[发明专利]一种训练智能测试方法以及装置

权利要求书

1.一种训练智能测试方法，其特征在于，包括如下步骤：

采用人脸识别技术进行人员核验，然后通过视觉模型技术对采集的训练视频进行人体姿势识别，动作标准评判，动作点评，自动计时计数；

采用大数据技术针对所述判断结果建立训练数据模型，以用于进行训练评估，辅助指导训练。

2.根据权利要求1所述的训练智能测试方法，其特征在于，所述人体姿势的识别方法包括：

将训练视频的原始位图对象缩放，从PoseNet库中调用函数来获取Person对象，将位图缩放回屏幕大小；

在Canvas对象上绘制新的位图，从Person对象中获取的关键点位置在画布上绘制骨架，显示置信度超过特定阈值的关键点，用单个SurfaceView来显示输出；

SurfaceView通过获取、锁定和在View画布上绘图，显示在屏幕上。

3.根据权利要求2所述的训练智能测试方法，其特征在于，所述原始位图对象通过一系列卷积神经网络后，得到关节点的置信图以及肢干的矢量图，将所述置信图以及矢量图结合得到新的绘制骨架。

4.根据权利要求3所述的训练智能测试方法，其特征在于，所述一系列卷积神经网络的方法包括：

原始位图经过Branch1的网络得到的是关节点的置信图S，经过Branch2的网络得到的是肢干的矢量图L，F经过Stage1得到S1和L1，从Stage2开始，Stage t网络的输入由前一个网络Stage t-1得到的置信图S和矢量图L加上特征图F组成，表达式如下：

每个Stage网络都可以得到两个损失，Staget网络的损失函数如下：

上式中，和为通过数据集数据标注的准确的置信图和矢量图，W(p)为二元掩码，总损失函数如下：

其中，计算损失用的置信图以及矢量图是根据COCO数据集的数据生成的；

设定关节点(x，y)为人物k的关节点j的坐标，则以A(x0，y0)为左上角坐标，以B(x1，y1)为右下角坐标，由A、B组成一个矩形Z，而关节点坐标为矩形Z的中心；令width和height为图片的宽和高，则x0，y0，x1，y1的定义如下：

x0＝int(max(0，x-β))

y0＝int(max(0，y-β))

x1＝int(min(width，x+β))

y1＝int(min(height，y+β))；

然后，在去遍历矩形Z中的每一个坐标点p，求点p和x_j，k的高斯核函数，得到置信图中该坐标点p的值公式如下：

所有人物k的关节点j组成的就组成了该关节点的置信图如下公式：

假设和表示数据集图片中人物k的肢干c的关节点j1和j2的坐标，如果点p在肢干上，则为j1到j2方向的单位向量，否则，为0，公式如下：

其中点P满足以下公式：

其中，l_c，k是肢干的长度，σ_l是肢干的宽度，V_⊥是单位向量v的垂直向量。