[发明专利]一种基于人工智能的体育辅助训练方法

权利要求书

1.一种基于人工智能的体育辅助训练方法,其特征在于,包括如下步骤：

步骤1：根据训练者的个人档案数据和训练策略数据构建用户模型，并通过协同过滤推荐算法建立推荐模型，为后续的训练人员提供训练策略的推荐，随着训练人员的增多能够进一步提升推荐算法的准确度；

步骤2：训练过程中，采集训练者的运动时长、图像数据、运动视频数据、交互数据；

步骤3：分析运动训练过程中的视频数据和图像数据，通过人工智能的方法即时回馈告诉训练者动作是否标准，并根据锻炼结果评估训练者的体能与运动强度，发掘可改善之处，进而提出更有效的训练方式，通过不断的交互为训练者提供更精准的推荐服务；

步骤4：将运动训练过程中的视频数据和图像数据得到的结果和训练过程中的其它数据作为运动记录加入到个人档案中，更新用户模型提高推荐算法的质量和精度；

在执行步骤1时，所述的推荐算法为基于用户的协同过滤推荐算法，其构建过程为：

步骤A1：将个人档案数据和训练策略相结合，并对数据进行数值化操作，构建用户特征矩阵M和训练策略矩阵N；其中数值化操作为利用键值对{k,i}将字符串k转换成数值i；

步骤A2：寻找近邻，在得到用户特征矩阵M和训练策略矩阵N后，根据相似性方法计算出目标用户和其他用户的相似度；

余弦相似度

其中和是用户u和v的特征向量；

步骤A3，产生推荐,通过步骤A2得到目标用户的最邻近集合，用S表示,对S进行从高到低的排序，生成Top-N排序，根据训练策略矩阵N将最佳结果推荐给用户；

在执行步骤3时，步骤B1:对视频数据进行预处理，并对视频中每一帧的人体进行姿态估计，得到关键点坐标，其步骤如下：

步骤C1:将不同手机拍摄的视频数据转换成统一的尺度；

步骤C2：利用关键点检测方法对获得视频中每帧人体的鼻子、脖子、右肩、右手肘、右手腕、左肩、左手肘、左手腕、右臀部、右膝盖、右脚踝、左臀部、左膝盖、左脚踝这14个关节点的坐标位置，坐标表示为C_i＝(cx_i,cy_i)，其中i从1到14；

其中所述的关键点检测方法为：利用PaddlePaddle中计算机视觉模型库的关键点检测-Simple Baselines方法获得；

步骤B2：对所得的14个关键点进行归一化处理并将坐标以左臀部、右臀部和脖子三点构成的三角形重心为原点定义一个坐标系，并将直角坐标系转换成极坐标系，获得转换后的坐标矩阵P；

其中关键点归一化的方法是x坐标除以图片的宽度，y坐标除以图片的长度；

步骤B3：通过专业人员对视频进行分析，按时间段进行标记，记录并保存得到的标签；

步骤B4：累计每帧得到的坐标矩阵P，得到每段视频的累计坐标矩阵D，利用滑动窗口对累计坐标矩阵进行窗口分割，即，滑动窗口长度设置为每20帧得到的累计坐标，步长设置为有50％的数据重叠；

步骤B5：利用累计坐标矩阵D，构建数据的特征集X和标签集Y，其中X＝R^d表示d维的输入空间，Y＝{0,1}^q，表示可能标签的标签空间，T＝(xⁱ,yⁱ)|1≤i≤m，m表示数据集的大小，xⁱ∈X，是一个d维的向量，yⁱ∈Y是Y的一个标签子集；

步骤B6：利用深度神经网络构建多标签分类器h(·)，预测作为x的正确标签集，其步骤为：

步骤D1:利用BiGRU+Attention构建深度神经网络模型，即，一个双向的GRU层加上一个Attention层；

步骤D2：将数据分为训练集和测试集两个部分，利用测试集训练训练网络模型，并保存预训练模型；

步骤D3：将测试数据输入到训练好的模型中，得到分类的结果。