【技术实现步骤摘要】
本专利技术涉及计算机视觉和深度学习领域，特别是涉及一种用于视频分割多区域识别体育训练测评方法、设备及产品。
技术介绍
1、随着国民体测和体育训练、测评的快速发展，由于体育训练、测评具有涉及人员多、标准严、覆盖范围广，采用ai骨骼视觉推理技术是近几年发展起来的新兴
，国民体测事关人民身体健康，体育训练、测评则在军人、民警、消防员、运动员、学生等应用领域都有国家或行业标准，国民体测、体育训练测评应用需求大，但受ai推理边缘计算硬件成本高、场地部署限制等因素，需要将一个摄像头视频画面分割成多个画面进行多区域识别体育训练测评，可有效降低设备成本，提高资源利用率和训练、测评效率。
2、现有技术提供了一种基于视频图像分割技术的码率控制方法，包括基于现有的视频图像分割技术，对比特数进行了再分配并调整了量化参数。首先利用得到的运动对象分割图计算运动复杂度系数，调整帧级(i帧/p帧)的码率控制方法；然后在进入宏块级码率控制算法后，利用运动对象分割图和纹理分割图计算宏块的运动复杂度，调整宏块的量化参数；最后利用运动模型检测场景切换帧，并相应地调整其量化参数。通过以上基于视频图像分割方法的码率控制算法的调整，使得在低带宽或高带宽中的解码图像质量都有了相应的提高，减小了运动剧烈区域的失真度。现有技术提供了一种基于摄像头画面分割的分区域行人检测照明方法及系统，首先开发板调用监控摄像头获取实时监控摄像头画面；将实时监控画面输入到yolov5目标检测模型，由开发板执行检测算法并获得单帧画面分割成五个区域后的行人检测结果信息，包括行人的坐标信
3、上述已公布视频画面分割、人脸识别和ai骨骼仰卧起坐等技术，采集基于视频图像分割方法的码率控制算法和获得单帧画面分割成五个区域后的行人检测结果信息，无法做到自定义分割和图像识别分割；基于人体及骨骼关键点识别的仰卧起坐检测系统及方法，采用技术是前后端骨骼识别技术，采用前端摄像机采集图像和后端计算机推理运算，设备成本高，部署复杂，而且单个摄像机不能做到多个区域识别，不利于大范围推广。
4、综上，如何准确、低成本的实现一个ai骨骼摄像机同时展开多区域识别体育训练、测评课目，为目前亟待解决的问题。
技术实现思路
1、本专利技术的目的是提供一种用于视频分割多区域识别体育训练测评方法、设备及产品，能够实现对多区域体育训练、测评的准确性以及提高识别效率。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种用于视频分割多区域识别体育训练测评方法，将所述方法集成在ai骨骼识别摄像机内；所述方法包括：
4、将ai骨骼识别摄像机摆放到体育训练、测评位置后，获取体育运动视频图像；
5、利用ai骨骼识别摄像机内的管理单元对获取的体育运动视频图像进行视频图像多区域分割，并进行体育课目训练、测评；
6、根据当前的体育课目获取人体骨骼模型并与视频图像分割区域绑定；所述人体骨骼模型包括：引体向上、屈臂悬垂、仰卧起坐、俯卧撑、双臂曲伸、双杠前移、坐位体前屈、立定跳远、纵跳、跳绳、摸高、闭眼单脚站立、跨栏、s形跑、短跑、中长跑、队列转向、实心球投掷、投弹、哑铃深蹲或微蹲、杠铃深蹲或微蹲的动作识别模型；所述动作识别模型用于输出相应动作的骨骼数据的特征值；
7、按区域为单元采集视频，将采集的动作视频画面通过ai骨骼识别摄像机内置的npu单元进行推理，得到ai骨骼数据；并根据ai骨骼数据的特征值与当前的人体骨骼模型的特征值进行比对，得到动作识别结果，判断课目成绩。
8、可选地，所述视频图像多区域分割的方法包括：自定义像素值分区和图像自动识别分区；
9、所述自定义像素值分区采用prewitt 3x3的算子来对图像特定区域中的像素值进行计算，自定义分成不同比例的训练、测评区域；所述训练、测评区域包括：全画幅、二等分、三等分、四等分、s形点区域或线阵区域；
10、所述图像自动识别分区自动获取图像区域大小和边界位置，再由prewitt算子获取的边缘值并记录。
11、可选地，所述人体骨骼模型基于mediapipe、2s-agcn、posec3d或kinect生成。
12、可选地，在视频图像分割区域设置osd字幕；所述osd字幕包括：设置课目名称、有效动作、无效动作、成绩及计数显示区。
13、可选地，所述管理单元为摄像机b/s嵌入式管理系统，或通过上位机接口协议直接修改嵌入式管理系统。
