运动评估方法、装置、系统及存储介质制造方法及图纸

本发明专利技术实施例公开了一种运动评估方法、装置、系统及存储介质，该方法包括：确定当前动作单元的深度视频流对应的三维骨骼数据，以及当前动作单元的彩色视频流对应的二维骨骼数据；基于平衡能力体现度最大的原则，根据所述三维骨骼数据和/或所述二维骨骼数据确定用于表征当前动作单元平衡能力的平衡特征矩阵序列，该平衡特征矩阵序列包括至少两个时刻下的平衡特征矩阵；确定所述平衡特征矩阵序列中的各个平衡特征矩阵与对应的标准平衡特征矩阵的匹配度，以确定当前动作单元的评估结果。解决了现有运动评估装置的评估准确性较低的问题。现有运动评估装置的评估准确性较低的问题。现有运动评估装置的评估准确性较低的问题。

【技术实现步骤摘要】
运动评估方法、装置、系统及存储介质


[0001]本专利技术实施例涉及运动设备领域，尤其涉及一种运动评估方法、装置、系统及存储介质。

技术介绍

[0002]太极拳作为一种拥有东方形、意理念的运动形式，拥有广泛的受众群体。太极拳在平衡能力恢复上有着优秀的表现，同时还兼具修身养性的功效，逐渐成为人们改善身心健康、提升平衡能力的选择。但不科学的太极拳动作练习往往会造成平衡能力提升效果甚微甚至身体损害的情况，这也为传统平衡运动在平衡能力恢复上的运用增加了阻碍。
[0003]本专利技术在实现本专利技术的过程中发现，虽然太极拳等平衡能力训练能够满足不同平衡能力恢复群体的需要，但现阶段的运动评估装置的评估准确性较低，因此平衡能力训练通常需要专业教员的现场指导，这使得没有专业教员指导的普通大众无法在平衡能力训练中获益。

