一种基于深度学习的短跑运动员起跑训练方法及系统技术方案

本发明专利技术涉及运动员训练方法技术领域，具体涉及一种基于深度学习的短跑运动员起跑训练方法及系统。包括：获取短跑运动员起跑训练时采集的实时视频数据，得到视频图像序列；利用训练好的目标检测框架对该短跑运动员起跑训练时的图像信息进行提取，根据实时视频数据中的场景和提取的该短跑运动员的第一轮廓信息及第一动作特征点信息建立样本特征库，利用样本特征库中的数据利用深度学习算法更新训练好的目标检测框架；将提取的图像信息与预存的同时刻的标准动作图像信息进行对比，判断该短跑运动员起跑训练时该时刻的动作是否达到训练要求。本发明专利技术提供了一种训练更加系统、标准，训练效果好的基于深度学习的短跑运动员起跑训练方法及系统。

【技术实现步骤摘要】
一种基于深度学习的短跑运动员起跑训练方法及系统
本专利技术涉及运动员训练方法
，具体涉及一种基于深度学习的短跑运动员起跑训练方法及系统。
技术介绍
短跑训练是田径运动中的一个分支，是对参加田径短距离跑(60米跑、100米跑、200米跑、400米跑、4＊100米接力跑、4＊400米接力跑)的运动员进行有计划的业余或专业训练的统称。短跑训练中的内容一般包括以跑段分类的：起跑训练、起跑后的加速跑训练、途中跑训练、冲刺训练。其中，起跑训练尤其关键，现有的起跑训练一般均是教练站在起跑训练处观察短跑运动员的整个训练过程，以指出训练中的不足和改进之处，这种训练方法由于受教练的经验影响，局限性较大，训练不系统、不标准，效果较差。
技术实现思路
有鉴于此，本专利技术提供了一种基于深度学习的短跑运动员起跑训练方法及系统，以解决现有的短跑运动员起跑训练不系统、不标准，效果较差的问题。为了解决上述技术问题，本专利技术提供了一种基于深度学习的短跑运动员起跑训练方法，包括以下步骤：获取短跑运动员起跑训练时采集的实时视频数据；对所述实时视频数据进行视频图像处理，得到视频图像序列；利用训练好的目标检测框架在所述视频图像序列中对该短跑运动员起跑训练时的图像信息进行提取，得到该短跑运动员起跑训练时的第一轮廓信息及第一动作特征点信息，根据所述实时视频数据中的场景和该短跑运动员的第一轮廓信息及第一动作特征点信息建立样本特征库，利用所述样本特征库中的数据利用深度学习算法更新训练好的目标检测框架；>将提取的图像信息与预存的同时刻的标准动作图像信息进行对比，根据第一轮廓信息及第一动作特征点信息与预存的同时刻的标准动作图像信息的第二轮廓信息及第二动作特征点信息的重叠度，判断该短跑运动员起跑训练时该时刻的动作是否达到训练要求，若达到训练要求，则继续下一步的训练，若未达到训练要求，则将该时刻的图像信息和标准动作图像信息同时进行显示。可选地，在将提取的图像信息与预存的同时刻的标准动作图像信息进行对比前，提取预存的该同时刻的标准动作图像信息中的第二轮廓信息及第二动作特征点信息。可选地，根据重叠度判断该短跑运动员起跑训练时的动作是否达到训练要求的具体方法为：若第一轮廓信息和第二轮廓信息的重叠区域大于第一预设值，同时第一动作特征点信息和第二动作特征点信息的重叠数量大于第二预设值，则达到训练要求，否则未到达训练要求。可选地，在未达到训练要求时，将该时刻的图像信息和标准动作图像信息同时进行并排显示和重叠显示，同时未重叠部分进行高亮显示。可选地，所述视频图像序列以数据集的形式存储。还提供了一种基于深度学习的短跑运动员起跑训练系统，包括：数据采集模块，用于采集短跑运动员起跑训练时的实时视频数据；处理模块，用于对所述实时视频数据进行视频图像处理，得到视频图像序列；信息提取模块，用于利用训练好的目标检测框架在所述视频图像序列中对该短跑运动员起跑训练时的图像信息进行提取，得到该短跑运动员起跑训练时的第一轮廓信息及第一动作特征点信息，根据所述实时视频数据中的场景和该短跑运动员的第一轮廓信息及第一动作特征点信息建立样本特征库，利用所述样本特征库中的数据利用深度学习算法更新训练好的目标检测框架；对比分析模块，将提取的图像信息与预存的同时刻的标准动作图像信息进行对比，根据第一轮廓信息及第一动作特征点信息与预存的同时刻的标准动作图像信息的第二轮廓信息及第二动作特征点信息的重叠度，判断该短跑运动员起跑训练时该时刻的动作是否达到训练要求，若达到训练要求，则继续下一步的训练，若未达到训练要求，则将该时刻的图像信息和标准动作图像信息通过显示模块同时进行显示。可选地，所述数据采集模块包括摄像机和与所述摄像机连接的数据接收器。可选地，所述显示模块包括显示器和与所述显示器连接的控制器。可选地，还包括警示模块，用于在未达到训练要求时发出提醒。可选地，所述警示模块为警示灯。有益效果1.本专利技术提供的基于深度学习的短跑运动员起跑训练方法，在短跑运动员起跑训练时采集其实时视频数据，经视频图像处理后得到视频图像序列，利用训练好的目标检测框架对该短跑运动员起跑训练时的图像信息进行提取，将提取的图像信息与预存的同时刻的标准动作图像信息进行对比，根据第一轮廓信息及第一动作特征点信息与预存的同时刻的标准动作图像信息的第二轮廓信息及第二动作特征点信息的重叠度，判断该短跑运动员起跑训练时该时刻的动作是否达到训练要求。这种训练方法以视频数据作为基础数据，并通过与标准数据的比较，对短跑运动员的起跑训练动作进行规范化的指导，训练更加系统、标准，训练效果好；同时根据实时视频数据中的场景和该短跑运动员的第一轮廓信息及第一动作特征点信息建立样本特征库，利用样本特征库中的数据利用深度学习算法更新训练好的目标检测框架，以保证图像信息提取的准确度。2.本专利技术提供的基于深度学习的短跑运动员起跑训练方法，根据重叠度判断该短跑运动员起跑训练时的动作是否达到训练要求的具体方法为：若第一轮廓信息和第二轮廓信息的重叠区域大于第一预设值，同时第一动作特征点信息和第二动作特征点信息的重叠数量大于第二预设值，则达到训练要求，否则未到达训练要求。通过轮廓信息和动作特征点信息的同时比较判断训练动作是否达到训练要求，准确度高，训练更加标准。3.本专利技术提供的基于深度学习的短跑运动员起跑训练方法，在未达到训练要求时，将该时刻的图像信息和标准动作图像信息同时进行并排显示和重叠显示，同时未重叠部分进行高亮显示，以使得教练和运动员能够全方位清晰地看到训练差距，及时更改动作。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，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。图1示出了本专利技术提供的一种基于深度学习的短跑运动员起跑训练方法的流程图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，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，本领域技术人员在没有作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。实施例1如图1所示的基于深度学习的短跑运动员起跑训练方法的一种具体实施方式，包括以下步骤：获取一定时间间隔内短跑运动员起跑训练时采集的实时视频数据，该实时视频数据包括该短跑运动员的全身照以及周围的场景图像。对所述实时视频数据进行视频图像处理，得到视频图像序列。所述视频图像序列以数据集的形式存储，方便视频图像的后续调取和处理。利用训练好的目标检测框架在所述视频图像序列中对该短跑运动员起跑训练时的图像信息进行提取，得到该短本文档来自技高网...

