【技术实现步骤摘要】
本专利技术属于运动姿态识别，具体涉及基于深度学习的运动姿态识别方法。
技术介绍
1、现代社会的生活节奏较快，工作和生活压力也相应增加。运动健身成为一种释放压力、缓解焦虑和增强心理健康的途径，因此受到更多人的青睐。在众多的健身项目中出于人们对全面健康和身体塑造的追求，使得力量健身项目成为广泛运动群体中的主流选择。
2、通常来说力量健身项目对运动姿态要求较高，这是由于在力量训练中，使用较重的负荷，如果姿势不正确，可能会增加受伤的概率。通过保持正确的姿势，可以有效减少肌肉、骨骼和关节的负担，提高训练的安全性，在这种情况下当前为了保障健身的安全性一般都会采集识别健身者的运动姿态数据，但其忽略了运动姿态对健身效果的影响关联，正确的运动姿态不仅有助于预防受伤，还可以最大程度地激活目标肌肉，提高训练效果，这导致对运动姿态识别应用范围的限制，致使难以全面了解整体的运动表现，不利于运动姿态识别价值的最大化发挥。
3、另外现有力量健身过程中的运动姿态识别通常覆盖到全身肢体动作，未集中在关键关节部位，没有考虑到在力量训练中，一些关键的关节部位对于健身动作的正确性至关重要，比如膝关节、腰椎、肩部等，进而导致运动姿态识别覆盖面过广，容易造成无法捕捉到关键关节部位的细微变化，致使动作准确性评估精度不高，从而影响对健身效果的可靠分析。
技术实现思路
1、为此，本申请实施例的一个目的在于提供基于深度学习的运动姿态识别方法，通过将运动姿态识别聚焦在关键关节部位，并将识别结果应用在健身效果评估
2、本专利技术的目的可以通过以下技术方案来实现：基于深度学习的运动姿态识别方法，包括以下步骤：s1、在力量健身器具上设置身体成分采集终端、运动姿态采集终端、智能监测终端和语音提示器，由健身者选择力量健身器具运动时在指定身体部位穿戴智能监测终端。
3、s2、在健身者启动运动前利用身体成分采集终端采集健身者的身体成分信息，包括肌肉分布位置及肌肉分布位置的肌肉含量占比。
4、s3、基于健身者的身体成分信息进行初始运动档位推荐，并将推荐的初始运动档位利用语音提示器进行播报。
5、s4、设定适应时段，由此在健身者启动健身后的适应时段内按照利用智能监测终端实时监测健身者的生理指标和关键关节肌肉负荷，其中生理指标包括心率、血压和呼吸频率。
6、s5、在健身者启动健身后的适应时段内利用运动姿态采集终端采集健身者的运动状态图像，并从中提取运动身体轮廓。
7、s6、基于健身者在各运动时刻的生理指标评估健身者的生理偏离状态，并基于健身者在各运动时刻的关键关节肌肉负荷评估健身者的健身效果状态，并基于健身者在各运动时刻的运动身体轮廓评估健身者的运动姿态符合状态。
8、s7、基于健身者在各运动时刻的健身效果状态评判健身者是否健身达标，若某运动时刻评判健身不达标，则将该运动时刻记为异常运动时刻，并基于健身者在异常运动时刻的生理偏离状态和运动姿态符合状态预测健身不达标原因。
9、s8、基于预测的健身不达标原因选取适配健身方式。
10、作为上述方案的进一步优化，所述智能监测终端包括关节负荷传感器和生理指标采集器，其中在指定身体部位穿戴智能监测终端的具体实施如下：基于力量健身器具的类别获取关键关节，进而在关键关节上佩戴关节负荷传感器。
11、获取生理指标采集器的指定穿戴部位，进而在指定穿戴部位穿戴生理指标采集器。
12、作为上述方案的进一步优化，所述基于健身者的身体成分信息进行初始运动档位推荐参见下述操作过程：将关键关节与健身者的肌肉分布位置进行匹配，得到健身者的肌肉分布匹配度。
13、基于关键关节从健身者所在肌肉分布位置的肌肉含量占比中提取健身者在关键关节的肌肉含量占比。
14、将健身者的肌肉分布匹配度结合在关键关节的肌肉分布匹配度计算健身者的身体条件优越指数，具体计算表达式为，式中表示健身者的肌肉分布匹配度，表示健身者在关键关节的肌肉含量占比，表示自然常数。
15、将健身者的身体条件优越指数与参考数据库中相应力量健身器具中各运动档位对应的身体条件优越指数范围进行比对，从中选取比对一致的运动档位作为初始运动档位。
16、作为上述方案的进一步优化，所述的取值为，其中表示关键关节与健身者的肌肉分布位置匹配失败，表示关键关节与健身者的肌肉分布位置匹配成功。
17、作为上述方案的进一步优化，所述健身者的生理偏离状态评估过程如下：获取健身者的年龄，并将其与预设的各种年龄段对应的年龄区间进行匹配，从中匹配出健身者对应的年龄段。
18、将健身者对应的年龄段与参考数据库中各种年龄段在极限运动中能够达到的正常生理指标进行对比，从中筛选出健身者所处年龄段在极限运动中能够达到的最高生理指标。
