基于动作捕捉的运动监测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术属于运动数据处理技术领域，具体涉及基于动作捕捉的运动监测方法、装置、设备及存储介质。该方法包括：将采集的运动视频按照时序分解形成动作编号的图像帧，并基于人体运动捕捉模型提取图像帧中的骨骼点数据；根据骨骼点数据拟合人体骨骼姿势，生成人体骨骼姿势数据并在三维空间中呈现出对应的三维人体骨骼模型；将图像帧中当前图像帧及相邻图像帧的骨骼点数据输入动作趋势模型，根据骨骼点数据的移动轨迹方向确定人体骨骼姿势的运动趋势；将当前图像帧的人体骨骼姿势以及运动趋势与预存的标准动作图库进行比对，确定当前图像帧的动作姿势并计算出异常运动数据。本发明专利技术提高了运动监测的准确率及效率。了运动监测的准确率及效率。了运动监测的准确率及效率。

【技术实现步骤摘要】
基于动作捕捉的运动监测方法、装置、设备及存储介质


[0001]本专利技术属于运动数据处理
，具体涉及一种基于动作捕捉的运动监测方法、装置、设备及存储介质。

技术介绍

[0002]随着人们对运动锻炼的注重，锻炼的强度、运动量以及正确与否直接关系到人们长期运动的效果。在诸多运动中都需要人们保持正确的锻炼姿势，掌握正确的锻炼方法。但是锻炼的正确与否仅凭自身感知难以察觉，缺乏系统的监测与分析，导致人们需要在健身教练的帮助下方可完成正确的锻炼，但这将导致时间成本及人力成本的成倍增加。
[0003]而目前随着计算机视觉相关理论与应用研究，部分健身设备或健身器械已经初步具备通过采集人们健身数据进行运动数据识别和提取操作，进而结合存储的指标进行分析，辅助人们进行锻炼，但是仍处于初步的监控及分析阶段。针对目标对象的检测也是进行当前帧的分析，无法结合前后帧的运动情况进行系统性分析，进而导致监测分析不准确的问题，仅基于动作捕捉的运动监测无法满足目标对象的运动监测需求。

