跑步姿态的识别方法、装置和计算机设备制造方法及图纸

本申请提供了一种跑步姿态的识别方法、装置和计算机设备，系统采集用户跑步时的下半身图像，然后调用底层骨架提取算法对下半身图像进行解析，从而得到多张关键点热力图。其中，单张关键点热力图对应单个关键点。系统对各关键点热力图进行解码，得到各关键点热力图分别对应的关键点坐标。最后，系统根据各关键点坐标生成当前关键点对，并将当前关键点对和基准关键点对进行比对，分析得到所述用户的跑步姿态。本申请中系统所采集的下半身图像包括用户的脚部图像，从而通过底层骨架提取算法解析得到包括了用户脚部的关键点热力图，增加了对用户跑步时脚部关键点的预测，进而可以分析得到用户的脚部姿态，使得最终识别到的跑步姿态更加全面和准确。加全面和准确。加全面和准确。

【技术实现步骤摘要】
跑步姿态的识别方法、装置和计算机设备


[0001]本申请涉及姿态识别
，特别涉及一种跑步姿态的识别方法、装置和计算机设备。

技术介绍

[0002]随着跑步机进入大众的视野、成为越来越多人运动的便利选择时，正确的跑步姿态对用户的运动效果和形体塑造均具有重要的作用。现有针对用户在跑步机上跑步时的姿态识别，通常是借助计算机视觉对人体关键点进行提取，并进一步对关键点形成的人体姿态进行分析(比如通过低成本的普通RGB相机输出图像，对图像进行人体骨架关键点提取；或者通过Kinect等三维传感器捕捉人体深度信息，从而进一步地对人体建模，获得姿态信息)。但是，这类姿态识别方法通常无法通过仅有的下半身图像信息准确地提取下半身的骨架，对用户跑步姿态的识别准确度较低。

