[发明专利]一种智能居家瑜伽教练信息处理系统、方法、终端、介质

权利要求书

1.一种智能居家瑜伽教练信息处理方法，其特征在于，所述智能居家瑜伽教练信息处理方法包括：

步骤一，利用摄像头对用户进行RGB图像与Deepth数据的采集，获得人体姿态原始图像数据，并将数据传入树莓派；

步骤二，经树莓派处理图像数据，提取出深度骨架化信息，所述深度骨架化信息包括：多个关节点的二维、深度三维的坐标，将坐标信息传入云服务器进行特征提取；

步骤三，服务器提取出人体物理特征，包括人体伸展程度以及关节夹角信息；该物理特征经过分类器分类后，获得了姿态分类结果，并与标准姿态库比对，获取校准信息，并返回至web端；

步骤四，在web端，利用随机森林，根据特征预测姿态，并与该姿态标准库校对,获取评估结果与建议，在web端可视化显示。

2.根据权利要求1所述的智能居家瑜伽教练信息处理方法，其特征在于，在步骤二中，树莓派处理图像数据提取出深度骨架化信息包括：利用openpose神经网络确定RGB图像中人体18个骨骼点的二维坐标，以及对应点的深度值；每个关节点的二维坐标和深度值构成当前关节点的原始图像数据。

3.根据权利要求2所述的智能居家瑜伽教练信息处理方法，其特征在于，所述openpose神经网络为自下而上的检测模型，先识别图片中所有可能的关键点，在模型中的输出是色彩丰富的热图，展示人体在图像中的大致位置，以及识别所有关键点之间的连接关系；所述检测模型输出的是部分亲和度；同时进行人体关键点的检测和连接。

4.根据权利要求2所述的智能居家瑜伽教练信息处理方法，其特征在于，所述openpose神经网络确定RGB图像中人体18个骨骼点的二维坐标的方法包括：

1)openpose神经网络一个分支用来预测打分图Confidence Maps，一个分支用来预测部分亲和度PAFs骨骼方向向量；

2)利用Loss Function损失函数进行神经网络收敛；

3)采用高斯分布计算出热图Heatmap和骨骼方向Vectormap；

4)进行骨骼关节的相连与姿态识别预测。

5.根据权利要求4所述的智能居家瑜伽教练信息处理方法，其特征在于，步骤1)中，PAFs由L*所表示，置信度由S*所表示；若有骨骼点被遮挡或者未被检测到，则刨除该点不予计算；

公式揭示骨骼点检测标注点的正态峰值；当人体骨骼点Р向标准点k慢慢靠近时，随着推移逐渐达到峰值；

步骤2)Loss Function损失函数为：

6.根据权利要求2所述的智能居家瑜伽教练信息处理方法，其特征在于，所述步骤二中，将每一帧人体18个骨骼点的二维坐标和深度值数据通过云端上传到PC机进行三维重建；

利用相机内参数，通过针孔成像模型公式将2D坐标转化为3D坐标x、y、z；针孔成像模型为：

7.根据权利要求2所述的智能居家瑜伽教练信息处理方法，其特征在于，所述步骤三中，服务器提取出人体物理特征包括：

大量人体姿态骨架角度、人体伸展程度、躯体相对比例，并将其作为随机森林训练集合，相对应人体姿态为标签，训练出姿态分类随机森林模型；在使用时将个体骨架化数据作为随机森林模型输入，获得随机森林分类结果，即获取了人体姿态分类结果。