【技术实现步骤摘要】
本专利技术涉及体育测试，尤其涉及的是一种基于深度学习形体识别的跳远成绩评分装置、方法及计算机设备。
技术介绍
1、目前体育测试还处于人工测量或者计算机辅助测量和评价阶段。
2、立定跳远是作为体育考试的必测项目，在跳远项目上，一般在运动员跳完后，辅助的测量人员会用距离测量工具如皮尺等进行测量，然后将测量结果告诉成绩记录人员。然而，通过人工测量和评分的方式需要投入较多的人力，且存在测量误差、随机性强的缺陷，导致跳远成绩的准确度较低。
3、因此，现有技术还有待于改进和发展。
技术实现思路
1、鉴于上述现有技术的不足，本专利技术的目的在于提供一种基于深度学习形体识别的跳远成绩评分装置、方法及计算机设备，以解决现有跳远测试采用人工测量和评分的方式中存在的工作量大、成绩准确度较低的问题。
2、本专利技术的技术方案如下：
3、第一方面，本专利技术提供了一种基于深度学习形体识别的跳远成绩评分装置，其包括：
4、摄像头，用于获取运动员的形体图像；
5、标定模块，用于对运动区域进行标定以得到标定区域；
6、识别模块，用于在当运动员在标定区域进行跳远动作时，基于深度学习形体识别算法对运动员的形体动作进行实时分析，并根据分析结果确定运动员的落地点坐标；
7、计算模块，用于根据运动员的落地点坐标得到运动员的跳远距离；
8、评分模块，用于根据运动员的跳远距离以及预先录入的分值表得到运动员的跳远分值。p>
9、本专利技术进一步地设置，所述标定模块包括：
10、第一获取单元，用于获取摄像头图像；
11、边界水平线标定单元，用于将运动区域靠近摄像头一侧的场地边界水平线调整至摄像头图像的水平位置，并在摄像头图像中标定另一条场地边界水平线；
12、角标定单元，用于对运动区域的四个角进行标定以得到标定区域；其中，所述标定区域为梯形。
13、本专利技术进一步地设置，所述计算模块包括：
14、第一计算单元，用于根据运动员的落地点坐标以及标定区域两侧边的斜率得到落地点与两侧边的距离；
15、第二计算单元，用于根据运动区域的长度与运动员落地点与两侧边的距离得到运动员的跳远距离；
16、其中，当识别到运动员的重心处于最低点时，以运动员靠近起跳线的接触地面的位置为运动员的落地点。
17、本专利技术进一步地设置，当运动员在标定区域进行跳远动作时，对运动员的进行过程进行录像；还包括：
18、第二获取单元，用于根据运动员的录像分析每一帧图像，得到运动员的落地图像；
19、坐标计算单元，用于根据运动员的落地图像得到运动员的落地坐标。
20、本专利技术进一步地设置，还包括：
21、播报模块，用于当得到运动员的跳远分值后，生成语音并进行播报。
22、本专利技术进一步地设置，所述识别模块包括：
23、第三获取单元，用于获取运动员的起跳图像；
24、提示单元，用于当运动员起跳时踩到或越过起跳线时进行提示。
25、一种用于实现如上述所述基于深度学习形体识别的跳远成绩评分装置的方法，其包括：
26、对运动区域进行标定以得到标定区域；
27、当运动员在标定区域进行跳远动作时，基于深度学习形体识别算法对运动员的形体动作进行实时分析，并根据分析结果确定运动员的落地点坐标；
28、根据运动员的落地点坐标得到运动员的跳远距离；
29、根据运动员的跳远距离以及预先录入的分值表得到运动员的跳远分值。
30、本专利技术进一步地设置，所述对运动区域进行标定以得到标定区域的步骤包括：
31、获取摄像头图像；
32、将运动区域靠近摄像头一侧的场地边界水平线调整至摄像头图像的水平位置，并在摄像头图像中标定另一条场地边界水平线；
33、对运动区域的四个角进行标定以得到标定区域；其中，所述标定区域为梯形。
34、本专利技术进一步地设置，所述根据运动员的落地点坐标得到运动员的跳远距离的步骤包括：
35、根据运动员的落地点坐标以及标定区域两侧边的斜率得到落地点与两侧边的距离；
36、根据运动区域的长度与运动员落地点与两侧边的距离得到运动员的跳远距离。
37、一种计算机设备，包括存储器与处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如上述所述的基于深度学习形体识别的跳远成绩评分方法的步骤。
38、本专利技术所提供的一种基于深度学习形体识别的跳远成绩评分装置、方法及计算机设备，其中装置包括：摄像头，用于获取运动员的形体图像；标定模块，用于对运动区域进行标定以得到标定区域；识别模块，用于在当运动员在标定区域进行跳远动作时，基于深度学习形体识别算法对运动员的形体动作进行实时分析，并根据分析结果确定运动员的落地点坐标；计算模块，用于根据运动员的落地点坐标得到运动员的跳远距离；评分模块，用于根据运动员的跳远距离以及预先录入的分值表得到运动员的跳远分值。本专利技术采用深度学习形体识别算法，当运动员在标定区域进行跳远动作时对运动员的形体动作进行实时分析，并根据分析结果确定运动员的落地点坐标，其后根据落地点坐标计算得到跳远成绩，无需人工测量和评分，不仅降低了工作量，且得到的成绩精确性高。
本文档来自技高网...【技术保护点】
1.一种基于深度学习形体识别的跳远成绩评分装置，其特征在于，包括：
2.根据权利要求1所述的基于深度学习形体识别的跳远成绩评分装置，其特征在于，所述标定模块包括：
3.根据权利要求2所述的基于深度学习形体识别的跳远成绩评分装置，其特征在于，所述计算模块包括：
4.根据权利要求1所述的基于深度学习形体识别的跳远成绩评分装置，其特征在于，当运动员在标定区域进行跳远动作时，对运动员的进行过程进行录像；还包括：
5.根据权利要求1所述的基于深度学习形体识别的跳远成绩评分装置，其特征在于，还包括：
6.根据权利要求1所述的基于深度学习形体识别的跳远成绩评分装置，其特征在于，所述识别模块包括：
7.一种用于实现权利要求1－6任一项所述基于深度学习形体识别的跳远成绩评分装置的方法，其特征在于，包括：
8.根据权利要求7所述的基于深度学习形体识别的跳远成绩评分方法，其特征在于，所述对运动区域进行标定以得到标定区域的步骤包括：
9.根据权利要求7所述的基于深度学习形体识别的跳远成绩评分方法，其特征在于，
10.一种计算机设备，包括存储器与处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1－7任一项基于深度学习形体识别的跳远成绩评分方法的步骤。
...【技术特征摘要】
1.一种基于深度学习形体识别的跳远成绩评分装置，其特征在于，包括：
2.根据权利要求1所述的基于深度学习形体识别的跳远成绩评分装置，其特征在于，所述标定模块包括：
3.根据权利要求2所述的基于深度学习形体识别的跳远成绩评分装置，其特征在于，所述计算模块包括：
4.根据权利要求1所述的基于深度学习形体识别的跳远成绩评分装置，其特征在于，当运动员在标定区域进行跳远动作时，对运动员的进行过程进行录像；还包括：
5.根据权利要求1所述的基于深度学习形体识别的跳远成绩评分装置，其特征在于，还包括：
6.根据权利要求1所述的基于深度学习形体识别的跳远成绩评分装置，其特征在...
【专利技术属性】
技术研发人员：连红星，陈佳浩，连天怿，
申请(专利权)人：钧声深圳科技有限公司，
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。