技术实现思路

[0003]本申请的主要目的为提供一种跑步姿态的识别方法、装置和计算机设备，旨在解决现有针对用户在跑步机上跑步时的姿态识别准确度较低的弊端。
[0004]为实现上述目的，本申请提供了一种跑步姿态的识别方法，包括：
[0005]采集用户跑步时的下半身图像，所述下半身图像包括脚部图像；
[0006]调用底层骨架提取算法对所述下半身图像进行解析，得到多张关键点热力图，单张关键点热力图对应单个关键点；
[0007]对各所述关键点热力图进行解码，得到各所述关键点热力图分别对应的关键点坐标；
[0008]根据各所述关键点坐标生成当前关键点对，并将所述当前关键点对和预先构建的基准关键点对进行比对，分析得到所述用户的跑步姿态。
[0009]本申请还提供了一种跑步姿态的识别装置，包括：
[0010]采集模块，用于采集用户跑步时的下半身图像，所述下半身图像包括脚部图像；
[0011]解析模块，用于调用底层骨架提取算法对所述下半身图像进行解析，得到多张关键点热力图，单张关键点热力图对应单个关键点；
[0012]解码模块，用于对各所述关键点热力图进行解码，得到各所述关键点热力图分别对应的关键点坐标；
[0013]分析模块，用于根据各所述关键点坐标生成当前关键点对，并将所述当前关键点对和预先构建的基准关键点对进行比对，分析得到所述用户的跑步姿态。
[0014]进一步的，所述解析模块，包括：
[0015]提取单元，用于将所述下半身图像输入编码器进行编码，提取得到语义特征，所述编码器由多个深度可分离卷积及一个空洞卷积组成；
[0016]预测单元，用于通过卷积层叠加，从所述语义特征中预测得到多张粗糙关键点热
力图；
[0017]精炼单元，用于对各所述粗糙关键点热力图进行精炼，得到各所述关键点热力图。
[0018]进一步的，所述精炼单元，包括：
[0019]提取子单元，用于将所述粗糙关键点热力图通过空洞空间金字塔池化，提取得到二次关键点热力图；
[0020]细化子单元，用于基于全局的空间注意力机制对所述二次关键点热力图进行细化，得到所述关键点热力图。
[0021]进一步的，所述解码模块，包括：
[0022]第一计算单元，用于使用波峰取点法分别对各所述关键点热力图进行计算，得到各所述关键点热力图各自对应的高斯点峰值；
[0023]判断单元，用于判断各所述关键点热力图各自对应的高斯点峰值是否为一个；
[0024]标记单元，用于若各所述关键点热力图各自对应的高斯点峰值为一个，则将所述高斯点峰值所在的坐标，作为对应的所述关键点坐标。
[0025]进一步的，所述解码模块，还包括：
[0026]筛选单元，用于若各所述关键点热力图各自对应的高斯点峰值为多个，则从多个所述高斯点峰值中筛选出第一高斯点峰值和第二高斯点峰值，所述第一高斯点峰值为最大高斯点峰值，所述第二高斯点峰值仅小于所述第一高斯点峰值；
[0027]第二计算单元，用于计算计算所述第一高斯点峰值的坐标与所述第二高斯点峰值的坐标之间的距离；
[0028]调整单元，用于根据所述距离对所述第一高斯点峰值在X方向上和Y方向上的坐标值进行偏移调整，得到所述关键点热力图对应的所述关键点坐标。
[0029]进一步的，各所述关键点坐标包括腿型关键点坐标和脚型关键点坐标，所述基准关键点对包括预设腿型关键点对和预设脚型关键点对，所述当前关键点对包括当前腿型关键点对和当前脚型关键点对，所述跑步姿态包括跑步腿型和跑步脚型，所述分析模块，包括：
[0030]构建单元，用于根据各所述腿型关键点坐标构建所述当前腿型关键点对，并根据各所述脚型关键点坐标构建所述当前脚型关键点对；
[0031]比对单元，用于将所述当前腿型关键点对与所述预设腿型关键点对进行比对，计算得到在垂直方向上的第一夹角信息；并将所述当前脚型关键点对与所述预设腿型关键点对进行比对，计算得到在垂直方向上的第二夹角信息；
[0032]分析单元，用于根据所述第一夹角信息与第一角度阈值分析得到所述跑步腿型，并根据所述第二夹角信息与第二角度阈值分析得到所述跑步脚型脚。
[0033]进一步的，所述预设腿型关键点对包括预设左大腿关键点对、预设右大腿关键点对、预设左小腿关键点对和预设右小腿关键点对；
[0034]所述当前腿型关键点对包括当前左大腿关键点对、当前右大腿关键点对、当前左小腿关键点对和当前右小腿关键点对；
[0035]所述第一夹角信息包括所述当前左大腿关键点对与所述预设左大腿关键点对之间的夹角a1、所述当前右大腿关键点对与所述预设右大腿关键点对之间的夹角a2、所述当前左小腿关键点对与所述预设左小腿关键点对之间的夹角a3、所述当前右小腿关键点对与所