技术实现思路

[0004]为解决上述问题，本专利技术提供了一种基于动作捕捉的运动监测方法、装置、设备及存储介质，通过对目标对象连续的视频监测，进行目标对象动作捕捉完成运动监测分析。
[0005]为实现上述目的，本专利技术实施例提供了如下的技术方案：第一方面，在本专利技术提供的一个实施例中，提供了一种基于动作捕捉的运动监测方法，包括以下步骤：将采集的运动视频按照时序分解形成动作编号的图像帧，并基于人体运动捕捉模型提取所述图像帧中的骨骼点数据；根据所述骨骼点数据拟合人体骨骼姿势，生成人体骨骼姿势数据并在三维空间中呈现出对应的三维人体骨骼模型；将所述图像帧中当前图像帧及相邻图像帧的骨骼点数据输入动作趋势模型，根据骨骼点数据的移动轨迹方向确定人体骨骼姿势的运动趋势；将当前图像帧的人体骨骼姿势以及运动趋势与预存的标准动作图库进行比对，确定当前图像帧的动作姿势并计算出异常运动数据，将异常运动数据通过三维人体骨骼模型显示。
[0006]作为本专利技术的进一步方案，将采集的运动视频按照时序分解形成动作编号的图像帧时，还包括：获取至少一个包含目标对象的视频数据，并通过分帧处理获得所述视频数据的图像集；基于面部识别算法对所述图像集上定位的目标对象检测，使用人脸嵌入进行特征提取，筛选出包含目标对象人脸特征的图像帧；
其中，使用人脸嵌入进行特征提取时，包括：对获取的目标对象的面部图像进行人脸局部区域特征提取，根据提取的样本训练得到变换矩阵，将人脸图像向量映射为目标对象的人脸特征向量；采用分类器对每个人脸特征向量进行分类，得到特征提取结果。
[0007]作为本专利技术的进一步方案，基于人体运动捕捉模型提取所述图像帧中的骨骼点数据时，包括：基于AlphaPose检测所述图像帧中的人体图像特征，并根据所述人体图像特征识别人体每个骨骼点及坐标数据；根据每个骨骼点的坐标数据确定肢体候选位置，并将肢体候选位置的骨骼点拟合连接形成人体骨骼姿势。
[0008]作为本专利技术的进一步方案，根据骨骼点数据的移动轨迹方向确定人体骨骼姿势的运动趋势，包括以下步骤：从图像帧中使用AlphaPose算法识别人体图像并采用矩形框捕捉目标对象活动区域；在所述目标对象活动区域中根据坐标数据确定骨骼点位置，将每个骨骼点在当前图像帧及相邻图像帧中的位置按照移动轨迹方向进行拟合，确定目标对象对应的人体骨骼姿势的动作趋势。
[0009]作为本专利技术的进一步方案，将当前图像帧的人体骨骼姿势以及运动趋势与预存的标准动作图库进行比对时，根据当前图像帧的人体骨骼姿势进行相似度筛选，获取初步标准动作图像；基于相邻图像帧以及运动趋势，从初步标准动作图像中确定目标对象运动的当前图像帧对应的标准动作图像；根据当前图像帧中人体骨骼姿势的骨骼点之间的倾斜角度进行比对，当与标准动作图像的倾斜角度差值超过预设阈值是判定为异常。
[0010]作为本专利技术的进一步方案，所述基于动作捕捉的运动监测方法，还包括基于异常运动数据对运动监测动作修正，基于异常运动数据对运动监测动作修正的方法，包括以下步骤：基于确定的当前图像帧的动作姿势进行关键点选取，确定标准动作图库中相同动作姿的标准骨骼模型的基准点；调整当前图像帧对应的三维人体骨骼模型的关键点位置，通过移动当前图像帧对应的三维人体骨骼模型的关键点位置至与标准骨骼模型的基准点重合；计算所述三维人体骨骼模型与标准骨骼模型的倾斜角度误差并进行运动方向提示；实时采集运动目标修正后的运动图像，将修正后的三维人体骨骼模型与标准骨骼模型对比，无误后完成对当前图像帧运动监测及修正。
[0011]第二方面，在本专利技术提供的另一个实施例中，提供了一种基于动作捕捉的运动监测装置，所述基于动作捕捉的运动监测装置采用上述基于动作捕捉的运动监测方法监测目标对象的运动状态；所述基于动作捕捉的运动监测装置包括骨骼点提取模块、骨骼模型拟合模块、运动趋势确定模块以及异常运动监测模块。
[0012]所述骨骼点提取模块，用于将采集的运动视频按照时序分解形成动作编号的图像
帧，并基于人体运动捕捉模型提取所述图像帧中的骨骼点数据；所述骨骼模型拟合模块，用于根据所述骨骼点数据拟合人体骨骼姿势，生成人体骨骼姿势数据并在三维空间中呈现出对应的三维人体骨骼模型；所述运动趋势确定模块，用于将所述图像帧中当前图像帧及相邻图像帧的骨骼点数据输入动作趋势模型，根据骨骼点数据的移动轨迹方向确定人体骨骼姿势的运动趋势；所述异常运动监测模块，用于将当前图像帧的人体骨骼姿势以及运动趋势与预存的标准动作图库进行比对，确定当前图像帧的动作姿势并计算出异常运动数据，将异常运动数据通过三维人体骨骼模型显示。
[0013]第三方面，在本专利技术提供的又一个实施例中，提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器加载并执行所述计算机程序时实现基于动作捕捉的运动监测方法的步骤。
[0014]第四方面，在本专利技术提供的再一个实施例中，提供了一种可读存储介质，存储有计算机程序，所述计算机程序被处理器加载并执行时实现所述基于动作捕捉的运动监测方法的步骤。
[0015]本专利技术提供的技术方案，具有如下有益效果：本专利技术提供的基于动作捕捉的运动监测方法、装置、设备及存储介质，针对目标对象进行骨骼点数据提取，拟合出人体骨骼姿势并生成三维人体骨骼模型，根据前后帧运动状态确定人体骨骼姿势的运动趋势，与标准动作图库进行比对后确定当前图像帧的动作姿势并计算出异常运动数据；自动提取获得动作骨骼点，提高了运动监测的准确率及效率，在相邻图像帧的辅助下更加准确的确定动作姿势，避免误判，并能进行运动异常的提醒，便于对健身运动实时识别匹配以及能够实现实时反馈修正运动姿势。
[0016]本专利技术的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。
附图说明
[0017]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动作捕捉的运动监测方法，包括以下步骤：将采集的运动视频按照时序分解形成动作编号的图像帧，并基于人体运动捕捉模型提取所述图像帧中的骨骼点数据；根据所述骨骼点数据拟合人体骨骼姿势，生成人体骨骼姿势数据并在三维空间中呈现出对应的三维人体骨骼模型；其特征在于，还包括以下步骤：将所述图像帧中当前图像帧及相邻图像帧的骨骼点数据输入动作趋势模型，根据骨骼点数据的移动轨迹方向确定人体骨骼姿势的运动趋势；将当前图像帧的人体骨骼姿势以及运动趋势与预存的标准动作图库进行比对，确定当前图像帧的动作姿势并计算出异常运动数据，将异常运动数据通过三维人体骨骼模型显示；将当前图像帧的人体骨骼姿势以及运动趋势与预存的标准动作图库进行比对时，根据当前图像帧的人体骨骼姿势进行相似度筛选，获取初步标准动作图像；基于相邻图像帧以及运动趋势，从初步标准动作图像中确定目标对象运动的当前图像帧对应的标准动作图像；根据当前图像帧中人体骨骼姿势的骨骼点之间的倾斜角度进行比对，当与标准动作图像的倾斜角度差值超过预设阈值是判定为异常；其中，基于动作捕捉的运动监测方法，还包括基于异常运动数据对运动监测动作修正，基于异常运动数据对运动监测动作修正的方法，包括以下步骤：基于确定的当前图像帧的动作姿势进行关键点选取，确定标准动作图库中相同动作姿的标准骨骼模型的基准点；调整当前图像帧对应的三维人体骨骼模型的关键点位置，通过移动当前图像帧对应的三维人体骨骼模型的关键点位置至与标准骨骼模型的基准点重合；计算所述三维人体骨骼模型与标准骨骼模型的倾斜角度误差并进行运动方向提示；实时采集运动目标修正后的运动图像，将修正后的三维人体骨骼模型与标准骨骼模型对比，无误后完成对当前图像帧运动监测及修正。2.如权利要求1所述的基于动作捕捉的运动监测方法，其特征在于，将采集的运动视频按照时序分解形成动作编号的图像帧时，还包括：获取至少一个包含目标对象的视频数据，并通过分帧处理获得所述视频数据的图像集；基于面部识别算法对所述图像集上定位的目标对象检测，使用人脸嵌入进行特征提取，筛选出包含目标对象人脸特征的图像帧。3.如权利要求2所述的基于动作捕捉的运动监测方法，其特征在于，使用人脸嵌入进行特征提取时，包括：对获取的目标对象的面部图像进行人脸局部区域特征提取，根据提取的样本训练得到变换矩阵，将人脸图像向量映射为目标对象...

【专利技术属性】
技术研发人员：薄金龙，许治，姬广博，孙娜娜，
申请(专利权)人：山东工程职业技术大学，
类型：发明
国别省市：