14、一种计算机体育训练、测评设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机体育训练、测评程序，所述处理器执行所述计算机体育训练、测评程序以实现所述方法的步骤。
15、一种计算机体育训练、测评产品，包括计算机体育训练、测评程序，所述计算体育训练程序，用于体育课目的训练，采集体育课目动作、时长、次数、有效、无效等数据、成绩，储存上位机数据库。
16、可选地，通过接口协议设置ai骨骼摄像机，包括：上传骨骼模型、划分分区、识别分析、设置ai骨骼摄像机骨骼点、骨骼模型类型以及骨骼模型阀值。
17、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
18、本专利技术所提供的一种用于视频分割多区域识别体育训练测评方法、设备及程序，利用ai骨骼识别摄像机内的管理单元对获取的体育运动视频图像进行视频图像多区域分割；根据当前的体育课目获取人体骨骼模型并与视频图像分割区域绑定；按区域为单元采集视频，将采集的动作视频画面通过ai骨骼识别摄像机内置的npu单元进行推理，得到ai骨骼数据；并根据ai骨骼数据的特征值与当前的人体骨骼模型的特征值进行比对，得到动作识别结果；本专利技术结合ai骨骼模型，避免了传统人工评估的主观性和误差，提高了评估的准确性。ai骨骼模型内嵌入摄像机，与采用前端摄像机采集图像+后端计算机推理运算，设备成本大幅降低，ai推理计算效率大幅提升；采用内嵌式ai骨骼模型算法，相同的ai骨骼摄像机可以用于不同本文档来自技高网...
【技术保护点】
1.一种用于视频分割多区域识别体育训练测评方法，其特征在于，将所述方法集成在AI骨骼识别摄像机内；所述方法包括：
2.根据权利要求1所述的一种用于视频分割多区域识别体育训练测评方法，其特征在于，所述视频图像多区域分割的方法包括：自定义像素值分区和图像自动识别分区；
3.根据权利要求1所述的一种用于视频分割多区域识别体育训练测评方法，其特征在于，所述人体骨骼模型基于Mediapipe、2s-AGCN、PoseC3D或Kinect生成。
4.根据权利要求1所述的一种用于视频分割多区域识别体育训练测评方法，其特征在于，在视频图像分割区域设置OSD字幕；所述OSD字幕包括：设置课目名称、有效动作、无效动作、成绩及计数显示区。
5.根据权利要求1所述的一种用于视频分割多区域识别体育训练测评方法.，其特征在于，所述管理单元为摄像机B/S嵌入式管理系统，或通过上位机接口协议直接修改嵌入式管理系统。
6.一种计算机体育训练、测评设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机体育训练、测评程序，其特征在于，所述处理器
7.一种计算机体育训练、测评产品，包括计算机体育训练、测评程序，其特征在于，所述计算体育训练程序，用于体育课目的训练，采集体育课目动作、时长、次数、有效、无效等数据、成绩，储存上位机数据库。
8.根据权利要求7所述一种计算机体育测评产品，其特征在于，通过接口协议设置AI骨骼摄像机，包括：上传骨骼模型、划分分区、识别分析、设置AI骨骼摄像机骨骼点、骨骼模型类型以及骨骼模型阀值。
...【技术特征摘要】
1.一种用于视频分割多区域识别体育训练测评方法，其特征在于，将所述方法集成在ai骨骼识别摄像机内；所述方法包括：
2.根据权利要求1所述的一种用于视频分割多区域识别体育训练测评方法，其特征在于，所述视频图像多区域分割的方法包括：自定义像素值分区和图像自动识别分区；
3.根据权利要求1所述的一种用于视频分割多区域识别体育训练测评方法，其特征在于，所述人体骨骼模型基于mediapipe、2s-agcn、posec3d或kinect生成。
4.根据权利要求1所述的一种用于视频分割多区域识别体育训练测评方法，其特征在于，在视频图像分割区域设置osd字幕；所述osd字幕包括：设置课目名称、有效动作、无效动作、成绩及计数显示区。
5.根据权利要求1所述的一种用于视频分割多区域识别体育训练测评方...
【专利技术属性】
技术研发人员：叶建铜，
申请(专利权)人：南京佳普科技有限公司，
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。