[发明专利]一种基于深度学习的运动评判指导方法和系统

权利要求书

1.一种基于深度学习的运动评判指导方法，其特征在于，包括：

A、采集用户动作的图像信息；

B、对所述图像信息进行预处理；

C、检测预处理后的所述图像信息中的人体的关键点信息；

D、根据所述人体的关键点信息获取用户动作信息；

E、将用户动作信息与标准动作信息进行比对分析，以获取比对分析结果；

F、将所述比对分析结果提供给所述用户；

其中，所述步骤B，包括：

对所述图像信息进行动作分解处理，得到所述用户的每一个动作信息，其中，所述图像信息包括有至少一个所述用户根据预设动作指令完成的至少一个动作信息，所述动作信息中包括至少一个所述关键点信息；

所述步骤E，包括：

所述比对分析结果中包括对比分数和指导建议，其中，所述指导建议用于表征对所述用户所完成的动作的指导建议；

所述对比分数通过如下公式确定：

其中，G用于表征所述用户p的所述图像信息的对比分数，i用于表征第n个动作信息中的关键点信息个数，d_p2用于表征所述用户p在任一动作信息中的每一个关键点和相对应的所述标准动作信息中的关键点之间的欧氏距离，用于表征所述用户p在第n个动作信息中所占的面积，σ_i用于表征第i个关键点的归一化因子，δ（v_pi=1）用于表征所述用户p的第i个关键点在该动作信息上可见，n用于表征所述用户p的图像信息中所包括的动作信息的数量，t_n用于表征第n个标准分析点；其中，若关键点在该动作信息上不可见，则该关键点信息不参与所述步骤E中的比对分析过程。

2.根据权利要求1所述的方法，其特征在于，所述步骤C，包括：

C1、对捕捉到的运动画面进行人体目标检测，以获取运动中的目标对象；

C2、对所述目标对象进行人体的关键点信息检测。

3.根据权利要求2所述的方法，其特征在于，所述步骤E包括：

将标准分析时间点对应的用户动作信息与该标准分析时间点对应的标准动作信息进行比对分析，以获取比对分析结果。

4.根据权利要求3所述的方法，其特征在于，所述标准分析时间点的获取方式为：

M1、将标准动作信息中的动作分解为基础单元动作；

M2、在基础单元动作的起止点及起止点之间选取指定数量的时间点作为标准分析时间点。

5.根据权利要求1所述的方法，其特征在于，所述步骤C之前还包括检测模型的构建，所述检测模型包括人体目标检测子模型以及目标个体的关键点检测子模型；其中，所述关键点检测子模型的构建步骤包括：

获取指定数量的标准动作的图像信息；

根据所述图像信息提取其中人体的关键关节数据，并对所述关键关节数据进行预处理；并将预处理之后的关键节点数据作为训练集；

基于残差网络，以及同时将该残差网络与多层卷积和反卷积结合的形式，利用所述训练集进行模型的训练，以获取训练后的用于进行关键点信息检测的关键点检测子模型。

6.根据权利要求1至5中任一所述的方法，其特征在于，所述步骤E，包括：

所述比对分析结果中包括对比分数和指导建议，其中，所述指导建议用于表征对所述用户所完成的动作的指导建议；

判断所述对比分数是否大于预设阈值分数；

如果所述对比分数大于所述预设阈值分数，则确定所述对比分数所对应的所述用户所完成的动作标准；

如果所述对比分数不大于所述预设阈值分数，则根据与所述对比分数所对应的所述用户的关键点信息，确定针对所述用户的指导建议。