仰卧起坐的考核方法及其实现装置制造方法及图纸

本发明专利技术提供一种仰卧起坐的考核方法及其实现装置，包括：实时采集包括测试者进行仰卧起坐的连续的帧图像；将帧图像输入至AI识别模型，逐帧识别帧图像中的测试者的骨骼姿态；预分解仰卧起坐的预设规定动作，获得包括坐立动作以及仰卧动作的分解动作，根据所有分解动作在连续的帧图像中贯穿划分出相应的主姿态判定区域；实时检测骨骼姿态，自测试者开始坐立时起，根据测试者当前运动位置交替激活各主姿态判定区域，当骨骼姿态与当前激活的主姿态判定区域交叠时，调用与当前的主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格。本发明专利技术还对应提供一种考核装置。本发明专利技术减少了人工考核时误差较大的问题。少了人工考核时误差较大的问题。少了人工考核时误差较大的问题。

【技术实现步骤摘要】
仰卧起坐的考核方法及其实现装置


[0001]本专利技术涉及机器视觉
，特别是涉及一种仰卧起坐的考核方法及其实现装置。

技术介绍

[0002]随着社会的发展，人们对健康的生活越来越重视。而现在，无论是中学生、军队都有大量的体育项目考核。其中仰卧起坐是一个较为常规的考核项目。传统的考核方法是监考人员人工观察的方式进行考核，一般配备在身体的两侧设置有红外感应器，当测试者的身体到达感应器后数量即可加1。这种考核方式并不严谨，无法准确识别测试者动作是否准确，也就导致测试的结果有较大的误差，无法真实反映测试者的真实水平。如无法判定测试者的双膝弯曲是否接近90
°
、双手是否放在肩部、坐起时肘部是否触及大腿等。目前也有采用动作识别来进行考核的，但准确度不高。
[0003]基于此，本领域亟需一种新的仰卧起坐的考核方法及其实现装置来解决
技术介绍
存在的技术问题。

