一种运动员辅助训练数据获取方法、装置及电子设备制造方法及图纸

本发明专利技术公开了一种运动员辅助训练数据获取方法、装置及电子设备，所述方法包括：获取运动员的运动图像，通过卷积神经网络从运动图像中提取运动员的骨架矩阵，根据骨架矩阵构建出运动员的三维人体模型，从预先建立的数据库中获取与所述三维人体模型对应的标准人体运动数据，根据三维人体模型和标准人体运动数据，获得运动员的辅助训练数据。解决了现有技术中存在的不能快速地获得、准确、有效的运动员的运动信息的技术问题，达到了可以快速地获得、准确、有效的运动员的运动信息的技术效果。

【技术实现步骤摘要】
一种运动员辅助训练数据获取方法、装置及电子设备
本专利技术涉及信息
，具体涉及一种运动员辅助训练数据获取方法、装置及电子设备。
技术介绍
随着计算机技术的发展以及机器学习技术的兴起，运动识别技术也呈现井喷式的发展，运动识别技术在辅助训练领域有很大的应用价值，例如应用于体育运动、舞蹈等领域。在传统的训练中单凭教练员的肉眼和经验对运动员的训练动作进行评估，不能快速地获得、准确、有效的运动员的运动信息，从而不能快速、准确、有效地对运动员的训练动作进行评估。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的运动员辅助训练数据获取方法、装置及电子设备。第一方面，本专利技术实施例提供了一种运动员辅助训练数据获取方法，包括：获取运动员的运动图像；通过卷积神经网络从所述运动图像中提取所述运动员的骨架矩阵；根据所述骨架矩阵构建出所述运动员的三维人体模型；从预先建立的数据库中获取与所述三维人体模型对应的标准人体运动数据；根据所述三维人体模型和所述标准人体运动数据，获得所述运动员的辅助训练数据。可选的，所述卷积神经网络的建立方法，包括：建立包括10个卷积层本文档来自技高网...

【技术保护点】
1.一种运动员辅助训练数据获取方法，其特征在于，包括：获取运动员的运动图像；通过卷积神经网络从所述运动图像中提取所述运动员的骨架矩阵；根据所述骨架矩阵构建出所述运动员的三维人体模型；从预先建立的数据库中获取与所述三维人体模型对应的标准人体运动数据；根据所述三维人体模型和所述标准人体运动数据，获得所述运动员的辅助训练数据。

【技术特征摘要】
1.一种运动员辅助训练数据获取方法，其特征在于，包括：获取运动员的运动图像；通过卷积神经网络从所述运动图像中提取所述运动员的骨架矩阵；根据所述骨架矩阵构建出所述运动员的三维人体模型；从预先建立的数据库中获取与所述三维人体模型对应的标准人体运动数据；根据所述三维人体模型和所述标准人体运动数据，获得所述运动员的辅助训练数据。2.如权利要求1所述的方法，其特征在于，所述卷积神经网络的建立方法，包括：建立包括10个卷积层的第一卷积池化层，其中，所述10个卷积层包括4个9*9卷积层、3个2*池化层、1个5*5卷积层和2个1*1卷积层，其中，所述10个卷积层依照所述9*9卷积层、所述2*池化层、所述9*9卷积层、所述2*池化层、所述9*9卷积层、所述2*池化层、所述5*5卷积层、所述9*9卷积层、所述1*1卷积层和所述1*1卷积层的次序连接；建立包括12个卷积层的第二卷积池化层，其中，所述12个卷积层包括4个9*9卷积层、3个2*池化层、1个5*5卷积层、3个11*11卷积层和2个1卷积层，其中，所述12个卷积层依照所述9*9卷积层、所述2*池化层、所述9*9卷积层、所述2*池化层、所述9*9卷积层、所述2*池化层、所述5*5卷积层、所述9*9卷积层、所述11*11卷积层、所述11*11卷积层、所述11*11卷积层、所述1*1卷积层和所述1*1卷积层的次序连接；将所述第一卷积池化层和所述第二卷积池化层连接，获得卷积神经网络框架；获取运动图像训练样本；基于所述运动图像训练样本对所述卷积神经网络框架进行训练，获得所述卷积神经网络。3.如权利要求2所述的方法，其特征在于，所述基于所述运动图像训练样本对所述卷积神经网络框架进行训练，获得所述卷积神经网络，包括：将所述运动图像训练样本输入所述第一卷积池化层中，获得第一输出数据；将测试图像数据和所述第一输出数据输入所述第二卷积池化层中，获得第二输出数据；判断所述第二输出数据是否满足输出条件；若是，以所述第二输出数据作为所述卷积神经网络的输出结果。4.如权利要求1所述的方法，其特征在于，所述数据库的建立方法，包括：获取人体运动三维模型数据集，其中，所述人体运动三维模型包括多个所述标准人体运动数据；基于机器学习的方法，对多个所述标准人体运动数据进行聚类，获得M个类别的标准人体运动数据；对所述...

【专利技术属性】
技术研发人员：宋扬，苏睿聪，陈星，白璐，
申请(专利权)人：北京首钢自动化信息技术有限公司，
类型：发明
国别省市：北京,11