基于人体姿态识别的自重健身辅助教练系统、方法、终端技术方案

本发明专利技术公开一种基于人体姿态识别的自重健身辅助教练系统、方法、终端，涉及健身训练信息处理技术领域。利用摄像头对健身者的动作进行捕捉和记录；在健身训练时，从运动帧序列中检测健身者的动作；通过提取健身动作的运动幅度，关节角度特征识别健身者的动作类别；对健身者动作类别的运动标准进行标注和数据处理。本发明专利技术辅助健身者训练，以此摆脱居家自重健身只依靠经验的状态，带给健身者方便专业的健身指导，规避不必要的锻炼损伤和提高健身效率。本发明专利技术服传统健身中通过基于肉眼观察的训练方法，实现基于人体运动特征的分析方法。该自重健身辅助教练系统的发明专利技术具有重要的科研价值和潜在的巨大商业价值。值和潜在的巨大商业价值。值和潜在的巨大商业价值。

【技术实现步骤摘要】
基于人体姿态识别的自重健身辅助教练系统、方法、终端


[0001]本专利技术属于健身训练信息处理
，尤其涉及一种基于人体姿态识别的自重健身辅助教练系统、方法、终端。

技术介绍

[0002]目前，在线训练在2021全球健身趋势报告中显示排名第一位，自重训练排名第三位。中国健身起步较晚，但发展迅速，与全球领先水平仅半步之遥，今天全球火热的健身趋势基本上明天就能够在中国国民中普及盛行。通过全球健身趋势可以对未来五年中国的健身行业初窥门径：便捷的可穿戴健身设备和智能健身等运动科技将在大众日常健身中发挥越来越重要的作用，如何将人工智能运用于日常健身、如何快速高效的达到每日健身目标、如何实现懒人健身、如何智能识别健身者的身体状况和生活习性、健身需求并有效结合制定适宜的健身方案、如何提高智能科技在健身领域的应用水平等等都将是运动科技公司和传统健身企业需要思考的课题。健身不仅仅是年轻人的事情，关注全生命周期的健身，包括青少年、老人和儿童，这将是健身企业的潜在目标客户人群，老人和孩子的健身市场仍是一片蓝海。压力大、时间少，身体健康很重要，健身运动不得不做，短平快的健身技术研发，全球人民都需要。
[0003]自重训练就是通过对抗自己的体重，从而达到刺激肌肉进而塑形增肌的目的。当然如果人们愿意，甚至可以说是达到减肥、增强体能的目的。自重训练，可以在室内也可以在户外，一个俯卧撑和仰卧起坐是一个自重训练，一个高难度的俄挺或前水平，也属于自重训练。与重量训练的各种“标准动作”相比，自重训练的变化多种多样，而且并不会定死一条规则。自重训练同样可以突破时间和地理的限制，灵活安排训练。进行重量训练，往往都要去健身房。而对于自重训练者来说，家就是最佳的训练场所，同时自重训练侧重平衡和身体的灵活性。从健身房里面练出来的肌肉，往往被人打上“死肌肉”的标签，意思是中看不中用。但这些“死肌肉”，这是为有志于参加各种比赛而准备的。自重训练者肌肉被认为是更具灵活性，肌肉的韧性和平衡得到极大的加强。
