【技术实现步骤摘要】
一种骑马姿势检测评估方法
：
[0001]本专利技术涉及信息采集分析
，尤其涉及一种骑马姿势检测评估方法。
技术介绍
：
[0002]基于视觉信息对人体运动进行分析是计算机视觉技术在体育领域中的重要应用之一，涉及到计算机视觉、模式识别和智能体育等多个领域的理论和技术。目前，相关技术已经在某些体育运动项目中已经发展的非常成熟了，例如跑步、跳水、乒乓球、排球等，但在一项较为传统的体育运动骑马中，姿态识别算法与其结合的应用还较少，无法准确清晰地评价学习者的学习状态，进而无法对其弱点进行针对性的个性化的练习。该姿态识别系统可运用于骑马练习场，对骑马学习者的姿态进行识别和评估，矫正学习者的姿势，也可将其运用到相关运动的考核评分中，对于传统运动的文化传承有极大的现实意义以及广阔的应用空间。
技术实现思路
：
[0003]针对现有技术的不足，本专利技术要提供一种骑马姿势检测评估方法，利用计算机视觉、三维重建技术、OpenPose姿势识别算法等来应用到骑马姿势的识别中，以起到对骑马学习者的骑姿进行检测和矫正的作用，进而推动传
【技术保护点】
【技术特征摘要】
1.一种骑马姿势检测评估方法，其特征在于，包括以下步骤：S1，两台摄像机分别获取画面，当检测到画面有人骑马时，截取片段视频；S2，通过OpenPose提取视频中每一帧的人体姿态数据，并根据两个不同机位所获得的坐标点信息，进行三维重建，进一步获得三维坐标轴下的人体关节点坐标信息；S3，综合考虑所获取数据的置信度以及标准动作的关键部位，选取合适的关节点组合，提取关节点坐标信息，并进一步计算相应夹角；S4，根据实际采集的关节点角度信息，将测试数据于标准数据做比较，并根据结果来分析标准程度。2.根据权利要求1所述一种骑马姿势检测评估方法，其特征在于：步骤S1中，两台摄像机的摆放位置需固定，置于同一水平高度位置且视野开阔处，两者视角方向呈垂直状态。当启动设备时，两台摄像机分别获取画面，通过卷积神经网络CNN来识别画面中是否有目标图像，当两台摄像机均检测到画面有人骑马时，截取片段视频。截取的片段从骑手全部进入画面开始，当骑手即将出画面时结束。进行简单的预处理，则最终获得两个运动时间一致但角度不同的视频。3.根据权利要求1所述一种骑马姿势检测评估方法，其特征在于：步骤S2中，通过OpenPose得出所获取视频中每一帧的每个关键点的二维坐标和置信度，各个部位与其对应的编号：0－鼻子，1－脖子，2－右肩，3－右肘，4－右手，5－左肩，6－左肘，7－左手，8－中跨，9－右胯，10－右膝盖，11－右脚踝，12－左胯，13－左膝盖，14－左脚踝，15－右眼，16－左眼，17－右耳，18－左耳，19－左大趾，20－左小趾，21－左脚跟，22－右大趾，23－右小趾，24－右脚跟；之后，根据两幅同一时刻两摄像机拍摄的某一帧所获得的人体二位骨骼关节点坐标信息进行人体骨架的三维重建。对于每台相机，其在世界坐标系下坐标和图像坐标可由下式表示：式中，Z
c
为光心到像平面距离；f为镜头焦距；u，v为像素坐标系坐标；R，T为像平面在世界坐标系下旋转和平移矩阵；dx，dy为像素对应物理长度；X
w
，Y
w
，Z
w
为物体在世界坐标系坐标；u0，v0为图像中心的像素坐标；K，M分别为相机内参矩阵和外参矩阵；通过该步骤，得到人体骨骼关节点在世界坐标系的三维坐标，使得进一步处理时，即在计算肢体间的角度时，可以消除二维坐标带来的视觉上的误差，使数据更加精确。根据上述OpenPose所获得的关节点及对应参数，做辅助参数——关键的关节角度。4.根据权利要求1所述一种骑马姿势检测评估方法，其特征在于：步骤S3中，由于每个关节角度由三个关节点构成，根据OpenPose给出的每个关节点的置信度数据，通过求均值的方法得出关键关节角度的置信度数据。设i号关节角度的置信度是S
i
；根据标准骑马姿势的动作要领，将各个关节点对应的关节角度按照重要程度排序并赋值，最次重要的重要度为0，最重要的重要度为n，表示权重最重。在步骤S2中设计的了辅助参数编号0至11，故n＝11；设i号关节点的重要度为M
i
；综合关节点的置信度和相关肢体动作在实践中的重要程度分别加权，得出参数A
i
为关
节角度i的优先选择度：将各个关节角度的优先选择度排序，并选择其中的m个关节角度作为有效数据，完成数据的筛选。之后，进一步计算其夹角。5.根据权利要求1所述一种骑马姿势检测评估方法，其特征在于：步骤S4中，对于骑马姿势的动态动作的检测方法，由于其动态动作...
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。