一种肢体动作识别与纠正辅助训练系统及方法技术方案

本发明专利技术涉及一种肢体动作识别与纠正辅助训练系统及方法，其利用仿真产生的大数据集训练深度神经网络，再使用真实采集的数据进行迁移学习，进而建立准确的动作姿势分析神经网络模型；同时，本发明专利技术仅利用单一的惯性传感器获取训练者的双脚传感器数据或双手传感器数据，并将该双脚或双手传感器数据的时间序列作为跑步识别模型的输入，从而分析出训练者在运动过程中存在的姿势不规范的问题并给出纠正建议，能够在一定程度上帮助训练者预防、减轻运动损伤，帮助训练者培养良好的运动姿势。

【技术实现步骤摘要】
一种肢体动作识别与纠正辅助训练系统及方法
本专利技术涉及健身辅助训练、运动康复、肢体动作学习训练等领域，具体涉及一种肢体动作识别与纠正辅助训练系统及方法。
技术介绍
在体育健身、运动康复等领域，学习正确的肢体运动动作过程中，练习者通常依赖于教练的反馈。若能自动评判运动动作的正确性，将能加快学习进度，降低学习成本。当前有一些常见的运动训练辅助类应用，一般只能提供一些简单的分析记录，无法对动作准确性进行打分，对错误动作进行有效识别。也有一些运动辅助类应用采用视频分析的方法来识别动作的准确性，这限制了运动的范围，特别是无法应用于一些户外运动。有鉴于此，本专利技术人提出了一种可以对跑步、哑铃等运动的动作姿势进行分析并给出建议的辅助训练系统。该系统使用简便，仅需配戴单个惯性传感器，对运动的约束较小。同时该系统采用3D动画模拟技术生成的仿真数据训练动作评估模型，减少了动作训练所需的数据量。
技术实现思路
本专利技术的目的在于提供一种肢体动作识别与纠正辅助训练系统及方法，其通过分析训练者在运动过程中存在的姿势不规范的问题并给出纠正建议，从而帮助训练者预防、减轻运动损伤，帮助训练者培养良好的运动姿势。为实现上述目的，本专利技术采用的技术方案是：一种肢体动作识别与纠正辅助训练系统，包括可穿戴设备、用户终端设备和云服务器，所述可穿戴设备佩戴于训练者的足部和/或手部，其设有惯性传感器以及连接惯性传感器的第一通讯模块，惯性传感器，用于采集训练者运动状态下的运动数据，并通过第一通讯模块传递至用户终端设备；所述用户终端设备设有肢体姿态动作分析模块、第二通讯模块和语音提示模块；所述第二通讯模块与第一通讯模块连接，用于接收惯性传感器采集到的运动数据；所述肢体姿态动作分析模块连接第二通讯模块以获取运动数据，并通过机器学习算法模型对采集到的运动数据进行加工处理和统计分析，识别判断训练者的动作姿态；所述语音提示模块连接肢体姿态动作分析模块，当肢体动作姿态分析模块识别出训练者的错误运动姿势时，语音识别模块进行语音播报提示；所述云服务器连接用户终端的肢体姿态动作分析模块，该云服务器用于训练动作姿势分析神经网络模型，将训练好的神经网络参数传输给用户终端，存储训练者的运动数据并进行统计分析。所述用户终端设备还设有肢体动作统计分析模块，所述肢体动作统计分析模块连接第二通讯模块以获取传感器数据，并根据传感器数据获取训练者的运动统计量，该运动统计量包括动作频率、平均持续时间、最快最慢动作时间；所述肢体动作统计分析模块还连接语音提示模块，当运动统计量超过设定范围时，语音提示模块进行语音播报提示；所述肢体动作统计分析模块还连接云服务器，用于将训练者的运动统计量发送至云服务器中进行存储。一种肢体动作识别与纠正辅助训练方法，其采用如上所述的肢体动作识别与纠正辅助训练系统实现，其包括以下步骤：步骤1、动作姿势分析神经网络模型训练步骤1.1、获取运动姿势训练集数据构造出可调整各部分骨骼比例的人体模型，并控制各部分骨骼运动，针对每一种运动，模拟出各种身体比例不同人的同一动作姿势的正确及各种错误姿势的3D动作模拟动画模板；根据这些动画模板，生成带有一定随机性的动作动画，并利用其生成足够数量的双脚或双手的运动仿真数据，并将其作为运动姿势训练集数据；同时，将搭载有惯性传感器的可穿戴设备佩戴