俯卧撑训练的评估方法及装置、设备、存储介质制造方法及图纸

公开了一种俯卧撑训练的评估方法及装置、设备、存储介质。本申请一实施例中，俯卧撑训练的评估方法包括：获取考生进行俯卧撑训练的图像序列；提取图像序列中关键帧图像的第一向量，第一向量包含相应帧图像中的骨节点对信息；利用第一向量形成的时间维度矩阵通过预先构建的回归模型得到第二向量，第二向量包括单个俯卧撑的各个预定运动状态下的姿态分值；根据图像序列的所有第二向量，确定考生的俯卧撑完成频率；通过第二向量确定考生完成每个俯卧撑的动作分值，并基于动作分值和俯卧撑完成频率对考生的俯卧撑训练进行评分。本申请实施例能够针对考生俯卧撑训练的动作准确度和完成频率进行综合智能地评估。

【技术实现步骤摘要】
俯卧撑训练的评估方法及装置、设备、存储介质
本申请涉及人体姿态识别
，尤其涉及一种俯卧撑训练的评估方法及装置、设备、存储介质。
技术介绍
人体姿态识别技术已被广泛应用于生活和工作中的各个领域。在体育运动、舞蹈训练等一些运动训练中，通过人体姿态识别技术能够分析运动员的关节运动参数，用于改进运动员的训练方式。尽管目前利用人体姿态识别技术已可用于俯卧撑日常训练考核中，但仍存在计算复杂度高、稳定性差、考核单一等各种亟待改进的问题。
技术实现思路
为了部分地或全部地解决上述技术问题，本申请期望提供一种新的俯卧撑训练的评估方法及装置、设备、存储介质。本申请的一个方面，提供了一种俯卧撑训练的评估方法，包括：获取考生进行俯卧撑训练的图像序列；提取所述图像序列中关键帧图像的第一向量，所述第一向量包含相应帧图像中的骨节点对信息；利用所述第一向量形成的时间维度矩阵通过预先构建的回归模型得到第二向量，所述第二向量包括单个俯卧撑的各个预定运动状态下的姿态分值；根据所述图像序列的所有第二向量，确定考生的俯卧撑完成频率；通过所述第二向量确定考生完成每个俯卧撑的动作分值，并基于所述动作分值和所述俯卧撑完成频率对考生的俯卧撑训练进行评分。一些示例中，提取所述图像序列中关键帧图像的第一向量，包括：通过预先构建的人体姿态识别模型提取所述图像序列中关键帧图像的人体骨架，以得到所述图像序列中关键帧图像的骨节点坐标；利用所述图像序列中关键帧图像的骨节点坐标确定其骨节点对信息，并生成其对应的第一向量；其中，所述第一向量为一维向量，其列数由骨节点数量和骨节点对数量决定。一些示例中，所述骨节点对信息包括骨节点对的骨节点间距和骨节点角度信息，所述骨节点对中的两个骨节点为所述人体骨架中的相邻骨节点。一些示例中，所述俯卧撑训练的评估方法还包括：在利用所述第一向量形成的时间维度矩阵通过预先构建的回归模型得到第二向量之前，利用所述图像序列中关键帧图像的第一向量构造所述图像序列的时间维度矩阵，所述时间维度矩阵包含预定时段或预定帧数内关键帧图像的骨节点对信息。一些示例中，所述图像序列的时间维度矩阵包括多个，每个所述时间维度矩阵的时间维度长度等于预先设定的观测姿态距离的时间窗口，其信息维度长度等于所述第一向量的列数。一些示例中，所述第二向量为二维向量，其具有第一维度和第二维度，所述第一维度用于指示所述运动状态，所述第二维度用于指示所述运动状态对应的姿态分值，一运动状态对应的姿态分值用于指示考生在该运动状态下的姿态标准程度。一些示例中，所述运动状态是根据单个俯卧撑的动作要领而预先设定的。一些示例中，所述运动状态包括静止状态、俯卧撑起始状态、俯卧撑运动状态、俯卧撑完成状态和其他状态。一些示例中，根据所述图像序列的所有第二向量，确定考生的俯卧撑完成频率，包括：记录考生进行俯卧撑训练的过程中每次俯卧撑的开始时刻和结束时刻以确定每次俯卧撑的运动时长，并利用所述图像序列的所有二维向量确定考生完成的俯卧撑数量，由所述俯卧撑数量和所述运动时长计算考生的俯卧撑完成频率。一些示例中，基于所述动作分值和所述俯卧撑完成频率对考生的俯卧撑训练进行评分，包括：通过下式计算考生完成单个俯卧撑的综合分值：S＝α*Spose+β*Sfreq其中，S表示考生完成单个俯卧撑的综合分值，Spose表示考生一个俯卧撑的动作分值，Sfreq表示考生的频率分值，α表示动作分值的权重，β表示频率分值的权重。一些示例中，所述俯卧撑训练的评估方法还包括：控制显示装置显示所述评分的结果。本申请的一个方面，提供了一种俯卧撑训练的评估装置，包括：图像序列获取单元，配置为获取考生进行俯卧撑训练的图像序列；第一向量提取单元，配置为提取所述图像序列中关键帧图像的第一向量，所述第一向量包含相应帧图像中的骨节点对信息；姿态评分单元，配置为利用所述第一向量形成的时间维度矩阵通过预先构建的回归模型得到第二向量，所述第二向量包括单个俯卧撑的各个预定运动状态下的姿态分值；频率评分单元，配置为根据所述图像序列的所有第二向量，确定考生的俯卧撑完成频率；综合评分单元，配置为通过所述第二向量确定考生完成每个俯卧撑的动作分值，并基于所述动作分值和所述俯卧撑完成频率对考生的俯卧撑训练进行评分。一些示例中，所述第一向量提取单元，包括：人体姿态识别模块，配置为通过预先构建的人体姿态识别模型提取所述图像序列中关键帧图像的人体骨架，以得到所述图像序列中关键帧图像的骨节点坐标；第一向量生成模块，配置为利用所述图像序列中关键帧图像的骨节点坐标确定其骨节点对信息，并生成其对应的第一向量；其中，所述第一向量为一维向量，其列数由骨节点数量和骨节点对数量决定。一些示例中，所述俯卧撑训练的评估装置还包括：矩阵构造单元，配置为利用所述第一向量形成的时间维度矩阵通过预先构建的回归模型得到第二向量之前，利用所述图像序列中关键帧图像的第一向量构造所述图像序列的时间维度矩阵，所述时间维度矩阵包含预定时段或预定帧数内关键帧图像的骨节点对信息。一些示例中，所述频率评分单元，包括：时长确定模块，配置为记录考生进行俯卧撑训练的过程中每次俯卧撑的开始时刻和结束时刻以确定每次俯卧撑的运动时长；数量确定模块，配置为利用所述图像序列的所有二维向量确定考生完成的俯卧撑数量；频率确定模块，配置为由所述俯卧撑数量和所述运动时长计算考生的俯卧撑完成频率。一些示例中，所述综合评分单元，包括：单个俯卧撑评分模块，所述单个俯卧撑评分模块，配置为通过下式计算考生完成单个俯卧撑的综合分值：S＝α*Spose+β*Sfreq；其中，S表示考生完成单个俯卧撑的综合分值，Spose表示考生一个俯卧撑的动作分值，Sfreq表示考生的频率分值，α表示动作分值的权重，β表示频率分值的权重。一些示例中，所述俯卧撑训练的评估装置还包括：提示单元，配置为控制显示装置显示所述评分的结果。本申请的一个方面，提供了一种计算设备，所述计算设备包括：一个或多个处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于读取所述存储器中存储的可执行指令以执行上述俯卧撑训练的评估方法。本申请的一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序在被处理器执行时能够实现上述俯卧撑训练的评估方法。本申请实施例能够针对考生俯卧撑训练的动作准确度和完成频率进行综合智能地评估。附图说明在附图中，以示例性而非限制性的方式示出了本申请的若干实施方式，其中：图1为本申请一实施例提供的俯卧撑训练的评估方法的流程示意图。图2为本申请一实施例中人体骨节点的示例图。图3为本申请一实施例提供的俯卧撑训练的评估装置的结构示意图。图4为本申请一实施例提供的计算设备的结构示意本文档来自技高网...

