基于动作识别的人体活跃度检测方法及系统及装置及介质制造方法及图纸

本发明专利技术公开了基于动作识别的人体活跃度检测方法及系统及装置及介质，涉及健身领域，在预设时间T秒内，采集区域内用户图像，得到用户的连续帧动作图像；根据连续帧动作图像获取T秒内用户的平均速度；根据用户的平均速度获取T秒内用户活跃度，并显示活跃度。本发明专利技术通过用户连续帧动作图像获取用户的平均速度，根据平均速度获取用户在发生动作时的活跃度，获取的活跃度更加精准，并且对于小幅度动作，本发明专利技术通过连续帧动作图像也能更加准确的获取用户的平均速度，减小误差。减小误差。减小误差。

【技术实现步骤摘要】
基于动作识别的人体活跃度检测方法及系统及装置及介质


[0001]本专利技术涉及健身领域，具体涉及基于动作识别的人体活跃度检测方法及系统及装置及介质。

技术介绍

[0002]随着生活水平的提高，人们越来越注重对于健康生活的追求。随着科学技术的发展进步，现有的健身器械不断朝着家庭化、智能化方向发展，在此前提下，智能化镜面健身器逐渐开始出现在人们的生活中。智能化镜面健身器通过机体内置各类设备并由正面的镜面进行显示和镜像展示，在本案之前，申请人已就健身镜相关方案展开了大量研究并提起专利申请，包括对用户动作的有效识别、对用户动作的反馈等，随着研究的不断细化，本申请人发现，健身装置在朝向家庭化发展的过程中，用户运动的积极性是非常重要的，在使用家庭健身装置进行健身时，需要调动用户的健身积极性，从而使用户达到运动目标。基于此，本申请人发现通过向用户反馈运动量，即其运动的活跃度能较好的达到激励用户达成运动目标的效果，然而现有的活跃度检测方法大多是通过可穿戴设备进行检测，但该检测方法只能粗略的检测出用户的活跃度，并不适用于在健身过程中实时检测，进而达到激励用户的效果。

