基于动作捕捉的健身辅助系统技术方案

本公开涉及基于动作捕捉的健身辅助系统，用于辅助用户进行跑步姿态矫正，包括：跑步机；矩阵光源；成像单元；图像采集单元；计算终端，其与所述图像采集单元通讯连接，至少包括一处理器，所述处理器配置为执行一可执行性程序，该可执行性程序至少包括帧提取单元、光流特征提取单元和LSTM单元，所述帧提取单元配置为对所述视频流数据进行图像帧提取，所述光流特征提取单元配置为针对所述图像帧进行光流特征提取以生成帧光流特征，所述LSTM单元配置为根据所述帧光流特征逐帧计算跑步姿态评分，所述LSTM单元由ImageNet标准跑步图像库预训练，且所述跑步姿态评分与用户跑步姿态标准程度正相关。本发明专利技术提供的基于动作捕捉的健身辅助系统，可利用光流特征及LSTM模型预测动作的精准程度。程度。程度。

【技术实现步骤摘要】
基于动作捕捉的健身辅助系统


[0001]本专利技术涉及一种信息处理方法，特别是涉及一种基于动作捕捉的健身辅助系统。

技术介绍

[0002]随着社会文明的进步，人们越来越希望自身在身体健康的同时，具有更优美的身材。而健身运动则是实现这个目标的重要方式之一，在众多的健身运动中，跑步由于其相对来说不受时间地点限制，且易于参与。因此在最近几年，越来越收到城市白领一族的青睐。但随着众多参与者不断的深入了解，大多数人都会发现，跑步这项运动并非表面上看起来那么简单。首先，每个人应根据自己身体特点，制定合理的运动量，避免跑步时的运动量过大，从而造成膝关节磨损，产生的膝关节疼痛，这类患者建议立即停止跑步运动，让膝关节等部位得到充分休息。其次，对于脚部出现肿胀，疼痛或擦伤，一般这种状况被称为跟腱炎，这是一种很常见的跑步损伤现象。另还有胫骨应力综合症，通常表现为小腿在跑步时紧绷、有痛感；但是停止跑步后，症状消失，严重者走路都会疼痛。这两类患者都大概率是因为跑步时的姿势不正确，需要进行修正。
[0003]动作捕捉(英文：Motion Capture，以下简称动捕)是利用外部设备来对人体结构的位移进行数据记录和姿态还原的技术。目前在体育和健身行业，已存在一些利用动作捕捉进行辅助训练的应用。但大多依赖可穿戴设备或者基于三维空间的视频采集，而后再对视频进行进一步分析。但这两类都需要相对较昂贵的设备和专业人员的调校，很难大范围普及并极大降低成本。

