一种人体姿态训练方法技术

本发明专利技术涉及一种人体姿态训练方法，采集教练和学员动作关键帧后，采集教练和学员的动作视频数据后，首先使用DTW算法将教练动作视频和学员动作视频的时长和时序一致，建立基于教练动作关键帧的第一特征平面组和学员动作关键帧的第二特征平面组，通过比对其法向量的夹角匹配教练动作关键帧和学员动作关键帧，再通过人体关节点的详细坐标获取第二特征平面组内的边向量的夹角并和第一特征平面组内的边向量夹角比对，确认学员动作相似度。本发明专利技术的有益之处在于提高学员训练运动效果，并确动作足够的安全，没有健康隐患。使学员能够从一个动作中，获得足够的训练体验，提高学员的训练效果。

A human posture training method

The invention relates to a human body posture training method. After collecting the key frames of the actions of the coaches and trainees, and after collecting the action video data of the coaches and trainees, first use DTW algorithm to make the time length and time sequence of the coach action video and the trainee action video consistent, establish the first feature plane group based on the key frame of the coach action and the second feature plane group based on the key frame of the trainee action, through comparison The included angle of the normal vector matches the action key frame of the coach and the student, and then obtains the included angle of the side vector in the second feature plane group through the detailed coordinates of the human joint points and compares with the included angle of the side vector in the first feature plane group to confirm the action similarity of the student. The invention has the advantages of improving the training effect of the trainees, ensuring enough safety of the action and no potential health hazard. So that students can get enough training experience from an action, and improve the training effect of students.

【技术实现步骤摘要】
一种人体姿态训练方法
本专利技术涉及运动捕捉训练评估
，特别是涉及一种人体姿态训练方法。
技术介绍
人体姿态识别是指根据一段视频或者图像，去恢复图像或视频中人体关节点位置的过程。根据图像类型，人体姿态识别算法可以划分为基于深度图的算法和直接基于RGB图像的算法。因为深度图算法对图像采集设备要求较高，导致成本较高，因此只适用于高水准的应用场合，基于RGB图像的人体姿态识别算法对设备要求较低，特别是现如今硬件设备商提供一种TOF雷达，即所谓的飞行时间法3D成像传感器，通过给目标连续发送光脉冲，然后用传感器接收从物体返回的光，通过探测光脉冲的飞行(往返)时间来得到目标物距离。因此针对比较复杂的场景，基于RGB图像的人体姿态识别算法具有很好的应用效果。而目前没有基于RGB图像的人体姿态识别训练方法，一般情况下，大都是采用在人体上安放信号发射源用来追踪人体的姿态，成本高昂，这种体育教学设备只能用于国家集训中心类的专业高级别应用和普通人使用相距万里。
技术实现思路
基于此，有必要针对当前大众市场缺乏运动训练教学方法，提供一种人体姿态训练方法，能够有效快速识别学员训练过程中动作的教练度，提高学员运动训练效果，降低训练中的安全隐患。一种人体姿态教学训练方法，包括以下步骤，S1，采集教练动作视频数据，识别教练动作关键帧，并基于若干教练动作关键帧建立教练动作数据库；S2，采集学员动作视频数据，识别学员动作关键帧，并基于若干学员动作关键帧建立学员动作数据库；S3，基于DTW算法调节学员动作数据库播放时长，使其与教练动作数据库播放时长和时序一致；S4，建立基于若干教练动作关键帧的第一特征平面组和基于若干学员动作关键帧的第二特征平面组，分别确认基于第一特征平面组的第一法向量组和基于第二特征平面组的第二法向量组，对应比较获取第一法向量组和第二法向量组的夹角组，若夹角组中的全部夹角小于或等于预设的夹角阈值，将学员动作关键帧和对应比较的教练动作关键帧匹配；若夹角组中有任一夹角大于预设的夹角阈值，不匹配学员动作关键帧和对应比较的教练动作关键帧；S5，若干学员动作关键帧和若干教练动作关键帧匹配完成后，计算第一特征平面组的第一边向量组和对应的第二特征平面组的第二边向量组的余弦相似度similarity，优选的，所述教练动作关键帧是由教练动作起始帧、教练动作中间帧和教练动作完成帧组成，所述学员动作关键帧是由学员动作起始帧、学员动作中间帧和学员动作完成帧组成。优选的，所述S4，基于TOF雷达摄像头采集教练和学员在物理空间中的二十一关节点的3D坐标，骨骼作为相邻关节点之间的连线，通过骨骼连线以及二十一关节点的3D坐标确认第一特征平面组的七个特征平面组和第二特征平面组的七个特征平面组。优选的，第一特征平面组为第一左臂特征平面P1，第一右臂特征平面P2，第一头部特征平面P3，第一胸部特征平面P4，第一髋部特征平面P5，第一左腿特征平面P6，第一右腿特征平面P7；所述第二特征平面组为第二左臂特征平面P1'，第二右臂特征平面P2'，第二头部特征平面P3'，第二胸部特征平面P4'，第二髋部特征平面P5'，第二左腿特征平面P6'，第二右腿特征平面P7'。优选的，所述S5具体为，根据所述的七个特征平面组的相邻关节点获取各个特征平面的边向量A和B，计算获取七个特征平面组边向量的余弦值，将教练动作关键帧特征平面组的边向量余弦值与对应的学员动作关键帧特征平面组的边向量余弦值进行比对。优选的，所述夹角阈值为10°。本专利技术的有益之处在于提高学员训练运动效果，并确动作足够的安全，没有健康隐患。使学员能够从一个动作中，获得足够的训练体验。获取学员原始的3视角运动视频，基于TOF雷达摄像头完成基础的通用人体骨骼和关节点的3D坐标采集，通过教练视频关键帧完成特定运动标准模板库的建立，将普通学员的训练视频进行运动骨骼数据提取和标准模板库数据比对，进行训练指导，并生成局部标示视频输出，指导学员，大幅度提高学员训练效果。附图说明图1为一种人体姿态训练方法流程示意图；图2为人体特征平面示意图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但是本专利技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似改进，因此本专利技术不受下面公开的具体实施例的限制。需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本专利技术。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。如图1所示，一种人体姿态教学训练方法，包括以下步骤，S1，采集教练教练动作视频数据，识别教练动作关键帧，并基于若干教练动作关键帧建立教练动作数据库；S2，采集学员训练运动视频数据，识别学员动作关键帧，并基于若干学员动作关键帧建立学员动作数据库。具体的，在本实施例当中，是通过TOF雷达摄像头采集教练动作视频数据和训练动作视频数据，并且，进一步约定所述教练动作关键帧是由教练动作起始帧、教练动作中间帧和教练动作完成帧组成，所述学员动作关键帧是由训练动作起始帧、训练动作中间帧和训练动作完成帧组成，进而形成完整动作序列库。S3，基于DTW算法调节学员动作数据库播放时长，使其与教练动作数据库播放时长和时序一致。具体的，DynamicTimeWarping(DTW)是一种将距离测度计算与时间规整方法结合在一起的非线性动态规整技术，使用DTW算法可实现不同时间长度视频之间时序的匹配。S4，建立基于若干教练动作关键帧的第一特征平面组和基于若干学员动作关键帧的第二特征平面组，分别确认基于第一特征平面组的第一法向量组和基于第二特征平面组的第二法向量组，对应比较获取第一法向量组和第二法向量组的夹角组，若夹角组中的全部夹角小于或等于夹角阈值，将学员动作关键帧和对应比较的教练动作关键帧匹配；若夹角组中有任一夹角大于夹角阈值，不匹配学员动作关键帧和对应比较的教练动作关键帧。具体在本实施例当中，获取教练和学员的关键帧图像后，分别确认基于教练动作关键帧图像的第一特征平面组P和基于学员动作关键帧的第二特征平面组P'，为了将教练和学员对应的动作匹配上，首先判断关键帧是否匹配，具体方法是分析教练动作关键帧的第一特征平面组的法向量V和对应的本文档来自技高网...