【技术保护点】
1.一种基于深度学习的短跑运动员起跑训练方法，其特征在于，包括以下步骤：/n获取短跑运动员起跑训练时采集的实时视频数据；/n对所述实时视频数据进行视频图像处理，得到视频图像序列；/n利用训练好的目标检测框架在所述视频图像序列中对该短跑运动员起跑训练时的图像信息进行提取，得到该短跑运动员起跑训练时的第一轮廓信息及第一动作特征点信息，根据所述实时视频数据中的场景和该短跑运动员的第一轮廓信息及第一动作特征点信息建立样本特征库，利用所述样本特征库中的数据利用深度学习算法更新训练好的目标检测框架；/n将提取的图像信息与预存的同时刻的标准动作图像信息进行对比，根据第一轮廓信息及第一动作特征点信息与预存的同时刻的标准动作图像信息的第二轮廓信息及第二动作特征点信息的重叠度，判断该短跑运动员起跑训练时该时刻的动作是否达到训练要求，若达到训练要求，则继续下一步的训练，若未达到训练要求，则将该时刻的图像信息和标准动作图像信息同时进行显示。/n

【技术特征摘要】
1.一种基于深度学习的短跑运动员起跑训练方法，其特征在于，包括以下步骤：
获取短跑运动员起跑训练时采集的实时视频数据；
对所述实时视频数据进行视频图像处理，得到视频图像序列；
利用训练好的目标检测框架在所述视频图像序列中对该短跑运动员起跑训练时的图像信息进行提取，得到该短跑运动员起跑训练时的第一轮廓信息及第一动作特征点信息，根据所述实时视频数据中的场景和该短跑运动员的第一轮廓信息及第一动作特征点信息建立样本特征库，利用所述样本特征库中的数据利用深度学习算法更新训练好的目标检测框架；
将提取的图像信息与预存的同时刻的标准动作图像信息进行对比，根据第一轮廓信息及第一动作特征点信息与预存的同时刻的标准动作图像信息的第二轮廓信息及第二动作特征点信息的重叠度，判断该短跑运动员起跑训练时该时刻的动作是否达到训练要求，若达到训练要求，则继续下一步的训练，若未达到训练要求，则将该时刻的图像信息和标准动作图像信息同时进行显示。


2.根据权利要求1所述的基于深度学习的短跑运动员起跑训练方法，其特征在于，在将提取的图像信息与预存的同时刻的标准动作图像信息进行对比前，提取预存的该同时刻的标准动作图像信息中的第二轮廓信息及第二动作特征点信息。


3.根据权利要求2所述的基于深度学习的短跑运动员起跑训练方法，其特征在于，根据重叠度判断该短跑运动员起跑训练时的动作是否达到训练要求的具体方法为：
若第一轮廓信息和第二轮廓信息的重叠区域大于第一预设值，同时第一动作特征点信息和第二动作特征点信息的重叠数量大于第二预设值，则达到训练要求，否则未到达训练要求。


4.根据权利要求1－3任一项所述的基于深度学习的短跑运动员起跑训练方法，其特征在于，在未达到训练要求时，将该时刻的图像信息和标准动作图像信息同时进行并排显示和重叠显示，同时未重叠部分进行高亮显示。

【专利技术属性】
技术研发人员：邓练兵，李皓，陈小满，
申请(专利权)人：珠海大横琴科技发展有限公司，
类型：发明
国别省市：广东;44