【技术实现步骤摘要】
本专利技术涉及智能健身，具体为基于大数据的健身运动直播动作标注处理系统及方法。
技术介绍
1、随着信息技术的飞速发展和大数据时代的到来，健身运动领域也迎来了前所未有的变革，传统的健身方式已经不能满足现代人对健康、高效、个性化的追求，而基于大数据的健身运动直播动作标注处理系统及方法应运而生，为健身爱好者提供了更加精准、科学的运动指导与体验。
2、在申请公布号为cn117274319a的中国专利技术申请中，公开了基于大数据的健身运动直播方法和系统，包括：构建在线健身者和直播教练人体轮廓模型；构建与健身者相适配的标准的人体追踪框；建立健身者人体轮廓模型与人体追踪框的三维坐标系，记录健身者人体轮廓模型与人体追踪框的初始坐标以及二者之间的初始距离；动态追踪健身者运动过程中的人体轮廓，监测运动过程中的生理体征数据；获取运动过程中健身者的偏差距离和生理体征的偏差数据；获取健身者不合格动作和运动强度不合适动作；根据统计数据向教练端发出动作矫正指令或者强度调节指令；教练端根据接收到的指令对直播运动作出相应的调整。
3、结合以上专利技术申请，现有技术存在以下不足：
4、1、在健身运动中，不同动作因其力学特性和生理影响而具有不同的强度水平，相同的动作对不同的人来说动作强度也不相同，然而，现有技术往往忽视了这一关键差异，未能针对特定动作进行细致的风险评估，这导致用户在跟随直播进行锻炼时，可能因不了解动作的实际强度而盲目跟从，进而增加身体受伤的风险；
5、2、现有的健身运动直播系统，在动作识别与标注方面虽然
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足，本专利技术提供了基于大数据的健身运动直播动作标注处理系统及方法，对直播中的健身动作进行精准标注，检测人体关键点的位置，通过关键点的坐标构建描述动作的特征向量，通过计算实时动作特征向量与标准动作特征向量之间的相似度，获得动作标准度，通过用户在健身运动时的实时心率变异性和运动持续时间，以及心率变异性基准值，计算获得疲劳度，将动作标准度、动作强度、心率变异性以及疲劳度作为风险特征，建立风险评估矩阵，通过风险评估矩阵计算各个风险特征的权重，结合每个风险特征的值，计算获得动作风险评估值，将动作风险评估值和风险阈值进行比对，根据比对结果作出相应的措施，解决了
技术介绍
中提到的问题。
3、(二)技术方案
4、为实现以上目的，本专利技术通过以下技术方案予以实现：基于大数据的健身运动直播动作标注处理方法，包括以下步骤：
5、实时采集用户在直播健身过程中的动作数据，对动作数据进行实时识别，识别出用户正在进行的健身动作，根据识别结果，对直播中的健身动作进行精准标注；
6、从实时视频流中提取关键帧，检测人体关键点的位置，通过关键点的坐标构建描述动作的特征向量，通过计算实时动作特征向量与标准动作特征向量之间的相似度，获得动作标准度；
7、获取心电信号或心跳间期数据，提取心跳间期时间序列，计算获取心率变异性，通过用户在健身运动时的实时心率变异性和运动持续时间，以及心率变异性基准值，计算获得疲劳度；
8、将动作标准度、动作强度、心率变异性以及疲劳度作为风险特征，建立风险评估矩阵，通过风险评估矩阵计算各个风险特征的权重，结合每个风险特征的值，计算获得动作风险评估值，将动作风险评估值和风险阈值进行比对，根据比对结果作出相应的措施。
9、进一步的，从实时视频流中提取关键帧，关键帧对应标注的动作，使用背景减除来移除背景，只保留人体部分，将人体图像调整到统一的大小和比例，使用人体姿态估计模型检测人体关键点的位置，通过关键点的坐标构建描述动作的特征向量。
10、进一步的，通过计算实时动作特征向量与标准动作特征向量之间的相似度，获得动作标准度，计算公式如下：
11、
12、其中，s表示动作标准度，xi和yi分别表示实时动作和标准动作特征向量的第i个元素，i＝1,2,…,n，n表示元素的总数。
13、进一步的，实时获取心电信号或心跳间期数据，提取心跳间期时间序列，通过心跳间期数据，计算获取心率变异性，计算公式如下：
14、
