System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及一种基于云计算的形体姿态自动评估方法和系统,属于计算机视觉。
技术介绍
1、形体姿态关系到人体各组织器官之间的协调和平衡,正确的体态能使人身处于稳定的状态,保证身体各组织器官发挥正常功能,减少肌肉和韧带的紧张,延缓肌肉的疲劳。不良的体态既影响美观,又影响人身健康,某些肌肉出现功能紊乱,从形态上看,这些肌肉可能被拉长或缩短,其连接的骨骼和关节的形态也会发生相应的变化。因此需要通过骨骼和肌肉变化设计一种基于云计算的形体姿态自动评估方法和系统。
技术实现思路
1、根据本申请的一个方面,提供了一种基于云计算的形体姿态自动评估方法,该方法通过形体姿态模型反馈目标人员的运动形体姿态状况。
2、基于云计算的形体姿态自动评估方法,其特征在于,包括:
3、s1、多维度获取目标人员运动视频信息发送至云服务器;
4、s2、基于云服务器所包含的解析调度器解析服务请求,从所述运动视频信息中提取每一帧目标人员的相关数据,同时得到每一帧的样本图像,并将每一帧样本图像相对应的相邻的数据节点进行拼接,该相关数据包括人体骨骼节点数据和人体肌肉边缘轮廓数据;
5、s3、将拼接好节点的所述数据作为原标签数据,对所述原标签数据进行预处理,得到数据集,将所述数据集划分为三个数据子集,分别为训练集、验证集和测试集;
6、构建形体姿态模型,所述形体姿态模型用于基于输入的节点数据进行节点预测,输出预测节点以及所述预测节点对应的预测坐标;以训练集为输入优化所述形体
7、s4、通过形体姿态模型反馈目标人员的运动形体姿态状况。
8、进一步的,所述s2包括:
9、从m帧视频信息中确定出目标对象;
10、根据所述目标对象特征形态将所述目标对象分割处理为多个特征单元,针对每个特征单元,获取第a帧中所述目标对象对应的第a数据集,以及获取第b帧中所述目标对象对应的第b数据集,其中a小于b;
11、分别对相邻的每个所述特征单元的所述第a数据集和所述第b数据集的每个点位进行拼接,并对所述第a数据集和所述第b数据集相对应的各点位进行关联匹配计算,形成多个区域重合度,从多个所述区域重合度中获取最大区域重合度,将根据每一所述特征单元对应的第a数据集和第b数据集确定其位移数据集,得到反映所述目标对象在所述第b帧与所述第a帧之间每个所述特征单元中每一点变化的相对位置信息;
12、得到拼接后所述目标对象每一帧的数据信息。
13、进一步的,从第a帧到第b帧的相对位置信息中选用个对应采样点间距离的标准差作为该时间段相对位移的重合度:其中,为从第a帧到第b帧的相对间距平均值,为所取的采样点的取点数量,为相对位移的重合度;所述从第a帧到第b帧的相对间距平均值:其中,为第a帧的其中一采样点的平面坐标值,为第b帧的相对应的采样点平面坐标值,为第a帧到第b帧对应采样点间的距离。
14、进一步的,对所述原标签数据进行预处理,得到数据集,将所述数据集划分为三个数据子集,分别为训练集、验证集和测试集,包括:
15、对所述原标签数据按照图像进行筛选,将筛选出来的图像利用lableme软件进行数据标注后按一定比例分为训练集、验证集和测试集。
16、进一步的,所述s3还包括:
17、将划分得到的训练集随机分割成k个不同的子集,每个子集称为一个折叠集;
18、然后对形体姿态模型进行k次训练和评估,其中,每次挑选1个折叠集进行评估,另外k-1个折叠集用于训练;
19、得到的一个包含k次评估分数的数组;
20、通过k次评估误差rmse的平均值、标准差来评估形体姿态模型。
21、进一步的,还包括:
22、s5、利用形体姿态模型对存在问题的姿态进行姿态优化,直至优化后的形体姿态达标,输出优化后的形体姿态;
23、其中,依次获取所述目标人员形体姿态的所有姿态节点路径,对每一姿态节点路径进行编码;
