[发明专利]基于深度学习图像识别的健身动作纠错方法及系统有效

专利信息
申请号: 201810360441.0 申请日: 2018-04-20
公开(公告)号: CN108734104B 公开(公告)日: 2021-04-13
发明(设计)人: 方航;陈晋音;叶枫 申请(专利权)人: 杭州易舞科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 杭州天勤知识产权代理有限公司 33224 代理人: 曹兆霞
地址: 310010 浙江省杭州市*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 深度 学习 图像 识别 健身 动作 纠错 方法 系统
【说明书】:

本发明公开了一种基于深度学习图像识别的健身动作纠错方法,包括以下步骤:接收从健身视频中截取的每帧健身图像,记录每帧健身图像对应的时间,并对每帧健身图像进行预处理;将预处理后的健身图像输入到人体关节识别模型中,经所述人体关节识别模型计算,输出健身图像中包含的每个人体关节及其位置坐标;将各个关节根据坐标位置有序连线,得到人体骨架图;根据标准健身动作对所述人体骨架图进行比对分析,输出不标准健身图像以实现对健身动作的纠错。本发明还公开了一种基于深度学习图像识别的健身动作纠错系统。该系统和方法能够处理真实有效地解决就有无音乐节奏的健身动作之间的难以对比的问题。

技术领域

本发明属于图像处理技术领域,具体涉及一种基于深度学习图像识别的健身动作纠错方法及系统。

背景技术

随着经济发展和人们生活水平的提高,人们的健身意识逐渐增强,人们越来越重视身体素质的提高。但由于健身场地的限制、健身教练费用昂贵等因素的影响,很多健身者没有足够的机会学习专业的健身动作,因此健身者的健身运动并未达到预期的效果。

对于当前的健身运动可按照有音乐节奏和无音乐节奏进行划分,例如健身房中的大部分单功能和多功能的健身器材所进行的是无音乐节奏的健身运动,健身者并没有受到在动作的快慢上有着严格的时间要求。然而对比另一些户外运动,如广场舞、健身操等健身运动项目,是同时多人跟着音乐的节拍来进行健身锻炼的,这些运动项目对于动作的时间把握上要求严格,可以说是一个节拍对应一个动作。

公开号为CN101791466A的发明专利公开了一种带有教练功能的智能健身系统,包括至少一个传感器、至少一个智能控制器和一个管理计算机。传感器设置在健身器材上。智能控制器设置在便于健身者观察的位置,且每个健身器材配置一个智能控制器。每个智能控制器又进一步包括显示屏和中央控制板。中央控制板与显示屏相连。管理计算机与所有的智能控制器相连,其又进一步包括数据库和管理单元。数据库用于存放健身教程数据以及纠错信息。管理单元与数据库相连,用于将数据库中的健身教程数据传输给相应的智能控制器,以及根据传感器采集的健身信息,从该数据库中提取出相应的纠错信息,并发送给相应的智能控制器。

上述专利公开的技术内容虽然可提高力量型健身器材的健身效果,但是该技术方案是基于健身器材上的传感器来采集健身者的动作信息,需要每个健身器材得安装多个传感器才能采集到健身者的关键部位的运动信息,且采集信息很难做到全面,再者传感器价格比较昂贵、易受周围环境的影响、容易损坏,这样在增加健身成本的同时并不能给健身者带来动作上的较为全面的改进提示。

当前市场上的健身系统方案只是提出在显示屏上播放健身教练的标准健身动作,并不能告诉健身者在做健身运动时动作上的不足。若健身者的动作没有其他人的指导,是很难发现自己错误或者不标准的动作的。因此,就如何能够方便准确地给出健身者在动作上有效准确的指导,是目前健身系统需要解决的问题。

发明内容

本发明的目的是提供一种基于深度学习图像识别的健身动作纠错方法及系统,以解决健身者在健身动作上缺少指导性建议的问题。

为实现上述发明目的,本发明提供以下技术方案:

一种基于深度学习图像识别的健身动作纠错系统,包括以下步骤:

接收从健身视频中截取的每帧健身图像,记录每帧健身图像对应的时间,并对每帧健身图像进行预处理;

将预处理后的健身图像输入到人体关节识别模型中,经所述人体关节识别模型计算,输出健身图像中包含的每个人体关节及其位置坐标;

将各个关节根据坐标位置有序连线,得到人体骨架图;

根据标准健身动作对所述人体骨架图进行比对分析,输出不标准健身图像以实现对健身动作的纠错。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州易舞科技有限公司,未经杭州易舞科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810360441.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top