15、其中，hrv表示心率变异性，rrj表示第j个心跳间期，j＝1,2,…,m，m表示心跳间期的总数。
16、进一步的，通过用户在健身运动时的实时心率变异性和运动持续时间，以及心率变异性基准值，计算获得疲劳度，计算公式如下：
17、
18、其中，rch表示疲劳度，hrv表示实时心率变异性，表示心率变异性基准值，t表示运动持续时间。
19、进一步的，将动作标准度、动作强度、心率变异性以及疲劳度作为风险特征，建立风险评估矩阵a，对当前健身动作的风险进行评估，风险评估矩阵a如下：
20、
21、其中，amn表示为第m个风险特征相对于第n个风险特征的重要程度，m为矩阵a的行数，n为矩阵a的列数。
22、进一步的，通过风险评估矩阵a计算各个风险特征的权重ωm，计算公式如下：
23、
24、其中，s为风险特征的数量，k为常数，且0<k<s。
25、进一步的，根据每个风险特征的值以及对应的权重，将各风险特征进行加权求和，计算获得动作风险评估值，计算公式如下：
26、
27、其中，arv表示动作风险评估值，vm表示第m个风险特征的值，ωm表示第m个环境因素的权重，m＝1,2,…,s，s表示风险特征的数量。
28、进一步的，预先设置风险阈值，将动作风险评估值和风险阈值进行比对，根据比对结果作出相应的措施，具体包括：
29、当动作风险评估值小于或等于风险阈值时，保持对用户动作执行情况的持续监测；
30、当动作风险评估值大于风险阈值时，及时给予用户反馈，建议调整运动强度、休息或寻求专业指导。
31、基于大数据的健身运动直播动作标注处理系统，包括：动作识别与标注模块、动作标准度评估模块、生理疲劳度监测模块以及风险评估与应对措施模块；其中，
32、动作识别与标注模块，实时采集用户在直播健身过程中的动作数据，对动作数据进行实时识别，识别出用户正在进行的健身动作，根据识别结果，对直播中的健身动作进行精准标注；
33、动作标准度评估模块，从实时视频流中提取关键帧，检测人体关键点的位置，通过关键点的坐标构建描述动作的特征向量，通过计算实时动作特征向量与标准动作特征向量之间的相似度，获得动作标准度；
34、生理疲劳度监测模块，获取心电信号或心跳间期数据，提取心跳间期时间序列，计算获取心率变异性，通过用户在健身运动时的实时心率变异性和运动本文档来自技高网...
【技术保护点】
1.基于大数据的健身运动直播动作标注处理方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于大数据的健身运动直播动作标注处理方法，其特征在于：
3.根据权利要求2所述的基于大数据的健身运动直播动作标注处理方法，其特征在于：
4.根据权利要求1所述的基于大数据的健身运动直播动作标注处理方法，其特征在于：
5.根据权利要求4所述的基于大数据的健身运动直播动作标注处理方法，其特征在于：
6.根据权利要求1所述的基于大数据的健身运动直播动作标注处理方法，其特征在于：
7.根据权利要求6所述的基于大数据的健身运动直播动作标注处理方法，其特征在于：
8.根据权利要求7所述的基于大数据的健身运动直播动作标注处理方法，其特征在于：
9.根据权利要求8所述的基于大数据的健身运动直播动作标注处理方法，其特征在于：
10.基于大数据的健身运动直播动作标注处理系统，用于实现权利要求1至9中任一项所述方法，其特征在于：包括：
【技术特征摘要】
1.基于大数据的健身运动直播动作标注处理方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于大数据的健身运动直播动作标注处理方法，其特征在于：
3.根据权利要求2所述的基于大数据的健身运动直播动作标注处理方法，其特征在于：
4.根据权利要求1所述的基于大数据的健身运动直播动作标注处理方法，其特征在于：
5.根据权利要求4所述的基于大数据的健身运动直播动作标注处理方法，其特征在于：
6.根据权...
【专利技术属性】
技术研发人员：李祖鹏，王晶，
申请(专利权)人：西安瑜乐文化科技股份有限公司，
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。