述预设右小腿关键点对之间的夹角a4；
[0036]所述第一角度阈值为ε；
[0037]所述分析单元包括：第一分析子单元，用于当a1>ε
°
、a2>
‑
ε
°
、a3>
‑
ε
°
且a4>ε
°
时，判定所述跑步腿型为X型腿。
[0038]进一步的所述预设脚型关键点对包括预设左脚掌关键点对和预设右脚掌关键点对；
[0039]所述当前脚型关键点对包括当前左脚掌关键点对和当前右脚掌关键点对；
[0040]所述第二夹角信息包括所述当前左脚掌关键点对与所述预设左脚掌关键点对之间的夹角b1、所述当前右脚掌关键点对与所述预设右脚掌关键点对之间的夹角b2；
[0041]所述第二角度阈值为β；
[0042]所述分析单元还包括：第二分析子单元，用于当b1>β
°
且b2>
‑
β
°
时，判定所述跑步脚型为内八脚。
[0043]进一步的，所述识别装置，还包括：
[0044]输出模块，用于根据所述当前腿型关键点对、所述当前脚型关键点对、所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跑步姿态的识别方法，其特征在于，包括：采集用户跑步时的下半身图像，所述下半身图像包括脚部图像；调用底层骨架提取算法对所述下半身图像进行解析，得到多张关键点热力图，单张关键点热力图对应单个关键点；对各所述关键点热力图进行解码，得到各所述关键点热力图分别对应的关键点坐标；根据各所述关键点坐标生成当前关键点对，并将所述当前关键点对和预先构建的基准关键点对进行比对，分析得到所述用户的跑步姿态。2.根据权利要求1所述的跑步姿态的识别方法，其特征在于，所述调用底层骨架提取算法对所述下半身图像进行解析，得到多张关键点热力图的步骤，包括：将所述下半身图像输入编码器进行编码，提取得到语义特征，所述编码器由多个深度可分离卷积及一个空洞卷积组成；通过卷积层叠加，从所述语义特征中预测得到多张粗糙关键点热力图；对各所述粗糙关键点热力图进行精炼，得到各所述关键点热力图。3.根据权利要求2所述的跑步姿态的识别方法，其特征在于，所述对各所述粗糙关键点热力图进行精炼，得到各所述关键点热力图的步骤中，单张粗糙关键点热力图的精炼步骤包括：将所述粗糙关键点热力图通过空洞空间金字塔池化，提取得到二次关键点热力图；基于全局的空间注意力机制对所述二次关键点热力图进行细化，得到所述关键点热力图。4.根据权利要求1所述的跑步姿态的识别方法，其特征在于，对各所述关键点热力图进行解码，得到各所述关键点热力图分别对应的关键点坐标的步骤，包括：使用波峰取点法分别对各所述关键点热力图进行计算，得到各所述关键点热力图各自对应的高斯点峰值；判断各所述关键点热力图各自对应的高斯点峰值是否为一个；若各所述关键点热力图各自对应的高斯点峰值为一个，则将所述高斯点峰值所在的坐标，作为对应的所述关键点坐标。5.根据权利要求4所述的跑步姿态的识别方法，其特征在于，所述判断各所述关键点热力图各自对应的高斯点峰值是否为一个的步骤之后，还包括：若各所述关键点热力图各自对应的高斯点峰值为多个，则从多个所述高斯点峰值中筛选出第一高斯点峰值和第二高斯点峰值，所述第一高斯点峰值为最大高斯点峰值，所述第二高斯点峰值仅小于所述第一高斯点峰值；计算所述第一高斯点峰值的坐标与所述第二高斯点峰值的坐标之间的距离；根据所述距离对所述第一高斯点峰值在X方向上和Y方向上的坐标值进行偏移调整，得到所述关键点热力图对应的所述关键点坐标。6.根据权利要求1所述的跑步姿态的识别方法，其特征在于，各所述关键点坐标包括腿型关键点坐标和脚型关键点坐标，所述基准关键点对包括预设腿型关键点对和预设脚型关键点对，所述当前关键点对包括当前腿型关键点对和当前脚型关键点对，所述跑步姿态包括跑步腿型和跑步脚型；所述根据各所述关键点坐标生成当前关键点对，并将所述当前关键点对和预先构建的
基准关键点对进行比对，分析得到所述用户的跑步姿态的步骤，包括：根据各所述腿型关键点坐标构建所述当前腿型关键点对，并根据各所述脚型关键点坐标构建所述当前脚型关键点对；将所述当前腿型关键点对与所述预设腿型关键点对进行比对，计算得到在垂直方向上的第一夹角信息；并将所述当前脚型关键点对与所述预设腿型关键点对进行比对，计算得到在垂直方向上的第二夹角信息；根据所述第一夹角信息与第一角度阈...

【专利技术属性】
技术研发人员：栗晓燕，薇静初，
申请(专利权)人：广州源动智慧体育科技有限公司，
类型：发明
国别省市：