基于多维度运动能力识别的训练方法、系统、终端及介质技术方案

本发明专利技术公开了基于多维度运动能力识别的训练方法，其技术方案要点是：构建由多个标准动作数据组成的动作库；采集训练对象的运动图像信息，在提取的关键帧中对应标定关键节点、中间节点；根据关键帧中关键节点的运动变换状态模拟计算关键帧的运动矢量，参考中间节点对运动矢量分析计算得到训练对象练习对应标准动作的柔韧性、敏捷度以及力量的能力值；根据标准能力值判断训练对象的能力值是否合格，并根据不合格的运动能力从动作库选取相应的视频流后生成训练计划。通过对训练对象的柔韧性、敏捷度、力量进行多维度运动能力识别与分析，能够准确的根据训练对象的缺陷有针对性的训练，训练的目的性误差小，显著提高了训练效果。

【技术实现步骤摘要】
基于多维度运动能力识别的训练方法、系统、终端及介质
本专利技术涉及智能健身
，更具体地说，它涉及基于多维度运动能力识别的训练方法、系统、终端及介质。
技术介绍
在如今全民互联网时代，互联网会占用生活的大部分时间，同时随着生活节奏的加快，越来越多人的身体处于亚健康状态，但是又很难抽出时间进行户外运动，大多选择在家里自己对照网上的运动教程进行运动健身，由于缺乏专业指导，健身训练效果不显著，通过选择智能设备进行辅导训练。然而，训练对象在健身训练过程中，现有的智能健身设备无法根据训练对象的缺陷有针对性的训练，其训练的目的性误差大，导致训练效果不理想。因此，如何研究设计一种基于多维度运动能力识别的训练方法、系统、终端及介质是我们目前急需解决的问题。
技术实现思路
为解决现有智能健身设备无法根据训练对象的缺陷有针对性的训练，其训练的目的性误差大，导致训练效果不理想的问题，本专利技术的目的是提供基于多维度运动能力识别的训练方法、系统、终端及介质。本专利技术的上述技术目的是通过以下技术方案得以实现的：第一方面，提供了基于多维度运动能力识别的训练方法，包括以下步骤：构建由多个标准动作数据组成的动作库，每个标准动作数据分为柔韧性讲解视频流、敏捷度训练视频流、力量训练视频流；采集训练对象的运动图像信息，并从运动图像信息提取对应标准动作的至少三个关键帧，以及在关键帧中对应标定关键节点、位于相邻关键节点之间均匀分布的中间节点；根据关键帧中关键节点的运动变换状态模拟计算关键帧的运动矢量，参考中间节点对运动矢量分析计算得到训练对象练习对应标准动作的柔韧性、敏捷度以及力量的能力值；根据标准能力值判断训练对象的能力值是否合格，并根据不合格的运动能力从动作库选取相应的视频流后生成训练计划。进一步的，所述柔韧性的能力值分析计算具体为：根据关键帧中关键节点的运动矢量构建空间运动曲线图；以当前关键帧中关键节点之间的中间节点数量与标准关键帧中关键节点之间中间节点数量的比值对空间动曲线图进行拉伸或压缩变换后得到空间仿真曲线图；将空间仿真曲线图与标准空间曲线图进行对比分析，计算得到关键节点在关键帧时间轴上位移偏量；根据标准位移误差对位移偏量进行整体误差消除后计算得到关键节点的柔韧性能力值。进一步的，所述敏捷度的能力值分析计算具体为：根据空间仿真曲线图与标准空间曲线图计算当前关键帧中关键节点与标准关键帧中关键节点的位移量；根据关键帧时间轴计算得到各个时间段内关键节点的运动速率；根据标准速率误差对运动速率进行整体误差消除后计算得到关键节点的敏捷度能力值。进一步的，所述力量的能力值分析计算具体为：根据预定时间间隔在关键帧时间轴上采集当前关键帧前后至少一个波动帧；根据当前关键帧、波动帧中关键节点的运动矢量计算对应的振幅、振动频率；根据振幅、振动频率生成波动曲线图，通过对波动曲线图分析得到关键节点的表示稳定性的力量能力值。