一种基于机器视觉的人体动作打分方法技术

本发明专利技术公开了一种基于机器视觉的人体动作打分方法，包括：根据用户选取的动作类别获取动作特征方案，对图像采集角度和位置进行初始校正；获取用户动作的实际图像，根据所述动作特征方案提取实际图像中对应的关键特征点，所述关键特征点包括头部、颈部、肩部、胸、腹、手肘、手腕、手、臀部、膝盖、脚裸、脚或道具的特征点；根据所述动作特征方案连接对应关键特征点生成特征连线，所述特征连线包括头颈、颈肩、胸腹、上臂、下臂、大腿、小腿、脚部或手与道具的特征连线；根据实际图像与标准图像中对应特征连线的匹配度，确定人体动作评分。本发明专利技术具有高可靠性和易用性，提升了用户的使用体验。

【技术实现步骤摘要】
一种基于机器视觉的人体动作打分方法
本专利技术涉及自动化检测装置领域，尤其涉及一种基于机器视觉的人体动作打分方法。
技术介绍
随着人们生活水平的提高，舞蹈、武术或健身等体育活动逐渐成为人们强身健体、丰富业余生活的一种选择，然而，出于动作的美观性、高效性和安全性的考虑，人体动作的规范性显得尤为重要，目前的人体动作评价方法适用面单一，无法满足不同人群对不同体育活动的指导需求。同时，由于目前的人体动作评价方法通常基于二维图片，无法客观准确的反应三维空间内人体活动的标准程度，以杠铃卧推举为例，杠铃在最高点和最低点的水平位置、双手握宽、腰部和胸部的姿态、肘部与躯干的距离都影响动作的效率和安全性，单靠二维平面的动作指导不仅影响其可靠性，也容易带来安全隐患。
技术实现思路
为克服现有的人体动作评价方法适用面窄、可靠性低、存在安全隐患的问题，本专利技术实施例提供了一种基于机器视觉的人体动作打分方法，包括：根据用户选取的动作类别获取动作特征方案，对图像采集角度和位置进行初始校正；获取用户动作的实际图像，根据所述动作特征本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的人体动作打分方法，其特征在于，包括：/n根据用户选取的动作类别获取动作特征方案，对图像采集角度和位置进行初始校正；/n获取用户动作的实际图像，根据所述动作特征方案提取实际图像中对应的关键特征点，所述关键特征点包括头部、颈部、肩部、胸、腹、手肘、手腕、手、臀部、膝盖、脚裸、脚或道具的特征点；/n根据所述动作特征方案连接对应关键特征点生成特征连线，所述特征连线包括头颈、颈肩、胸腹、上臂、下臂、大腿、小腿、脚部或手与道具的特征连线；/n根据实际图像与标准图像中对应特征连线的匹配度，确定人体动作评分。/n

【技术特征摘要】
1.一种基于机器视觉的人体动作打分方法，其特征在于，包括：
根据用户选取的动作类别获取动作特征方案，对图像采集角度和位置进行初始校正；
获取用户动作的实际图像，根据所述动作特征方案提取实际图像中对应的关键特征点，所述关键特征点包括头部、颈部、肩部、胸、腹、手肘、手腕、手、臀部、膝盖、脚裸、脚或道具的特征点；
根据所述动作特征方案连接对应关键特征点生成特征连线，所述特征连线包括头颈、颈肩、胸腹、上臂、下臂、大腿、小腿、脚部或手与道具的特征连线；
根据实际图像与标准图像中对应特征连线的匹配度，确定人体动作评分。


2.如权利要求1所述的人体动作打分方法，其特征在于，所述根据实际图像与标准图像中对应特征连线的匹配度，确定人体动作评分的步骤，包括：
根据实际图像中对应特征连线的夹角值，生成第一数据集；
根据标准图像中对应特征连线的夹角值，生成第二数据集；
根据第一数据集和第二数据集中对应夹角值的差值，确定人体动作评分。


3.如权利要求2所述的人体动作打分方法，其特征在于，所述实际图像为连续时间的实际图像，所述根据第一数据集和第二数据集中对应夹角值的差值，确定人体动作评分的步骤，包括：
确定实际图像中的关键帧和过渡帧；
根据第一数据集和第二数据集中对应关键帧的夹角值差值，生成第一评分S1；
根据第一数据集和第二数据集中对应过渡帧的夹角值差值，生...

【专利技术属性】
技术研发人员：石晓冬，张红旗，杨德战，
申请(专利权)人：影子江湖文化北京有限公司，
类型：发明
国别省市：北京;11