基于智能手环和人体三维重建的健身训练管理方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于智能手环和人体三维重建的健身训练管理方法及系统。方法包括：采集健身人员的图像并进行人体三维重建，得到体型参数；对各部件姿态角曲线进行分析，得到各部件合成姿态角曲线；对各部件的合成姿态角曲线进行叠加，得到视频帧关键程度曲线；根据视频帧关键程度曲线选取关键帧，利用关键帧进行健身动作识别；根据体型参数以及智能手环测得的心跳数据计算健身人员实时消耗热量，进行健身训练管理。利用本发明专利技术，可以提高复合健身动作的识别精度，实现个性化健身训练管理。实现个性化健身训练管理。

【技术实现步骤摘要】
基于智能手环和人体三维重建的健身训练管理方法及系统


[0001]本专利技术涉及人工智能、辅助健身
，具体涉及一种基于智能手环和人体三维重建的健身训练管理方法及系统。

技术介绍

[0002]健身训练过程消耗热量的计算往往基于运动器械的数据进行，例如通过跑步机速度、坡角及时长得到的消耗热量。但是，不同体型的人做不同动作时，其消耗的热量是不同的，而目前对运动消耗热量的计算，往往是回避掉个性化的人体信息，只选用通用的因素来进行粗糙的分析，无法形成个性化的健身训练管理。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种基于智能手环和人体三维重建的健身训练管理方法及系统，所采用的技术方案具体如下：
[0004]一种基于智能手环和人体三维重建的健身训练管理方法，该方法包括：
[0005]采集健身人员的图像并进行人体三维重建，得到体型参数；
[0006]获取健身人员部件的姿态角曲线，根据曲线波峰、波谷对姿态角曲线进行划分，得到部件姿态角对应的单峰段；根据同一部件不同姿态角对应单峰段的时长、波峰值与波谷值之差确定单峰段的重要系数；确定同一时段内同一部件最大重要系数对应的单峰段为基础单峰段；若同一部件其它姿态角的单峰段波峰位于基础单峰段内，则记为增强单峰段；根据基础单峰段的拟合概率分布，确定增强单峰段波峰对基础单峰段的增强系数；利用增强单峰段的波峰值及其增强系数对基础单峰段进行增强，得到部件的合成姿态角曲线；对各部件的合成姿态角曲线进行叠加，得到视频帧关键程度曲线；
[0007]根据视频帧关键程度曲线选取关键帧，利用关键帧进行健身动作识别；
[0008]根据体型参数以及智能手环测得的心跳数据计算健身人员实时消耗热量，进行健身训练管理。
[0009]进一步地，采集健身人员的图像并进行人体三维重建包括：
[0010]对采集的图像进行分析，得到健身人员三维关键点；
[0011]调整人体三维模型的参数，使模型的关键点与健身人员三维关键点重合，得到健身人员的三维模型。
[0012]进一步地，对采集的图像进行分析，得到健身人员三维关键点包括：
[0013]对采集的图像进行关键点提取，得到健身人员二维关键点；
[0014]利用神经网络对健身人员二维关键点进行分析，得到健身人员三维关键点。
[0015]进一步地，人体三维模型为SMPL模型。
[0016]进一步地，利用关键帧进行健身动作识别包括：
[0017]根据相邻关键帧之间部件姿态角的变化值得到细化动作序列，细化动作序列包括若干元素，每个元素对应一个部件，每个元素包括七种取值：若相邻关键帧之间部件的最大
姿态角变化超过设定阈值且为正，则部件对应元素值为最大姿态角类型值；若相邻关键帧之间部件的最大姿态角变化超过设定阈值且为负，则部件对应元素值为最大姿态角类型值取负；若相邻关键帧之间部件的最大姿态角变化未超过设定阈值，则部件对应元素值为设定细化值；
[0018]将细化动作序列输入神经网络，得到复合健身动作类型。
[0019]一种基于智能手环和人体三维重建的健身训练管理系统，该系统包括：
[0020]体型参数获取模块，用于采集健身人员的图像并进行人体三维重建，得到体型参数；
[0021]视频帧关键程度获取模块，用于获取健身人员部件的姿态角曲线，根据曲线波峰、波谷对姿态角曲线进行划分，得到部件姿态角对应的单峰段；根据同一部件不同姿态角对应单峰段的时长、波峰值与波谷值之差确定单峰段的重要系数；确定同一时段内同一部件最大重要系数对应的单峰段为基础单峰段；若同一部件其它姿态角的单峰段波峰位于基础单峰段内，则记为增强单峰段；根据基础单峰段的拟合概率分布，确定增强单峰段波峰对基础单峰段的增强系数；利用增强单峰段的波峰值及其增强系数对基础单峰段进行增强，得到部件的合成姿态角曲线；对各部件的合成姿态角曲线进行叠加，得到视频帧关键程度曲线；
[0022]健身动作识别模块，用于根据视频帧关键程度曲线选取关键帧，利用关键帧进行健身动作识别；
[0023]健身训练管理模块，用于根据体型参数以及智能手环测得的心跳数据计算健身人员实时消耗热量，进行健身训练管理。
[0024]进一步地，采集健身人员的图像并进行人体三维重建包括：