第二方面，提供了基于多维度运动能力识别的训练系统，包括：动作库构建模块，构建由多个标准动作数据组成的动作库，每个标准动作数据分为柔韧性讲解视频流、敏捷度训练视频流、力量训练视频流；图像处理模块，采集训练对象的运动图像信息，并从运动图像信息提取对应标准动作的至少三个关键帧，以及在关键帧中对应标定关键节点、位于相邻关键节点之间的至少一个中间节点；能力值计算模块，根据关键帧中关键节点、中间节点的运动变换状态模拟计算关键帧的运动矢量，对运动矢量分析计算得到训练对象练习对应标准动作的柔韧性、敏捷度以及力量的能力值；计划生成模块，根据标准能力值判断训练对象的能力值是否合格，并根据不合格的运动能力从动作库选取相应的视频流后生成训练计划。进一步的，所述能力值计算模块包括由空间曲线单元、仿真曲线单元、位移偏量计算单元、柔性计算单元组成的柔韧性子模块；空间曲线单元，用于根据关键帧中关键节点的运动矢量构建空间运动曲线图；仿真曲线单元，用于以当前关键帧中关键节点之间的中间节点数量与标准关键帧中关键节点之间中间节点数量的比值对空间动曲线图进行拉伸或压缩变换后得到空间仿真曲线图；位移偏量计算单元，用于将空间仿真曲线图与标准空间曲线图进行对比分析，计算得到关键节点在关键帧时间轴上位移偏量；柔性计算单元，用于根据标准位移误差对位移偏量进行整体误差消除后计算得到关键节点的柔韧性能力值。进一步的，所述能力值计算模块还包括由位移量计算单元、速率计算单元、敏捷度计算单元组成的敏捷度子模块；位移量计算单元，用于根据空间仿真曲线图与标准空间曲线图计算当前关键帧中关键节点与标准关键帧中关键节点的位移量；速率计算单元，用于根据关键帧时间轴计算得到各个时间段内关键节点的运动速率；敏捷度计算单元，用于根据标准速率误差对运动速率进行整体误差消除后计算得到关键节点的敏捷度能力值。进一步的，所述能力值计算模块还包括由采集单元、波动计算单元、力量计算单元组成的力量子模块；采集单元，用于根据预定时间间隔在关键帧时间轴上采集当前关键帧前后至少一个波动帧；波动计算单元，用于根据当前关键帧、波动帧中关键节点的运动矢量计算对应的振幅、振动频率；力量计算单元，用于根据振幅、振动频率生成波动曲线图，通过对波动曲线图分析得到关键节点的表示稳定性的力量能力值。第三方面，提供了一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面中任意一项所述的基于多维度运动能力识别的训练方法。第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行可实现如第一方面中任意一项所述的基于多维度运动能力识别的训练方法。与现有技术相比，本专利技术具有以下有益效果：1、本专利技术通过对训练对象的柔韧性、敏捷度、力量进行多维度运动能力识别与分析，能够准确的根据训练对象的缺陷有针对性的训练，训练的目的性误差小，显著提高了训练效果；2、本专利技术通过关键节点和中间节点标定，以实际中间节点数量与标准节点数量的比值将不同训练对象的运动能力仿真成与标准训练对象匹配的对象，在运动能力计算与分析的过程中提高计算的准确性，避免不同年龄、身高、体型的人群在运动能力识别过程中存在较大误差。附图说明此处所说明的附图用来提供对本专利技术实施例的进一步理解，构成本申请的一部分，并不构成对本专利技术实施例的限定。在附图中：图1是本专利技术实施例中的整体流程图；图2是本专利技术实施例中柔韧性能力值计算流程图；图3是本专利技术实施例中敏捷度能力值计算流程图；图4是本专利技术实施例中力量能力值计算流程图；图5是本专利技术实施例中的系统架构图。附图中标记及对应的零部件名称：101、动作库构建模块；102、图像处理模块；103、能力值计算模块；104、计划本文档来自技高网...

