基于视觉的运动视频精细分析方法和装置制造方法及图纸

本申请提出一种基于视觉的运动视频精细分析方法，包括：获取运动视频的视频数据，并将视频数据输入至预设的动作识别模型，得到对应的动作类别；根据动作类别，从预先采集的标准视频数据中获取与动作类别匹配的目标标准数据；将视频数据输入至预设的人体姿态估计模型，得到运动视频中每一帧视频图像的第一关键点信息；将目标标准数据输入至人体姿态估计模型，得到每一帧标准视频图像的第二关键点信息；将第一关键点信息和第二关键点信息进行匹配，确定第一关键点信息和第二关键点信息的相似度，根据相似度确定运动视频的整体动作评分。本申请能够客观化地进行动作评分，同时更细粒度地生成动作辅助建议，并且易推广、易实施，具备良好的应用前景。具备良好的应用前景。具备良好的应用前景。

【技术实现步骤摘要】
基于视觉的运动视频精细分析方法和装置


[0001]本申请涉及人工智能
，尤其涉及基于视觉的运动视频精细分析方法和装置。

技术介绍

[0002]传统的评分方式主要为人为主观判读进行评分，其要求评分者有一定经验以及专业性，人为评分存在的问题主要有主观性强、效率低、准确率低、评分标准模糊等问题。
[0003]现有技术实现方案：
[0004]现有运动评分系统核心技术点之一是对运动者动作进行动作捕捉建模的方法，对于动作建模目前主要采用的方法是通过传感器设备进行动作捕捉，在人体的各关节上安装传感器，传感器返回的数据通过一定的算法模型进行模拟，根据人体的关节连接关系，将其抽象为简单的刚性实体，进一步可获得人体骨骼点动作模型。
[0005]现有运动评分系统的核心技术点之二是对已建模动作模型的动作评估方法，目前主要采用的方法是根据获得的骨骼点模型，对其各个关节之间的相互运动关系，主要是相互之间的角度旋转范围、相对位置偏移等差异判断运动与正常形态运动之间的差异，综合多个骨骼点数据进行打分评估。
[0006]现有技术的缺点：...

【技术保护点】

【技术特征摘要】
1.一种基于视觉的运动视频精细分析方法，其特征在于，包括：获取运动视频的视频数据，并将所述视频数据输入至预设的动作识别模型，以得到对应的动作类别；根据所述动作类别，从预先采集的标准视频数据中获取与所述动作类别匹配的目标标准数据，其中，所述标准视频数据中包括不同类别动作的标准范式；将所述视频数据输入至预设的人体姿态估计模型，得到所述运动视频中每一帧视频图像的第一关键点信息；将所述目标标准数据输入至所述人体姿态估计模型，得到每一帧标准视频图像的第二关键点信息；将所述第一关键点信息和所述第二关键点信息进行匹配，以确定所述第一关键点信息和所述第二关键点信息的相似度，根据所述相似度确定所述运动视频的整体动作评分。2.如权利要求1所述的方法，其特征在于，在将所述视频数据输入至预设的动作识别模型之前，还包括：对所述视频数据进行预处理，所述预处理包括：将所述视频数据中视频图像的分辨率、格式和编码调整为与所述标准视频数据中标准视频图像的分辨率、格式和编码匹配；和/或对所述视频数据中视频图像的像素值进行归一化处理；和/或对所述视频数据中视频图像的像素值进行填充处理；和/或根据所述标准视频图像对所述视频数据中视频图像进行视频片段剪切处理，以使所述视频数据中视频图像与所述标准视频图像在时间上对齐。3.如权利要求1或2所述的方法，其特征在于，将所述第一关键点信息和所述第二关键点信息进行匹配，以确定所述第一关键点信息和所述第二关键点信息的相似度，根据所述相似度确定所述运动视频的整体动作评分，包括：分别计算每一帧视频图像的第一关键点信息与对应的第二关键点信息的相似度，并计算所有帧视频图像的相似度的平均值，将所述平均值作为所述运动视频的整体动作评分。4.如权利要求3所述的方法，其特征在于，在分别计算每一帧视频图像的第一关键点信息与对应的第二关键点信息的相似度之前，还包括：分别对每一帧视频图像的第一关键点信息与对应的第二关键点信息进行标准尺度缩放。5.如权利要求1所述的方法，其特征在于，在根据所述相似度确定所述运动视频的整体动作评分之后，还包括：根据所述运动视频的整体动作评分生成可视化分析图，其中，所述可视化分析图包括所述运动视频中视频图像的时间轴，以及在所述时间轴上不同时刻的视频图像对应的动作评分。6.如权利要求5所述的方法，其特征在于，在根据所述运动视频的整体动作评分生成可视化分析图之后，还...

【专利技术属性】
技术研发人员：杨吉江，舒大伟，王青，
申请(专利权)人：清华大学，
类型：发明
国别省市：