基于人工智能的运动监测方法、装置和计算机设备制造方法及图纸

本申请涉及一种基于人工智能的运动监测方法、装置和计算机设备。所述方法包括：在监测对象运动的过程中，获取所述监测对象的身体状态数据和运动视频；对所述运动视频进行图像识别，得到运动识别结果；所述运动识别结果用于指示关键姿势的完成数量和完成时间；若所述身体状态数据或所述运动识别结果不符合预设运动处方，则输出相应的提示信息；其中，所述预设运动处方包括所述关键姿势的要求数量和要求频率。采用本方法能够监督患者有效实施运动处方。

【技术实现步骤摘要】
基于人工智能的运动监测方法、装置和计算机设备
本申请涉及医疗
，特别是涉及一种基于人工智能的运动监测方法、装置和计算机设备。
技术介绍
运动处方是指导人们有目的、有计划和科学地锻炼的一种运动疗法，该疗法对慢性疾病的治疗和术后康复有很大的促进效果。相关技术中，医生根据患者的健康状况开具运动处方，患者按照运动处方的要求进行相应的运动，并按时反馈身体感受和检查数据，医生根据反馈对运动处方进行调整。但是，运动处方的实施基本依靠患者的自觉，因此，如何监督患者有效实施运动处方成为了亟待解决的技术问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够监督患者有效实施运动处方的基于人工智能的运动监测方法、装置和计算机设备。一种基于人工智能的运动监测方法，该方法包括：在监测对象运动的过程中，获取监测对象的身体状态数据和运动视频；对运动视频进行图像识别，得到运动识别结果；运动识别结果用于指示关键姿势的完成数量和完成时间；若身体状态数据或运动识别结果不符合预设运动处方，则输出相应的提示信息；其中，预设运动处方包括关键姿势的要求数量和要求频率。在其中一个实施例中，上述对运动视频进行图像识别，得到运动识别结果，包括：分别对运动视频中的每张视频图像进行识别，得到每张视频图像对应的骨架信息；骨架信息用于指示视频图像中多个人体关键点之间的连接关系和多条连接线之间的夹角；利用预先训练的运动识别模型对多张视频图像的骨架信息进行识别，得到运动识别结果。<br>在其中一个实施例中，在上述利用预先训练的运动识别模型对多张视频图像的骨架信息进行识别，得到运动识别结果之前，该方法还包括：获取训练样本集合；训练样本集合中包括多组样本骨架信息和每个样本骨架信息的标注；标注用于指示样本骨架信息对应的姿势；姿势包括关键姿势和起始姿势；将训练样本集合输入到待训练的分类网络中进行训练，并在根据标注确定分类网络输出的训练结果符合预设收敛条件时结束训练，得到运动识别模型。在其中一个实施例中，上述利用预先训练的运动识别模型对多张视频图像的骨架信息进行识别，得到运动识别结果，包括：将多张视频图像的骨架信息输入到运动识别模型中，得到运动识别模型从多张视频图像的骨架信息中识别出多个目标姿势和各目标姿势的完成时间，并根据多个目标姿势和各目标姿势的完成时间输出的关键姿势的完成数量和完成时间。在其中一个实施例中，上述若身体状态数据或运动识别结果不符合预设运动处方，则输出相应的提示信息，包括：若身体状态数据不符合预设运动处方，则输出第一提示信息；身体状态数据包括体温、心率、血压中的至少一种，预设运动处方还包括预设体温阈值、预设心率阈值和预设血压阈值中的至少一种，第一提示信息用于指示监测对象停止运动；若运动识别结果不符合预设运动处方，则输出第二提示信息；第二提示信息用于指示监测对象继续运动。在其中一个实施例中，在上述输出第二提示信息之前，该方法还包括：根据运动识别模型输出的多个目标姿势的完成数量和完成时间，确定关键姿势的完成数量和完成频率；判断关键姿势的完成数量和完成频率与关键姿势的要求数量和要求频率是否匹配；若不匹配，则确定运动识别结果不符合预设运动处方。在其中一个实施例中，该方法还包括：若身体状态数据和运动识别结果均符合预设运动处方，则输出通知信息；通知信息用于通知监测人员查看监测对象的身体状态数据和运动识别结果。一种基于人工智能的运动监测装置，该装置包括：数据获取模块，用于在监测对象运动的过程中，获取监测对象的身体状态数据和运动视频；运动识别模块，用于对运动视频进行图像识别，得到运动识别结果；运动识别结果用于指示关键姿势的完成数量和完成时间；提示模块，用于若身体状态数据或运动识别结果不符合预设运动处方，则输出相应的提示信息；其中，预设运动处方包括关键姿势的要求数量和要求频率。在其中一个实施例中，上述运动识别模块包括：骨架信息识别子模块，用于分别对运动视频中的每张视频图像进行识别，得到每张视频图像对应的骨架信息；骨架信息用于指示视频图像中多个人体关键点之间的连接关系和多条连接线之间的夹角；运动识别子模块，用于利用预先训练的运动识别模型对多张视频图像的骨架信息进行识别，得到运动识别结果。在其中一个实施例中，该装置还包括：样本获取模块，用于获取训练样本集合；训练样本集合中包括多组样本骨架信息和每个样本骨架信息的标注；标注用于指示样本骨架信息对应的姿势；姿势包括关键姿势和起始姿势；训练模块，用于将训练样本集合输入到待训练的分类网络中进行训练，并在根据标注确定分类网络输出的训练结果符合预设收敛条件时结束训练，得到运动识别模型。在其中一个实施例中，上述运动识别子模块，具体用于将多张视频图像的骨架信息输入到运动识别模型中，得到运动识别模型从多张视频图像的骨架信息中识别出多个目标姿势和各目标姿势的完成时间，并根据多个目标姿势和各目标姿势的完成时间输出的关键姿势的完成数量和完成时间。在其中一个实施例中，上述提示模块包括：第一提示子模块，用于若身体状态数据不符合预设运动处方，则输出第一提示信息；身体状态数据包括体温、心率、血压中的至少一种，预设运动处方还包括预设体温阈值、预设心率阈值和预设血压阈值中的至少一种，第一提示信息用于指示监测对象停止运动；第二提示子模块，用于若运动识别结果不符合预设运动处方，则输出第二提示信息；第二提示信息用于指示监测对象继续运动。在其中一个实施例中，该装置还包括：数量频率确定模块，用于根据运动识别模型输出的多个目标姿势的完成数量和完成时间，确定关键姿势的完成数量和完成频率；判断模块，用于判断关键姿势的完成数量和完成频率与关键姿势的要求数量和要求频率是否匹配；若不匹配，则确定运动识别结果不符合预设运动处方。在其中一个实施例中，该装置还包括：通知模块，用于若身体状态数据和运动识别结果均符合预设运动处方，则输出通知信息；通知信息用于通知监测人员查看监测对象的身体状态数据和运动识别结果。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：在监测对象运动的过程中，获取监测对象的身体状态数据和运动视频；对运动视频进行图像识别，得到运动识别结果；运动识别结果用于指示关键姿势的完成数量和完成时间；若身体状态数据或运动识别结果不符合预设运动处方，则输出相应的提示信息；其中，预设运动处方包括关键姿势的要求数量和要求频率。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：在监测对象运动的过程中，获取监测对象的身体状态数据和运动视频；对运动视频进行图像识别，得到运动识别结果；运动识别结果用于指示关键姿势的完成数量和完成时间；若身体本文档来自技高网...