技术实现思路

[0003]本专利技术提供了基于动作识别的人体活跃度检测方法及系统及装置及介质，本专利技术的目的在于通过用户连续帧动作图像获取用户的平均速度，根据平均速度获取用户在发生动作时的活跃度。
[0004]为实现上述专利技术目的，本专利技术提供了基于动作识别的人体活跃度检测方法，包括：
[0005]在预设时间T秒内，采集区域内用户图像，得到用户的连续帧动作图像；
[0006]根据连续帧动作图像获取T秒内用户的平均速度；
[0007]根据用户的平均速度获取T秒内用户活跃度，并显示活跃度。
[0008]现有的活跃度获取方法，通过终端采集人体的加速度数据，基于采集的加速度数据识别动作类型，基于识别的动作类型及查表得到的所述动作类型对应的代谢当量计算人体活跃度指标。本专利技术通过每一帧动作图像获取用户的平均速度，在根据用户的平均速度来获取活跃度，对于小幅度动作，现有的方法不能准确的体现用户的活跃度，而本专利技术通过连续帧的动作图像能够更加准确的体现用户活跃度。
[0009]用户的平均速度的获取有多种方法，可以为通过动作图像中某一个或多个骨骼点的坐标变化，还可以根据用户的动作获取一个最能体现用户动作幅度的位置，该位置可以为动作图像中的某点，也可以为线段或围绕的图形，只要能准确的体现出用户运动的状态，最终得到用户的平均速度即可，也正是基于此，本专利技术通过用户平均速度能够进一步的体现用户的活跃度。
[0010]在此基础上，为了本申请人发现通过动作图像中用户的骨骼点来确定用户的平均
速度能更好的反应用户动作的变化，特别对于只发生了手部动作或腿部动作等局部动作而言，本方法能直接的得到最能反映用户动作的速度大小，具体包括：
[0011]获取每个动作图像中用户的若干骨骼点及每个骨骼点对应的信息；
[0012]根据每个骨骼点对应的信息获取T秒内每个骨骼点的平均速度；
[0013]根据每个骨骼点的平均速度获取用户的平均速度。
[0014]其中，T秒内第j个骨骼点的平均速度：
[0015][0016]其中n为T秒内包括的动作图像帧数，(x
i
,y
i
)为该骨骼点在第i个动作图像中的坐标，j和i均为正整数。在本申请中共有j个骨骼点，j可以为16，也可以为12或14，根据实际的使用情况确定。根据上述公式确定T秒内每个骨骼点的平均速度后，由于对于一个动作而言，每个动作中每个骨骼点影响用户平均动作的比重各有不同，因此本专利技术在获取每个骨骼点的平均速度后，还要根据预设的每个骨骼点的权重，得到最终的用户平均速度，具体的，每个骨骼点预设有权重w
j
，j为正整数，用户的平均速度：
[0017][0018]其中，v
j
为T秒内第j个骨骼点的平均速度，w
j
为第j个骨骼点预设的权重，m为动作图像中用户的骨骼点数量。在本申请中，每个骨骼点的权重大小，可以根据每个动作的类型来确定，还可以为经过归纳得到的，在本专利技术中，该权重的具体的大小为根据实际情况或动作的类型来确定的，只要能体现用户的动作图像中的每个骨骼点的比重，清楚准确体现用户动作即可。
[0019]在本专利技术中，作为优选的，在用户的动作图像中共计有16个骨骼点，包括头部、脖子、喉咙、胯部、左手、右手、左手肘、右手肘、左脚、右脚、左肩、右肩、左膝盖、右膝盖、左臀和右臀，其中，头部、脖子、喉咙、胯部的权重为1，左手、右手、左手肘、右手肘的权重为1.5，左脚、右脚、左肩、右肩的权重为2.5，左膝盖、右膝盖的权重为4，左臀和右臀的权重为4.5。
[0020]通过上述公式基于每个骨骼点的平均速度获取到用户的平均速度后，本申请人还发现，在采集区域内的用户图像时，同一个动作，用户站得近一点和站的远一点，因为成像近大远小的关系，站的近时骨骼点经过的像素距离更大，计算出来的用户的平均速度V会更大。因此为了使计算出的速度保持距离不变性，本申请人根据用户的平均速度和预设的人体基准距离获取用户相对平均速度根据用户相对平均速度获取T秒内用户活跃度。具体的，预设的人体基准距离为选取人体基准距离S，人体基准距离S通过上身中两个骨骼点来获取，两个骨骼点的选取可以为头顶骨骼点和盆骨骨骼点，还可以为喉咙骨骼点和胯部骨骼点等。用于确定人体基准距离的参照点，通过两个参照点之间的距离长度是稳定的，这样在用户站位较远或较近时，都能通过比例大小准确的得到用户相对平均速度优选的，在本专利技术中，选取喉咙骨骼点和胯部骨骼点来作为两个参照点，通过计算喉咙骨骼点和胯部骨骼点之间的欧式距离来获取人体基准距离S，然后通过用户的平均速度V与人体基准距离S的比值得到用户相对平均速度
[0021]在通过若干骨骼点得到用户相对平均速度后，需要将转换成一个更为直观的数据，这样更便于用户在运动的过程中直观的看到自己当前的活跃度，通常0
‑
100的分数对于用户而言能最直观的体现用户的活跃度，因此在本专利技术中，将用户相对平均速度转换为0
‑
100的分数，用于表示用户当前的活跃度。具体包括：
[0022]预设用户平均速度与活跃度分数的映射函数；
[0023]根据获取的用户的平均速度和映射函数获取活跃度分数。
[0024]在本专利技术中，映射函数可以为线性函数也可以为非线性函数，在预设映射函数时，当用户相对平均速度为0时，活跃度分数为0，当用户相对平均速度大于或等于预设的相对平均速度最大值时，活跃度分数为100。
[0025]在本专利技术中，共预设有三个映射函数，分别为第一非线性函数、第二非线性函数和线性函数，在选择映射函数时，根据实际的情况进行选择，若希望分数随着用户的骨骼点运动均匀线性增加，就选择线性映射；如果希望用户随着运动的加快，分数快速上升，则选择第一非线性函数，如果希望用户很难达到一个高分值的运动量，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于动作识别的人体活跃度检测方法，其特征在于，包括：在预设时间T秒内，采集区域内用户图像，得到用户的连续帧动作图像；根据连续帧动作图像获取T秒内用户的平均速度；根据用户的平均速度获取T秒内用户活跃度，并显示活跃度。2.根据权利要求1所述的基于动作识别的人体活跃度检测方法，其特征在于，根据连续帧动作图像获取T秒内用户的平均速度，具体包括：获取每个动作图像中用户的若干骨骼点及每个骨骼点对应的信息；根据每个骨骼点对应的信息获取T秒内每个骨骼点的平均速度；根据每个骨骼点的平均速度获取用户的平均速度。3.根据权利要求2所述的基于动作识别的人体活跃度检测方法，其特征在于，T秒内第j个骨骼点的平均速度：其中n为T秒内包括的动作图像帧数，(x
i
,y
i
)为该骨骼点在第i个动作图像中的坐标，j和i均为正整数。4.根据权利要求2或3所述的基于动作识别的人体活跃度检测方法，其特征在于，每个骨骼点预设有权重w
j
，j为正整数，用户的平均速度：其中，v
j
为T秒内第j个骨骼点的平均速度，w
j
为第j个骨骼点预设的权重，m为动作图像中用户的骨骼点数量。5.根据权利要求4所述的基于动作识别的人体活跃度检测方法，其特征在于，根据用户的平均速度和预设的人体基准距...

【专利技术属性】
技术研发人员：曾晓嘉，刘易，薛立君，
申请(专利权)人：成都拟合未来科技有限公司，
类型：发明
国别省市：