一种基于肢体关键点分析的动作评估纠正方法及系统技术方案

本发明专利技术提出了一种基于肢体关键点分析的动作评估纠正方法及系统，包括：预先录入规范动作图片；获取实时视频流，通过肢体关键点识别模型将实时视频流取帧转化为肢体关键点结构化数据，并且对其进行标记；将实时视频流中的实时人体影像和肢体关键点结构化数据输入至动作识别模型中，获取实时肢体关键点和匹配出与实时动作相对应的规范动作，并提取出规范动作的规范肢体关键点；将实时肢体关键点和规范肢体关键点进行对比，计算获得各个关键部位的得分和总得分；确定总得分为极值，则判断极值是否低于预设阈值，若低于则显示规范肢体关键点，并与实时动作进行适配。本发明专利技术可以对学员的实时动作输出正确的纠正信息，有效提高自主训练效率。主训练效率。主训练效率。

【技术实现步骤摘要】
一种基于肢体关键点分析的动作评估纠正方法及系统


[0001]本申请涉及计算机视觉
，具体涉及一种基于肢体关键点分析的动作评估纠正方法及系统。

技术介绍

[0002]视觉识别：基于人工智能深度神经网络对视频图像进行结构化分析处理，涵盖多种类算法(如人脸识别、肢体关键点识别、人形检测等)，目的是通过视觉识别模型把视频内容处理成结构化数据。肢体关键点识别：视觉识别图像分析的一种算法模型，通过视觉识别神经网络识别人体关键点，并将视频内的人体图像按照肢体部位(左手肘、右手肘、左膝盖等)提取关键点数据并连接成线，并且可提取关键点所在图像的坐标(xy坐标数据)。即将人体图像处理成结构化数据，是其他算法应用比如动作识别的基础性算法。动作识别(姿态估计)：基于肢体关键点的结构化数据，在一系列连续的帧数下的肢体关键点结构化数据的数字矩阵输入训练过的深度神经网络进行肢体动作的判别，输出动作判定(如跑、跳、走等)。
[0003]职业教育姿态动作操作培训的操作规范性动作，需要做得非常规范细致，例如搬运物品避免劳动损伤，动作要做到位且不能有多余动作。而且练习学员较多，练习较为自主，培训老师较少不可能长时间一对一进行动作纠正。
[0004]鉴于此，本申请提出了一种基于肢体关键点分析的动作评估纠正方法及系统，能够在AI设备上提前录入规范动作，学员在练习时能够起到协助纠正的作用。