【技术保护点】
1.基于多维度运动能力识别的训练方法，其特征是，包括以下步骤：/n构建由多个标准动作数据组成的动作库，每个标准动作数据分为柔韧性讲解视频流、敏捷度训练视频流、力量训练视频流；/n采集训练对象的运动图像信息，并从运动图像信息提取对应标准动作的至少三个关键帧，以及在关键帧中对应标定关键节点、位于相邻关键节点之间均匀分布的中间节点；/n根据关键帧中关键节点的运动变换状态模拟计算关键帧的运动矢量，参考中间节点对运动矢量分析计算得到训练对象练习对应标准动作的柔韧性、敏捷度以及力量的能力值；/n根据标准能力值判断训练对象的能力值是否合格，并根据不合格的运动能力从动作库选取相应的视频流后生成训练计划。/n

【技术特征摘要】
1.基于多维度运动能力识别的训练方法，其特征是，包括以下步骤：
构建由多个标准动作数据组成的动作库，每个标准动作数据分为柔韧性讲解视频流、敏捷度训练视频流、力量训练视频流；
采集训练对象的运动图像信息，并从运动图像信息提取对应标准动作的至少三个关键帧，以及在关键帧中对应标定关键节点、位于相邻关键节点之间均匀分布的中间节点；
根据关键帧中关键节点的运动变换状态模拟计算关键帧的运动矢量，参考中间节点对运动矢量分析计算得到训练对象练习对应标准动作的柔韧性、敏捷度以及力量的能力值；
根据标准能力值判断训练对象的能力值是否合格，并根据不合格的运动能力从动作库选取相应的视频流后生成训练计划。


2.根据权利要求1所述的基于多维度运动能力识别的训练方法，其特征是，所述柔韧性的能力值分析计算具体为：
根据关键帧中关键节点的运动矢量构建空间运动曲线图；
以当前关键帧中关键节点之间的中间节点数量与标准关键帧中关键节点之间中间节点数量的比值对空间动曲线图进行拉伸或压缩变换后得到空间仿真曲线图；
将空间仿真曲线图与标准空间曲线图进行对比分析，计算得到关键节点在关键帧时间轴上位移偏量；
根据标准位移误差对位移偏量进行整体误差消除后计算得到关键节点的柔韧性能力值。


3.根据权利要求2所述的基于多维度运动能力识别的训练方法，其特征是，所述敏捷度的能力值分析计算具体为：
根据空间仿真曲线图与标准空间曲线图计算当前关键帧中关键节点与标准关键帧中关键节点的位移量；
根据关键帧时间轴计算得到各个时间段内关键节点的运动速率；
根据标准速率误差对运动速率进行整体误差消除后计算得到关键节点的敏捷度能力值。


4.根据权利要求1所述的基于多维度运动能力识别的训练方法，其特征是，所述力量的能力值分析计算具体为：
根据预定时间间隔在关键帧时间轴上采集当前关键帧前后至少一个波动帧；
根据当前关键帧、波动帧中关键节点的运动矢量计算对应的振幅、振动频率；
根据振幅、振动频率生成波动曲线图，通过对波动曲线图分析得到关键节点的表示稳定性的力量能力值。


5.基于多维度运动能力识别的训练系统，其特征是，包括：
动作库构建模块(101)，构建由多个标准动作数据组成的动作库，每个标准动作数据分为柔韧性讲解视频流、敏捷度训练视频流、力量训练视频流；
图像处理模块(102)，采集训练对象的运动图像信息，并从运动图像信息提取对应标准动作的至少三个关键帧，以及在关键帧中对应标定关键节点、位于相邻关键节点之间的至少一个中间节点；
能力值计算模块(103)，根据关键帧中关键节点、中间节点的运动变换状态模拟计算关键帧的运动矢量，对运动矢量分析计算得到训练对象练习对应标准动...

【专利技术属性】
技术研发人员：翁君，唐天广，蔡天才，李玉婷，
申请(专利权)人：成都拟合未来科技有限公司，
类型：发明
国别省市：四川;51