【技术保护点】
1.一种俯卧撑训练的评估方法，包括：/n获取考生进行俯卧撑训练的图像序列；/n提取所述图像序列中关键帧图像的第一向量，所述第一向量包含相应帧图像中的骨节点对信息；/n利用所述第一向量形成的时间维度矩阵通过预先构建的回归模型得到第二向量，所述第二向量包括单个俯卧撑的各个预定运动状态下的姿态分值；/n根据所述图像序列的所有第二向量，确定考生的俯卧撑完成频率；/n通过所述第二向量确定考生完成每个俯卧撑的动作分值，并基于所述动作分值和所述俯卧撑完成频率对考生的俯卧撑训练进行评分。/n

【技术特征摘要】
1.一种俯卧撑训练的评估方法，包括：
获取考生进行俯卧撑训练的图像序列；
提取所述图像序列中关键帧图像的第一向量，所述第一向量包含相应帧图像中的骨节点对信息；
利用所述第一向量形成的时间维度矩阵通过预先构建的回归模型得到第二向量，所述第二向量包括单个俯卧撑的各个预定运动状态下的姿态分值；
根据所述图像序列的所有第二向量，确定考生的俯卧撑完成频率；
通过所述第二向量确定考生完成每个俯卧撑的动作分值，并基于所述动作分值和所述俯卧撑完成频率对考生的俯卧撑训练进行评分。


2.根据权利要求1所述俯卧撑训练的评估方法，其中，提取所述图像序列中关键帧图像的第一向量，包括：
通过预先构建的人体姿态识别模型提取所述图像序列中关键帧图像的人体骨架，以得到所述图像序列中关键帧图像的骨节点坐标；
利用所述图像序列中关键帧图像的骨节点坐标确定其骨节点对信息，并生成其对应的第一向量；
其中，所述第一向量为一维向量，其列数由骨节点数量和骨节点对数量决定。


3.根据权利要求2所述俯卧撑训练的评估方法，其中，所述骨节点对信息包括骨节点对的骨节点间距和骨节点角度信息，所述骨节点对中的两个骨节点为所述人体骨架中的相邻骨节点。


4.根据权利要求1或2所述俯卧撑训练的评估方法，还包括：
在利用所述第一向量形成的时间维度矩阵通过预先构建的回归模型得到第二向量之前，利用所述图像序列中关键帧图像的第一向量构造所述图像序列的时间维度矩阵，所述时间维度矩阵包含预定时段或预定帧数内关键帧图像的骨节点对信息。


5.一种俯卧撑训练的评估装置，包括：
图像序列获取单元，配置为获取考生进行俯卧撑训练的图像序列；
第一向量提取单元，配置为提取所述图像序列中关键帧图像的第一向量，所述第一向量包含相应帧图像中的骨节点对信息；
姿态评分单元，配置为利用所述第一向量形成的时间维度矩阵通过预先构建的回归模型得到第二向量，所述第二向量包括单个俯卧撑的各个预定运动状态下的姿态分...

【专利技术属性】
技术研发人员：易锐，邰海军，蒋伟，
申请(专利权)人：上海萱闱医疗科技有限公司，
类型：发明
国别省市：上海;31