[发明专利]一种基于骨骼关键点的人体运动动作计数方法

说明书

一种基于骨骼关键点的人体运动动作计数方法，通过深度学习模型算法获取人体关键点，采样动作影响关键点的角度变化来完成运动动作的计数工作。该方式可以客观且高效的完成运动动作的技术工作，有效助力用户通过在线体育运动软件自主运动锻炼。主要使用的是hrnet模型。基于图像的AI处理、只需要采集运动视频，不需要外在其他传感器等设备进行数据采集，简单方便。同时本发明完成了基于角度变化的通用动作计数评估模型，对于开合跳、俯卧撑、蹲起等动作，只需要修改相应的参数即可，不需要针对每一个运动都重复的进行建模，有效的减少重复的工作，提高效率。

技术领域

本发明涉及信息技术领域，具体是涉及一种基于骨骼关键点的人体运动动作计数方法。

背景技术

随着人们生活水平的提高，人们对运动健身的需求越来越多，目前线下体育场馆及健身房锻炼及学习各种运动已经不能满足人们的需求，尤其在疫情期间，人们不能去体育场馆和健身房，线上进行健身及学习体育运动已经深入人们的观念，线上自主学习健身需求日趋旺盛，线上运动变得越来越重要。

传统方式的运动计数方式往往是人工的方式或者是借助专用的设备记录运动数，这些方式都限制于场景或者是工具，人工成本大、效率低、误差大容易出现作弊情况。

发明内容

本发明为了克服以上技术的不足，提供了一种通过深度学习模型算法获取人体关键点，并采样动作影响关键点的角度变化来完成运动动作的计数方法。

本发明克服其技术问题所采用的技术方案是：

一种基于骨骼关键点的人体运动动作计数方法，包括：

a)利用模型对基于角度变化的重复动作运动根据人体骨骼点坐标构建计数模型，该计数模型中具有17个人体骨骼坐标点以及4个极值点坐标；

b)在计数模型中的17个人体骨骼坐标点中任意选取三个坐标点分别定义为P_n、P_m，P_q，三个坐标点的夹角角度为[P_n-P_m-P_q]；

c)接入运动视频，对视频进行抽取视频帧处理，获取运动视频的帧画面；

d)将获取的运动视频的帧画面利用步骤a)中的模型获取具有17个人体骨骼坐标点以及4个极值点坐标的人体骨骼点坐标，在该人体骨骼点坐标中找到与步骤b)中P_n、P_m，P_q三个点位置形同的点，并定义为P_n′、P_m′，P_q′；

e)设置运动开始状态计数评价角度为α₁，设置运动结束状态计数评价角度为α₂，当{[P_n′-P_m′-P_q′][＜|＞][α₁]}时判定动作开始状态，当{[P_n′-P_m′-P_q′][＜|＞][α₂]}时判定动作结束状态，当运动视频中具有一个开始状态后具有一个结束状态，则对人体运动动作计数加1；

f)将获取到的运动计数输出进行显示。

进一步的，步骤a)中模型为hrnet模型或openPose模型或AlphaPose模型或deepPose模型对基于角度变化的重复动作运动根据人体骨骼点坐标构建计数模型。

进一步的，步骤a)中使用hrnet模型。