技术实现思路

[0004]为解决上述技术问题，本专利技术采用的一个技术方案是：
[0005]一种仰卧起坐的考核方法，包括：
[0006]实时采集包括测试者进行仰卧起坐的连续的帧图像；
[0007]将所述帧图像输入至AI识别模型，逐帧识别所述帧图像中的测试者的骨骼姿态，所述骨骼姿态包括多个关节点以及所述关节点之间的连线；
[0008]预分解仰卧起坐的预设规定动作，获得包括坐立动作以及仰卧动作的分解动作，根据所有所述分解动作在连续的所述帧图像中贯穿划分出相应的主姿态判定区域；
[0009]实时检测所述骨骼姿态，自测试者开始坐立时起，根据测试者当前运动位置交替激活各所述主姿态判定区域，当所述骨骼姿态与当前激活的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格；
[0010]若合格，则标记对应的所述主姿态判定区域，并根据各所述主姿态判定区域之间的标记结果获取测量结果；
[0011]若不合格，则生成包括有当前所述骨骼姿态与对应的所述分解动作之间的差异计算结果的交互信息。
[0012]优选地，所述实时采集包括测试者进行仰卧起坐的连续的帧图像的步骤之前，还包括：
[0013]获取多个测试者各自进行仰卧起坐的样本测试图像；
[0014]逐帧标注所述样本测试图像中测试者的所述关节点，生成训练样本；
[0015]利用所述训练样本进行卷积神经网络训练，得到所述AI识别模型。
[0016]优选地，所述当所述骨骼姿态与当前激活的所述主姿态判定区域交叠时，调用与
当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格的步骤包括：
[0017]当所述骨骼姿态与当前激活的与坐立动作相对应的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断测试者的坐立动作是否合格；
[0018]其中，与坐立动作对应的所述骨骼姿态包括肘关节、髋关节、膝关节以及连接所述髋关节和所述膝关节的第一连线；判断所述肘关节与所述第一连线的距离是否小于第一预设值；若是，则判定测试者的坐立动作合格，若否，则判定测试者的坐立动作不合格。
[0019]优选地，所述当所述骨骼姿态与当前激活的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格的步骤包括：
[0020]当所述骨骼姿态与当前激活的与仰卧动作相对应的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断测试者的仰卧动作是否合格；
[0021]其中，与仰卧动作对应的所述骨骼姿态包括肩关节，判断所述肩关节与地面的距离是否小于第二预设值；若是，则判定测试者的仰卧动作合格，若否，则判定测试者的仰卧动作不合格。
[0022]优选地，在所述预分解仰卧起坐的预设规定动作之前还包括：
[0023]确定所述骨骼姿态中的左腕关节、左肩关节、右腕关节、右肩关节和头部位点，根据由所述左腕关节、右腕关节以及连接左肩关节与右肩关节之间的第二连线、头部位点所组成的测试者扶肩区域在连续的所述帧图像中贯穿划分出第一辅助姿态判定区域；所述第一辅助姿态判定区域用于在连续的所述帧图像中跟踪所述扶肩区域；
[0024]所述调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格的步骤之前，还包括：
[0025]实时检测所述扶肩区域，调用所述第一辅助姿态判定区域中与所述扶肩区域对应的预设禁止动作，判断所述左腕关节、所述右腕关节分别与所述第二连线的距离是否为均小于第三预设值，且从所述头部位点分别至所述左腕关节、所述右腕关节的矢量连线的方向是否均为正向；若是，则判定当前所述骨骼姿态有效，并进一步判定当前测试者的动作是否合格；若否，则判定当前所述骨骼姿态无效，并自测试者恢复坐立动作后继续判定所述左腕关节、所述右腕关节分别与所述第二连线之间的距离以及从所述头部位点分别至所述左腕关节、所述右腕关节的矢量连线的方向；所述矢量连线以测试者面朝的方向为正向。
[0026]优选地，在所述预分解仰卧起坐的预设规定动作之前还包括：
[0027]确定所述骨骼姿态中的髋关节、膝关节和脚踝关节，根据由连接所述髋关节与所述膝关节的第一连线以及连接所述膝关节与所述脚踝关节的第三连线所组成的测试者腿部部位在连续的所述帧图像中贯穿划分出第二辅助姿态判定区域；所述第二辅助姿态判定区域用于在连续的所述帧图像中跟踪所述腿部部位；
[0028]所述调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格的步骤之前，还包括：
[0029]实时检测所述腿部部位，调用在所述第二辅助姿态判定区域中与所述腿部部位对应的预设禁止动作，判断所述第一连线与所述第三连线之间的夹角是否为90
°±5°
；
[0030]若是，则判定当前所述骨骼姿态有效，进一步判定当前测试者的动作是否合格；
[0031]若否，则判定当前所述骨骼姿态无效，自测试者恢复坐立动作后继续判断所述第一连线与所述第三连线之间的夹角。
[0032]优选地，所述标记对应的所述主姿态判定区域，并根据各所述主姿态判定区域之间的标记结果获取测量结果的步骤包括：
