一种基于卷积神经网络的人体运动姿态自动检测方法技术

本发明专利技术公开了一种基于卷积神经网络的人体运动姿态自动检测方法，步骤包括：采集运动图像并进行预处理；分割人体图像与场景图像；提取人体关键点信息；基于关键点生成特征向量；计算特征向量夹角；调用神经网络诊断模型判定运动姿态。本发明专利技术提出基于卷积神经网络模型进行人体运动姿态的实时诊断，所设计方法适用于不同运动场景和多种人体动作，解决了普通人群由于缺乏专业培训而无法判断运动姿态是否错误的难题，为提升普通人群运动质量提供了一种可行的低成本解决方案。

【技术实现步骤摘要】
一种基于卷积神经网络的人体运动姿态自动检测方法
本专利技术属于人工智能领域，具体地说是涉及一种用于人体运动姿态自动检测和判定的方法。
技术介绍
随着社会的发展以及国民健康意识的增强，越来越多的人开始选择在工作之余参与各类运动。普通人群由于缺乏专业培训无法及时发现并纠正自身运动姿势的错误，不仅影响运动效果，还可能带来不必要的身体损害。聘请专业教练进行指导可以有效解决以上问题，但相关辅导费用及其昂贵。因此，开发一种智能化、低成本的运动姿态自动检测技术将有助于提升国民的运动质量，降低运动风险。研究人员针对人体运动姿态的检测和判定提出了多种可行方法。专利CN110743153A、CN110478883A基于多传感器实时数据进行姿态计算，系统稳定可靠，但部署成本高、难度大。专利CN110188599A、CN110163038A针对连续运动过程中人体关节点位置图像，基于深度学习模型进行运动姿态判定，但由于需针对不同姿态分别建模，该方法通用性不强且预测准确度较低。专利CN110298218A、CN110170159A提取运动图像中人体关节点夹本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的人体运动姿态自动检测方法，包括：采集运动图像并进行预处理；分割人体图像与场景图像；提取人体关键点信息；基于关键点生成特征向量；计算特征向量夹角；调用神经网络诊断模型判定运动姿态。/n

【技术特征摘要】
1.一种基于卷积神经网络的人体运动姿态自动检测方法，包括：采集运动图像并进行预处理；分割人体图像与场景图像；提取人体关键点信息；基于关键点生成特征向量；计算特征向量夹角；调用神经网络诊断模型判定运动姿态。


2.根据权利要求1所述的一种基于卷积神经网络的人体运动姿态自动检测方法，其特征在于：所述图像预处理操作包括灰度化、滤波、形态学处理、二值化及像素调整。


3.根据权利要求1所述的一种基于卷积神经网络的人体运动姿态自动检测方法，其特征在于：利用基于神经网络的语义分割技术将人体图像与场景图像进行切割。


4.根据权利要求1所述的一种基于卷积神经网络的人体运动姿态自动检测方法，其特征在于：针对半身或全身躺卧姿态，通过计算鼻子和脚踝的坐标关系判断人体头部朝向。令(x1,y1)为鼻子，(x17,y17)为左踝，(x18,y18)为右踝，当x17/18-x1>0时，头部朝左；当x17/18-x1<0时，头部朝右。针对半身或全身直立姿态，通过计算左肩和右肩的坐标关系判断人体是否面向摄像头。令(...

【专利技术属性】
技术研发人员：张博，方祝平，邓安宁，邓黎，赵文昊，
申请(专利权)人：成都工业学院，
类型：发明
国别省市：四川;51