基于机器视觉和深度学习的健身动作识别评估方法技术

本发明专利技术涉及一种基于机器视觉和深度学习的健身动作识别评估方法，包括以下步骤：获取待评估健身动作视频，设定动作类型；建立每一帧视频图像的人体骨架模型；提取动作与标准动作最接近的一帧视频图像作为待评估图像；建立获取动作分数的评分规则标准；计算待评估图像中人体骨架模型的距离特征和角度特征，根据评分标准中动作类型对应的评分标准对待评估图像中的动作进行评分。与现有技术相比，本发明专利技术采用自下而上的人体姿态识别算法，对人体健身动作进行识别，获取相关动作分数，提高获取分数的准确性和效率，能够有效对错误动作进行提示，提高健身效率。

【技术实现步骤摘要】
基于机器视觉和深度学习的健身动作识别评估方法
本专利技术涉及机器视觉及运动健康领域，尤其是涉及一种基于机器视觉和深度学习的健身动作识别评估方法。
技术介绍
随着人们对身体健康重视程度的提高，越来越多的人们通过健身来提高自己的身体健康。传统的健身指导方式是在教练的监督和指导下进行矫正，要求在特定的环境下由专业人士指导进行练习。由于时间、经济条件的限制，很多人选择居家健身，但是由于居家健身缺乏教练的实时指导、评判，导致居家健身不能达到很好的健身效果，甚至容易出现由于健身动作不规范导致的身体受伤情况。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于机器视觉和深度学习的健身动作识别评估方法。本专利技术的目的可以通过以下技术方案来实现：一种基于机器视觉和深度学习的健身动作识别评估方法，包括以下步骤：S1：获取待评估健身动作视频，设定动作类型；S2：建立每一帧视频图像的人体骨架模型；S3：提取动作与标准动作最接近的一帧视频图像作为待评估图像；S4：建本文档来自技高网...

【技术保护点】
1.一种基于机器视觉和深度学习的健身动作识别评估方法，其特征在于，包括以下步骤：/nS1：获取待评估健身动作视频，设定动作类型；/nS2：建立每一帧视频图像的人体骨架模型；/nS3：提取动作与标准动作最接近的一帧视频图像作为待评估图像；/nS4：建立获取动作分数的评分规则标准；/nS5：计算待评估图像中人体骨架模型的距离特征和角度特征，根据评分标准中动作类型对应的评分标准对待评估图像中的动作进行评分。/n

【技术特征摘要】
1.一种基于机器视觉和深度学习的健身动作识别评估方法，其特征在于，包括以下步骤：
S1：获取待评估健身动作视频，设定动作类型；
S2：建立每一帧视频图像的人体骨架模型；
S3：提取动作与标准动作最接近的一帧视频图像作为待评估图像；
S4：建立获取动作分数的评分规则标准；
S5：计算待评估图像中人体骨架模型的距离特征和角度特征，根据评分标准中动作类型对应的评分标准对待评估图像中的动作进行评分。


2.根据权利要求1所述的一种基于机器视觉和深度学习的健身动作识别评估方法，其特征在于，所述的动作评分标准为：
Gm＝(am,1×Wm,1+am,2×Wm,2+...+am,n×Wm,n)×100
其中，m为动作类型，m∈[1,2,…，M]，M为动作类型总数，n为评分标准类型，n∈[1,2,…，N]，N为动作类型对应的评分标准数，Gm为第m种健身动作的动作分数，am,n为第m种健身动作的第n个评分标准的评价分数，Wm,n为第m种健身动作的第n个评分标准的评分权重。


3.根据权利要求2所述的一种基于机器视觉和深度学习的健身动作识别评估方法，其特征在于，所述的第m种健身动作的第n个评分标准的评价分数amn为：



其中，xm,n为第m种健身动作的第n个评分标准对应的特征数据，xm,n为距离特征或角度特征，为评价辅助参数，Sf为不及格分数，Sp为优秀分数。


4.根据权利要求1所述的一种基于机器视觉和深度学习的健身动作识别评估方法，其特征在于，所述的步骤S2具体包括：
S21：选取COCO人体模型，采用CMU人体姿态数据集获取每一帧视频图像的骨骼关键点；
S22：根据骨骼关键点构建人体骨架图。


5....

【专利技术属性】
技术研发人员：崔嘉亮，钟倩文，郑树彬，彭乐乐，文静，林湧，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：上海;31