19、基于初始运动档位从参考数据库中提取在初始运动档位下达到最高生理指标的百分比。
20、将健身者所处年龄段在极限运动中能够达到的最高生理指标结合在初始运动档位下达到最高生理指标的百分比计算出健身者在初始运动档位下的正常生理指标。
21、将健身者在初始运动档位下的正常生理指标与健身者在各运动时刻的生理指标进行对比，由此计算健身者在各运动时刻的生理偏离指数，具体计算表达式为，式中、、分别表示为健身者在第运动时刻的心率、血压、呼吸频率，表示运动时刻编号，，、、分别表示健身者在初始运动档位下的正常生理指标，表示健身者在第运动时刻的生理指标上升率，其中获取如下：将健身者在各运动时刻的生理指标进行相邻运动时刻对比，通过表达式，得到，式中、、分别表示健身者在第运动时刻的心率、血压、呼吸频率。
22、作为上述方案的进一步优化，所述健身者的健身效果状态评估过程如下：基于初始运动档位从参考数据库中调取健身者在初始运动档位下的达标关键关节肌肉负荷。
23、将健身者在各运动时刻的关键关节肌肉负荷与健身者在初始运动档位下的达标关键关节肌肉负荷进行对比，计算健身者在各运动时刻的健身效果指数，具体表达式为，式中表示健身者在第运动时刻的关键关节肌肉负荷，表示健身者在初始运动档位下的达标关键关节肌肉负荷，表示健身者在第运动时刻的肌肉负荷增长率，其中获取如下：将健身者在各运动时刻的关键关节肌肉负荷进行相邻运动时刻对比，通过表达式，得到，式中分别表示健身者在第运动时刻的关键关节肌肉负荷。
24、作为上述方案的进一步优化，所述健身者的运动姿态符合状态评估如下：将健身者在各运动时刻的运动身体轮廓聚焦到关键关节，从而提取关键关节呈现角度。
25、将健身者在各运动时刻的关键关节呈现角度与参考数据库中使用相应力量健身器具进行运动时的正常关键关节呈现角度进行对比，得到健身者在各运动时刻的运动姿态符合度，，式中表示健身者在第运动时刻的关键关节呈现角度，表示力量健身器具对应的正常关键关节呈现角度。
26、作为上述方案的进一步本文档来自技高网...
【技术保护点】
1.基于深度学习的运动姿态识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于深度学习的运动姿态识别方法，其特征在于：所述智能监测终端包括关节负荷传感器和生理指标采集器，其中在指定身体部位穿戴智能监测终端的具体实施如下：
3.如权利要求1所述的基于深度学习的运动姿态识别方法，其特征在于：所述基于健身者的身体成分信息进行初始运动档位推荐参见下述操作过程：
4.如权利要求3所述的基于深度学习的运动姿态识别方法，其特征在于：所述的取值为，其中表示关键关节与健身者的肌肉分布位置匹配失败，表示关键关节与健身者的肌肉分布位置匹配成功。
5.如权利要求1所述的基于深度学习的运动姿态识别方法，其特征在于：所述健身者的生理偏离状态评估过程如下：
6.如权利要求5所述的基于深度学习的运动姿态识别方法，其特征在于：所述健身者的健身效果状态评估过程如下：
7.如权利要求6所述的基于深度学习的运动姿态识别方法，其特征在于：所述健身者的运动姿态符合状态评估如下：
8.如权利要求1所述的基于深度学习的运动姿态识别方
9.如权利要求7所述的基于深度学习的运动姿态识别方法，其特征在于：所述基于健身者在异常运动时刻的生理偏离状态和运动姿态符合状态预测健身不达标原因实现如下：
10.如权利要求1所述的基于深度学习的运动姿态识别方法，其特征在于：所述基于预测的健身不达标原因选取适配健身方式的实施如下：
...【技术特征摘要】
1.基于深度学习的运动姿态识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于深度学习的运动姿态识别方法，其特征在于：所述智能监测终端包括关节负荷传感器和生理指标采集器，其中在指定身体部位穿戴智能监测终端的具体实施如下：
3.如权利要求1所述的基于深度学习的运动姿态识别方法，其特征在于：所述基于健身者的身体成分信息进行初始运动档位推荐参见下述操作过程：
4.如权利要求3所述的基于深度学习的运动姿态识别方法，其特征在于：所述的取值为，其中表示关键关节与健身者的肌肉分布位置匹配失败，表示关键关节与健身者的肌肉分布位置匹配成功。
5.如权利要求1所述的基于深度学习的运动姿态识别方法，其特征在于：所述健身者的生理偏离状...
【专利技术属性】
技术研发人员：徐旸，王金鹏，郭亮，孙金峰，
申请(专利权)人：青岛燧石智慧科技有限公司，
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。