[0025]对采集的图像进行分析，得到健身人员三维关键点；
[0026]调整人体三维模型的参数，使模型的关键点与健身人员三维关键点重合，得到健身人员的三维模型。
[0027]进一步地，对采集的图像进行分析，得到健身人员三维关键点包括：
[0028]对采集的图像进行关键点提取，得到健身人员二维关键点；
[0029]利用神经网络对健身人员二维关键点进行分析，得到健身人员三维关键点。
[0030]进一步地，人体三维模型为SMPL模型。
[0031]进一步地，利用关键帧进行健身动作识别包括：
[0032]根据相邻关键帧之间部件姿态角的变化值得到细化动作序列，细化动作序列包括若干元素，每个元素对应一个部件，每个元素包括七种取值：若相邻关键帧之间部件的最大姿态角变化超过设定阈值且为正，则部件对应元素值为最大姿态角类型值；若相邻关键帧之间部件的最大姿态角变化超过设定阈值且为负，则部件对应元素值为最大姿态角类型值取负；若相邻关键帧之间部件的最大姿态角变化未超过设定阈值，则部件对应元素值为设定细化值；
[0033]将细化动作序列输入神经网络，得到复合健身动作类型。
[0034]本专利技术具有如下有益效果：
[0035]1、本专利技术通过智能手环和相机的搭配，智能手环可获得心跳数据，而相机采集到人体图像后通过人体三维重建，可以得到人体的体型数据，从而精确计算运动的热量消耗
表征结果，最终实现合理的健身(瘦身、增肌)管理。
[0036]2、本专利技术通过分析健身过程中部件姿态角的变化，得到合成姿态角曲线，消除了运动过程中噪声等影响，提高了健身过程中关键帧选取精度，进而有助于后续提高复合健身动作类型的精度。
[0037]3、本专利技术通过关键帧之间的变化，获得细化动作序列，能够较好地表征动作变化，不仅提高了复合健身动作的识别效率，而且提高了复合健身动作的识别精度。
具体实施方式
[0038]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合及较佳实施例，对依据本专利技术提出的一种基于智能手环和人体三维重建的健身训练管理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0039]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0040]下面具体的说明本专利技术所提供的一种基于智能手环和人体三维重建的健身训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能手环和人体三维重建的健身训练管理方法，其特征在于，该方法包括：采集健身人员的图像并进行人体三维重建，得到体型参数；获取健身人员部件的姿态角曲线，根据曲线波峰、波谷对姿态角曲线进行划分，得到部件姿态角对应的单峰段；根据同一部件不同姿态角对应单峰段的时长、波峰值与波谷值之差确定单峰段的重要系数；确定同一时段内同一部件最大重要系数对应的单峰段为基础单峰段；若同一部件其它姿态角的单峰段波峰位于基础单峰段内，则记为增强单峰段；根据基础单峰段的拟合概率分布，确定增强单峰段波峰对基础单峰段的增强系数；利用增强单峰段的波峰值及其增强系数对基础单峰段进行增强，得到部件的合成姿态角曲线；对各部件的合成姿态角曲线进行叠加，得到视频帧关键程度曲线；根据视频帧关键程度曲线选取关键帧，利用关键帧进行健身动作识别；根据体型参数以及智能手环测得的心跳数据计算健身人员实时消耗热量，进行健身训练管理。2.如权利要求1所述的方法，其特征在于，所述采集健身人员的图像并进行人体三维重建包括：对采集的图像进行分析，得到健身人员三维关键点；调整人体三维模型的参数，使模型的关键点与健身人员三维关键点重合，得到健身人员的三维模型。3.如权利要求2所述的方法，其特征在于，所述对采集的图像进行分析，得到健身人员三维关键点包括：对采集的图像进行关键点提取，得到健身人员二维关键点；利用神经网络对健身人员二维关键点进行分析，得到健身人员三维关键点。4.如权利要求1所述的方法，其特征在于，所述人体三维模型为SMPL模型。5.如权利要求1所述的方法，其特征在于，利用关键帧进行健身动作识别包括：根据相邻关键帧之间部件姿态角的变化值得到细化动作序列，细化动作序列包括若干元素，每个元素对应一个部件，每个元素包括七种取值：若相邻关键帧之间部件的最大姿态角变化超过设定阈值且为正，则部件对应元素值为最大姿态角类型值；若相邻关键帧之间部件的最大姿态角变化超过设定阈值且为负，则部件对应元素值为最大姿态角类型值取负；若相邻关键帧之间部件的最大姿态角变化未超过设定阈值，则部件对应元素值为设定细化值；将细化动作序列输入神经网络，得到复合健身动作类型。6.一种基于智能手环和人体三维重建的健身训练管理系统，其特征在于...

【专利技术属性】
技术研发人员：李发宏，
申请(专利权)人：江苏动泰运动用品有限公司，
类型：发明
国别省市：