技术实现思路

[0004]鉴于现有技术存在的上述问题，本专利技术的目的在于提供一种成本较低且能实现相对较精确的动作捕捉以进行跑步姿态矫正的基于动作捕捉的健身辅助系统。
[0005]为了实现上述目的，本专利技术提供的基于动作捕捉的健身辅助系统，用于辅助用户进行跑步姿态矫正，包括：
[0006]跑步机，其沿第一方向部署以供用户进行跑步训练；
[0007]矩阵光源，其设置于所述跑步机一侧且向跑步机上训练的用户发射第二方向的照射光线，所述第二方向与所述第一方向垂直；
[0008]成像单元，其设置于所述跑步机的另一侧，所述照射光线配置为在所述成像单元上形成影子图像；
[0009]图像采集单元，所述图像采集单元配置为实时采集所述影子图像并形成视频流数据；
[0010]计算终端，其与所述图像采集单元通讯连接，至少包括一处理器，所述处理器配置为执行一可执行性程序，该可执行性程序至少包括帧提取单元、光流特征提取单元和LSTM单元(长短期记忆网络，Long Short
‑
Term Memory)，所述帧提取单元配置为对所述视频流数据进行图像帧提取，所述光流特征提取单元配置为针对所述图像帧进行光流特征提取以
生成帧光流特征，所述LSTM单元配置为根据所述帧光流特征逐帧计算跑步姿态评分，所述LSTM单元由ImageNet标准跑步图像库预训练，且所述跑步姿态评分与用户跑步姿态标准程度正相关。
[0011]作为优选，所述可执行性程序还包括视频切割单元，所述视频切割单元配置为对所述视频流数据预先进行基于时间周期的视频切割以形成多个视频片段。
[0012]作为优选，所述可执行性程序还包括视频分类单元，所述视频分类单元配置为对多个所述视频片段进行基于softmax分类器的分类，剔除不含跑步姿态的无效视频片段。
[0013]作为优选，还包括一预处理单元，所述帧提取单元在提取图像帧之后，还通过所述预处理单元对所述图像帧进行预处理，所述预处理包括：
[0014]对所述图像帧进行灰度处理；
[0015]对经过灰度处理的图像帧计算所有像素值的均值作为阈值；
[0016]利用所述阈值实现图像帧的二值化分割。
[0017]作为优选，所述LSTM单元在根据所述帧光流特征逐帧计算跑步姿态评分时：
[0018]对于每一帧图像帧对应的所述帧光流特征，利用LDA模型学习一个矩阵，最大化与其他图像帧对应的所述帧光流特征的距离；
[0019]则每一帧图像帧对应的得分可通过如下公式确定：
[0020][0021]其中，f
x
为x帧图像帧的得分，Fx为x帧的最大帧得分，W、T、A为常数。
[0022]作为优选，所述LSTM单元包括slstm(堆栈式长短期记忆，Stack Long Short
‑
term Memory)子单元、elstm(集合型故障诊断方法)子单元、dlstm(双向长短期记忆网络)子单元和clstm(残差长短时记忆网络)子单元；所述slstm子单元配置为输出每一帧的得分，与原来帧加权后得到新的帧光流特征；所述elstm子单元配置为对于slstm得到的新的帧光流特征，进行特征解码；所述dlstm子单元配置为对elstm子单元得到的特征解码，还原为原来的帧光流特征；所述clstm子单元配置为判断dlstm得到的特征是否还是原来的特征。
[0023]作为优选，所述跑步机包括底架和铰接设置在所述底架上的作动机构，所述作动机构受驱于设置在所述底架上的驱动部，用于供用户进行跑步训练；所述底架上对设有两个立柱，所述立柱的顶端设置有扶手，所述扶手之间设置有用于对所述驱动部进行控制的控制部。
[0024]作为优选，所述底座与所述作动机构之间设置有能使所述作动机构以预设角度折叠的气弹簧伸缩杆。
[0025]作为优选，所述矩阵光源包括多个成矩阵样分布的LED灯珠。
[0026]作为优选，所述成像单元包括支撑框架和设置在所述支撑框架上的可调支撑杆，以及设置在所述可调支撑杆之间的框架，所述框架内布设有半透光幕布；所述图像采集单元为位于成像侧的相对的另一侧。
[0027]与现有技术相比较，本专利技术提供的基于动作捕捉的健身辅助系统，完全不借助于现有的三维动作捕捉和后期建模，而仅依赖投影到幕布上的影子图像，基于二维平面的，利用光流特征及LSTM模型预测动作的精准程度。相比较于目前常见的动作捕捉系统，虽然精确度上略有不及，但是其部署受空间限制小，且造价非常低廉。日常普通用的跑步机结合软件系统，结合幕布和光源，即可实现基于影子图像的动作捕捉，并达到针对健身辅助系统的
动作校准。
附图说明
[0028]图1为本专利技术的基于动作捕捉的健身辅助系统的结构示意图。
[0029]图2为本专利技术的基于动作捕捉的健身辅助系统的跑步机的主视结构示意图。
[0030]图3为本专利技术的基于动作捕捉的健身辅助系统的跑步机的底部结构示意图。
[0031]图4为本专利技术的基于动作捕捉的健身辅助系统的跑步机收合时的立体结构示意图。
[0032]图5为本专利技术的基于动作捕捉的健身辅助系统的跑步机的系统框图。
[0033]附图标记：
[0034]100
‑
矩阵光源；200
‑
跑步机；300
‑
成像单元；400
‑
图像采集单元；500
‑
计算终端；600
...

【技术保护点】

【技术特征摘要】
1.基于动作捕捉的健身辅助系统，用于辅助用户进行跑步姿态矫正，包括：跑步机，其沿第一方向部署以供用户进行跑步训练；矩阵光源，其设置于所述跑步机一侧且向跑步机上训练的用户发射第二方向的照射光线，所述第二方向与所述第一方向垂直；成像单元，其设置于所述跑步机的另一侧，所述照射光线配置为在所述成像单元上形成影子图像；图像采集单元，所述图像采集单元配置为实时采集所述影子图像并形成视频流数据；计算终端，其与所述图像采集单元通讯连接，至少包括一处理器，所述处理器配置为执行一可执行性程序，该可执行性程序至少包括帧提取单元、光流特征提取单元和LSTM单元，所述帧提取单元配置为对所述视频流数据进行图像帧提取，所述光流特征提取单元配置为针对所述图像帧进行光流特征提取以生成帧光流特征，所述LSTM单元配置为根据所述帧光流特征逐帧计算跑步姿态评分，所述LSTM单元由ImageNet标准跑步图像库预训练，且所述跑步姿态评分与用户跑步姿态标准程度正相关。本发明提供的基于动作捕捉的健身辅助系统，完全不借助于现有的三维动作捕捉和后期建模，而仅依赖投影到幕布上的影子图像，基于二维平面的，利用光流特征及LSTM模型预测动作的精准程度。2.如权利要求1所述的系统，所述可执行性程序还包括视频切割单元，所述视频切割单元配置为对所述视频流数据预先进行基于时间周期的视频切割以形成多个视频片段。3.如权利要求2所述的系统，所述可执行性程序还包括视频分类单元，所述视频分类单元配置为对多个所述视频片段进行基于softmax分类器的分类，剔除不含跑步姿态的无效视频片段。4.如权利要求1所述的系统，还包括一预处理单元，所述帧提取单元在提取图像帧之后，还通过所述预处理单元对所述图像帧进行预处理，所述预处理包括：对所述图像帧进行灰度处理；对经过灰...

【专利技术属性】
技术研发人员：耿彬，
申请(专利权)人：郑州大学体育学院，
类型：发明
国别省市：