【技术实现步骤摘要】
基于神经网络的健身动作识别方法、装置、设备及介质
本专利技术涉及健身动作识别领域,尤其涉及一种基于神经网络的健身动作识别方法、装置、设备及介质。
技术介绍
当前人们的生活水平越来越高,也越来越注重身体健康,健身训练成为人们健康生活的一种常见的选择。现有的较为科学合理的健身训练是去健身房,通过专业的健身教练指导,把每个健身动作都做到标准,以提高健身效果。但是这种方式不是每个人都可以使用的,不具备普及型。为了方便健身者随时随地了解自己的健身动作是否标准,健身效果是否达到要求,目前识别用户健身动作是否标准主要包括两种方式,第一种是通过可穿戴设备获取人体的加速度和位移信息,通过加速度和位移信息判断用户的健身动作是否标准,该方式的判断过程较为简单,但是判断的准确性不高;第二种是通过单个或多个深度图像传感器,获取人物的视频信息,通过对视频信息进行模式匹配判断输出人体的健身动作是否标准,该种方式虽然可以有效提高判断的准确率,但是深度图像传感器的成本较高。
技术实现思路
本专利技术实施例提供一种基于神经网络的健身动作识别方法、装置、设备及介质,以解决现有技术中不能同时满足对健身动作进行标准性判断成本低和准确率高的问题。一种基于神经网络的健身动作识别方法,包括:获取数据采集设备采集的待识别动作序列数据;采用方向余弦矩阵算法对所述待识别动作序列数据进行特征提取,获取待识别姿态特征数据,将所述健身动作序列数据和所述待识别姿态特征数据作为待识别特征数据;对所述待识别特征数据进行归一化处理,获取归一化特征数据;通过时间切分算法对所述归一化特征数据进行切分处理,获取所述归一化特征数据对应 ...
【技术保护点】
1.一种基于神经网络的健身动作识别方法,其特征在于,包括:获取数据采集设备采集的待识别动作序列数据;采用方向余弦矩阵算法对所述待识别动作序列数据进行特征提取,获取待识别姿态特征数据,将所述健身动作序列数据和所述待识别姿态特征数据作为待识别特征数据;对所述待识别特征数据进行归一化处理,获取归一化特征数据;通过时间切分算法对所述归一化特征数据进行切分处理,获取所述归一化特征数据对应的至少一个切分特征数据;将至少一个所述切分特征数据按照时间顺序依次输入到训练好的健身动作识别模型中,获取每一所述切分特征数据对应的动作类型;基于所述动作类型获取对应的标准特征组数据,通过所述标准特征组数据从所述待识别特征数据中选取特定特征数据组进行标准性判断,获取所述特定特征数据组对应的特征识别结果;统计所有所述特定特征数据组对应的特征识别结果,当所有所述特定特征数据组对应的特征识别结果均为特征标准,则所述待识别动作序列数据对应的健身识别结果为动作标准。
【技术特征摘要】
1.一种基于神经网络的健身动作识别方法,其特征在于,包括:获取数据采集设备采集的待识别动作序列数据;采用方向余弦矩阵算法对所述待识别动作序列数据进行特征提取,获取待识别姿态特征数据,将所述健身动作序列数据和所述待识别姿态特征数据作为待识别特征数据;对所述待识别特征数据进行归一化处理,获取归一化特征数据;通过时间切分算法对所述归一化特征数据进行切分处理,获取所述归一化特征数据对应的至少一个切分特征数据;将至少一个所述切分特征数据按照时间顺序依次输入到训练好的健身动作识别模型中,获取每一所述切分特征数据对应的动作类型;基于所述动作类型获取对应的标准特征组数据,通过所述标准特征组数据从所述待识别特征数据中选取特定特征数据组进行标准性判断,获取所述特定特征数据组对应的特征识别结果;统计所有所述特定特征数据组对应的特征识别结果,当所有所述特定特征数据组对应的特征识别结果均为特征标准,则所述待识别动作序列数据对应的健身识别结果为动作标准。2.如权利要求1所述的基于神经网络的健身动作识别方法,其特征在于,所述采用方向余弦矩阵算法对所述待识别动作序列数据进行特征提取,获取待识别姿态特征数据,包括:对所述待识别动作序列数据进行预处理,获取有效动作序列数据;采用方向余弦矩阵算法对所述有效动作序列数据进行计算,获取待识别姿态特征数据。3.如权利要求1所述的基于神经网络的健身动作识别方法,其特征在于,所述基于所述动作类型获取对应的标准特征组数据,通过所述标准特征组数据从所述待识别特征数据中选取特定特征数据组进行标准性判断,获取所述特定特征数据组对应的特征识别结果,包括:基于所述动作类型获取与所述动作类型对应的标准特征组数据,所述标准特征组数据包括至少一个标准特征和标准时间范围,所述标准特征携带有特征属性;通过所述标准特征组数据中所有标准特征的特征属性,对所述待识别特征数据进行分组,获取特定特征数据组,所述特定特征数据组携带有待识别时间;基于标准时间范围对所述待识别时间进行筛选,将在标准时间范围内的所述待识别特征组数据作为待分析特征组数据,所述待分析特征组包括至少一个待分析特征;判断所述待分析特征组数据中每一所述待分析特征是否符合对应的标准特征组数据中每一标准特征;若所述待分析特征组数据中所有待分析特征均符合对应的所述标准特征组数据中各所述待分析特征对应的标准特征,则特征识别结果为特征标准;若所述待分析特征组数据中存在待分析特征不符合对应的标准特征组数据中各所述待分析特征对应的标准特征,则特征识别结果为特征不标准。4.如权利要求1所述的基于神经网络的健身动作识别方法,其特征在于,所述基于神经网络的健身动作识别方法还包括:获取原始动作数据,所述原始动作数据携带有动作类型标签;采用方向余弦矩阵算法对所述原始动作数据进行特征提取,获取原始姿态特征数据,将所述原始动作数据和所述原始姿态特征数据作为原始特征数据;对所述原始特征数据进行标准处理,获取目标特征数据;将所述目标特征数据划分为训练集和测试集;将所述训练集对应的目标特征数据输入到原始LSTM模型中进行训练,获取有效LSTM模型;将所述测试集对应的目标特征数据输入到所述有效LSTM模型中进行测试,获取概率值大于预设概率的输出作为测试输出;获取所述测试输出与所述动作类型标签一致的检测概率,若所述检测概率不小于预设概率,则将所述有效LSTM模型作为健身动作识别模型。5.如权利要求4所述的基于神经网络的健身动作识别方法,其特征在于,所述对所述原始特征数据进行标准处理,获取目标特征数据,包括:基于同一所述动...
【专利技术属性】
技术研发人员:方睿,
申请(专利权)人:缤刻普达北京科技有限责任公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。