[0033]至测量结束前，每当检测到先标记与坐立动作相对应的主姿态判定区域，接续标记与仰卧动作相对应的主姿态判定区域，再标记与坐立动作相对应的主姿态判定区域时，则判定测试者完成一次仰卧起坐并累计测量次数一次。
[0034]本专利技术还提供一种仰卧起坐的核装置，包括：
[0035]视频处理模块，用于实时采集包括测试者进行仰卧起坐的连续的帧图像；
[0036]骨骼识别模块，用于将所述帧图像输入至AI识别模型，逐帧识别所述帧图像中的测试者的骨骼姿态，所述骨骼姿态包括多个关节点以及所述关节点之间的连线；
[0037]第一划分模块，用于预分解仰卧起坐的预设规定动作，获得包括坐立动作以及仰卧动作的分解动作，根据所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种仰卧起坐的考核方法，其特征在于，包括：实时采集包括测试者进行仰卧起坐的连续的帧图像；将所述帧图像输入至AI识别模型，逐帧识别所述帧图像中的测试者的骨骼姿态，所述骨骼姿态包括多个关节点以及所述关节点之间的连线；预分解仰卧起坐的预设规定动作，获得包括坐立动作以及仰卧动作的分解动作，根据所有所述分解动作在连续的所述帧图像中贯穿划分出相应的主姿态判定区域；实时检测所述骨骼姿态，自测试者开始坐立时起，根据测试者当前运动位置交替激活各所述主姿态判定区域，当所述骨骼姿态与当前激活的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格；若合格，则标记对应的所述主姿态判定区域，并根据各所述主姿态判定区域之间的标记结果获取测量结果；若不合格，则生成包括有当前所述骨骼姿态与对应的所述分解动作之间的差异计算结果的交互信息。2.根据权利要求1所述的仰卧起坐的考核方法，其特征在于，所述实时采集包括测试者进行仰卧起坐的连续的帧图像的步骤之前，还包括：获取多个测试者各自进行仰卧起坐的样本测试图像；逐帧标注所述样本测试图像中测试者的所述关节点，生成训练样本；利用所述训练样本进行卷积神经网络训练，得到所述AI识别模型。3.根据权利要求1所述的仰卧起坐的考核方法，其特征在于，所述当所述骨骼姿态与当前激活的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格的步骤包括：当所述骨骼姿态与当前激活的与坐立动作相对应的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断测试者的坐立动作是否合格；其中，与坐立动作对应的所述骨骼姿态包括肘关节、髋关节、膝关节以及连接所述髋关节和所述膝关节的第一连线；判断所述肘关节与所述第一连线的距离是否小于第一预设值；若是，则判定测试者的坐立动作合格，若否，则判定测试者的坐立动作不合格。4.根据权利要求1所述的仰卧起坐的考核方法，其特征在于，所述当所述骨骼姿态与当前激活的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格的步骤包括：当所述骨骼姿态与当前激活的与仰卧动作相对应的所述主姿态判定区域交叠时，调用与当前的所述主姿态判定区域相对应的分解动作判断测试者的仰卧动作是否合格；其中，与仰卧动作对应的所述骨骼姿态包括肩关节，判断所述肩关节与地面的距离是否小于第二预设值；若是，则判定测试者的仰卧动作合格，若否，则判定测试者的仰卧动作不合格。5.根据权利要求1所述的仰卧起坐的考核方法，其特征在于，在所述预分解仰卧起坐的预设规定动作之前还包括：确定所述骨骼姿态中的左腕关节、左肩关节、右腕关节、右肩关节和头部位点，根据由所述左腕关节、右腕关节、连接左肩关节与右肩关节之间的第二连线、头部位点所组成的测试者扶肩区域在连续的所述帧图像中贯穿划分出第一辅助姿态判定区域；所述第一辅助姿
态判定区域用于在连续的所述帧图像中跟踪所述扶肩区域；所述调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者的动作是否合格的步骤之前，还包括：实时检测所述扶肩区域，调用所述第一辅助姿态判定区域中与所述扶肩区域对应的预设禁止动作，判断所述左腕关节、所述右腕关节分别与所述第二连线的距离是否为均小于第三预设值，且从所述头部位点分别至所述左腕关节、所述右腕关节的矢量连线的方向是否均为正向；若是，则判定当前所述骨骼姿态有效，并进一步判定当前测试者的动作是否合格；若否，则判定当前所述骨骼姿态无效，并自测试者恢复坐立动作后继续判定所述左腕关节、所述右腕关节分别与所述第二连线之间的距离以及从所述头部位点分别至所述左腕关节、所述右腕关节的矢量连线的方向；所述矢量连线以测试者面朝的方向为正向。6.根据权利要求1所述的仰卧起坐的考核方法，其特征在于，在所述预分解仰卧起坐的预设规定动作之前还包括：确定所述骨骼姿态中的髋关节、膝关节和脚踝关节，根据由连接所述髋关节与所述膝关节的第一连线以及连接所述膝关节与所述脚踝关节的第三连线所组成的测试者腿部部位在连续的所述帧图像中贯穿划分出第二辅助姿态判定区域；所述第二辅助姿态判定区域用于在连续的所述帧图像中跟踪所述腿部部位；所述调用与当前的所述主姿态判定区域相对应的分解动作判断当前测试者...

【专利技术属性】
技术研发人员：陈清龙，
申请(专利权)人：深圳泰山体育科技有限公司，
类型：发明
国别省市：