息采集分析
，尤其涉及一种运动方法、装置、设备和存储介质。
技术介绍
基于视觉信息对人体运动进行分析是计算机视觉技术在体育领域中的重要应用之一，涉及到计算机视觉、模式识别和智能体育等多个领域的理论和技术。目前由于通过对大样本数据集进行模型训练，完成健身动作的分析，造成了需要依赖大规模的计算资源，同时通过对多种动作设置对应的评价规则得到动作评分，导致无法准确评价个性化或定制化健身动作。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术的不足，提供一种运动分析方法、装置、设备和存储介质。本专利技术解决上述技术问题的技术方案如下：一种运动分析方法，包括；根据人体姿态估计算法OpenPose和训练人员的动作视频，得到所述训练人员的第一动作集合序列；根据所述第一动作集合序列，得到所述动作视频的一维动作特征向量和二维动作特征点集；根据所述一维动作特征向量和多类分类器，得到所述动作视频的动作分类；根据所述动作分类对应的标准二维动作特征点集和所述二维动作特征点集，得到所述训练人员的动作得分。本专利技术的有益效果是：提供一种运动分析方法，通过人体姿态估计算法和训练人员的动作视频，得到动作视频的一维动作特征向量和二维动作特征点集，根据一维动作特征向量和多类分类器，得到动作视频的动作分类，根据动作分类对应的标准二维动作特征点集和二维动作特征点集，得到训练人员的动作得分，实现了无需大规模的计算资源，提高对健身动作识别与评估的准确度。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步地，所述根据人体姿态估计算法OpenPose和训练人员的动作视频，得到所述训练人员的第一动作集合序列，具体包括：利用OpenPose对所述动作视频的每帧图像进行骨架识别，得到所述训练人员的动作骨架序列，所述动作骨架序列包括各关节点位置信息及对应的置信度；从所述动作骨架序列中剔除低于预设阈值的置信度对应的关节点位置信息后，提取所述动作骨架序列中的关节点位置信息，得到所述第一动作集合序列。采用上述进一步方案的有益效果是：利用OpenPose对动作视频的每帧图像进行骨架识别，得到训练人员的动作骨架序列，并从动作骨架序列中剔除低于预设阈值的置信度对应的关节点的位置信息，提取所述动作骨架序列中的关节点位置信息，得到第一动作集合序列，降低了无效信息的干扰，提高了计算效率。进一步地，所述根据所述第一动作集合序列，得到所述动作视频的一维动作特征向量和二维动作特征点集，具体包括：建立人体坐标系，所述人体坐标系的中心点是人体的左右髋节点连线的中点；将所述第一动作集合序列中的关节点位置信息转换为对应所述人体坐标系的坐标信息，得到第二动作集合序列；基于所述第二动作集合序列，确定投影区域，其中，所述投影区域覆盖所述第二动作集合序列中的关节点的所有坐标信息；从所述投影区域中选取预设区域，得到特征区域，并根据所述特征区域所覆盖的所有关节点的坐标信息；将所述特征区域所覆盖的所有关节点的坐标信息进行齐次坐标系下的变换，得到所述二维动作特征点集；根据所述二维动作特征点集中的动作特征点在所述特征区域中的分布进行编码，得到所述一维动作特征向量。采用上述进一步方案的有益效果是：将第一动作集合序列中的关节点位置信息转换为对应人体坐标系的坐标信息后确定特征区域，并根据特征区域所覆盖的所有关节点的坐标信息，得到一维动作特征向量和二维动作特征点集，消除了人体运动过程中整体位移对于动作识别的影响，提升了动作识别的准确度。进一步地，所述根据所述一维动作特征向量和多类分类器，得到所述动作视频的动作分类，具体包括：将所述特征区域中的所述一维动作特征向量的位置分布信息进行线性编码，得到动作特征编码集；根据所述动作特征编码集确定对应的特征向量，并将所述特征向量输入所述多类分类器，得到所述动作视频的动作分类。采用上述进一步方案的有益效果是：将特征区域中的一维动作特征向量的位置分布信息进行线性编码，得到的动作特征编码集确定对应的特征向量，并将特征向量输入多类分类器，得到动作视频的动作分类，提升了健身动作的识别准确度。进一步地，所述根据所述动作分类对应的标准二维动作特征点集和所述二维动作特征点集，得到所述训练人员的动作得分，具体包括：将所述标准二维动作特征点集Pc和所述训练人员的二维动作特征点集Ps做几何变化，构建距离均方差函数评价所述训练人员的动作匹配度；设计如下的打分函数：其中R是所述标准二维动作特征点集和所述二维动作特征点集间的旋转矩阵，t是所述标准二维动作特征点集和所述二维动作特征点集间的平移向量，l'×l'是所述二维动作特征点集的动作特征点的数量，i是所述二维动作特征点集中动作特征点的序号，取值范围是1至l′×l′；通过最小化公式的距离误差得到所述训练人员的动作得分，Fscore采用Levenberg-Marquardt(LM)算法迭代求解得到。采用上述进一步方案的有益效果是：将标准二维动作特征点集Pc和训练人员的二维动作特征点集Ps做几何变化，构建距离均方差函数评价训练人员的动作匹配度，得到训练人员的动作得分，提升了评估健身动作中动作得分的精准度。进一步地，所述多类分类器通过以下方法进行训练：获取批量历史动作视频，并将所述批量历史动作视频进行处理，得到特征向量训练集和特征向量测试集；基于支持向量机算法设计了所述多类动作分类器对所述特征向量训练集进行训练，并对所述特征向量测试集进行测试，得到所述多类分类器；所述多类分类器的目标函数是：其中，是第r个中心为cr方差为的径向基函数，R是径向基函数的个数，ωr是权重因子，b为偏差项。本专利技术解决上述技术问题的另一种技术方案如下：一种运动分析装置，包括；分解模块，用于根据人体姿态估计算法OpenPose和训练人员的动作视频，得到所述训练人员的第一动作集合序列；分析模块，用于根据所述第一动作集合序列，得到所述动作视频的动作特征向量；动作识别模块，用于根据所述一维动作特征向量和多类分类器，得到所述动作视频的动作分类；评估模块，用于根据所述动作分类对应的标准二维动作特征点集和所述二维动作特征点集，得到所述训练人员的动作得分。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步地，所述分解模块，用于利用OpenPose对所述动作视频的每帧图像进行骨架识别，得到所述训练人员的动作骨架序列，所述动作骨架序列包括各关节点位置信息及对应的置信度；从所述动作骨架序列中剔除低于预设阈值的置信度对应的关节点位置信息后，提取所述动作骨架序列中的关节点位置信息，得到所述第一动作集合序列。本申请还提供一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使所述计算机执行上述技术方案中任一项所述的运动分本文档来自技高网...