[0004]视觉是人类感知世界的主要途径之一，动作识别已成为计算机视觉领域不可或缺的重要组成部分，它将使计算机能够观察世界，自动识别和分析人类活动并做出决策。然而，对于人的姿态估计与动作识别面临着诸多挑战，比如场景复杂多变，光照条件不恒定，人体自遮挡以及动作语义的不确定性等，这导致姿态识别和动作分析的方法多而分散。
[0005]最早对于人的动作分析普遍认为是心理学家在上世纪七十年代开展的移动光照显示器(MLD)实验，通过固定在人的关节处的亮点的运动信息判断动作，打开了基于视觉的人体动作分析的大门，此后，运动识别与分析进入逐步发展阶段。纵观五十年的发展历程，动作分析的专利技术经历了从无到有，从简单到复杂，取得了显著的进步，对推动计算机视觉、机器学习等学科的发展做出了卓越贡献。
[0006]自重训练往往缺乏专业的指导，很多初入门者甚至只是盲目的模仿高级训练者的图片或视频，自身的动作往往不标准，导致影响训练效果，达不到训练目标，比较典型的就
是各种协同肌代偿。更有甚者会造成运动损伤，多次错误动作逐渐积累也可能导致伤病。在健身动作中都有一个标准的动作体系，这些动作标准，都是针对与动作本身所锻炼的身体部位，具有规避不必要的锻炼损伤和提高健身效率的作用。
[0007]在传统的健身训练中，通常采用基于肉眼观察的训练方法。而早期的人体动作识别都需要借助外接设备的辅助，非常不方便，在便携性方面对使用者有很多约束，也存在忘记穿戴或运动损坏的情况。而且不同的健身者在做同一个健身动作时，受到生活习惯，身体的姿态等各种因素的影响，导致健身动作的类内差异较大，动作类别难以定义。随着深度学习的发展，计算机可以仅通过摄像头等设备就能够感知人体动作，也出现了很多手势识别，姿势识别方面的专利技术，在智能视频监控、高级人机交互等领域得以应用。
[0008]通过上述分析，现有技术存在的问题及缺陷为：
[0009](1)现有技术中，自重训练往往缺乏专业的指导，很多初入门者甚至只是盲目地模仿高级训练者的图片或视频，自身的动作往往不标准，导致影响训练效果，达不到训练目标，比较典型的问题就是各种协同肌代偿。更有甚者会造成运动损伤,多次错误动作逐渐积累也可能导致伤病。
[0010](2)现有技术健身效率低。
[0011]解决以上问题及缺陷的意义为：
[0012]本专利技术以健身者居家自重健身为背景，构建了基于OpenPose的自重健身辅助教练系统。该系统涉及到彩色图像和深度图像生成3D点云，通过彩色信息进行人体关键点的识别，在3D点云中获取相应的深度信息，生成3D点云的骨架图并得到健身者的实时运动姿态。通过IntelrealsenseD435摄像头实时地获取自重健身者的健身动态视频，通过OpenPose对其进行初步的推理和计算相应的人体二维关键点坐标，再利用人体关节角度和关节点之间的距离等因素计算运动的特征，输入分类器得到分类结果。比对预先采集好的健身动作特征，从物理学，运动学等角度衡量健身动作是否标准，提出哪些地方需要改进，给予简单易懂的健身指导。相对于穿戴式传感器检测姿态而言，本系统不用与健身者直接接触，更加方便运动。

