【技术实现步骤摘要】
基于深度学习的运动计时方法、系统、存储介质及终端
[0001]本专利技术涉及运动监测
,尤其涉及一种基于深度学习的运动计时方法
、
系统
、
存储介质及终端
。
技术介绍
[0002]随着时代的发展和进步,人们对于健康和身体状况的关注越来越多,而运动成为了一种非常普遍的方式来保持健康
。
为了更好的监测运动效果,很多人选择了运动计时器来辅助运动
。
以跑步的计时方式为例,传统的运动计时器采用手动秒表,当发令枪响起时,工作人员开始计时
。
但这种方法不可避免地存在误差,因为手动计时很容易受到视觉判断和操作差错的影响,且需要多名计时员,劳动强度大
。
因此,这种传统的计时方法无法满足现代比赛的高精度要求
。
[0003]现有技术中还采用红外线和采用红外线和光电等传感器设备进行计时,但这些设备存在一些问题,例如复杂的设备结构,难以进行布置和安装,昂贵的成本,以及无法回放测试结果的限制
。
技术实现思路
[0004]基于此,有必要针对上述问题,提出了一种基于深度学习的运动计时方法
、
系统
、
存储介质及终端
。
[0005]一种基于深度学习的运动计时方法,所述方法包括:
[0006]获取运动区域图像并标记运动区域
。
[0007]根据所述运动区域图像确定最优人体骨骼坐标点,所述最优人体骨骼坐标点包括小腿骨 ...
【技术保护点】
【技术特征摘要】
1.
一种基于深度学习的运动计时方法,其特征在于,所述方法包括:获取运动区域图像并标记运动区域;根据所述运动区域图像确定最优人体骨骼坐标点,所述最优人体骨骼坐标点包括小腿骨骼坐标点;根据所述小腿骨骼坐标点确定在所述运动区域内是否存在抢先运动;确定不存在抢先运动,则根据所述小腿骨骼坐标点确定在所述运动区域内的最终运动时间和最终位置
。2.
根据权利要求1所述的基于深度学习的运动计时方法,其特征在于,所述根据所述运动区域图像确定最优人体骨骼坐标点,所述最优人体骨骼坐标点包括小腿骨骼坐标点,具体包括:通过目标检测算法将所述运动区域图像划分为若干个网格单元;每个所述网格单元输出
a+b+3c
个数值,其中,
a
为人体运动区域坐标点,
b
为网格置信度,
3c
为人体骨骼坐标点;遍历若干个所述网格单元对应的所述网格置信度,确定所述网格置信度大于阈值时的最优网格置信度;获取所述最优网格置信度对应的最优人体骨骼坐标点
。3.
根据权利要求2所述的基于深度学习的运动计时方法,其特征在于,所述根据所述小腿骨骼坐标点和所述矩形区域框坐标点确定在所述运动区域内是否存在抢先运动,具体包括:根据所述小腿骨骼坐标点和所述运动区域内的起始基准线的接触情况,确定抢先运动时间;确定所述抢先运动时间与预设运动时间的比较关系;当所述抢先运动时间小于所述预设运动时间时,确定存在抢先运动;当所述抢先运动时间大于所述预设运动时间时,确定不存在抢先运动
。4.
根据权利要求3所述的基于深度学习的运动计时方法,其特征在于,所述当所述抢先运动时间小于所述预设运动时间时,确定存在抢先运动,具体包括:所述小腿骨骼坐标点由膝盖坐标点和脚踝坐标点连接构成;确定存在抢先运动时,根据点多边形测试函数确定所述脚踝坐标点位于所述运动区域内的抢先运动位置并返回所述抢先运动时间和所述抢先运动位置
。5.
根据权利要求4所述的基于深度学习的运动计时方法,其特征在于,所述确定不存在抢先运动,则根据所述最优图像矩形区域框坐标点和小腿骨骼坐标点确定在所述运动区域内的最终运动时间和最终位置,具体包括:确定所述运动...
【专利技术属性】
技术研发人员:曾辉,莫家源,
申请(专利权)人:深圳市菲普莱体育发展有限公司,
类型:发明
国别省市:
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。