【技术实现步骤摘要】
一种运动分析方法、装置、设备和存储介质
本专利技术涉及信息采集分析
,尤其涉及一种运动方法、装置、设备和存储介质。
技术介绍
基于视觉信息对人体运动进行分析是计算机视觉技术在体育领域中的重要应用之一,涉及到计算机视觉、模式识别和智能体育等多个领域的理论和技术。目前由于通过对大样本数据集进行模型训练,完成健身动作的分析,造成了需要依赖大规模的计算资源,同时通过对多种动作设置对应的评价规则得到动作评分,导致无法准确评价个性化或定制化健身动作。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术的不足,提供一种运动分析方法、装置、设备和存储介质。本专利技术解决上述技术问题的技术方案如下:一种运动分析方法,包括;根据人体姿态估计算法OpenPose和训练人员的动作视频,得到所述训练人员的第一动作集合序列;根据所述第一动作集合序列,得到所述动作视频的一维动作特征向量和二维动作特征点集;根据所述一维动作特征向量和多类分类器,得到所述动作视频的动作分类;根据所述动作分类对应的标准二维动作特征点集和所述二维动作特征点集,得到所述训练人员的动作得分。本专利技术的有益效果是:提供一种运动分析方法,通过人体姿态估计算法和训练人员的动作视频,得到动作视频的一维动作特征向量和二维动作特征点集,根据一维动作特征向量和多类分类器,得到动作视频的动作分类,根据动作分类对应的标准二维动作特征点集和二维动作特征点集,得到训练人员的动作得分,实现了无需大规模的计算资源 ...
【技术保护点】
1.一种运动分析方法,其特征在于,包括:/n根据人体姿态估计算法OpenPose和训练人员的动作视频,得到所述训练人员的第一动作集合序列;/n根据所述第一动作集合序列,得到所述动作视频的一维动作特征向量和二维动作特征点集;/n根据所述一维动作特征向量和多类分类器,得到所述动作视频的动作分类;/n根据所述动作分类对应的标准二维动作特征点集和所述二维动作特征点集,得到所述训练人员的动作得分。/n
【技术特征摘要】
1.一种运动分析方法,其特征在于,包括:
根据人体姿态估计算法OpenPose和训练人员的动作视频,得到所述训练人员的第一动作集合序列;
根据所述第一动作集合序列,得到所述动作视频的一维动作特征向量和二维动作特征点集;
根据所述一维动作特征向量和多类分类器,得到所述动作视频的动作分类;
根据所述动作分类对应的标准二维动作特征点集和所述二维动作特征点集,得到所述训练人员的动作得分。
2.根据权利要求1所述的运动分析方法,其特征在于,所述根据人体姿态估计算法OpenPose和训练人员的动作视频,得到所述训练人员的第一动作集合序列,具体包括:
利用OpenPose对所述动作视频的每帧图像进行骨架识别,得到所述训练人员的动作骨架序列,所述动作骨架序列包括关节点位置信息及对应的置信度;
从所述动作骨架序列中剔除低于预设阈值的置信度对应的关节点位置信息后,提取所述动作骨架序列中的关节点位置信息,得到所述第一动作集合序列。
3.根据权利要求2所述的运动分析方法,其特征在于,所述根据所述第一动作集合序列,得到所述动作视频的一维动作特征向量和二维动作特征点集,具体包括:
建立人体坐标系,所述人体坐标系的中心点是人体的左右髋节点连线的中点;
将所述第一动作集合序列中的关节点位置信息转换为对应所述人体坐标系的坐标信息,得到第二动作集合序列;
基于所述第二动作集合序列,确定投影区域,其中,所述投影区域覆盖所述第二动作集合序列中的关节点的所有坐标信息;
从所述投影区域中选取预设区域,得到特征区域,并根据所述特征区域所覆盖的所有关节点的坐标信息;
将所述特征区域所覆盖的所有关节点的坐标信息进行齐次坐标系下的变换,得到所述二维动作特征点集;
根据所述二维动作特征点集中的动作特征点在所述特征区域中的分布进行编码,得到所述一维动作特征向量。
4.根据权利要求3所述的运动分析方法,其特征在于,所述根据所述一维动作特征向量和多类分类器,得到所述动作视频的动作分类,具体包括:
将所述特征区域中的所述一维动作特征向量的位置分布信息进行线性编码,得到动作特征编码集;
根据所述动作特征编码集确定对应的特征向量,并将所述特征向量输入所述多类分类器,得到所述动作视频的动作分类。
5.根据权利要求3所述的运动分析方法,其特征在于,所述根据所述动作分类对应的标准二维动作特征点集和所述二维动作特征点集,得到所述训练人员的动作得分,具体包括:
将所述标准二维动作特征点集Pc和所述训练人员的二维动作特征...
【专利技术属性】
技术研发人员:李建伟,郭天晓,沈燕飞,胡庆锐,
申请(专利权)人:北京体育大学,
类型:发明
国别省市:北京;11
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。