【技术实现步骤摘要】
基于多元回归的深蹲姿态分析方法
[0001]本专利技术属于图像处理
,更进一步涉及计算机视觉
中的一种基于多元回归的深蹲姿态分析人体姿态识别方法
。
本专利技术可用于分析待测试者深蹲姿态的标准程度并进行标准计数
。
技术介绍
[0002]在现有的技术中,评判深蹲姿态是否标准的方法有如下三种:人工根据标准化理论直接判断,利用传感器进行判断和基于计算机视觉的方法
。
人工根据标准化理论直接判断往往需要判断者自行对标准化理论进行学习,然后通过肉眼观察和自身经验进行标准化评估;利用传感器进行判断的方法一般基于红外线传感器和压力传感器,红外传感器用来判断锻炼者的身体部位是否到达规定位置,压力传感器用来判断身体的重心是否分布均匀
。
随着现代科学的不断发展进步,基于计算机视觉的判断方法进入人们的视线
。
该方法首先利用摄像机和电脑对深蹲过程中的视频
、
图像信息进行数据采集,然后设计算法对采集到的影像信息进行简化分析,并与标准的深蹲动作图像进行对比,从而实现标准化的评估
。
[0003]湖南工商大学在其申请的专利文献“基于人体姿态估计的健身动作识别方法
、
装置及相关设备”(
申请号:
202211531164.8
,申请公布号:
CN 115880774A)
中公开了一种基于人体姿态估计的健身动作识别方法
。
该方法的具体步骤如下,
...
【技术保护点】
【技术特征摘要】
1.
一种基于多元回归的深蹲姿态分析方法,其特征在于,对清洗后的每个骨骼关节坐标进行多重共线性检验与筛选,对剔除后的骨骼关节坐标进行向后逐步回归分析;所述分析方法包括如下步骤:步骤1,获取待分析者的运动视频,通过
Mediapipe
算法识别运动视频中每一帧内待分析者的人体姿态,生成人体骨骼关节坐标,对人体骨骼关节坐标中的横纵坐标数据分别进行归一化处理;步骤2,对归一化处理后的每个骨骼关节坐标进行多重共线性检验,通过计算方差膨胀因子值
VIF
,检验在深蹲姿态时每个骨骼关节坐标与其他骨骼关节坐标的相关性,剔除
VIF
大于
10
的骨骼关节坐标;步骤3,对剔除后的骨骼关节坐标进行向后逐步回归分析,得到测试者的姿态标准程度
L
关于每个关键骨骼关节坐标的多元线性回归模型,利用最小二乘回归算法
LS
,计算最终回归方程系数;通过自适应阈值算法确定姿态标准程度
L
的变化范围;步骤4,将处于预设范围的待分析者的运动视频中每一帧姿态标准程度
L
判定为正常,其余的判定为异常
。2.
根据权利要求1所述的基于多元回归的深蹲姿态分析方法,其特征在于,步骤1中所述的待分析者的运动视频是指,在室内或室外对待分析者的侧面视角拍摄深蹲姿态的每一个动作阶段的姿态和骨骼节点的移动路径得到的运动视频
。3.
根据权利要求1所述的基于多元回归的深蹲姿态分析方法,其特征在于,步骤1中所述的
Mediapipe
算法步骤如下:第一步,分析运动视频中的每一帧中待分析者的各个关节的位置,以视频图像左下角为坐标原点
(0,0)
,生成一个平面坐标系,获得待分析者人体的
33
个骨骼关节坐标
(x,y)
,其中
x
和
y
分别表示骨骼关节坐标到视频图像左下角的水平像素距离和垂直像素距离;第二步,在每一帧视频图像中标记待分析者的
33
个骨骼关节坐标位置
。4.
根据权利要求1所述的基于多元回归的深蹲姿态分析方法,其特征在于,步骤1中所述的对人体骨骼关节坐标进行归一化处理的步骤如下:第一步,求取运动视频的所有帧中每个骨骼关节坐标横
、
纵坐标值的最大值
x
max
、y
max
和最小值
x
min
、y
min
;第二步,按照公式和将每个骨骼关节坐标的横
、
纵坐标值归一化到
[
‑
1,1]
区间内,其中,表示第
j
个骨骼关节坐标归一化后的坐标值
。5.
根据权利要求1所述的基于多元回归的深蹲姿态分析方法,其特征在于,步骤2中所述多重共线性检验的步骤如下:第一步,按照公...
【专利技术属性】
技术研发人员:刘曦远,梁城斌,石佳楠,刘星雨,卢继上,彭心澈,濮嘉杰,
申请(专利权)人:西安电子科技大学,
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。