【技术保护点】
1.一种人体姿态教学训练方法，其特征在于：包括以下步骤，/nS1，采集教练动作视频数据，识别教练动作关键帧，并基于若干教练动作关键帧建立教练动作数据库；/nS2，采集学员动作视频数据，识别学员动作关键帧，并基于若干学员动作关键帧建立学员动作数据库；/nS3，基于DTW算法调节学员动作数据库播放时长，使其与教练动作数据库播放时长和时序一致；/nS4，建立基于若干教练动作关键帧的第一特征平面组和基于若干学员动作关键帧的第二特征平面组，分别确认基于第一特征平面组的第一法向量组和基于第二特征平面组的第二法向量组，对应比较获取第一法向量组和第二法向量组的夹角组，若夹角组中的全部夹角小于或等于预设的夹角阈值，将学员动作关键帧和对应比较的教练动作关键帧匹配；若夹角组中有任一夹角大于预设的夹角阈值，不匹配学员动作关键帧和对应比较的教练动作关键帧；/nS5，若干学员动作关键帧和若干教练动作关键帧匹配完成后，计算第一特征平面组的第一边向量组和对应的第二特征平面组的第二边向量组的余弦相似度similarity，/n

【技术特征摘要】
1.一种人体姿态教学训练方法，其特征在于：包括以下步骤，
S1，采集教练动作视频数据，识别教练动作关键帧，并基于若干教练动作关键帧建立教练动作数据库；
S2，采集学员动作视频数据，识别学员动作关键帧，并基于若干学员动作关键帧建立学员动作数据库；
S3，基于DTW算法调节学员动作数据库播放时长，使其与教练动作数据库播放时长和时序一致；
S4，建立基于若干教练动作关键帧的第一特征平面组和基于若干学员动作关键帧的第二特征平面组，分别确认基于第一特征平面组的第一法向量组和基于第二特征平面组的第二法向量组，对应比较获取第一法向量组和第二法向量组的夹角组，若夹角组中的全部夹角小于或等于预设的夹角阈值，将学员动作关键帧和对应比较的教练动作关键帧匹配；若夹角组中有任一夹角大于预设的夹角阈值，不匹配学员动作关键帧和对应比较的教练动作关键帧；
S5，若干学员动作关键帧和若干教练动作关键帧匹配完成后，计算第一特征平面组的第一边向量组和对应的第二特征平面组的第二边向量组的余弦相似度similarity，





2.如权利要求1所述的一种人体姿态教学训练方法，其特征在于：所述教练动作关键帧是由教练动作起始帧、教练动作中间帧和教练动作完成帧组成，所述学员动作关键帧是由学员动作起始帧、学员动作中间帧和学员动作完成帧组成。

【专利技术属性】
技术研发人员：余锴，李真龙，吴爱紫，周小宇，
申请(专利权)人：深圳特蓝图科技有限公司，
类型：发明
国别省市：广东;44