基于多方感知的竞走运动姿态分析方法技术

本发明专利技术提供一种基于多方感知的竞走运动姿态分析方法，涉及竞技运动的比赛和日常训练领域；包括同时进行的人体整体姿态分析、人体脚底与地面接触状态分析；整体姿态分析方法通过训练好的神经网络对实时采集的三维人体表面模型进行识别，再将识别结果发送至统计模块；人体脚底与地面接触状态分析采用压力传感器进行人体脚底压力状况采集，再通过分析模块对人体脚底与地面接触状态进行分析，再将分析结果发送至统计模块；统计模块统计所有错误动作并记录，并将结果告知竞走者；本发明专利技术解决了现有的姿态估计方法只适合静态动作或节奏变化较慢的动作，缺乏定量对动作进行分析，导致目前无法对竞走者同时进行姿态分析与犯规检测的问题。

Walking posture analysis method based on multi-party perception

The invention provides an attitude analysis method based on multi-party perception, involving competition and daily training in competitive sports, including the simultaneous analysis of human body attitude and the analysis of the contact state of the foot bottom and the ground, and the overall attitude analysis method is used to collect real-time three-dimensional people through the trained neural network. The body surface model is identified, and then the recognition results are sent to the statistical module. The contact state analysis of the human foot bottom and the ground is used to collect the pressure of the foot bottom of the human body. Then the contact state of the foot and the ground is analyzed by the analysis module, and then the analysis results are sent to the statistical module; the statistical module is carried out. All the wrong actions are recorded and recorded, and the results are told to the walker. The present invention solves the problem that the existing attitude estimation method is only suitable for static action or slow change of rhythm, and it lacks the quantitative analysis of the action, which leads to the problem of attitude analysis and foul detection for the walkers at the same time.