【技术保护点】
1.一种基于人工智能的运动监测方法，其特征在于，所述方法包括：/n在监测对象运动的过程中，获取所述监测对象的身体状态数据和运动视频；/n对所述运动视频进行图像识别，得到运动识别结果；所述运动识别结果用于指示关键姿势的完成数量和完成时间；/n若所述身体状态数据或所述运动识别结果不符合预设运动处方，则输出相应的提示信息；其中，所述预设运动处方包括所述关键姿势的要求数量和要求频率。/n

【技术特征摘要】
1.一种基于人工智能的运动监测方法，其特征在于，所述方法包括：
在监测对象运动的过程中，获取所述监测对象的身体状态数据和运动视频；
对所述运动视频进行图像识别，得到运动识别结果；所述运动识别结果用于指示关键姿势的完成数量和完成时间；
若所述身体状态数据或所述运动识别结果不符合预设运动处方，则输出相应的提示信息；其中，所述预设运动处方包括所述关键姿势的要求数量和要求频率。


2.根据权利要求1所述的方法，其特征在于，所述对所述运动视频进行图像识别，得到运动识别结果，包括：
分别对所述运动视频中的每张视频图像进行识别，得到每张视频图像对应的骨架信息；所述骨架信息用于指示所述视频图像中多个人体关键点之间的连接关系和多条连接线之间的夹角；
利用预先训练的运动识别模型对多张视频图像的骨架信息进行识别，得到所述运动识别结果。


3.根据权利要求2所述的方法，其特征在于，在所述利用预先训练的运动识别模型对多张视频图像的骨架信息进行识别，得到所述运动识别结果之前，所述方法还包括：
获取训练样本集合；所述训练样本集合中包括多组样本骨架信息和每个所述样本骨架信息的标注；所述标注用于指示所述样本骨架信息对应的姿势；所述姿势包括所述关键姿势和起始姿势；
将所述训练样本集合输入到待训练的分类网络中进行训练，并在根据所述标注确定所述分类网络输出的训练结果符合预设收敛条件时结束训练，得到所述运动识别模型。


4.根据权利要求2所述的方法，其特征在于，所述利用预先训练的运动识别模型对多张视频图像的骨架信息进行识别，得到所述运动识别结果，包括：
将所述多张视频图像的骨架信息输入到所述运动识别模型中，得到所述运动识别模型从所述多张视频图像的骨架信息中识别出多个目标姿势和各所述目标姿势的完成时间，并根据所述多个目标姿势和各所述目标姿势的完成时间输出的所述关键姿势的完成数量和完成时间。


5.根据权利要求1所述的方法，其特征在于，所述若所述身体状态数据或所述运动识别结果不符合预设运动处...

【专利技术属性】
技术研发人员：张闻涛，李祥，郭广跃，孟俊，万民乐，张志明，冯禹，
申请(专利权)人：童心堂健康科技北京有限公司，
类型：发明
国别省市：北京;11