于教练的足部和/或手部，采集教练示范的正确运动姿势下和常见错误运动姿势下的传感器数据，并将其加入运动姿势训练集数据中；步骤1.2、利用步骤1.1得到的运动姿势训练集数据对包含LSTM层的动作姿势分析神经网络进行训练，获取动作姿势分析神经网络模型；具体如下：首先，使用仿真得到的运动仿真数据的时间序列作为动作姿势分析神经网络的输入，从而对该神经网络进行训练，生成识别不同运动类型及识别同一运动类型的运动姿势识别网络模型，并利用该神经网络提取动作姿势识别的特征，然后根据定义的打分公式进行动作正确性评估；然后，使用迁移学习算法，将真实采集的传感器数据的时间序列作为动作姿势分析神经网络模型的输入，对用模拟数据训练生成的神经网络模型继续进行训练，调节神经网络的参数，生成适合人体真实运动的动作姿势分析神经网络模型，并将此模型的参数传输到用户终端设备上；最后，在用户使用时，可以根据用户的数据进一步训练调整，生成适应个人动作的动作姿势分析神经网络模型；步骤2、运动姿势识别步骤2.1、训练者在进行运动时，将搭载惯性传感器的可穿戴设备佩戴于训练者的足部和/或手部，然后通过惯性传感器实时采集训练者在运动状态下的传感器数据，并通过第一通讯模块传送给用户终端设备；步骤2.2、用户终端设备中的运动姿势分析模块根据步骤2.1中得到的传感器数据，并将传感器数据的时间序列输入到步骤1训练得到的适应适合人体真实运动或个人动作的动作姿势分析神经网络模型中进行评估，从而给出训练者的运动姿势与正确动作的相似程度；步骤3、当动作姿势分析神经网络模型给出训练者的运动姿势分值较低时，触发语音提示模块进行语音播报，提醒训练者注意姿势纠正。在识别运动姿势的同时，用户终端设备中的肢体动作统计分析模块根据双脚或双手传感器数据获取训练者的动作频率、平均持续时间、最快最慢动作时间等运动统计量；当训练者的运动统计量超过设定范围时，触发语音提示，提醒使用者注意纠正。采用上述方案后，本专利技术利用仿真产生的大数据集训练深度神经网络，再使用真实采集的数据进行迁移学习，进而建立准确的动作姿势分析神经网络模型；同时，本专利技术仅利用单一的惯性传感器获取训练者的双脚传感器数据或双手传感器数据，并将该双脚或双手传感器数据的时间序列作为跑步识别模型的输入，从而分析出训练者在运动过程中存在的姿势不规范的问题并给出纠正建议，能够在一定程度上帮助训练者预防、减轻运动损伤，帮助训练者培养良好的运动姿势。附图说明图1为本专利技术之肢体动作识别与纠正辅助训练系统的结构框图；图2为本专利技术之肢体动作识别与纠正辅助训练方法的流程图；图3为本专利技术之肢体动作识别与纠正辅助训练方法的动作姿势分析神经网络模型训练流程图；图4为本专利技术之具体实施例的跑步辅助训练方法的流程图；图5为本专利技术之具体实施例的人体模型的骨骼构建示意图。具体实施方式如图1所示，本专利技术揭示了一种肢体动作识别与纠正辅助训练系统，包括可穿戴设备、用户终端设备、云服务器和肢体动作统计分析模块。其中，可穿戴设备佩戴于训练者的足部和/或手部，其设有惯性传感器以及连接惯性传感器的第一通讯模块，惯性传感器，用于采集训练者运动状态下的运动数据(加速度、角速度及方向等)，并通过第一通讯模块传递至用户终端设备；用户终端设备设有肢体姿态动作分析模块、第二通讯模块和语音提示模块；所述第二通讯模块与第一通讯模块连接，用于接收惯性传感器采集到的运动数据；所述肢体姿态动作分析模块连接第二通讯模块以获取运动数据，并通过机器学习算法模型对采集到的运动数据进行加工处理和统计分析，识别判断训练者的动作姿态；所述语音提示模块连接肢体姿态动作分析模块，当肢体动作姿态分析模块识别出训练者的错误运动姿势时，语音识别模块进行语音播报提示；云服务器连接用户终端的肢体姿态动作分析模块，该云服务器用于训练动作姿势分析神经网络模型，将训练好的神经网络参数传输给用户终端，存储训练者的运动数据并进行统计本文档来自技高网...