【技术实现步骤摘要】
基于多方感知的竞走运动姿态分析方法
本专利技术涉及竞技运动的比赛和日常训练领域，尤其涉及基于多方感知的竞走运动姿态分析方法。
技术介绍
竞走是一项有益身心的运动，竞走是最理想的减肥方式，竞走在消耗能量的同时还能塑造全身线条。专家表示，竞走时盆骨前后转动大、腰部积极扭动、两臂摆动、腿充分伸直，长期坚持确实有助于塑造身体线条。不过,他也提醒，竞走是一项专业程度很高的运动，关键是其动作有一套严格规范的标准,需要专人指导。一般人看看教程、看看视频就学竞走,如果单凭自己的想象去进行姿势不正确的竞走,就会带来比较大的危险。一旦姿势不正确还长期坚持，很有可能对膝关节、髋关节、踝关节造成损伤。不但没有起到减肥和塑体的目的,还会加重损伤、关节退化等,适得其反。在实际观察中,更多人所谓的“竞走”其实是快步走,即使模仿竞走的姿势,也很难做到标准动作。目前对于竞走的研究主要着眼于犯规的检测，即“腾空”犯规与“曲膝”犯规。参考以下论文1：CuiYan-song,“IntelligentWirelessMonitoringSystemforFoulPlayinaWalkingRacebasedonUWB基于UWB的竞走犯规智能无线监测系统,”in2011SecondETP/IITAConferenceonTelecommunicationandInformation，可以看到，作者将竞走的一个动作分解为双支撑阶段与单支撑阶段，如图4所示，将单支撑阶段又分解为三个状态：前支撑、垂直支撑、后支撑。如图5所示，作者通过在运动员鞋底放置压力传感器来检测运动员是否有“腾空”犯规。通过分析各个阶段传感器的状态来判断运动员是否犯规，图6为未犯规时传感器应有的状态。论文2“HumanPoseEstimationfromVideoandIMUs”使用一组摄像机获得视频信息，使用5个IMU(惯性传感单元)传感器获得人体部位的方向信息，通过这两种传感方式进行人体姿态估计。如图7所示，论文先通过一组校准并同步的摄像机获得t1时刻的人体的一组多视角的图像，对每张图像剔除背景提取人体轮廓；同时，如图8所示利用这组摄像机的相机参数对t0时刻的三维人体模型做投影，获得三维人体模型对应于各个摄像机的各个视角的三维人体模型轮廓；论文首先通过匹配上述两个轮廓，从而在两个轮廓(图7右与图8右)上采集一组对应点。通过三维模型投影的轮廓上的点(图8右)可以找到其对应在三维模型上的三维点(图8左)的坐标，然后，可找到由摄像机组采集到的图像的人体轮廓上的点(图7右)与三维人体模型(图8左)上的对应点。设从t0时刻到t1时刻的人体动作被未知变量Δx完全表示，则由t0时刻三维人体模型(图8左)上的点和动作参数变量Δx可表示出t1时刻三维模型上的点。然后获得点(由Δx表示出的t1时刻三维模型上的点)和线(摄像机采集的t1时刻人体轮廓上的点与摄像机中心的连线)之间的误差函数EVideo(Δx)，这个函数是变量Δx的函数。此函数表征了图6中的Contourconsistency(轮廓一致性)。论文将5个传感器固定在运动者身上，然后获得t1时刻传感器的方向，同时获得t0时刻三维人体模型对应部位的方向信息。设从t0时刻到t1时刻的人体动作被未知变量Δx完全表示，则由t0时刻三维人体模型(图8左)的方向信息和动作参数变量Δx可表示出t1时刻三维模型上的方向信息。然后获得t1时刻由动作参数变量Δx表示出的方向信息与t1时刻IMUs测得的方向信息之间的误差函数EIMUs(Δx)，这个函数是变量Δx的函数。此函数表征了图9中的Orientationconsistency(方向一致性)。然后将两个误差函数加起来获得混合误差函数Ehybrid(Δx)＝EVideo(Δx)+λEIMUs(Δx)。式中，λ是可控的参数，通过调整λ可以控制摄像机组与IMUs在最终决定动作估计结果Δx中的考虑权重)。之后求得使误差函数值最小的Δx的值，即获得了t0时刻到t1时刻的动作表示Δx。通过Δx可以将t0时刻的三维人体模型变换得到t1时刻的三维人体模型。因此，达到了通过三维人体表面模型来估计人体动作，跟踪人体动作的目的。综上所指，现有技术存在的缺点如下：(1)如现有技术1(竞走犯规检测)所示，目前对竞走运动的智能化研究仅停留在通过电子设备和传感器等实现的竞走犯规检测，犯规检测用于比赛过程中，帮助裁判员更方便的对竞走运动员的犯规动作做出准确的判断。众所周知，竞走运动是一项对姿势要求非常高的项目，姿势错误一方面导致走不快，另一方面长期使用错误动作竞走对人体关节等具有极大的损伤。但目前对竞走训练阶段姿势分析与矫正的研究尚是一片空白，这一块缺乏一套解决的方法，价值远大且亟待解决。(2)在现有技术2(姿态估计)中，人体动作局限在有限区域上进行，当人体活动范围增大时，系统便不适用了。尤其是对于竞走这种竞速运动，一个系统只能捕捉和分析所监测区域中一小片区域。倘若给系统设备添加行走轨道，让设备跟着人行走，则难以控制设备与运动员的相对速度，且难以保证系统采集信息的稳定性。因此，论文中的姿态估计方法只适合静态动作或节奏变化较慢的动作，对竞速运动缺乏适用性与实用性。(3)在现有技术2(姿态估计)中，论文对姿态的估计是使用一个三维人体表面模型对人体动作进行跟踪，通过摄像机参数将拍到的人体图像和已有的人体模型进行投影获得人体轮廓。而且根据现有技术2的论文，通过摄像机获得的图像并不能稳定的提取出人体轮廓，当运动者穿着的衣服与背景色调难以区分时，人体轮廓将会更加难以提取。如图10，测试者的黑色腰带与背景的黑色融为一体，使得人体轮廓提取错误。在获得两个投影轮廓(通过摄像机图像获得的人体轮廓和三维人体表面模型的投影轮廓)之后，需要在两者之间建立点的对应关系。但论文中并未清楚说明对应点(correspondences)的选取过程。根据论文的引用文献[33]“TheVitruvianManifold:InferringDenseCorrespondencesforOne-ShotHumanPoseEstimation”，目前存在通过轮廓寻找对应点的方法，但准确率不是很高。如图11(a)，准确率最低达到30％左右，平均准确率也只达到80％左右。这一方面说明通过投影轮廓来寻找对应点准确率低，另一方面说明方法不稳定，浮动太大。因此，现有方法2的对应点(correspondence)选取过程还存在很大的改进空间。一方面，人体轮廓的提取过程要求运动者着装与背景可以区分，这一限制使得信息采集灵活性差；另一方面，根据上述分析，通过多视角的人体轮廓来寻找对应点准确率低且稳定性不高。传统的动作识别都是对动作的定性识别，比如抬腿、举手等动作。但是像竞走、舞蹈、武术等活动对动作要求十分严格，对这些活动的研究必须定量分析，比如在竞走运动中，摆臂的高度、身体的倾斜度、行走中两腿之间的角度都会对行进速度产生影响。因此，动作识别领域缺乏定量对动作进行分析的方法。
技术实现思路
本专利技术的目的在于：为解决现有的姿态估计方法只适合静态动作或节奏变化较慢的动作，缺乏定量对动作进行分析，对竞速运动缺乏适用性与实用性，导致目前无法对竞走者同时进行姿态分析与犯规检测的问题。本专利技术的技术方案如下本文档来自技高网...

