[发明专利]一种基于人工智能的肢体动作识别比对方法

说明书

本发明提供了一种基于人工智能的肢体动作识别比对方法，包括以下步骤：S1，采集标准肢体动作数据，训练出标准动作模型；S2，采集待比对肢体动作数据；S3，将待比对肢体动作数据输入标准动作模型，分别提取标准肢体动作数据和待比对肢体动作数据中的肢体关键点数据；S4，根据标准肢体动作数据和待比对肢体动作数据中的肢体关键点数据计算待比对肢体动作与标准肢体动作之间的偏差，并对待比对肢体动作进行打分。本发明进行肢体动作识别比对的成本较低、方便性较高、效率较高，可应用于AI健身等场景。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的肢体动作识别比对方法。

背景技术

目前应用于运动健身肢体动作姿态识别和教学指导的技术，主要有以下几大类：

1、使用加速度计、陀螺仪以及磁力计识别肢体姿态、动作和速度。此种方式固然有能快速和准确测量人体部位速度的能力，但是无论是教练和老师，还是学员，都需要穿戴相应设备，缺点是不方便、成本很高，难以普及；

2、使用专用贴身衣服和上面的传感器感知、识别肢体姿态、动作。使用特殊的衣服可以检测穿戴者的运动、呼吸、压力、体温，并且其中传感器的数量，类型和位置都是可以完全定制。这种方式同样需要无论是教练和老师，还是学员，都需要穿戴相应设备，缺点是不方便、成本很高，难以普及；

3、基于3D摄像头或者双目摄像头获取人体三维图像，并提取骨架点，具体采用可见光+红外光结合，或者根据两个摄像头的角度偏差，获取目标的平面和立体图像，提取关键点立体坐标的方法。这种方式同样无论是在教练和老师端，还是学员端，都需要配备相应设备，课程制作过程需要，学员习练过程同样需要；缺点一是成本较高；缺点二是所有教学内容需要重新拍摄制作；缺点三是便利性不好，场景受到限制；缺点四是目前主流技术智能识别15-20个骨骼点，且非常受当时光线和背景影响，在运动健身的实用性不高，体验不佳，在体感游戏中体验不佳，使用不广泛；

4、采用在人体关键点贴标注标签点的方式拍摄和识别。这种方式较为传统，缺点是需要投入大量人力和物力进行拍摄、制作和识别，成本非常高，效能很低。

综上所述，目前还难以低成本、高效率地完整了解健身动作整个过程中学员的动作规范程度，也无法基于此技术开发应用模式以提高线上运动健身的趣味性和参与感，导致线上运动健身难以达到好的效果，也难以坚持。

发明内容

本发明为至少在一定程度上解决上述技术问题，提供了一种吹风机。

本发明采用的技术方案如下：

一种基于人工智能的肢体动作识别比对方法，包括以下步骤：S1，采集标准肢体动作数据，训练出标准动作模型；S2，采集待比对肢体动作数据；S3，将所述待比对肢体动作数据输入所述标准动作模型，分别提取所述标准肢体动作数据和所述待比对肢体动作数据中的肢体关键点数据；S4，根据所述标准肢体动作数据和所述待比对肢体动作数据中的肢体关键点数据计算待比对肢体动作与标准肢体动作之间的偏差，并对待比对肢体动作进行打分。

所述方法应用于动作教学，所述标准肢体动作数据采集自老师的标准动作影像，所述待比对肢体动作数据采集自学员的实时学习影像。

肢体关键点包括头顶、鼻子、双肩、双肘、双手、双髋、双膝、双脚、下巴、背部两个点、脚尖、大腿中部、小腿中部。

所述的基于人工智能的肢体动作识别比对方法还包括：针对每个动作课程单独采集该动作课程对应的标准肢体动作数据，并根据该动作课程对应的标准肢体动作数据对所述标准动作模型进行进一步训练。

采用DeepLabCut深度神经网络训练出所述标准动作模型。

步骤S4包括同帧影像的动作比对和时间序列的动作比对。