技术实现思路

[0004]本专利技术实施例提供了一种运动评估方法、装置、系统及存储介质，解决了现有运动评估装置的评估准确性较低的问题。
[0005]第一方面，本专利技术实施例提供了一种运动评估方法，包括：
[0006]确定当前动作单元的深度视频流对应的三维骨骼数据，以及当前动作单元的彩色视频流对应的二维骨骼数据；
[0007]基于平衡能力体现度最大的原则，根据所述三维骨骼数据和/或所述二维骨骼数据确定用于表征当前动作单元平衡能力的平衡特征矩阵序列，该平衡特征矩阵序列包括至少两个时刻下的平衡特征矩阵；
[0008]确定所述平衡特征矩阵序列中的各个平衡特征矩阵与对应的标准平衡特征矩阵的匹配度，以确定当前动作单元的评估结果。
[0009]第二方面，本专利技术实施例还提供了一种运动评估装置，包括：
[0010]骨骼数据模块，用于确定当前动作单元的深度视频流对应的三维骨骼数据，以及当前动作单元的彩色视频流对应的二维骨骼数据；
[0011]特征确定模块，用于基于平衡能力体现度最大的原则，根据所述三维骨骼数据和/或所述二维骨骼数据，确定用于表征当前动作单元平衡能力的平衡特征矩阵序列，该平衡特征矩阵序列包括至少两个时刻下的平衡特征矩阵；
[0012]评估模块，用于确定所述平衡特征矩阵序列中的各个平衡特征矩阵与对应的标准平衡特征矩阵的匹配度，以确定当前动作单元的评估结果。
[0013]第三方面，本专利技术实施例还提供了一种运动评估系统，该系统包括：
[0014]一个或多个处理器；
[0015]存储装置，用于存储一个或多个程序；
[0016]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如任意实施例所述的运动评估方法。
[0017]第四方面，本专利技术实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如任意实施例所述的运动评估方法。
[0018]相较于现有技术，本专利技术实施例提供的运动评估方法的技术方案，基于平衡能力体现度最大的原则，选择三维骨骼数据来确定用于表征当前动作单元平衡能力的平衡特征矩阵序列，或者选择二维骨骼数据来确定用于表征当前动作单元平衡能力的平衡特征矩阵序列，或者同时选择三维骨骼数据和二维骨骼数据来确定用于表征当前动作单元平衡能力的平衡特征矩阵序列，这样可以在适当减少数据处理量的同时，最大限度地保证当前动作单元的平衡特征矩阵序列的表征能力，在此基础上，确定平衡特征矩阵序列中的各个平衡特征矩阵与对应的标准平衡特征矩阵的匹配度，根据评估度结果确定当前动作单元的评估结果，可以显著提高基于该平衡特征矩阵序列的评估结果的准确性，提高平衡训练指导的准确性。
附图说明
[0019]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]图1是本专利技术实施例一提供的运动评估方法的流程图；
[0021]图2是本专利技术实施例一提供的体感传感器放置位置的主视图；
[0022]图3是本专利技术实施例一提供的体感传感器放置位置的俯视图；
[0023]图4是本专利技术实施例一提供的显示内容的示意图；
[0024]图5是本专利技术实施例二提供的运动评估方法的流程图；
[0025]图6是本专利技术实施例三提供的运动评估装置的结构框图；
[0026]图7是本专利技术实施例三提供的运动评估系统的结构框图。
具体实施方式
[0027]为使本专利技术的目的、技术方案和优点更加清楚，以下将参照本专利技术实施例中的附图，通过实施方式清楚、完整地描述本专利技术的技术方案，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]实施例一
[0029]图1是本专利技术实施例一提供的运动评估方法的流程图。本实施例的技术方案适用于根据体感传感器获取的深度视频流和彩色视频流自动确定运动评估结果的情况。该方法可以由本专利技术实施例提供的运动评估装置来执行，该装置可以采用软件和/或硬件的方式实现，并配置在运动评估系统的处理器中应用。该方法具体包括如下步骤：
[0030]S101、确定当前动作单元的深度视频流对应的三维骨骼数据，以及当前动作单元的彩色视频流对应的二维骨骼数据。
[0031]其中，动作单元优选为最小动作单元，该最小动作单元优选基于专业运动员的动作来确定。该动作单元可以是太极拳、八段锦、五禽戏等运动项目的运动单元。以太极拳为例来说明最小动作单元的确定方法，可选为：基于动作捕捉系统和深度视觉传感器获取太极拳专业运动人员的运动过程，并将每一招式的动作依据运动部位、平衡能力需求进行运动学分析，划分为至少两个最小动作单元。该最小动作单元能够体现一个或多个部位平衡能力的最短时间间隔的运动过程。其中，动作捕捉系统可以是高精度的惯性或光学动作捕捉系统，具体使用时将对应的传感器放置于专业运动员的关节点附近。
[0032]其中，关节点应包含主流人体活动关节点、关节点数量应不少于使用深度学习模型处理及Kinect标识所需数量。关节点骨骼数据(以下简称骨骼数据)包括但不限于三维或二维坐标中的关节间的距离、角度、相对坐标以及关节速度、加速度、旋转角度、绝对坐标等平衡特征信息构成的时间序列，每个动作单元的选择需要充分体现人体手臂、躯干、骨盆等部位的运动平衡情况。
[0033]其中，深度视频流和彩色视频流均由体感传感器获取。为了获取完整无遮挡的骨骼数据，本实施例通过至少三个体感传感器获取用户的运动数据，该至少三个体感传感器优选等间隔地设置于用户运动区域的圆周上。示例性的，以用户的主要活动区域为中心，在半径为3m的圆上约1m的等高面上水平放置三个Kinect，各Kinect与圆心连线的两两夹角均为120
°
，图2为Kinect本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运动评估方法，其特征在于，包括：确定当前动作单元的深度视频流对应的三维骨骼数据，以及当前动作单元的彩色视频流对应的二维骨骼数据；基于平衡能力体现度最大的原则，根据所述三维骨骼数据和/或所述二维骨骼数据确定用于表征当前动作单元平衡能力的平衡特征矩阵序列，该平衡特征矩阵序列包括至少两个时刻下的平衡特征矩阵；确定所述平衡特征矩阵序列中的各个平衡特征矩阵与对应的标准平衡特征矩阵的匹配度，以确定当前动作单元的评估结果。2.根据权利要求1所述的方法，其特征在于，每个动作单元对应一套主深度视频流和至少两套副深度视频流，以及一套主彩色视频流和至少两套副彩色视频流，相应的，确定每个动作单元的深度视频流对应的三维骨骼数据，包括：根据每个动作单元的所述主深度视频流和至少两套副深度视频流，确定每个动作单元对应的三维骨骼数据；相应的，确定每个动作单元的彩色视频流对应的三维骨骼数据，包括：根据每个动作单元的所述主彩色视频流和至少两套副彩色视频流，确定每个动作单元对应的至少三组二维骨骼数据。3.根据权利要求1所述的方法，其特征在于，所述确定所述平衡特征矩阵序列中的各个平衡特征矩阵与对应的标准平衡特征矩阵的匹配度，以确定当前动作单元的评估结果之前，还包括：采用动态时间规整算法对当前动作单元的平衡特征矩阵序列与对应的标准平衡特征矩阵序列进行匹配处理，以更新平衡特征矩阵序列，从而使更新后的平衡特征矩阵序列的时间长度与标准平衡特征矩阵序列的时间长度相同。4.根据权利要求3所述的方法，其特征在于，所述确定所述平衡特征矩阵序列中的各个平衡特征矩阵与对应的标准平衡特征矩阵的匹配度，以生成当前动作单元的评估结果，包括：计算所述平衡特征矩阵序列中的各个平衡特征矩阵与对应的权重矩阵的乘积，以得到更新后的平衡特征矩阵序列；计算标准平衡特征矩阵序列中的各个标准平衡特征矩阵与对应的权重矩阵的乘积，以得到更新后的标准平衡特征矩阵序列；确定更新后的平衡特征矩阵序列中的各平衡特征矩阵与更新后的标准平衡特征矩阵序列中相应的标准平衡特征矩阵的匹配度，以确定当前动作单元的评估结果。5.根据权利要求4所述的方法，其特征在于，所述权重矩阵的确定方法包括：根据每个平衡特征矩阵中的每个平衡特征向量的特征值，在相邻帧的二维标准骨骼数据和/或三维标准骨骼数据中的变化幅度，确定每...

【专利技术属性】
技术研发人员：吴剑煌，孙海舟，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：