一种基于深度学习和姿态估计的攀岩动作评价系统技术方案

本发明专利技术公开了一种基于深度学习和姿态估计的攀岩动作评价系统，涉及计算机处理技术领域；包括数据采集模块、目标追踪模块、AlphaPose和神经网络算法，其评价步骤为：通过数据采集模块采集攀岩者的图片，并将其输入目标追踪模块；目标追踪模块利用YOLO进行目标在图像中进行追踪；追踪到的目标信息会经过AlphaPose的处理从而形成人体骨架图以及人体关节的坐标数据；采用神经网络算法，输入骨架坐标数据进行训练，从而得出正确的评判。本发明专利技术通过AlphaPose和神经网络算法，可对攀岩者的攀岩姿势进行教学、矫正等，避免攀岩者因攀岩姿势错误而导致攀岩事故的发生，可提高了攀岩者攀岩的安全性。

【技术实现步骤摘要】
一种基于深度学习和姿态估计的攀岩动作评价系统
本专利技术涉及计算机处理
，尤其涉及一种基于深度学习和姿态估计的攀岩动作评价系统。
技术介绍
攀岩在生活中正在变得越来越普遍，更多的人开始接触并爱上这项运动，对于那些刚刚开始这项运动的人来说，如何开始这项运动并进步会成为最大的问题。因为攀岩存在着一定的危险系数，特别是当人们在室外的无防护山壁上进行徒手攀岩时(平均死亡率高达50％)，所以正确且省力的动作技巧必不可少。攀岩动作评价系统可以帮助攀岩运动者(特别是新手)了解正确的攀岩动作并且针对他们的动作进行矫正与改进，从而避免在这项运动中因动作的失误而受伤甚至死亡，例如：2014年8月，36岁的BradParker尝试无辅助、无保护、单人徒手攀爬位于美国加州的YosemiteNationalPark(优胜美地国家公园)的MatthesCrestTraverse，失误跌落，导致死亡，2011年9月13日，27岁的AkihiraTAWAra尝试无辅助、无保护、单人徒手攀爬位于加拿大的JohnLaurie山，失误跌落，导致死亡，类似的例子在全球还本文档来自技高网...

【技术保护点】
1.一种基于深度学习和姿态估计的攀岩动作评价系统，其特征在于，包括数据采集模块、目标追踪模块、AlphaPose和神经网络算法，其评价步骤为：/nS1：通过数据采集模块采集攀岩者的图片，并将其输入目标追踪模块；/nS2：目标追踪模块利用YOLO进行目标(攀岩者)在图像中进行追踪；/nS3：追踪到的目标信息会经过AlphaPose的处理从而形成人体骨架图以及人体关节的坐标数据；/nS4：采用神经网络算法，输入骨架坐标数据进行训练，从而得出正确的评判。/n

【技术特征摘要】
1.一种基于深度学习和姿态估计的攀岩动作评价系统，其特征在于，包括数据采集模块、目标追踪模块、AlphaPose和神经网络算法，其评价步骤为：
S1：通过数据采集模块采集攀岩者的图片，并将其输入目标追踪模块；
S2：目标追踪模块利用YOLO进行目标(攀岩者)在图像中进行追踪；
S3：追踪到的目标信息会经过AlphaPose的处理从而形成人体骨架图以及人体关节的坐标数据；
S4：采用神经网络算法，输入骨架坐标数据进行训练，从而得出正确的评判。


2.根据权利要求1所述的一种基于深度学习和姿态估计的攀岩动作评价系统，其特征在于，所述数据采集模块为摄像头。


3.根据权利要求1所述的一种基于深度学习和姿态估计的攀岩动作评价系统，其特征在于，所述S2中，YOLO采用卷积神经网络为主体，目标追踪的方法为：
A1：YOLO首先将图像分为S×S的格子，如果一个目标的中心落入格子，该格子就负责检测该目标，每一个网格中预测B个Boundingbox和置信值，这些置信度分数反映了该模型对盒子是否包含目标的信心，以及它预测盒子的准确程度，然后，我们定义置信值为：
A2：如果没有目标，置信值为零，每一个boundingbox包含5个值：x，y，w，h和confidence。(x，y)坐标表示边界框相对于网格单元边界框的中心，宽度和高度是相对于整张图像预测的，confidence表示预测的box与实际边界框之间的IOU，每个网格单元还预测C个条件类别概率：PR(Classi丨Object)。
A3：这些概率是以网格包含目标为条件的，每个网格单元我们只预测的一组类别概率，而不管边界框的的数量B是多少。


4.根据权利要求1所述的一种基于深度学习和姿态估计的攀岩动作评价系统，其特征在于，所述S2中，卷积神经网络包括输入层、隐含层和输出层。


5.根据权利要求1所述的一种基于深度学习和姿态估计的...

【专利技术属性】
技术研发人员：张宜添，
申请(专利权)人：常州市中环互联网信息技术有限公司，
类型：发明
国别省市：江苏;32