技术实现思路

[0005]为了解决现有设备无法同步进行协助纠正、学员自主训练效率较低等问题，本申请提供种基于肢体关键点分析的动作评估纠正方法及系统，以解决上述技术缺陷问题。
[0006]根据本专利技术的一个方面提出了一种基于肢体关键点分析的动作评估纠正方法，该方法包括以下步骤：
[0007]S1、预先录入规范动作图片；
[0008]S2、获取实时视频流，通过肢体关键点识别模型将实时视频流取帧转化为肢体关键点结构化数据，并且对肢体关键点结构化数据进行标记；
[0009]S3、将实时视频流中的实时人体影像和肢体关键点结构化数据输入至动作识别模型中，获取实时动作并提取出实时动作的实时肢体关键点，从规范动作图片中匹配出与实时动作相对应的规范动作，并提取出规范动作的规范肢体关键点；
[0010]S4、将实时肢体关键点两边连线的角度和规范肢体关键点两边连线的角度进行对比，计算获得各个关键部位的得分，并将所有关键部位的得分平均后获得总得分；
[0011]S5、响应于确定总得分为极值，则判断极值是否低于预设阈值，若低于则显示规范肢体关键点，并与实时动作进行适配。
[0012]通过上述技术方案，可以在姿态纠正上将老师的经验储存起来，通过人工智能视觉识别模型根据每个学生做的实时动作输出正确的纠正信息。老师只需要设置一遍，就可
以让学生在老师不在的时间自由地练习，提高自主训练效率。
[0013]在具体的实施例中，在步骤S5中，若极值低于预设阈值则显示规范肢体关键点，并与实时动作进行适配，其中适配的过程具体包括以下子步骤：
[0014]S51、获取实时肢体关键点中脖子到胯中的第一直线距离和规范肢体关键点中脖子到胯中的第二直线距离；
[0015]S52、获取调整系数a，调整系数a通过以下公式计算获得：
[0016][0017]S53、将整个规范肢体关键点的大小除以调整系数a以进行大小调整；
[0018]S54、将调整过大小的规范肢体关键点的左胯、右胯部位与实时肢体关键点的左胯、右胯部位进行位置对齐。
[0019]通过上述适配方式，可以令学员更加直观地观察到自己的姿势动作与规范动作之间存在的差距，可以让学员进行自我动作纠正。
[0020]在具体的实施例中，在步骤S4中，将实时肢体关键点两边连线的角度和规范肢体关键点两边连线的角度进行对比，计算获得各个关键部位的得分，并将所有关键部位的得分平均后获得总得分，具体包括以下子步骤：
[0021]S41、获取各个关键部位的实时肢体关键点和规范肢体关键点，其中每个实时肢体关键点均有两条肢体线连接形成实时角度，每个规范肢体关键点均有两条肢体线连接形成规范角度；
[0022]S42、通过以下表达式计算获得各个关键部位的得分：
[0023]各个关键部位的得分＝(1
‑
|实时角度
‑
规范角度|/规范角度)*100％；
[0024]S43、基于各个关键部位的得分，通过以下表达式计算获得总得分：
[0025]总得分＝avg(各个关键部位得分)。
[0026]通过上述技术方案，计算获得各个关键部位的得分以及总得分以便后续操作，而且通过得分数值可以让学员对自己的姿势动作标准度有所了解。
[0027]在具体的实施例中，在步骤S4中还包括在实时视频流中，实时输出各个关键部位的得分以及总得分，并且在活动完成后生成分析报告。
[0028]通过上述技术方案，实时输出得分数值已便学员明确自己的每个动作与规范动作之间的差距，可以针对性进行调整纠正。
[0029]在具体的实施例中，在步骤S5中还包括预设规范肢体关键点的开关，响应于确定极值低于预设阈值，则触发规范肢体关键点的开关，显示规范肢体关键点并与实时动作进行适配。
[0030]通过上述技术方案，将极值与预设阈值进行对比，决定是否显示规范肢体关键点在大屏上供学员实时进行辅导纠正。
[0031]在具体的实施例中，在步骤S5中，实时获取三个连续的总得分，若中间的总得分数值比前、后的总得分数值大，则判定中间的总得分数值为极值。
[0032]在具体的实施例中，还包括在实时视频流中，基于身份识别算法兼容多人同时进行动作评估纠正。
[0033]通过上述技术方案，使得本申请可以适用于更多场景，例如多人瑜伽等。
[0034]第二方面，本申请提供了一种基于肢体关键点分析的动作评估纠正系统，该系统包括：
[0035]智能网络摄像头，配置于预先录入规范动作图片和获取实时视频流；
[0036]GPU服务器，配置于存储肢体关键点识别模型和动作识别模型，通过肢体关键点识别模型将实时视频流取帧转化为肢体关键点结构化数据，并且对肢体关键点结构化数据进行标记；将实时视频流中的实时人体影像和肢体关键点结构化数据输入至动作识别模型中，获取实时动作并提取出实时动作的实时肢体关键点，从规范动作图片中匹配出与实时动作相对应的规范动作，并提取出规范动作的规范肢体关键点；将实时肢体关键点两边连线的角度和规范肢体关键点两边连线的角度进行对比，计算获得各个关键部位的得分，并将所有关键部位的得分平均后获得总得分；
[0037]展示屏幕，配置于响应于确定总得分为极值，则判断极值是否低于预设阈值，若低于则显示规范肢体关键点，并与实时动作进行适配。
[0038]第三方面，本申请提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述任一项基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于肢体关键点分析的动作评估纠正方法，其特征在于，包括以下步骤：S1、预先录入规范动作图片；S2、获取实时视频流，通过肢体关键点识别模型将所述实时视频流取帧转化为肢体关键点结构化数据，并且对所述肢体关键点结构化数据进行标记；S3、将所述实时视频流中的实时人体影像和所述肢体关键点结构化数据输入至动作识别模型中，获取实时动作并提取出所述实时动作的实时肢体关键点，从所述规范动作图片中匹配出与所述实时动作相对应的规范动作，并提取出所述规范动作的规范肢体关键点；S4、将所述实时肢体关键点两边连线的角度和所述规范肢体关键点两边连线的角度进行对比，计算获得各个关键部位的得分，并将所有所述关键部位的得分平均后获得总得分；S5、响应于确定所述总得分为极值，则判断所述极值是否低于预设阈值，若低于则显示所述规范肢体关键点，并与所述实时动作进行适配。2.根据权利要求1所述的基于肢体关键点分析的动作评估纠正方法，其特征在于，在步骤S5中，若所述极值低于预设阈值则显示所述规范肢体关键点，并与所述实时动作进行适配，其中所述适配的过程具体包括以下子步骤：S51、获取所述实时肢体关键点中脖子到胯中的第一直线距离和所述规范肢体关键点中脖子到胯中的第二直线距离；S52、获取调整系数a，所述调整系数a通过以下公式计算获得：S53、将整个所述规范肢体关键点的大小除以所述调整系数a以进行大小调整；S54、将调整过大小的所述规范肢体关键点的左胯、右胯部位与所述实时肢体关键点的左胯、右胯部位进行位置对齐。3.根据权利要求1所述的基于肢体关键点分析的动作评估纠正方法，其特征在于，在步骤S4中，将所述实时肢体关键点两边连线的角度和所述规范肢体关键点两边连线的角度进行对比，计算获得各个关键部位的得分，并将所有所述关键部位的得分平均后获得总得分，具体包括以下子步骤：S41、获取各个关键部位的所述实时肢体关键点和所述规范肢体关键点，其中每个所述实时肢体关键点均有两条肢体线连接形成实时角度，每个所述规范肢体关键点均有两条肢体线连接形成规范角度；S42、通过以下表达式计算获得各个关键部位的得分：各个关键部位的得分＝(1
‑
|实时角度
‑
规范角度|/规范角度)*100％；S43、基于所述各个关键部位的得分，通过以下表达式计算获得总得分：总得分＝avg(各个关键部...

【专利技术属性】
技术研发人员：吴琼，
申请(专利权)人：厦门城市职业学院厦门开放大学，
类型：发明
国别省市：