【技术实现步骤摘要】
基于yolopose模型的跳绳计数实现方法、装置及存储介质
[0001]本申请涉及
AI
体育
,特别涉及一种基于
yolopose
模型的跳绳计数实现方法
、
装置及存储介质
。
技术介绍
[0002]随着人工智能技术
、
大数据分析技术的不断成熟和发展,
AI+
其他已然成为一种趋势,其中
AI+
体育现在发展越来越好
。
随着
openpose
的提出,简单高效的人体特征点算法发展的越来越好,这些算法能够更好的帮助去实现
AI+
体育
。
[0003]在跳绳领域,跳绳属于快速的循环运动,对于传统的人来计数方式,会出现人员资源的浪费以及人员计数的失误,导致计数不准等问题,采用现在
AI
技术去进行计数能大大减少人力,同时计数的准确度更高
。
[0004]一般
AI
的实现方式有两种,一种的是基于云计算实现,一种是基于边缘端进行实现,云计算的缺点是需要网络,且由于要传输视频,对网络要求较高,且有网络的传输的信息的丢失,会导致错计或者是漏记
。
基于边缘端实现可以很好的解决网络延迟,但是对于边缘计算的算力要求较高,因此选择一个高效的算法去实现跳绳也是至关重要的一步
。
[0005]AI
跳绳目前已经有一些是基于单个特征进行计数,比如高度特征,且多使用的是单人检 ...
【技术保护点】
【技术特征摘要】
1.
一种基于
yolopose
模型的跳绳计数实现方法,其特征在于,所述方法包括:收集单人的跳绳视频数据,并生成跳绳图片,利用
lableme
对跳绳图片进行关键点标注,并通过关键点标注的跳绳图片数据对预先建立的
yolopose
模型进行训练;通过摄像头获取多人跳绳的视频数据,并对视频数据依据人物区域进行划分;其中,每一个划分后的视频数据均为单人跳绳视频数据;针对于划分后的各个单人跳绳视频数据,根据训练完成的
yolopose
模型获取各个区域所对应的人体关键点特征;其中,所述人体关键点为腿部关键点;根据获取得到的人体关键点特征,确定每个视频帧中进行跳绳的运动状态,并根据所有视频帧的运动状态构建对应的特征向量;根据各个区域所对应的特征向量确定各个区域中人物跳绳次数
。2.
根据权利要求1所述的方法,其特征在于,所述通过关键点标注的跳绳图片数据对预先建立的
yolopose
模型进行训练中,通过修改损失函数中的
OKS
中的权重进行腿部关键点识别;
OKS
的损失函数具体包括:其中,
k
n
为待调整关键点的特定权重;
d
n
为预测点和真实点的欧式距离;
δ
(v
n
>0)
为关键点可见性,
v
n
>0
条件满足,
δ
(v
n
>0)=1
,条件不满足,
δ
(v
n
>0)=0
;
v
n
表示可见性标志,即0未标记
,1
已标记未遮挡
,2
已标记遮挡;
s
为尺度因子,其值是检测框面积的平方根
。3.
根据权利要求1所述的方法,其特征在于,确定每个视频帧中进行跳绳的运动状态中,运动状态具体包括起跳,跳起悬停,下落,双脚落地,单脚落地以及其他,其中,通过相邻帧中动作的位移和速度去定义具体状态,具体地:起跳定义为:相邻帧的人体特征关键点的
y
值变小,向上方向的速度变大,其中
y
值用于表征图像帧中竖直高度
;
跳起悬停为:相邻帧的人体特征关键点的
y
值差值基本不变,速度大小小于设定速度阈值;下落定义为:相邻帧的人体特征帧关键点的
y
值变大,向下方向的速度变大;双脚落地定义为:相邻帧的人体特征关键点的
y
值和
x
值都不变,且速度大小小于设定速度阈值,双脚的脚踝的坐标
【专利技术属性】
技术研发人员:韩宇娇,倪非非,张波,
申请(专利权)人:景色智慧北京信息科技有限公司,
类型:发明
国别省市:
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。