24、将每一姿态节点路径与设定阈值进行比较,选取所述目标人员的姿态节点路径偏离设定阈值的所有姿态节点路径;
25、获取姿态节点路径对应的编码,将所述编码配置成具有以概率大小来设定的标记指向符,所述标记指向符用于对姿态节点路径进行有序标记并使所述姿态节点路径具有特定指向,且所述标记指向符还用于响应于来自形体姿态模型的加载信号,根据所述加载信号并利用所述标记进行排序,排序后输入至形体姿态模型中。
26、根据本申请的另一方面,还提供了一种基于云计算的形体姿态自动评估系统,其特征在于,包括:
27、云服务器;
28、数据获取模块,根据目标人员的运动状态多维度的获取其运动视频信息发送至云服务器,从而获取所述目标人员的运动状态;
29、特征提取模块,基于云服务器所包含的解析调度器解析服务请求,将所述视频信息分为若干帧,每一帧中所述目标人员具有若干个提取节点,提取每一帧所述目标人员的相关数据,同时得到每一帧的样本图像,并将每一帧样本图像相对应的相邻的数据节点进行拼接,该相关数据包括人体骨骼节点数据和人体肌肉边缘轮廓数据;
30、形体姿态模型,用于基于输入的节点数据进行节点预测,输出预测节点以及所述预测节点对应的预测坐标,从而得到所述目标人员运动路径。
31、进一步的,所述特征提取模块还包括:
32、重合度检测单元,根据不同帧的姿态节点数据拼接后得到所述目标对象每一帧的数据信息。
33、进一步的,所述系统还包括:
34、比较标记模块,用于将每一姿态节点路径与设定阈值进行比较,选取所述目标人员的姿态节点路径偏离设定阈值的所有姿态节点路径;
35、获取姿态节点路径对应的编码,将所述编码配置成标记指向符,所述标记指向符用于对姿态节点路径进行有序标记并使所述姿态节点路径具有特定指向,且所述标记指向符还用于响应于来自形体姿态模型的加载信号,根据所述加载信号将具有特定指向的姿态节点路径输入至形体姿态模型中。
36、本申请能产生的有益效果包括:
37、本申请所提供的基于云计算的形体姿态自动评估方法和系统,通过从所述运动视频信息中提取每一帧目标人员的相关数据,同时得到每一帧的样本图像,并将每一帧样本图像相对应的相邻的数据节点进行拼接,该相关数据包括人体骨骼节点数据和人体肌肉边缘轮廓数据,从而建立形体姿态模型,通过形体姿态模型反馈目标人员的运动形体姿态状况。
本文档来自技高网...【技术保护点】
1.基于云计算的形体姿态自动评估方法,其特征在于,包括:
2.根据权利要求1所述的基于云计算的形体姿态自动评估方法,其特征在于,对所述原标签数据进行预处理,得到数据集,将所述数据集划分为三个数据子集,分别为训练集、验证集和测试集,包括:
3.根据权利要求1所述的基于云计算的形体姿态自动评估方法,其特征在于,所述S3还包括:
4.根据权利要求1所述的基于云计算的形体姿态自动评估方法,其特征在于,还包括:
5.根据权利要求1所述的基于云计算的形体姿态自动评估方法的形体姿态自动评估系统,其特征在于,包括:
6.根据权利要求5所述的基于云计算的形体姿态自动评估系统,其特征在于,所述特征提取模块还包括:
7.根据权利要求5所述的基于云计算的形体姿态自动评估系统,其特征在于,还包括:
【技术特征摘要】
1.基于云计算的形体姿态自动评估方法,其特征在于,包括:
2.根据权利要求1所述的基于云计算的形体姿态自动评估方法,其特征在于,对所述原标签数据进行预处理,得到数据集,将所述数据集划分为三个数据子集,分别为训练集、验证集和测试集,包括:
3.根据权利要求1所述的基于云计算的形体姿态自动评估方法,其特征在于,所述s3还包括:
4.根据权利要...
【专利技术属性】
技术研发人员:王晶,李祖鹏,
申请(专利权)人:西安龙南铭科技有限公司,
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。