【技术实现步骤摘要】
一种基于低耗机器学习模型的运动状态评估方法及系统
[0001]本专利技术涉及运动状态识别
,具体而言,涉及一种基于低耗机器学习模型的运动状态评估方法及系统。
技术介绍
[0002]随着社会的进步,民众越来越重视身体健康。运动作为一种有效的方式,可以显著地提升民众的健康水平。适度的运动可以起到积极的作用,但超负荷的运动往往会成为身体的负担,反而对健康起到负面作用。因此,如何实时地对运动状态进行实时评估有较好的实际应用价值。
[0003]针对上述问题,部分经典方法虽然可以对运动状态进行评估,但需要消耗巨大的计算资源。因此,如何有效降低计算消耗,对运动状态进行评估具有非常重要的应用价值。
技术实现思路
[0004]本专利技术的目的在于提供一种基于低耗机器学习模型的运动状态评估方法及系统,其能够对运动状态进行低耗且准确的评估。
[0005]本专利技术的实施例是这样实现的:
[0006]第一方面,本申请实施例提供一种基于低耗机器学习模型的运动状态评估方法,其包括如下步骤:
[0007]获取待检测运动视频;
[0008]利用目标检测技术对待检测运动视频进行检测,以得到目标用户的待判别人脸图像和待判别运动视频;
[0009]获取第一预设数量个非疲劳式人脸图像,并从所有非疲劳式人脸图像中挑选出标准式非疲劳人脸图像;
[0010]获取第一预设数量个疲劳式人脸图像,并从所有疲劳式人脸图像中挑选出标准式疲劳人脸图像;
[0011]将待判别人脸图像输入至低 ...
【技术保护点】
【技术特征摘要】
1.一种基于低耗机器学习模型的运动状态评估方法,其特征在于,包括如下步骤:获取待检测运动视频;利用目标检测技术对所述待检测运动视频进行检测,以得到目标用户的待判别人脸图像和待判别运动视频;获取第一预设数量个非疲劳式人脸图像,并从所有非疲劳式人脸图像中挑选出标准式非疲劳人脸图像;获取第一预设数量个疲劳式人脸图像,并从所有疲劳式人脸图像中挑选出标准式疲劳人脸图像;将所述待判别人脸图像输入至低耗人脸疲劳检测模型进行检测,得到第一检测得分;若所述第一检测得分高于第一预设分数,则认定所述待判别人脸图像为非疲劳式人脸图像,若所述第一检测得分低于第二预设分数,则认定所述待判别人脸图像为疲劳式人脸图像,若所述第一检测得分高于第二预设分数且低于第一预设分数,则进行下一步;计算所述待判别人脸图像与所述标准式非疲劳人脸图像的第一相似度,及所述待判别人脸图像与所述标准式疲劳人脸图像的第二相似度;若所述第一相似度高于所述第二相似度,则认定所述待判别人脸图像为非疲劳式人脸图像,若所述第一相似度低于所述第二相似度,则认定所述待判别人脸图像为疲劳式人脸图像;若所述待判别人脸图像为疲劳式人脸图像,则判定该目标用户处于疲劳状态,若所述待判别人脸图像为非疲劳式人脸图像,则进行下一步;获取第二预设数量个非疲劳式肢体动作视频作为正样本,获取第二预设数量个疲劳式肢体动作视频作为负样本,利用SVM模型对所述正样本和所述负样本进行训练学习,得到低耗肢体疲劳检测模型;从所有正样本中挑选出标准式非疲劳肢体动作视频,并从所有负样本中挑选出标准式疲劳肢体动作视频;利用所述低耗肢体疲劳检测模型对所述待判别运动视频进行检测,得到第二检测得分;若所述第二检测得分高于第三预设分数,则认定所述待判别运动视频为非疲劳式肢体动作视频,若所述第二检测得分低于第四预设分数,则认定所述待判别运动视频为疲劳式肢体动作视频,若所述第二检测得分低于第三预设分数且高于第四预设分数,则进行下一步;计算所述待判别运动视频与所述标准式非疲劳肢体动作视频的第三相似度,及所述待判别运动视频与所述标准式疲劳肢体动作视频的第四相似度;若所述第三相似度高于所述第四相似度,则认定所述待判别运动视频为非疲劳式肢体动作视频,若所述第三相似度低于所述第四相似度,则认定所述待判别运动视频为疲劳式肢体动作视频;若所述待判别运动视频为疲劳式肢体动作视频,则判定该目标用户处于疲劳状态,若所述待判别运动视频为非疲劳式肢体动作视频,则判定该目标用户处于非疲劳状态。2.根据权利要求1所述的基于低耗机器学习模型的运动状态评估方法,其特征在于,将所述待判别人脸图像输入至低耗人脸疲劳检测模型进行检测的步骤之前,还包括:
将第一预设数量个非疲劳式人脸图像作为正训练样本,将第一预设数量个疲劳式人脸图像作为负训练样本;利用SVM模型对所述正训练样本和所述负训练样本进行训练学习,得到低耗人脸疲劳检测模型。3.根据权利要求1所述的基于低耗机器学习模型的运动状态评估方法,其特征在于,所述从所有非疲劳式人脸图像中挑选出标准式非疲劳人脸图像的步骤包括:对所有非疲劳式人脸图像的置信度进行比较;将置信度最高的非疲劳式人脸图像作为标准式非疲劳人脸图像。4.根据权利要求1所述的基于低耗机器学习模型的运动状态评估方法,其特征在于,所述从所有疲劳式人脸图像中挑选出标准式疲劳人脸图像的步骤包括:对所有疲劳式人脸图像的置信度进行比较;将置信度最高的疲劳式人脸图像作为标准式疲劳人脸图像。5.根据权利要求1所述的基于低耗机器学习模型的运动状态评估方法,其特征在于,所述从所有正样本中挑选出标准式非疲劳肢体动作视频的步骤包括:比较所有正样本的置信度,将置信度最高的正样本作为标准式非疲劳肢体动作视频。6.根据权利要求1所述的基于低耗机器学习模型的运动状态评估方法,其特征在于,所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。