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方案

本发明专利技术提出了一种基于低耗机器学习模型的运动状态评估方法及系统，涉及运动状态识别技术领域。该方法包括：利用目标检测技术检测待检测运动视频，得到待判别人脸图像和待判别运动视频。将待判别人脸图像输入至低耗人脸疲劳检测模型，若处于分隔平面边缘，计算第一相似度及第二相似度，以达到进行二次检测的效果，提升利用待判别人脸图像进行运动状态评估的精准度。若待判别人脸图像为非疲劳式人脸图像，则结合肢体动作对用户的运动状态进行更准确的评估。利用低耗肢体疲劳检测模型对待判别运动视频进行检测，降低了计算消耗。若处于分隔平面边缘，则计算第三相似度及第四相似度，以实现对待判别运动视频进行二次检测的目的。以实现对待判别运动视频进行二次检测的目的。以实现对待判别运动视频进行二次检测的目的。

【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耗人脸疲劳检测模型进行检测，得到第一检测得分；
[0012]若第一检测得分高于第一预设分数，则认定待判别人脸图像为非疲劳式人脸图像，若第一检测得分低于第二预设分数，则认定待判别人脸图像为疲劳式人脸图像，若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；
[0013]计算待判别人脸图像与标准式非疲劳人脸图像的第一相似度，及待判别人脸图像与标准式疲劳人脸图像的第二相似度；
[0014]若第一相似度高于第二相似度，则认定待判别人脸图像为非疲劳式人脸图像，若第一相似度低于第二相似度，则认定待判别人脸图像为疲劳式人脸图像；
[0015]若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，若待判别人脸图像为非疲劳式人脸图像，则进行下一步；
[0016]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模型对正样本和负样本进行训练学习，得到低耗肢体疲劳检测模型；
[0017]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；
[0018]利用低耗肢体疲劳检测模型对待判别运动视频进行检测，得到第二检测得分；
[0019]若第二检测得分高于第三预设分数，则认定待判别运动视频为非疲劳式肢体动作视频，若第二检测得分低于第四预设分数，则认定待判别运动视频为疲劳式肢体动作视频，若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；
[0020]计算待判别运动视频与标准式非疲劳肢体动作视频的第三相似度，及待判别运动视频与标准式疲劳肢体动作视频的第四相似度；
[0021]若第三相似度高于第四相似度，则认定待判别运动视频为非疲劳式肢体动作视频，若第三相似度低于第四相似度，则认定待判别运动视频为疲劳式肢体动作视频；
[0022]若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。
[0023]在本专利技术的一些实施例中，上述将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，该方法还包括：
[0024]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；
[0025]利用SVM模型对正训练样本和负训练样本进行训练学习，得到低耗人脸疲劳检测模型。
[0026]在本专利技术的一些实施例中，上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：
[0027]对所有非疲劳式人脸图像的置信度进行比较；
[0028]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。
[0029]在本专利技术的一些实施例中，上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：
[0030]对所有疲劳式人脸图像的置信度进行比较；
[0031]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。
[0032]在本专利技术的一些实施例中，上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：
[0033]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。
[0034]在本专利技术的一些实施例中，上述从所有负样本中挑选出标准式疲劳肢体动作视频的步骤包括：
[0035]比较所有负样本的置信度，将置信度最高的负样本作为标准式疲劳肢体动作视频。
[0036]在本专利技术的一些实施例中，上述若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的步骤之后，该方法还包括：
[0037]发出警示信息，以提醒该目标用户休息。
[0038]第二方面，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系统，其包括：
[0039]待检测运动视频获取模块，用于获取待检测运动视频；
[0040]目标检测模块，用于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；
[0041]标准式非疲劳人脸图像确定模块，用于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；
[0042]标准式疲劳人脸图像确定模块，用于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；
[0043]第一检测模块，用于将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；
[0044]图像分数判定模块，用于若第一检测得分高于第一预设分数，则认定待判别人脸图像为非疲劳式人脸图像，若第一检测得分低于第二预设分数，则认定待判别人脸图像为疲劳式人脸图像，若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；
[0045]图像相似度计算模块，用于计算待判别人脸图像与标准式非疲劳人脸图像的第一相似度，及待判别人脸图像与标准式疲劳人脸图像的第二相似度；
[0046]图像相似度比较模块，用于若第一相似度高于第二相似度，则认定待判别人脸图像为非疲劳式人脸图像，若第一相似度低于第二相似度，则认定待判别人脸图像为疲劳式人脸图像；
[0047]图像疲劳状态判定模块，用于若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，若待判别人脸图像为非本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：别荣芳，吴昊，袁竟容，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：