【技术保护点】
1.基于多方感知的竞走运动姿态分析方法，其特征在于，所述竞走运动姿态分析包括同时进行的人体整体姿态分析、人体脚底与地面接触状态分析；整体姿态分析通过训练好的神经网络对实时采集的三维人体表面模型进行识别，再将识别结果发送至统计模块；人体脚底与地面接触状态分析采用压力传感器进行人体脚底压力状况采集，再通过分析模块对人体脚底与地面接触状态进行分析，再将分析结果发送至统计模块；统计模块根据识别结果和分析结果统计错误动作并记录，并将结果告知竞走者。

【技术特征摘要】
1.基于多方感知的竞走运动姿态分析方法，其特征在于，所述竞走运动姿态分析包括同时进行的人体整体姿态分析、人体脚底与地面接触状态分析；整体姿态分析通过训练好的神经网络对实时采集的三维人体表面模型进行识别，再将识别结果发送至统计模块；人体脚底与地面接触状态分析采用压力传感器进行人体脚底压力状况采集，再通过分析模块对人体脚底与地面接触状态进行分析，再将分析结果发送至统计模块；统计模块根据识别结果和分析结果统计错误动作并记录，并将结果告知竞走者。2.根据权利要求1所述的基于多方感知的竞走运动姿态分析方法，其特征在于，所述人体整体姿态分析的步骤为：S1：获得跑步机上运动者的三维人体表面模型；S2：根据模型采集人体当前时刻t0的坐标信息和方向信息；S3：通过摄像机组采集竞走中下一时刻t1人体的坐标信息，通过IMUs采集竞走中下一时刻t1人体的方向信息；S4：根据t0时刻的坐标信息和方向信息、t1时刻的坐标信息和方向信息来对人体动作进行估计，从而得到下一时刻的三维人体表面模型；S5：将S3中得到的三维人体表面模型输入训练好的神经网络中进行不规范动作识别，并将识别结果输入统计模块；S6：迭代S1-S4,直至竞走运动完成。3.根据权利要求1所述的基于多方感知的竞走运动训练方法，其特征在于，所述S1的具体步骤为：对于每一个动作，先设一组变量作为运动参数向量Δx＝(Δ(θξ)Δθ1...Δθn)，Δx表示相邻两个时刻之间的一个人体动作，Δ(θξ)表示人体整体的刚体运动，Δθi表示第i个关节绕已知旋转轴转动的角度；设动作发生之前的时刻为t0，动作发生之后的时刻为t1；在人体和模型上以相同方式投射一组小光斑，对于人体的投射可采用固定的投射设备完成，对于模型的光斑投射需要根据投射设备的投射角度、投射方向等参数以相同方式投射；获取t0时刻的三维模型上投射到的一组点{pi(t0)|i＝1,2,...,m}；通过正向链接运动函数F(p(t0)；Δx)使用变量Δx将这组点变换为运动后的一组点同时，通过四个摄像机，运用双目立体视觉算法，找出t1时刻的人体上的一组对应于的点的坐标{pi(t1)|i＝1,2,...,m}；表示出t1时刻估计坐标与实际坐标之间的误差函数：4.根据权利要求3所述的基于多方感知的竞走运动训练方法，其特征在于，所述S2的具体步骤为：设惯性坐标系为FI，第i个惯性传感单元IMU坐标系为FiS，则从FiS到FI的转换是一个旋转运动，通过IMU可获得t0时刻从FI到FiS的旋转矩阵与摄像机组操作方法类似，通过正向链接运动函数F(RSI(t0)；Δx)使用变量Δx将RSI(t0)变换为运动后的坐标系变换矩阵同时，通过IMU获得t1时刻的旋转...

【专利技术属性】
技术研发人员：徐枫，陈建武，肖谋，
申请(专利权)人：北京易智能科技有限公司，
类型：发明
国别省市：北京,11