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() 一种基于BlazePose的投篮标准动作检测方法技术_技高网
当前位置: 首页 > 专利查询>河南大学专利>正文

一种基于BlazePose的投篮标准动作检测方法技术

技术编号:41291579 阅读:4 留言:0更新日期:2024-05-13 14:42
本发明专利技术涉及姿态检测技术领域,具体涉及一种基于BlazePose的投篮标准动作检测方法。方法包括:获取不同人员投篮过程中不同角度下的RGB图像,将每个人员投篮过程中不同角度下的RGB图像输入到BlazePose模型中,获得每个人员对应的关键点坐标信息,基于所述关键点坐标信息获得每个人员对应的特征向量;基于训练人员对应的特征向量对Conv‑LSTM网络模型进行训练,获得训练好的Conv‑LSTM网络模型;将所述待检测人员对应的特征向量输入到训练好的Conv‑LSTM网络模型中,判断待检测人员的投篮动作是否标准。本发明专利技术能够对投篮过程中的投篮动作是否标准进行实时检测。

【技术实现步骤摘要】

本专利技术涉及姿态检测,具体涉及一种基于blazepose的投篮标准动作检测方法。


技术介绍

1、随着机器视觉技术的快速发展,视觉计算技术使机器具备了相当于人类视觉的能力,同时也使人类在机器的协助下看得更清楚、分析得更准确,人们利用机器视觉对视频、图像获取关键信息后进行分析,并且高频摄像头和机器视觉技术结合可以捕捉人眼无法察觉的细微动作,帮助教练和运动员分析动作。

2、人体姿态估计是计算机视觉一个非常重要的研究领域,目前,人体姿态估计的方法根据图像中被识别的目标人数分类,可以分为单人姿态估计和多人姿态估计;根据方法进行分类,可以分为自顶向下和自底向上。单人姿态估计在运动训练的应用非常广泛,例如:健身指导,姿势纠正,辅助训练等等。

3、近年来随着体育事业的发展,深度学习和计算机视觉技术也为智能体育训练行业增添了新的活力。投篮是篮球比赛中重要的得分手段,投篮动作是否标准也极大地影响了进球率,然而传统的投篮动作训练没有严格的标准,教练资源不足,训练反馈不足,缺少个性化、针对性的评价等都使得训练者的训练效率不高,并且容易将错误动作养成习惯难以纠正,因此对训练者训练过程中的投篮动作进行检测,以判断是否为标准动作非常重要。


技术实现思路

1、为了解决上述技术问题,本专利技术的目的在于提供一种基于blazepose的投篮标准动作检测方法,所采用的技术方案具体如下:

2、本专利技术提供了一种基于blazepose的投篮标准动作检测方法,该方法包括以下步骤:>

3、获取不同人员投篮过程中不同角度下的rgb图像,所述不同人员包括训练人员和待检测人员;

4、分别将每个人员投篮过程中不同角度下的rgb图像输入到blazepose模型中,获得每个人员对应的关键点坐标信息,基于所述关键点坐标信息获得每个人员对应的特征向量;

5、基于训练人员对应的特征向量对conv-lstm网络模型进行训练,获得训练好的conv-lstm网络模型;将所述待检测人员对应的特征向量输入到训练好的conv-lstm网络模型中,判断待检测人员的投篮动作是否标准。

6、优选的,所述rgb图像包括:持球下蹲rgb图像、空中伸展rgb图像和手臂出球rgb图像。

7、优选的,分别将每个人员投篮过程中不同角度下的rgb图像输入到blazepose模型中,获得每个人员对应的关键点坐标信息,包括:

8、将每个人员投篮过程中不同角度下的持球下蹲rgb图像、空中伸展rgb图像和手臂出球rgb图像输入到blazepose模型中,获得每个人员对应的多个关键点的坐标信息。

9、优选的,所述关键点包括:鼻子、左眼内侧、左眼、左眼外侧、右眼内侧、右眼、右眼外侧、左耳、右耳、嘴左侧、嘴右侧、左肩、右肩、左肘关节、右肘关节、左手腕、右手腕、左小指一号指节、右小指一号指节、左食指一号指节、右食指一号指节、左拇指二号指节、右拇指二号指节、左髋关节、右髋关节、左膝、右膝、左脚踝、右脚踝、左脚跟、右鞋跟、左脚尖和右脚尖。

10、优选的,所述基于训练人员对应的特征向量对conv-lstm网络模型进行训练,获得训练好的conv-lstm网络模型,包括:

11、设置角度阈值和距离阈值,分别将每个训练人员对应的特征向量输入到conv-lstm网络模型中,将训练人员的关键点对应的角度和距离分别与所述角度阈值和距离阈值进行比较,基于比较结果判断每个训练人员的投篮动作是否标准;获得训练好的conv-lstm网络模型。

12、本专利技术至少具有如下有益效果:

13、本专利技术通过blazepose模型获取了每个人员在投篮过程中的关键点坐标信息,基于关键点坐标信息获得了每个人员对应的特征向量,并基于训练人员对应的特征向量对conv-lstm网络模型进行了训练,将待检测人员对应的特征向量输入到训练好的conv-lstm网络模型中,判断待检测人员的投篮动作是否标准。本专利技术提供的方法能够对投篮动作进行实时检测,对待检测人员投篮过程中的姿态是否标准进行判断,后续教练可根据检测结果对待检测人员进行针对性指导。

本文档来自技高网...

【技术保护点】

1.一种基于BlazePose的投篮标准动作检测方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述的一种基于BlazePose的投篮标准动作检测方法,其特征在于,所述RGB图像包括:持球下蹲RGB图像、空中伸展RGB图像和手臂出球RGB图像。

3.根据权利要求2所述的一种基于BlazePose的投篮标准动作检测方法,其特征在于,分别将每个人员投篮过程中不同角度下的RGB图像输入到BlazePose模型中,获得每个人员对应的关键点坐标信息,包括:

4.根据权利要求3所述的一种基于BlazePose的投篮标准动作检测方法,其特征在于,所述关键点包括:鼻子、左眼内侧、左眼、左眼外侧、右眼内侧、右眼、右眼外侧、左耳、右耳、嘴左侧、嘴右侧、左肩、右肩、左肘关节、右肘关节、左手腕、右手腕、左小指一号指节、右小指一号指节、左食指一号指节、右食指一号指节、左拇指二号指节、右拇指二号指节、左髋关节、右髋关节、左膝、右膝、左脚踝、右脚踝、左脚跟、右鞋跟、左脚尖和右脚尖。

5.根据权利要求1所述的一种基于BlazePose的投篮标准动作检测方法,其特征在于,所述基于训练人员对应的特征向量对Conv-LSTM网络模型进行训练,获得训练好的Conv-LSTM网络模型,包括:

...

【技术特征摘要】

1.一种基于blazepose的投篮标准动作检测方法,其特征在于,该方法包括以下步骤:

2.根据权利要求1所述的一种基于blazepose的投篮标准动作检测方法,其特征在于,所述rgb图像包括:持球下蹲rgb图像、空中伸展rgb图像和手臂出球rgb图像。

3.根据权利要求2所述的一种基于blazepose的投篮标准动作检测方法,其特征在于,分别将每个人员投篮过程中不同角度下的rgb图像输入到blazepose模型中,获得每个人员对应的关键点坐标信息,包括:

4.根据权利要求3所述的一种基于blazepose的投篮标准动作...

【专利技术属性】
技术研发人员:韩志杰秦莞松程普赵龑骧
申请(专利权)人:河南大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1