[实用新型]基于多特征值融合的滑雪运动员姿态识别系统有效

专利信息
申请号: 202020788453.6 申请日: 2020-05-13
公开(公告)号: CN211878611U 公开(公告)日: 2020-11-06
发明(设计)人: 韩成浩;杨勇勇;范志豪;陈鑫浩;方志翔;李闯;高扬;吴奔鑫;吕璐;王思琦;许猛;蔡博文 申请(专利权)人: 吉林建筑大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 长春市吉利专利事务所(普通合伙) 22206 代理人: 李晓莉
地址: 130118 吉*** 国省代码: 吉林;22
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 特征值 融合 滑雪 运动员 姿态 识别 系统
【说明书】:

实用新型公开了一种基于多特征值融合的滑雪运动员姿态识别系统,属于人体姿态识别技术领域,包括可穿戴设备、移动端、服务器端以及界面展示端,所述可穿戴设备和移动端分别与服务器端通信连接;所述界面展示端与服务器端通信连接;该系统通过对滑雪运动员的姿态捕捉、动作识别、数据发送以及数据融合,实现对滑雪运动员动作再现,配合教练进行滑雪教学,规范滑雪运动员动作的作用。

技术领域

本实用新型涉及人体姿态识别技术领域,具体涉及一种基于多特征值融合的滑雪运动员姿态识别系统。

背景技术

全世界的体育运动项目分门别类,但就每一项体育运动而言,都有其世界统一的竞技规则和素质标准,正是由于这样的“国际标准”,体育运动成为全球通用的语言之一。体育竞技类项目受到全球各界人士越来越多的关注,提高竞技水平也成为各国运动训练的终极目标。

滑雪运动是一种运动员在雪地上进行的速度、跳跃和滑降的竞赛运动,发展至今,滑雪运动分支越来越多,也越来越受到人们的喜欢。近年来,运动员科技训练中的运动分析成为运动员和教练员尤为关注的辅助训练方法之一。通过视频图像获取人体的运动参数,是现有最行之有效的方法,视频流包含大量人体运动信息,分析实时性得到进一步提高,在训练时可以即时予以结果分析与数据反馈,教练可以结合特定体育项目的领域知识,加之视频数据的量化信息,明确指出运动员现有技术水平中存在的缺点和不足并给出相应的改进方法。

但是,国内的大部分运动员参数获取与分析,只停留在一些金牌数量较多的优势项目,如乒乓球,游泳,跳水,皮划艇等。或者是关注度大的项目,如足球,篮球等。并没有大量针对滑雪类的体育竞技项目做系统的运动参数获取和分析研究,随着科学技术的发展,我国在智能体育投入了大量的研究,将各种科学技术应用于体育中,滑雪是人们最喜欢的冬季运动之一,所以对于滑雪的研究也就显得很有必要。

实用新型内容

本实用新型的目的是针对现有技术的不足,而提出了一种基于多特征值融合的滑雪运动员姿态识别系统,该系统通过对滑雪运动员的姿态捕捉、动作识别、数据发送以及数据融合,实现对滑雪运动员动作再现,配合教练进行滑雪教学,规范滑雪运动员动作的作用。

为了实现上述目的,本实用新型采用如下技术方案:一种基于多特征值融合的滑雪运动员姿态识别系统,其特征在于,包括:可穿戴设备、移动端、服务器端以及界面展示端,所述可穿戴设备和移动端分别与服务器端通信连接;所述界面展示端与服务器端通信连接;

其中,可穿戴设备包括电源模块、zigbee控制器、MPU9150九轴姿态传感器、液晶显示器和无线天线,zigbee控制器通过IIC总线与MPU9150九轴姿态传感器相连,zigbee控制器、MPU9150九轴姿态传感器、液晶显示器和无线天线均与电源模块电连接;液晶显示器和无线天线均与zigbee控制器相连;MPU9150九轴姿态传感器内置三轴陀螺仪、三轴加速度传感器和三轴磁力计;可穿戴设备穿戴在运动员关节处,用于获取运动员人体姿态信息,并将人体姿态信息传输至服务器端;

其中,移动端由网络摄像头和无线路由器构成,网络摄像头和无线路由器通信连接,网络摄像头采用双目摄像机的方式来获取图像,并对图像进行进行预处理和特征提取,获取运动员骨骼图像,并通过无线路由器将获取的运动员骨骼图像传送至服务器端;

其中,服务器端用于接收可穿戴设备和移动端向其发送的数据,并进行融合,形成运动员姿态图像。

进一步,所述zigbee控制器为CC2530芯片。

进一步,所述zigbee控制器与服务器端无线连接进行数据传输。

通过上述设计方案,本实用新型可以带来如下有益效果:

1、利用惯性传感器(MPU9150九轴姿态传感器)和计算机视觉(网络摄像头)相结合,使得到的数据更加准确,误差小,从而提高教学质量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于吉林建筑大学,未经吉林建筑大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202020788453.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top