【技术保护点】
1.一种运动分析方法，其特征在于，包括：/n根据人体姿态估计算法OpenPose和训练人员的动作视频，得到所述训练人员的第一动作集合序列；/n根据所述第一动作集合序列，得到所述动作视频的一维动作特征向量和二维动作特征点集；/n根据所述一维动作特征向量和多类分类器，得到所述动作视频的动作分类；/n根据所述动作分类对应的标准二维动作特征点集和所述二维动作特征点集，得到所述训练人员的动作得分。/n

【技术特征摘要】
1.一种运动分析方法，其特征在于，包括：
根据人体姿态估计算法OpenPose和训练人员的动作视频，得到所述训练人员的第一动作集合序列；
根据所述第一动作集合序列，得到所述动作视频的一维动作特征向量和二维动作特征点集；
根据所述一维动作特征向量和多类分类器，得到所述动作视频的动作分类；
根据所述动作分类对应的标准二维动作特征点集和所述二维动作特征点集，得到所述训练人员的动作得分。


2.根据权利要求1所述的运动分析方法，其特征在于，所述根据人体姿态估计算法OpenPose和训练人员的动作视频，得到所述训练人员的第一动作集合序列，具体包括：
利用OpenPose对所述动作视频的每帧图像进行骨架识别，得到所述训练人员的动作骨架序列，所述动作骨架序列包括关节点位置信息及对应的置信度；
从所述动作骨架序列中剔除低于预设阈值的置信度对应的关节点位置信息后，提取所述动作骨架序列中的关节点位置信息，得到所述第一动作集合序列。


3.根据权利要求2所述的运动分析方法，其特征在于，所述根据所述第一动作集合序列，得到所述动作视频的一维动作特征向量和二维动作特征点集，具体包括：
建立人体坐标系，所述人体坐标系的中心点是人体的左右髋节点连线的中点；
将所述第一动作集合序列中的关节点位置信息转换为对应所述人体坐标系的坐标信息，得到第二动作集合序列；
基于所述第二动作集合序列，确定投影区域，其中，所述投影区域覆盖所述第二动作集合序列中的关节点的所有坐标信息；
从所述投影区域中选取预设区域，得到特征区域，并根据所述特征区域所覆盖的所有关节点的坐标信息；
将所述特征区域所覆盖的所有关节点的坐标信息进行齐次坐标系下的变换，得到所述二维动作特征点集；
根据所述二维动作特征点集中的动作特征点在所述特征区域中的分布进行编码，得到所述一维动作特征向量。


4.根据权利要求3所述的运动分析方法，其特征在于，所述根据所述一维动作特征向量和多类分类器，得到所述动作视频的动作分类，具体包括：
将所述特征区域中的所述一维动作特征向量的位置分布信息进行线性编码，得到动作特征编码集；
根据所述动作特征编码集确定对应的特征向量，并将所述特征向量输入所述多类分类器，得到所述动作视频的动作分类。


5.根据权利要求3所述的运动分析方法，其特征在于，所述根据所述动作分类对应的标准二维动作特征点集和所述二维动作特征点集，得到所述训练人员的动作得分，具体包括：
将所述标准二维动作特征点集Pc和所述训练人员的二维动作特征...

【专利技术属性】
技术研发人员：李建伟，郭天晓，沈燕飞，胡庆锐，
申请(专利权)人：北京体育大学，
类型：发明
国别省市：北京;11