运动评分方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种运动评分方法、装置、设备及存储介质，属于图像数据处理领域。该方法包括：获取目标视频，目标视频包括人体运动影像，人体运动影像是目标对象根据标准运动影像进行运动时的影像；从目标视频中提取目标人体运动参数，目标人体运动参数包括目标对象不同部位的运动参数；将目标人体运动参数输入运动评价模型，得到运动评分，运动评价模型用于对人体运动影像与标准运动影像的相似度进行评分。本申请实施例中，运动评价模型能够对人体运动影像与标准运动影像的相似度进行评分，用户在自主健身的过程中，能够根据运动评分知悉与标准运动影像之间的相似度，并能够进一步根据运动评分调整自己运动姿势，进而提高了用户自主健身的效果。

【技术实现步骤摘要】
运动评分方法、装置、设备及存储介质
本申请实施例涉及图像数据处理领域，特别涉及一种运动评分方法、装置、设备及存储介质。
技术介绍
随着人们生活水平的不断提高，越来越多的用户开始进行健身，为了方便人们进行自主健身，大量的健身应用程序应运而生。终端运行健身应用程序时，通过语音、动画或图片的形式，向用户展示健身动作，用户即通过模仿该健身动作进行自主健身。
技术实现思路
本申请实施例提供的运动评分方法、装置、设备及存储介质，可以解决用户进行自主健身时，无法确定健身动作是否符合标准，导致健身效果不佳的问题。所述技术方案如下：第一方面，提供了一种运动评分方法，所述方法包括：获取目标视频，所述目标视频包括人体运动影像，所述人体运动影像是目标对象根据标准运动影像进行运动时的影像；从所述目标视频中提取目标人体运动参数，所述目标人体运动参数包括所述目标对象不同部位的运动参数；将所述目标人体运动参数输入运动评价模型，得到运动评分，所述运动评价模型用于对所述人体运动影像与所述标准运动影像的相似度进行评分。第二方面，提供了一种运动评分装置，所述装置包括：视频获取模块，用于获取目标视频，所述目标视频包括人体运动影像，所述人体运动影像是目标对象根据标准运动影像进行运动时的影像；参数提取模块，用于从所述目标视频中提取目标人体运动参数，所述目标人体运动参数包括所述目标对象不同部位的运动参数；评分模块，用于将所述目标人体运动参数输入运动评价模型，得到运动评分，所述运动评价模型用于对所述人体运动影像与所述标准运动影像的相似度进行评分。第三方面，提供了一种运动评分设备，所述设备包括处理器、与所述处理器相连的存储器，以及存储在所述存储器上的程序指令，所述处理器执行所述程序指令时实现第一方面提供的运动评分方法。第四方面，一种计算机可读介质，其上存储有程序指令，所述程序指令被处理器执行时实现第一方面提供的运动评分方法。本申请实施例提供的技术方案带来的有益效果是：通过获取目标对象根据标准运动影像进行运动时的影像，并基于该影像提取目标对象的目标人体运动参数，从而将目标人体运动参数输入运动评价模型，得到运动评分；由于预先训练的运动评价模型能够对人体运动影像与标准运动影像的相似度进行评分，因此，用户在自主健身的过程中，能够根据运动评分知悉与标准运动影像之间的相似度，并能够进一步根据运动评分调整自己运动姿势，进而提高了用户自主健身的效果。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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是本申请的一个实施例示出的实施环境的环境示意图；图2是本申请的一个示例性实施例示出的运动评分方法的流程图；图3是图2所示运动评分方法的实施示意图；图4是本申请的另一个示例性实施例示出的运动评分方法的流程图；图5是人体特征点的示意图；图6示出了本申请一个实施例提供的运动评分装置的结构方框图；图7示出了本申请一个示例性实施例提供的运动评分设备的结构方框图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。首先，对本申请涉及到的名词进行介绍。运动评分模型：是一种用于根据输入的人体运动参数，对用户动作与标准动作的相似度进行评分的数学模型。可选地，运动评分模型包括但不限于：深度神经网络(DeepNeuralNetwork，DNN)模型、循环神经网络(RecurrentNeuralNetworks，RNN)模型、嵌入(embedding)模型、梯度提升决策树(GradientBoostingDecisionTree，GBDT)模型、逻辑回归(LogisticRegression，LR)模型中的至少一种。DNN模型是一种深度学习框架。DNN模型包括输入层、至少一层隐层(或称，中间层)和输出层。可选地，输入层、至少一层隐层(或称，中间层)和输出层均包括至少一个神经元，神经元用于对接收到的数据进行处理。可选地，不同层之间的神经元的数量可以相同；或者，也可以不同。RNN模型是一种具有反馈结构的神经网络。在RNN模型中，神经元的输出可以在下一个时间戳直接作用到自身，即，第i层神经元在m时刻的输入，除了(i-1)层神经元在该时刻的输出外，还包括其自身在(m-1)时刻的输出。embedding模型是基于实体和关系分布式向量表示，将每个三元组实例中的关系看作从实体头到实体尾的翻译。其中，三元组实例包括主体、关系、客体，三元组实例可以表示成(主体，关系，客体)；主体为实体头，客体为实体尾。比如：小张的爸爸是大张，则通过三元组实例表示为(小张，爸爸，大张)。GBDT模型是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结果累加起来作为最终结果。决策树的每个节点都会得到一个预测值，以年龄为例，预测值为属于年龄对应的节点的所有人年龄的平均值。LR模型是指在线性回归的基础上，套用一个逻辑函数建立的模型。图1是本申请的一个实施例示出的实施环境的环境示意图，该实施环境中包括至少一个终端110和服务器120。终端110是具有图像采集以及网络通信功能的电子设备，该电子设备可以是智能手机、平板电脑、可穿戴式设备、智能家居设备、膝上型便携计算机和台式计算机中的至少一种。终端110与服务器120之间通过有线或无线网络相连。服务器120可以为独立的一台服务器主机；或者，也可以是多台服务器主机构成的服务器集群或云计算中心。在一种可能的实施方式中，终端110中安装有健身类应用程序，且在运行健身类应用程序的过程中，终端110通过摄像头采集包含目标对象(即使用终端110的用户)人体运动影像的目标视频，并将目标视频上传至服务器120，服务器120接收到目标视频后，从目标视频中提取人体运动参数，并将人体运动参数作为模型输入数据，输入预先构建的运动评价模型，得到模型输出的运动评分，从而将运动评分反馈给终端110，由终端110进行显示。可选的，针对不同身材的目标对象，服务器120中构建有不同的运动评价模型。在应用运动评价模型进行运动评分前，服务器120获取目标对象的目标人体参数，获取该目标人体参数对应的目标运动评价模型，进而使用目标运动评价模型进行运动评分，以提高运动评分的准确性。可选的，终端110还可以向服务器120发送运动评分修正信息，服务器120即基于该运动评分修正信息对运动评价模型进行修正，进一步提高后续运动评分的准确性。在其他可能的实施方式中，当终端110中构建有上述运动评分模型时，终端110无需将采集到目标视频上传服务器120，而是直接在本地进行运动评分。可选地，本申请中，无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(LocalAreaNetwork，LAN)、城域网(MetropolitanAreaNetwork，MAN)、广域网(WideAreaNetwork，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(HyperTextMark-upLa本文档来自技高网...