技术实现思路

[0013]为克服相关技术中存在的问题，本专利技术公开实施例提供了一种基于人体姿态识别的自重健身辅助教练系统、方法、终端。
[0014]本专利技术目的在于提供一种基于人体姿态识别的自重健身辅助教练系统及方法，进行以下步骤：
[0015]健身者的姿态检测需要在一定的空间范围内准确地识别并还原人的3D骨架图到3D点云中，对检测的算法有一定的精度要求。在尝试了多种模型后，选用OpenPose姿态识别网络来获取视频帧中人体的二维骨架关节点坐标，单独处理相机深度流中的深度信息，对齐彩色帧后由关节点坐标求得各关键点的深度值，进行3D骨架化的构建。
[0016]运动特征的提取：针对健身动作中各个动作要求的重点选取动作规范的特征，如关节角度，肢体朝向，运动幅度等，在多次选取和测试后，最终选取了15个空间距离比例和15个空间向量的余弦相似度作为特征。
[0017]在建立骨架图和运动特征值的基础上，训练自定义动作的姿态识别模型。利用骨
架图可以训练卷积神经网络动作识别模型，将分类好的特征写好标签则可以通过全连接神经网络训练得到动作识别模型。
[0018]数据集的采集，标注和处理：本专利技术在训练动作识别模型时的数据集是在实验室模拟居家环境使用学生的运动姿态采集的，通过多名同学的多组健身动作的特征采集，自动写入动作类型的标签，再经过人工的筛选去除不可用数据制作了本次动作识别的数据集，将健身者的姿态分为了多组日常动作和健身动作，分别为走，站，停止动作，俯卧撑，侧向开合，四点支撑，深蹲，箭步蹲。
[0019]所述技术方案如下：一种基于人体姿态识别的自重健身辅助教练方法，包括：
[0020]步骤一，利用摄像头对健身者的动作进行捕捉和记录；选用OpenPose姿态识别网络获取视频帧中人体的二维骨架关节点坐本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人体姿态识别的自重健身辅助教练方法，其特征在于，所述基于人体姿态识别的自重健身辅助教练方法包括：步骤一，利用摄像头对健身者的动作进行捕捉和记录；选用OpenPose姿态识别网络获取视频帧中人体的二维骨架关节点坐标，单独处理相机深度流中的深度信息，对齐彩色帧后由关节点坐标求得各关键点的深度值，进行3D骨架化的构建；步骤二，在健身训练时，从运动帧序列中检测健身者的动作；步骤三，通过提取健身动作的运动幅度，关节角度特征识别健身者的动作类别；步骤四，对健身者动作类别的运动标准进行标注和数据处理。2.根据权利要求1所述的基于人体姿态识别的自重健身辅助教练方法，其特征在于，所述步骤一利用摄像头对健身者的动作进行捕捉和记录具体包括：(1)获取相机参数矩阵：(2)人体三维骨骼关节点的获取与连接：将构建好的OpenPose姿态识别网络的动态库和姿态检测模型导入，调用API接口获取D435镜头中彩色图像帧获得人体二维关键点坐标；这是一幅站立OpenPose姿态识别网络识别出25个二维关键点的坐标，依照人体关节连接顺序连接各个关键点得到二维的骨架图；获取二维关键点坐标后，根据二维关键点像素坐标在对应的已对齐的深度帧中依次获取各关键点的深度信息，再加上相机的参数矩阵，将人体二维关键点的数据转换相机坐标系下的三维坐标；对关键点三维坐标进行绘图和肢体连接，得到的人体三维骨架图。3.根据权利要求2所述的基于人体姿态识别的自重健身辅助教练方法，其特征在于，所述将人体二维关键点的数据转换相机坐标系下的三维坐标包括：像素坐标系转世界坐标系，通过使用形成相应像素p的透视变换将场景的3D点P
w
投影到图像平面中来获得场景的视图；P
w
和p都用齐次坐标表示，分别表示3D和2D齐次向量；针孔相机模型给出的无畸变投影变换公式如下所示：sp＝A[R∣t]P
w
；其中P
w
是相对于世界坐标系表示的3D点，p是图像平面中的2D像素，A是相机固有参数矩阵，R和t是描述坐标从世界到相机坐标系(或相机帧)变化的旋转和平移，s是投影变换的任意缩放；从像素坐标系转换到相机坐标系需要使用相机的内参变换；见下式：4.根据权利要求1所述的基于人体姿态识别的自重健身辅助教练方法，其特征在于，所述步骤二从运动帧序列中检测健身者的动作包括：通过滑动均值滤波或卡尔曼滤波对关键点三维坐标进行处理获得更精确的关键点数据，对人体三维关键点建立3D骨架可视化，并提取人体运动特征后构建数据集；最终选取15个空间距离比例和15个空间向量的余弦相似度作为特征值。5.根据权利要求1所述的基于人体姿态识别的自重健身辅助教练方法，其特征在于，所述步骤三识别健身者的动作类别包括：在步骤一构建的3D骨架化的骨架图和步骤二选出的运动特征值的基础上，训练自定义
动作的姿态识别模型；利用骨架图训练卷积神经网络动作识别模型，将分类好的运动特征值写好标签则通过全连接神经网络训练得到动作识别模型。6.根据权利要求1所述的基于人体姿态识别的自重健身辅助教练方法，其特征在于，所述步骤四对健身者动作类别的运动标准进行标注和数据处理包括：采集运动姿态数据...

【专利技术属性】
技术研发人员：丁德琼，胡鑫，王洪雷，初佃辉，
申请(专利权)人：哈尔滨工业大学威海，
类型：发明
国别省市：