[发明专利]一种基于视频分析的智慧体育辅助训练系统及训练方法

权利要求书

1.一种基于视频分析的智慧体育辅助训练方法，其特征在于，包括如下步骤：

步骤一、通过视频监控系统采集运动员视频信息，并将所述视频信息输送至主机服务器；

步骤二、所述主机服务器对所述视频信息进行分析得到运动员的运动信息，并将所述运动信息输送至中心服务器；

步骤三、所述中心服务器根据所述运动信息的分析报告并存储；

步骤四、客户端通过调取所述分析报告对运动员进行实时监控并进行训练；

在所述步骤二中，分析得到所述运动信息过程包括：

步骤1、对所述视频信息的特定角度进行特征提取；

步骤2、将相邻时段各个人物的融合特征进行聚类以确定运动员身份ID；

步骤3、利用已知运动员身份ID的3d关键点确定运动员的运动信息；

在所述步骤1中，特征提取过程包括：

提取外观特征：通过人物检测神经网络检测视频中的视频信息中的运动员，将视频信息中各视角图像作为输入，通过任意人物边框特征提取公式提取任意人物的检测网络结构后，将每个人物矩形框所对应的图像作为输入，送入外观特征神经网络，通过外观特征提取公式提取运动员的外观特征；以及

提取面部特征：通过面部检测神经网络检测视频中的视频信息中的运动员，将视频信息中各视角检出的运动员图像作为输入，通过任意面部边框特征提取公式提取任意面部的检测网络结构后，将每个面部矩形框所对应的图像作为输入，送入面部特征神经网络，通过面部特征提取公式提取运动员的面部特征；

所述任意人物边框特征提取公式为{x_i，y_i，h_i，w_i，s_i}＝F_人物检测(I_i)；

式中，F_人物检测为满足输出格式的任意人物检测网络结构，I_i为第i个视角下当前时刻的图像，x_i表示检测出的人物边框左上点的横坐标数组，y_i表示检测出边框左上点的纵坐标数组，h_i表示检测出边框长度数组，w_i表示检测出边框宽度数组，s_i表示检测出边框的分数数组；

所述外观特征提取公式为f_外观＝F_外观特征(I_p)；

式中，f_外观为外观特征，I_p为第p个人物边框所对应的图像；

任意面部边框特征提取公式为{x_fi，y_fi，h_fi，w_fi，s_fi}＝F_面部检测(I_p)；式中，F_面部检测为满足输出格式的任意面部检测网络结构，I_p为第p个人物边框所对应的图像，x_fi表示检测出的面部边框左上点的横坐标数组，y_fi表示检测出边框左上点的纵坐标数组，h_fi表示检测出边框长度数组，w_fi表示检测出边框宽度数组，s_fi表示检测出边框的分数数组；

所述面部特征提取公式为f_面部＝F_面部特征(I_pf)；

式中，f_面部为面部特征，I_pf为第p个人物的面部边框所对应的图像；

在所述步骤2中，确定运动员身份ID过程包括：

根据人物边框特征和面部边框特征，将每个人物矩形框所对应的图像作为输入，3D人体关键点检测网络，提取相对17个3D骨骼关键点坐标，根据标定好的第i个视角下的相机矩阵P_i、人物矩形框坐标左下坐标(x₁，y₁)，右下坐标(x₂，y₂)，计算出底点坐标y_bottom＝y₁＝y₂，根据坐标公式计算检测出的人物在3D空间中的坐标位置(x_3d，y_3d)，将17个3D骨骼关键点坐标更新得到3D骨骼关键点特征为

(x_global，y_global，z_global)＝(x_local，y_local，z_local)+(x_3d，y_3d，0)；

其中，坐标公式为

根据所述外观特征、面部特征和3D骨骼关键点特征形成融合特征后确定运动身份ID。

2.如权利要求1所述的基于视频分析的智慧体育辅助训练方法，其特征在于，在所述步骤3中，所述运动信息包括：

运动员速度为

运动员步伐为其中，(x_l，y_l，z_l)，(x_r，y_r，z_r)分别代表左、右脚踝3D坐标，d代表步伐大小，以厘米为单位；

运动员手臂夹角或者膝关节夹角为式中，v_a＝(x_lh-x_ln，y_lh-y_ln，z_lh-z_ln)，v_b＝(x_ln-x_la，y_ln-y_la，z_ln-z_la)，(x_lh，y_lh，z_lh)，(x_ln，y_ln，z_ln)，(x_la，y_la，z_la)为手臂夹角或者膝关节夹角的相邻三个关键点坐标；(x_t，y_t，z_t)为t时刻运动员头部位置，(x_t-1，y_t-1，z_t-1)为t-1时刻运动员头部位置，FPS为相机的帧率。