【技术保护点】
1.一种运动评分方法，其特征在于，所述方法包括：获取目标视频，所述目标视频包括人体运动影像，所述人体运动影像是目标对象根据标准运动影像进行运动时的影像；从所述目标视频中提取目标人体运动参数，所述目标人体运动参数包括所述目标对象不同部位的运动参数；将所述目标人体运动参数输入运动评价模型，得到运动评分，所述运动评价模型用于对所述人体运动影像与所述标准运动影像的相似度进行评分。

【技术特征摘要】
1.一种运动评分方法，其特征在于，所述方法包括：获取目标视频，所述目标视频包括人体运动影像，所述人体运动影像是目标对象根据标准运动影像进行运动时的影像；从所述目标视频中提取目标人体运动参数，所述目标人体运动参数包括所述目标对象不同部位的运动参数；将所述目标人体运动参数输入运动评价模型，得到运动评分，所述运动评价模型用于对所述人体运动影像与所述标准运动影像的相似度进行评分。2.根据权利要求1所述的方法，其特征在于，所述从所述目标视频中提取目标人体运动参数，包括：识别所述人体运动影像中包含的人体特征点，所述人体特征点包括头部特征点、手部特征点、腰部特征点和腿部特征点中的至少一种；根据所述人体特征点的位置变化，计算不同人体特征点对应的人体部位运动参数，所述人体部位运动参数包括头部运动参数、手部运动参数、腰部运动参数和腿部运动参数中的至少一种；将所述人体部位运动参数确定为所述目标人体运动参数。3.根据权利要求1所述的方法，其特征在于，所述将所述目标人体运动参数输入运动评价模型，得到运动评分之前，所述方法，还包括：获取所述目标对象的目标人体参数，所述目标人体参数包括身高、体重、臂长和腿长中的至少一种；所述将所述目标人体运动参数输入运动评价模型，得到运动评分包括：获取所述目标人体参数对应的目标运动评价模型，所述目标运动评价模型根据样本对象运动时的样本人体运动参数训练得到，所述样本对象符合所述目标人体参数；将所述目标人体运动参数输入所述目标运动评价模型，得到所述目标运动评分。4.根据权利要求1至3任一所述的方法，其特征在于，所述获取目标视频之前，所述方法还包括：获取训练样本集，所述训练样本集中包括至少一组训练样本，每组训练样本中包括样本人体运动参数、标准人体运动参数和样本运动评分，其中，所述样本人体运动参数是从样本对象的样本人体运动影像中提取，所述标准人体运动参数是从所述标准运动影像中提取，所述样本运动评分为预先标定；采用误差反向传播算法对所述至少一组训练样本进行训练，得到所述运动评价模型。5.根据权利要求4所述的方法，其特征在于，所述采用误差反向传播算法对所述至少一组训练样本进行训练，得到所述运动评价模型，包括：对于所述至少一组训练样本中的每组所述训练样本，将所述样本人体运动参数和所述标准人体运动参数输入原始评价模型，得到训练结果；对于每组所述训练样本，将所述训练结果与所述样本运动评分进行比较，得到计算损失，所述计算损失用于指示所述训练结果与所述样本运动评分之间的误差；根据所述至少一组训练样本各自对应的计算损失，采用所述误差反向传播算法训练得到所述运动评价模型。6.根据权利要求4所述的方法，其特征在于，所述将所述人体运动参数输入运动评价模型，得到运动评分之后，所述方法还包括：接收运动评分修正信息；将所述目标人体运动参数、所述标准人体运动参数以及所述运动评分修正信息添加至所述训练样本集；根据更新后的训练样本集对所述运动评价模型进行训练，得到更新后的运动评价模型。7.一种运动评分装置，其特征在于，所述方法包括：视频获取模块，用于获取目标视频，所述目标视频包括人体运动影像，所述人体运动影像是目标对象根据标准运动影像进行运...

【专利技术属性】
技术研发人员：刘耀勇，陈岩，
申请(专利权)人：广东欧珀移动通信有限公司，
类型：发明
国别省市：广东,44