【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 ...
【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
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。