一种轻量级识别太极拳动作的移动端设计方法技术

本发明专利技术涉及一种轻量级识别太极拳动作的移动端设计方法，属于人体姿态识别技术领域。该方法包括：轻量级模型训练、视频解析、图像预处理、关键点置信度获取、关节角度距离分类动作、程序功能设计、移动端部署，所述轻量级模型训练采用COCO数据集和标准太极拳动作数据集；所述视频解析即通过运动分析提取关键帧，获取太极每个姿势的标志性动作或直接进行视频识别，总体进行评价。通过角度和距离的双重标准判断太极动作，计算角度和距离误差，给出概率动作，综合考虑从标准动作中选择最佳匹配作为判断动作，并反馈计算结果，给出识别评分，通过在移动端的实现将有助于人工智能在太极拳数字化中的应用。字化中的应用。字化中的应用。

【技术实现步骤摘要】
一种轻量级识别太极拳动作的移动端设计方法


[0001]本专利技术属于人体姿态识别
，涉及一种轻量级识别太极拳动作的移动端设计方法。

技术介绍

[0002]目前太极拳的教学方式以面授为主，传统的教学方式存在很多不足，对动作标准的要求更高，有更多的细节需要注意。目前对太极拳拳法的评价，主要依靠裁判对动作进行评分，其评价体系缺乏客观性。
[0003]深度学习成了机器学习领域内的热点，现在人工智能、大数据更是越来越贴近我们的日常生活，姿态识别也是越来越快、越精确。同时互联网体育健身有了更好的宏观环境。人工智能技术在体育竞赛和科研工作中的应用也越来越广泛和成熟，越来越多的人工智能应用开始在移植到移动端上，能够快速高效地在移动端部署深度学习模型就变成亟待解决的问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种轻量级识别太极拳动作的移动端设计方法，继承了深度学习的优势，在计算量和参数量上大大减少，同时在准确度上没有下降，达到了预期效果，有助于人工智能在太极拳数字化中的应用。
[0005]为达到上述目的，本专利技术提供如下技术方案：
[0006]一种轻量级识别太极拳动作的移动端设计方法，该方法包括以下步骤：
[0007]对太极视频中的关键动作的关键帧进行获取或直接进行视频识别判断，通过训练好的轻量级神经网络获取关键点的置信度和坐标，得到人体关节连接置信度，生成这一关键动作的骨架图。
[0008]基于角度和距离特征进行对动作进行识别分类，通过这两个因素将人体动作进行角度和关节距离计算，通过与预设的动作标准数据进行比对，允许有一定角度误差和距离误差，给出该动作可能的动作，通过综合比较误差值的大小以及概率值，给出最佳匹配，判断该动作类型给出概率动作，并反馈计算结果，给出识别评分。
[0009]通过PyQt框架进行界面设计，MobileNet算法进行功能完善，进行移动端部署。
[0010]可选的，所述关键动作通过运动分析来获取。
[0011]可选的，所述训练好的轻量级神经网络进行参数优化和精简。根据COCO数据集和太极拳动作数据集进行训练，然后得到提取动作的关键点坐标信息，计算关节连接的置信度，获取关键动作的姿态向量信息，或者对视频直接进行逐帧识别。
[0012]可选的，基于所述姿态向量信息，进行关节角度误差计算和关节点距离计算，角度和距离对于不同动作有不同的误差范围，计算角度和距离值和误差值，双重判断标准进行动作判别，通过综合比较误差值的大小以及概率值，给出最佳匹配
[0013]基于所述方法的轻量级识别太极拳动作的移动端设计方法，包括：
[0014]轻量级训练模型，对轻量级神经网络进行结构优化和参数精简，该模型用于用于关键节点的获取；
[0015]动作分类模块，采用距离加角度双重判断标准，允许有一定的误差范围，给出最佳匹配动作和结果反馈；
[0016]移动端部署，使用界面设计框架设计移动端桌面，使用移动端算法MobileNetV2进行功能完善，完成移动端部署。
[0017]本专利技术的有益效果在于：为了将轻量级深度学习算法与太极拳相结合，实现对太极拳动作的识别，本专利技术提出了一种轻量级识别太极拳动作的移动端设计，通过运动分析获取视频关键帧，利用训练的轻量级深度学习模型提取人体关键点的坐标，计算关键点的置信度和关节连接的置信度，通过角度和距离的双重判断，通过与预设的动作标准数据进行比对，允许有一定角度误差和距离误差，给出该动作可能的动作，通过综合比较误差值的大小以及概率值，给出最佳匹配，判断该动作类型给出概率动作，并反馈计算结果，给出识别评分进行移动端界面设计，功能设计，移动端部署。本专利技术通过整体方法的实施，将轻量化神经网络移植到移动端，保持了深度学习的准确度，处理数据速度几乎没有下降，该方法能够快速的识别出太极拳动作，能够进行图片分析和视频分析，使得评分更系统化、科学化。
[0018]本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0019]为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作优选的详细描述，其中：
[0020]图1为本专利技术系统框图；
[0021]图2为本专利技术所选取的角度具体位置示意图；
[0022]图3为本专利技术所选取的距离具体位置示意图。
具体实施方式
[0023]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0024]其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利技术的限制；为了更好地说明本专利技术的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0025]本专利技术实施例的附图中相同或相似的标号对应相同或相似的部件；在本专利技术的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利技术的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0026]一种轻量级识别太极拳动作的移动端设计利用轻量级深度学习对人体关键点进行检测，实现动作识别，对预设标准动作信息，为太极拳的科学评价提供理论依据，使用优化的轻量级卷积神经网络，采用COCO数据集和标准太极拳动作数据集进行训练，得到可以进行太极姿势判断的模型。
[0027]上传需要进行判断动作的太极拳视频或图片，可以通过直接进行拍摄或本地上传。
[0028]对采集的视频进行处理，得到每个姿势的关键帧图像。
[0029]对视频进行关键帧提取，通过运动分析得到每个太极动作关键姿势，得到关键帧图片。
[0030]对获取的图片进行大小处理，进行图片缩放处理，统一图片格式大小。
[0031]如表1所示，为本专利技术的具体关键点信息。
[0032]表1具体关键点信息表
[0033][0034][0035]通过训练好的轻量级网络模型提取关键点信息，得到人体18个关键点位置坐标，17个姿态向量，使用COCO数据格式进行保存，姿态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轻量级识别太极拳动作的移动端设计方法，其特征在于：该方法包括以下步骤：对太极视频中的关键动作的关键帧进行获取或直接进行视频识别判断，通过训练好的轻量级神经网络获取关键点的置信度和坐标，得到人体关节连接置信度，生成这一关键动作的骨架图。基于角度和距离特征进行对动作进行识别分类，通过这两个因素将人体动作进行角度和关节距离计算，通过与预设的动作标准数据进行比对，允许有一定角度误差和距离误差，给出该动作可能的动作，通过综合比较误差值的大小以及概率值，给出最佳匹配，判断该动作类型给出概率动作，并反馈计算结果，给出识别评分。通过PyQt框架进行界面设计，MobileNet算法进行功能完善，进行移动端部署。2.根据权利要求1所述的一种轻量级识别太极拳动作的移动端设计方法，其特征在于：所述关键动作通过运动分析来获取。3.根据权利要求1所述的一种轻量级识别太极拳动作的移动端设计方法，其特征在于：所述训练好的轻量级神经网络进行参数优化和精简。...

【专利技术属性】
技术研发人员：冉鹏，郑顺明，王伟，李闽氚，邵康树，张焜林，李章勇，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：