【技术实现步骤摘要】
基于人体及骨骼关键点识别的仰卧起坐检测系统及方法
本专利技术涉及仰卧起坐检测
，尤其涉及基于人体及骨骼关键点识别的仰卧起坐检测系统及方法。
技术介绍
目前进行仰卧起坐检测的方案比较多，包括：（1）人工判断的方式，需要通过个人来判断是否完成一次仰卧起坐。（2）申请号为201820875504.1的一种仰卧起坐测试仪，包括主机和床体，所述主机与所述床体无线连接，所述床体包括床板、触压感应装置、第一支架和第二支架、红外线发射装置、红外线接收装置、勾脚板、伸缩调节，触压感应装置检测人体躺下时是否双肩触垫，双肘遮挡红外线的位置，判断被测试者是否完成了一次仰卧起坐动作。（3）申请号为201420466088.1仰卧起坐测试仪，包括主机、测试部和测试平台，所述主机中设有控制部，所述测试部和测试平台均与所述控制部相连，借助腹带等紧固装置将测试部固定在被测者的胸部，通过光电传感器记录被测者身体。但以上现有技术中的各个仰卧起坐检测方法存在如下弊端：（1）人工判断的方式需要耗费人力，并且精度较低；（2）红外线测试方式，普通红...
【技术保护点】
1.基于人体及骨骼关键点识别的仰卧起坐检测系统，其特征在于，包括：/n图像采集模块，采用高清摄像头逐帧采集被测试者在测试时间段内的视频图像；/n图像识别模块，提取并识别连续帧中的被测试者的人体框和人体骨骼关键点，初始化时以腰部关键点与肩部关键点构成的直线作为相对水平线；/n动作检测模块，检测连续帧中的被测试者人体骨骼关键点中腰部关键点与肩部关键点构成的直线与相对水平线构成的夹角变化情况来判断被测试者为躺下或者坐立或者处于由躺下到坐立及坐立到躺下的过程中；/n仰卧起坐行为识别模块，基于注意力机制、LSTM训练仰卧起坐行为识别深度学习模型，识别输入的一段帧序列是否为一次仰卧起坐...
【技术特征摘要】
1.基于人体及骨骼关键点识别的仰卧起坐检测系统，其特征在于，包括：
图像采集模块，采用高清摄像头逐帧采集被测试者在测试时间段内的视频图像；
图像识别模块，提取并识别连续帧中的被测试者的人体框和人体骨骼关键点，初始化时以腰部关键点与肩部关键点构成的直线作为相对水平线；
动作检测模块，检测连续帧中的被测试者人体骨骼关键点中腰部关键点与肩部关键点构成的直线与相对水平线构成的夹角变化情况来判断被测试者为躺下或者坐立或者处于由躺下到坐立及坐立到躺下的过程中；
仰卧起坐行为识别模块，基于注意力机制、LSTM训练仰卧起坐行为识别深度学习模型，识别输入的一段帧序列是否为一次仰卧起坐行为；
判断与计数模块，判断与记录被测试者在测试时间内完成的仰卧起坐的次数；以及
数据显示模块，显示被测试者在测试时间内完成的仰卧起坐的次数。
2.根据权利要求1所述的基于人体及骨骼关键点识别的仰卧起坐检测系统，其特征在于，所述判断与计数模块包括开始状态判断单元、上升状态判断单元、计数单元和下降状态判断单元；识别被测试者人体框，计算人体框对角线与底线的夹角，记为；检测连续帧中的被测试者人体骨骼关键点中腰部关键点与肩部关键点构成的直线与相对水平线构成的夹角，记为，其中：
所述开始状态判断单元，当判定状态为“未开始”情况下，检测到当且时，记录测试状态为“开始”；
所述上升状态判断单元，当判定状态为“开始”情况下，检测到且时，记录测试状态为“上升”；
所述计数单元，当判定状态为“上升”情况下，检测到且，认定完成了一个仰卧起坐并记录测试状态为“计数”；
所述下降状态判断单元，当判定状态为“计数”情况下，检测到且时，记录测试状态为“下降”，直至值再次小于且再次小于，将测试状态更新为“开始”。
3.根据权利要求1所述的基于人体及骨骼关键点识别的仰卧起坐检测系统，其特征在于，所述被测试者包括单人或者多人。
4.根据权利要求3所述的基于人体及骨骼关键点识别的仰卧起坐检测系统，其特征在于，所述被测试者为多人时，检测过程中，通过人体跟踪算法，跟踪连续帧中相同人，以区分不同的人实现同时检测多人的仰卧起坐动作并进行计数。
5.根据权利要求1所述的基于人体及骨骼关键点识别的仰卧起坐检测系统，其特征在于，所述测试时间针对学生测试是一分钟。
6.根据权利要求1所述的基于人体及骨骼关键点识别的仰卧起坐检测系统，其特征在于，所述仰卧起坐行为识别模块中基于注意力机制、LSTM的仰卧起坐行为识别深...
【专利技术属性】
技术研发人员：韦洪雷，梁锐，张健，刘晨，李相俊，蒲茂武，甯航，申浩，邹琳，
申请(专利权)人：西南交通大学，四川乐健梦想家科技有限公司，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。