一种健身动作识别监控方法及系统技术方案

本申请提出了一种健身动作识别监控方法及系统，涉及图像处理领域。一种健身动作识别监控方法包括：获取用户的健身项目对应健身动作图像中目标肌群的图像数据，同时获取健身动作标准图像库；对采集到的目标肌群的图像数据进行标注，对标注后的目标肌群的图像数据进行方向梯度直方图特征提取并进行特征处理；建立神经网络模型，根据特征处理后的目标肌群的图像数据和健身动作标准图像库训练神经网络模型，利用训练好的神经网络模型分析识别图像中用户的人体姿态信息。能够提高健身识别监控系统的识别精度和判断柔软度，使识别监控系统能够更加动态化、合理化。此外本申请还提出了一种健身动作识别监控系统。种健身动作识别监控系统。种健身动作识别监控系统。

【技术实现步骤摘要】
一种健身动作识别监控方法及系统


[0001]本申请涉及图像识别领域，具体而言，涉及一种健身动作识别监控方法及系统。

技术介绍

[0002]随着社会的发展，人们的健康意识越来越强，而健身也成为了许多人锻炼身体的首选方式。健身是一项需要毅力坚持且需要一定的健身知识的活动，而绝大多数人并不懂得如何正确的健身，一般都会选择请专业健身教练为自己制定合适的健身方案，并依照健身方案进行健身锻炼。由于健身是一个长期坚持的过程，短期健身的效果会难以察觉，人们难以获知此次健身是否达到了自己想要的效果，也难以获得有针对性的健身指导。
[0003]而目前，对健身动作识别主要通过深度学习、机器学习和传感器来完成，相对与深度学习和机器学习两种技术来说，传感器识别速度快，但是识别精度较差，另外两种识别精度较好，但是需要一定的算法计算和图像处理完成。现有技术中，如：CN108734104B基于深度学习图像识别的健身动作纠错方法及系统，CN106422206B一种基于智能手环的运动规划性识别方法。
[0004]现有技术中，大多数仅考虑了实时采集的动作图像与标准动作进行对比，实现健身动作识别和监控纠正，未考虑实际健身人员的自身特征差异，例如，不同体型，且不同部位存在的差异，实现对健身动作的精准识别。专利事例二虽然提到了身材参数，但是未通过图像特征和数据参数相结合的方式，得到准确的不同的体型和部位与不同动作的影响关系。

