[发明专利]一种基于深度学习的运动评判指导方法和系统

说明书

本发明涉及一种基于深度学习的运动评判指导方法和系统，该方法包括：采集用户动作的图像信息；对所述图像信息进行预处理；检测预处理后的所述图像信息中的人体的关键点信息；根据所述人体的关键点信息获取用户动作信息；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；将所述比对分析结果提供给所述用户。本方案能够提高运动评判指导的效率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于深度学习的运动评判指导方法和系统。

背景技术

随着人们对身体健康的需求越来越强烈，越来越多的人参与到运动健身中，而且合理的运动方式、标准的运动动作才更有利于人体健康。运动过程中，人体姿态形式众多，涉及的人体关节数量众多，活动范围大，同时运动种类繁多，在不同运动专业领域评判标准大不相同。目前针对运动动作准确性的评判主要依据有经验的专业人士进行人工判断，这种方法对人的依赖性很高，效率却不高。

鉴于此，针对以上不足，需要提供涉及一种基于深度学习的运动评判指导方法和系统来解决上述不足。

发明内容

本发明要解决的技术问题在于如何提高对运动评判指导的效率，针对现有技术中的缺陷，提供了一种基于深度学习的运动评判指导方法和系统。

为了解决上述技术问题，本发明提供了一种基于深度学习的运动评判指导方法，该方法包括：

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。

可选地，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。

可选地，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。

可选地，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其间选取指定数量的时间点作为标准分析时间点。

可选地，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，以及同时将其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。

可选地，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所述动作信息，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。

可选地，所述步骤E，包括：