【技术保护点】
1.一种肢体动作识别与纠正辅助训练系统，包括可穿戴设备、用户终端设备和云服务器，其特征在于：所述可穿戴设备佩戴于训练者的足部和/或手部，其设有惯性传感器以及连接惯性传感器的第一通讯模块，惯性传感器，用于采集训练者运动状态下的运动数据，并通过第一通讯模块传递至用户终端设备；所述用户终端设备设有肢体姿态动作分析模块、第二通讯模块和语音提示模块；所述第二通讯模块与第一通讯模块连接，用于接收惯性传感器采集到的运动数据；所述肢体姿态动作分析模块连接第二通讯模块以获取运动数据，并通过机器学习算法模型对采集到的运动数据进行加工处理和统计分析，识别判断训练者的动作姿态；所述语音提示模块连接肢体姿态动作分析模块，当肢体动作姿态分析模块识别出训练者的错误运动姿势时，语音识别模块进行语音播报提示；所述云服务器连接用户终端的肢体姿态动作分析模块，该云服务器用于训练动作姿势分析神经网络模型，将训练好的神经网络参数传输给用户终端，存储训练者的运动数据并进行统计分析。

【技术特征摘要】
1.一种肢体动作识别与纠正辅助训练系统，包括可穿戴设备、用户终端设备和云服务器，其特征在于：所述可穿戴设备佩戴于训练者的足部和/或手部，其设有惯性传感器以及连接惯性传感器的第一通讯模块，惯性传感器，用于采集训练者运动状态下的运动数据，并通过第一通讯模块传递至用户终端设备；所述用户终端设备设有肢体姿态动作分析模块、第二通讯模块和语音提示模块；所述第二通讯模块与第一通讯模块连接，用于接收惯性传感器采集到的运动数据；所述肢体姿态动作分析模块连接第二通讯模块以获取运动数据，并通过机器学习算法模型对采集到的运动数据进行加工处理和统计分析，识别判断训练者的动作姿态；所述语音提示模块连接肢体姿态动作分析模块，当肢体动作姿态分析模块识别出训练者的错误运动姿势时，语音识别模块进行语音播报提示；所述云服务器连接用户终端的肢体姿态动作分析模块，该云服务器用于训练动作姿势分析神经网络模型，将训练好的神经网络参数传输给用户终端，存储训练者的运动数据并进行统计分析。2.根据权利要求1所述的一种肢体动作识别与纠正辅助训练系统，其特征在于：所述用户终端设备还设有肢体动作统计分析模块，所述肢体动作统计分析模块连接第二通讯模块以获取传感器数据，并根据传感器数据获取训练者的运动统计量，该运动统计量包括动作频率、平均持续时间、最快最慢动作时间；所述肢体动作统计分析模块还连接语音提示模块，当运动统计量超过设定范围时，语音提示模块进行语音播报提示；所述肢体动作统计分析模块还连接云服务器，用于将训练者的运动统计量发送至云服务器中进行存储。3.一种肢体动作识别与纠正辅助训练方法，其特征在于：所述方法采用如权利要求1所述的肢体动作识别与纠正辅助训练系统实现，其包括以下步骤：步骤1、动作姿势分析神经网络模型训练步骤1.1、获取运动姿势训练集数据构造出可调整各部分骨骼比例的人体模型，并控制各部分骨骼运动，针对每一种运动，模拟出各种身体比例不同人的同一动作姿势的正确及各种错误姿势的3D动作模拟动画模板；根据这些动画模板，生成带有一定随机性的动作动画，并利用其生成足够数量的双脚或双手的运动...

【专利技术属性】
技术研发人员：郑灵翔，党心悦，林欣，韩泽宇，江俊毅，林紫涵，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建,35