【技术实现步骤摘要】
本专利技术涉及运动康复，具体涉及一种基于机器视觉的浅蹲动作指导及评估方法及装置。
技术介绍
1、浅蹲被广泛认为对于运动员、健身爱好者和康复患者都有益处，因为它不仅可以增强下半身肌肉力量和稳定性，还可以提高运动表现、改善姿势和减少运动损伤的风险。在进行浅蹲训练时，正确的姿势和技术非常重要。一个正确的姿势可以最大限度地发挥锻炼效果，并降低受伤的风险。然而，由于个体差异和缺乏专业指导，许多人在进行浅蹲时可能会出现姿势不正确的情况，这可能会导致不良的锻炼结果或者潜在的损伤。传统上，浅蹲动作的分析通常依赖于人类教练或专业医生进行目测评估。然而，这种方法受到主观因素和人为限制的影响，因此可能不够准确或可靠。
2、随着计算机视觉和机器学习技术的不断发展，以及传感器技术的普及，现代健身行业开始探索如何利用这些技术来改进健身训练的质量和效果。通过使用摄像头结合机器学习算法对浅蹲动作进行实时分析和反馈，可以有效地提高用户对自身动作的认识，帮助他们更好地掌握正确的姿势和技术，从而减少运动损伤的风险，提高运动效果。
技术实现思路
1、为解决上述现有存在的技术问题，本专利技术提供一种基于机器视觉的浅蹲动作指导及评估方法及装置，目的在于，能够实时地监测和分析用户的浅蹲动作，并立即作出评分，并能实时性帮助用户及时纠正错误姿势，提高训练效果，指导运动康复。解决传统浅蹲动作的分析通常依赖于人类教练或专业医生进行目测评估而受到主观因素和人为限制的影响，导致不够准确的问题。
2、为了实现上述目的
3、一种基于机器视觉的浅蹲动作指导及评估方法，包括以下步骤：
4、s1，在能够捕捉到用户全身图像的位置安装并调试摄像头；
5、s2，识别并确定用户的各关键骨骼特征点的初始三维坐标后，用户根据标准浅蹲动作演示图像做浅蹲动作，通过记录各关键骨骼特征点的实时三维坐标，计算出各关键骨骼特征点动作评分指标所需的角度及距离，以便实时展示给用户观看浅蹲过程的关键动作参数，并通过语音指导用户调整浅蹲动作；
6、s3，计算各关键骨骼特征点动作指标的得分，将各关键骨骼特征点动作指标的得分相加，计算出用户浅蹲动作的得分与浅蹲动作的评分标准对比，判断用户浅蹲动作是否合格。
7、进一步地，所述关键骨骼特征点包括髌骨、第一趾骨、股骨外上髁、外踝、股骨大转子和第七胸椎棘突。
8、进一步地，所述各关键骨骼特征点动作评分指标所需的角度及距离包括矢状面小腿和脚踝的角度θ1、矢状面大腿与小腿的角度θ2、矢状面大腿与身体的角度θ3、矢状面髌骨与第一趾骨的距离δ、冠状面髌骨与第一趾骨连线成一条直线与地面的夹角θ4。
9、进一步地，所述矢状面小腿和脚踝的角度θ1的公式如下：
10、
11、其中：
12、
13、
14、所述矢状面大腿与小腿的角度θ2的公式如下：
15、
16、其中：
17、
18、
19、所述矢状面大腿与身体的角度θ3的公式如下：：
20、
21、其中：
22、
23、
24、所述髌骨与第一趾骨的距离δ的公式如下：
25、δ＝|x2k-x1k|
26、所述髌骨与第一趾骨连线成一条直线与地面的夹角θ4的公式如下：
27、
28、其中：摄像机经过调试后地面上法向量一般取
29、上述式中，(x1k,y1k,z1k)表示髌骨的实时三维坐标；(x2k,y2k,z2k)表示第一趾骨连的实时三维坐标；(x3k,y3k,z3k)表示股骨外上髁的实时三维坐标；(x4k,y4k,z4k)表示外踝的的实时三维坐标；(x5k,y5k,z5k)表示股骨大转子的实时三维坐标；(x6k,y6k,z6k)表示第七胸椎棘突的实时三维坐标；k表示不同时刻；。
30、进一步地，所述计算各关键骨骼特征点动作指标的得分包括：
31、矢状面小腿和脚踝的角度θ1的得分：当80°<θ1<95°，得分为13-15，单项指标评为优秀；当70°<θ1<79°，得分为10-12，单项指标评为良好；当55°<θ1<69°，得分为5-9，单项指标评为合格；当θ1>55°，得分为0-4，单项指标评为不合格；
32、矢状面大腿与小腿的角度θ2的得分：当150°<θ2<160°，得分为13-15，单项指标评为优秀；当135°<θ2<149°，得分为10-12，单项指标评为良好；，当120°<θ2<134°，得分为5-9，单项指标评为合格；当θ2>120°，得分为0-4，单项指标评为不合格；