技术实现思路

[0005]本申请的目的在于提供一种健身动作识别监控方法，其能够提高健身识别监控系统的识别精度和判断柔软度，使识别监控系统能够更加动态化、合理化。
[0006]本申请的另一目的在于提供一种健身动作识别监控系统，其能够运行一种健身动作识别监控方法。
[0007]本申请的实施例是这样实现的：
[0008]第一方面，本申请实施例提供一种健身动作识别监控方法，其包括获取用户的健身项目对应健身动作图像中目标肌群的图像数据，同时获取健身动作标准图像库；对采集到的目标肌群的图像数据进行标注，对标注后的目标肌群的图像数据进行方向梯度直方图特征提取并进行特征处理；建立神经网络模型，根据特征处理后的目标肌群的图像数据和健身动作标准图像库训练神经网络模型，利用训练好的神经网络模型分析识别图像中用户的人体姿态信息。
[0009]在本申请的一些实施例中，上述获取用户的健身项目对应健身动作图像中目标肌群的图像数据，同时获取健身动作标准图像库包括：通过关键点获取用户的健身项目对应健身动作图像中目标肌群，目标肌群包括头部、颈部、腹部双肩、双手、双肘，双髋，双膝，双脚15个关键点。
[0010]在本申请的一些实施例中，上述还包括：获取用户的实时健身动作视频图像数据，并通过解析健身动作视频图像数据，对用户进行健身动作图像中目标肌群识别。
[0011]在本申请的一些实施例中，上述对采集到的目标肌群的图像数据进行标注，对标注后的目标肌群的图像数据进行方向梯度直方图特征提取并进行特征处理包括：对采集到的目标肌群的图像数据进行分割，得到目标肌群分割图像，建立目标肌群关键点与目标肌群的对应关系，基于对应关系对目标肌群的图像数据进行标注。
[0012]在本申请的一些实施例中，上述还包括：通过预置的方向梯度直方图算法，对标注后的目标肌群进行特征提取，得到各健身动作图像对应的初始方向梯度直方图特征，然后对进行降维处理，得到目标肌群对应的候选方向梯度直方图特征。
[0013]在本申请的一些实施例中，上述建立神经网络模型，根据特征处理后的目标肌群的图像数据和健身动作标准图像库训练神经网络模型，利用训练好的神经网络模型分析识别图像中用户的人体姿态信息包括：对特征处理后的目标肌群对应的每个关键点规范化坐标，根据该关键点的分布大小获取其邻域，代入一维高斯分布函数后求取出高斯分布概率值，再进行归一化，得到该关键点及相应分布大小的一维高斯分布概率值。
[0014]在本申请的一些实施例中，上述还包括：神经网络为时间卷积网络，包含时序编码器、全连接网络，时序编码器作用为时序姿态信息提取，其输入的目标肌群的图像数据的时序姿态信息，输出为特征向量，分析识别图像中用户的人体姿态信息。
[0015]第二方面，本申请实施例提供一种健身动作识别监控系统，其包括图像采集模块，用于获取用户的健身项目对应健身动作图像中目标肌群的图像数据，同时获取健身动作标准图像库；
[0016]标注处理模块，用于对采集到的目标肌群的图像数据进行标注，对标注后的目标肌群的图像数据进行方向梯度直方图特征提取并进行特征处理；
[0017]识别分析模块，用于建立神经网络模型，根据特征处理后的目标肌群的图像数据和健身动作标准图像库训练神经网络模型，利用训练好的神经网络模型分析识别图像中用户的人体姿态信息。
[0018]在本申请的一些实施例中，上述包括：用于存储计算机指令的至少一个存储器；与上述存储器通讯的至少一个处理器，其中当上述至少一个处理器执行上述计算机指令时，上述至少一个处理器使上述系统执行：图像采集模块、标注处理模块及识别分析模块。
[0019]第三方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如一种健身动作识别监控方法中任一项的方法。
[0020]相对于现有技术，本申请的实施例至少具有如下优点或有益效果：
[0021]通过用户体型对健身动作造成的动作影响程度，对不同体型用户的标准动作库进行动态修正，相较于现有技术有益效果在于提高了识别监控系统的识别精度和判断柔软度，使识别监控系统能够更加动态化、合理化，对用户健身运动多种数据的自动获取识别，再基于计算出的肌肉运动参数和健身动作参数，对用户的健身运动进行多方面分析，并将最终得出的健身反馈数据反馈给用户，使得用户能根据健身反馈数据获知本次健身运动的详细情况，并对自身的健身运动进行调整，从而保证了用户健身运动的效果。
附图说明
[0022]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0023]图1为本申请实施例提供的一种健身动作识别监控方法步骤示意图；
[0024]图2为本申请实施例提供的一种健身动作识别监控方法详细步骤示意图；
[0025]图3为本申请实施例提供的一种健身动作识别监控系统模块示意图；
[0026]图4为本申请实施例提供的一种电子设备。
[0027]图标：10
‑
图像采集模块；20
‑
标注处理模块；30
‑
识别分析模块；101
‑
存储器；102
‑
处理器；103
‑
通信接口。
具体实施方式
[0028]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种健身动作识别监控方法，其特征在于，包括：获取用户的健身项目对应健身动作图像中目标肌群的图像数据，同时获取健身动作标准图像库；对采集到的目标肌群的图像数据进行标注，对标注后的目标肌群的图像数据进行方向梯度直方图特征提取并进行特征处理；建立神经网络模型，根据特征处理后的目标肌群的图像数据和健身动作标准图像库训练神经网络模型，利用训练好的神经网络模型分析识别图像中用户的人体姿态信息。2.如权利要求1所述的一种健身动作识别监控方法，其特征在于，所述获取用户的健身项目对应健身动作图像中目标肌群的图像数据，同时获取健身动作标准图像库包括：通过关键点获取用户的健身项目对应健身动作图像中目标肌群，目标肌群包括头部、颈部、腹部双肩、双手、双肘，双髋，双膝，双脚15个关键点。3.如权利要求2所述的一种健身动作识别监控方法，其特征在于，还包括：获取用户的实时健身动作视频图像数据，并通过解析健身动作视频图像数据，对用户进行健身动作图像中目标肌群识别。4.如权利要求1所述的一种健身动作识别监控方法，其特征在于，所述对采集到的目标肌群的图像数据进行标注，对标注后的目标肌群的图像数据进行方向梯度直方图特征提取并进行特征处理包括：对采集到的目标肌群的图像数据进行分割，得到目标肌群分割图像，建立目标肌群关键点与目标肌群的对应关系，基于对应关系对目标肌群的图像数据进行标注。5.如权利要求4所述的一种健身动作识别监控方法，其特征在于，还包括：通过预置的方向梯度直方图算法，对标注后的目标肌群进行特征提取，得到各健身动作图像对应的初始方向梯度直方图特征，然后对进行降维处理，得到目标肌群对应的候选方向梯度直方图特征。6.如权利要求1所述的一种健身动作识别监控方法，其特征在于，所述建...

【专利技术属性】
技术研发人员：方龙辉，
申请(专利权)人：方龙辉，
类型：发明
国别省市：