33、矢状面大腿与身体的角度θ3的得分，当110°<θ3<120°，得分为13-15，单项指标评为优秀；当109°<θ3<110°，得分为10-12，单项指标评为良好；，当95°<θ3<99°，得分为5-9，单项指标评为合格；当θ3>95°，得分为0-4，单项指标评为不合格；
34、髌骨与第一趾骨的距离δ的得分，当δ>10cm时，得分为25分，单项指标评为优秀；当5cm<δ<10cm时，得分为14-19分，单项指标评为良好；当1cm<δ<5cm时，得分为10-13分，单项指标评为合格；当0cm<δ<1cm时，得分为0-9分，单项指标评为不合格；
35、髌骨与第一趾骨连线成一条直线与地面的夹角θ4的得分，当85°<θ4<90°，得分为25-30，单项指标评为优秀；当80°<θ4<85°，得分为20-24，单项指标评为良好；，当66°<θ4<80°，得分为15-19，单项指标评为合格；当θ4<66°，得分为0-14，单项指标评为不合格。
36、进一步地，所述判断用户浅蹲动作是否合格的标准如下：
37、当各关键骨骼特征点动作指标的得分大于等于90分，显示绿灯亮，表示用户动作优秀；
38、当各关键骨骼特征点动作指标的得分大于等于70分，显示黄灯亮，表示用户动作合格；
39、当各关键骨骼特征点动作指标的得分小于70分，显示红灯亮，表示用户动作不合格。
40、一种实现所述的基于机器视觉的浅蹲动作指导及评估方法的装置，包括：
41、摄像机，用于获取用户做浅蹲运动的图像；
42、网络设备，用于接收摄像机的图像数据并传输至软件处理系统，并且提供远程访问支持和云计算处理；
43、软件处理系统，用于识别并确定图像数据中用户各关键骨骼特征点的初始三维坐标后，提供标准浅蹲动作演示图像给用户做浅蹲动作，记录各关键骨骼特征点的实时三维坐标，计算出各关键骨骼特征点本文档来自技高网...
【技术保护点】
1.基于机器视觉的浅蹲动作指导及评估方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于机器视觉的浅蹲动作指导及评估方法，其特征在于，所述关键骨骼特征点包括髌骨、第一趾骨、股骨外上髁、外踝、股骨大转子和第七胸椎棘突。
3.如权利要求1所述的基于机器视觉的浅蹲动作指导及评估方法，其特征在于，所述各关键骨骼特征点动作评分指标所需的角度及距离包括矢状面小腿和脚踝的角度θ1、矢状面大腿与小腿的角度θ2、矢状面大腿与身体的角度θ3、矢状面髌骨与第一趾骨的距离Δ、冠状面髌骨与第一趾骨连线成一条直线与地面的夹角θ4。
4.根据权利要求3所述的基于机器视觉的浅蹲动作指导及评估方法，其特征在于，所述矢状面小腿和脚踝的角度θ1的公式如下：
5.根据权利要求1所述的基于机器视觉的浅蹲动作指导及评估方法，其特征在于，所述计算各关键骨骼特征点动作指标的得分包括：
6.根据权利要求1所述的基于机器视觉的浅蹲动作指导及评估方法，其特征在于，所述判断用户浅蹲动作是否合格的标准如下：
7.一种实现权利要求1至6中任意一项所述的基于机器
...【技术特征摘要】
1.基于机器视觉的浅蹲动作指导及评估方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于机器视觉的浅蹲动作指导及评估方法，其特征在于，所述关键骨骼特征点包括髌骨、第一趾骨、股骨外上髁、外踝、股骨大转子和第七胸椎棘突。
3.如权利要求1所述的基于机器视觉的浅蹲动作指导及评估方法，其特征在于，所述各关键骨骼特征点动作评分指标所需的角度及距离包括矢状面小腿和脚踝的角度θ1、矢状面大腿与小腿的角度θ2、矢状面大腿与身体的角度θ3、矢状面髌骨与第一趾骨的距离δ、冠状面髌骨与第一趾骨连线成一条直线与...
【专利技术属性】
技术研发人员：郭旭霞，谢开仲，周世鹏，李佳蔚，虞恒睿，
申请(专利权)人：广西大学，
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。