System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于人体骨骼识别技术的屈臂悬垂动作训练数据采集方法技术_技高网

一种基于人体骨骼识别技术的屈臂悬垂动作训练数据采集方法技术

技术编号:42741441 阅读:7 留言:0更新日期:2024-09-18 13:35
本公开提供一种基于人体骨骼识别技术的屈臂悬垂动作训练数据采集方法,包括:包括:步骤一,构建基于人体骨骼识别技术的运动捕捉系统,获取运动视频图像采集数据;步骤二,加载运动智能判定算法,采集运动数据;步骤三,记录运动数据,形成运动档案;其中,步骤二还进一步包括:S1准备阶段:根据视频图像定义关键评估参数,包括单杠高度H1和离地距离H2;S2开始计时阶段:实时采集脚部骨骼点数据H3,并与关键评估参数H2进行比对,确认是否开始计时;S3结束计时阶段:实时采集嘴部骨骼点数据H4,并与关键评估参数H1进行比对,确认是否结束计时。

【技术实现步骤摘要】

本公开涉及“计算机视觉”、“人工智能算法领域”和“运动识别”,具体涉及一种基于人体骨骼识别技术的,针对屈臂悬垂运动的动作训练数据采集方法。


技术介绍

1、随着科技的发展,计算机视觉技术和人工智能算法在各个领域得到了广泛的应用。运动识别技术是一种重要的应用方向,它可以通过对视频或图像序列的分析,识别出其中的运动对象并理解其行为。这种技术在体育训练、安防监控、人机交互等领域都有着广泛的应用前景。在体育训练中,运动识别技术可以用于采集运动员的训练数据,并通过大数据分析训练效果,从而提供科学的训练计划和建议。例如,通过对人体的识别和分析,可以准确判断运动员的动作是否标准,是否需要进行调整。此外,人工智能算法还可以用于预测运动员的运动表现,为教练和运动员提供更全面的数据支持。

2、现有的运动识别技术主要依赖于对视频或图像序列的分析,通过提取其中的特征信息,如颜色、形状、纹理等,来识别运动对象并理解其行为。此外,还有一些技术采用了深度学习的方法,通过训练神经网络模型,可以直接从原始数据中学习到有用的特征表示。然而,现有的运动识别技术在实际应用中还存在一些问题。首先,对于复杂动作的识别准确率还有待提高,尤其是在光照条件变化、背景复杂、运动速度较快的情况下,仅仅依靠人工对视频或图像的分析识别,难以做到精准的动作识别与采集。其次,现有的智能判定算法往往需要大量的训练数据,且计算复杂度较高,不利于实时应用。

3、此外,现有的技术往往只能给出定性的结果,无法提供详细的量化评估,这对于科学训练来说是远远不够的。


技术实现思路

1、本公开的目的在于克服现有技术的不足,提供一种基于人体骨骼识别技术的屈臂悬垂动作训练数据采集方法

2、与现有技术相比,主要能解决以下技术问题:

3、1)在复杂环境情况下,不依托人工识别视频或图像序列,而采用基于人体骨骼识别技术,可有效提高运动识别的准确率;2)降低智能判定算法的计算复杂度,实现实时应用;3)提供详细的量化评估,帮助受测者进行科学训练等技术问题。

4、为了实现上述的目的,本技术方案主要采用如下的技术手段:

5、1、构建基于人体骨骼识别技术的运动捕捉系统:通过对人体全身设置33个骨骼识别点,实时捕捉并记录这些骨骼点的位置和角度变化,以获取人体在运动过程中的姿态和动作信息。这种技术可以不用考虑复杂光照条件、背景复杂、运动速度较快的情况,可以提高运动识别的准确率。

6、2、优化智能判定算法:通过对比骨骼点之间的位置关系和夹角范围,判断动作是否完成,是否到位。具体来说,当某个骨骼点的坐标值超过预设的高度值时,或者当某个骨骼点与其他骨骼点构成的夹角接近于预设的角度时,就认为这个动作已经完成了。这种算法可以大大降低智能判定算法的计算复杂度,实现实时应用。

7、3、详细量化评估:通过记录动作次数,或者动作的时间、力度等参数,对运动员的训练效果进行详细的量化评估。可以帮助运动员进行科学训练,提高训练效率。

8、与现有的技术相比,本技术方案的有益效果如下:

9、1、精确度高:本专利技术采用人体骨骼识别技术,将人体全身设置33个骨骼识别点,通过判定相应骨骼点之间的位置关系和夹角范围,判断动作是否完成,是否到位,大大提高了动作判定的精确度。

10、2、实时性强:本专利技术通过对多个骨骼点的y坐标轴进行方差计算,可以实时监测受测者的运动状态,及时调整训练计划,提高训练效率。

11、3、智能化程度高:本专利技术采用智能算法,自动记录运动数据,无需人工干预,大大提高了训练的智能化程度。

12、4、适用范围广:本专利技术不仅可以用于体育训练,也可以用于其他需要对人体动作进行精确判定的场合,如医疗康复、运动分析等。

本文档来自技高网
...

【技术保护点】

1.一种基于人体骨骼识别技术的屈臂悬垂动作训练数据采集方法,其特征在于,包括:

2.根据权利要求1所述的屈臂悬垂动作训练数据采集方法,其特征在于,步骤一中,构建基于人体骨骼识别技术的运动捕捉系统,包括对人体全身设置33个骨骼识别点。

3.根据权利要求2所述的屈臂悬垂动作训练数据采集方法,其特征在于,在S1准备阶段,单杠高度H1取自视频图像中15-22骨骼点的Y坐标轴,包括左腕、右腕、左尾指、右尾指、左食指、右食指、左拇指、右拇指。

4.根据权利要求2所述的屈臂悬垂动作训练数据采集方法,其特征在于,在S1准备阶段,离地距离H2取自视频图像中27-32骨骼点的Y坐标轴,包括左踝、右踝、左脚跟、右脚跟、左脚趾、右脚趾。

5.根据权利要求2所述的屈臂悬垂动作训练数据采集方法,其特征在于,在S2开始计时阶段,实时骨骼点数据H3取自视频图像中27-32骨骼点的Y坐标轴,包括左踝、右踝、左脚跟、右脚跟、左脚趾、右脚趾。

6.根据权利要求2所述的屈臂悬垂动作训练数据采集方法,其特征在于,在S3结束计时阶段,实时骨骼点数据H4取自视频图像中9-10骨骼点,包括嘴左侧、嘴右侧。

7.根据权利要求2所述的屈臂悬垂动作训练数据采集方法,其特征在于,在S2开始计时阶段,还包括至少一个计时器。

...

【技术特征摘要】

1.一种基于人体骨骼识别技术的屈臂悬垂动作训练数据采集方法,其特征在于,包括:

2.根据权利要求1所述的屈臂悬垂动作训练数据采集方法,其特征在于,步骤一中,构建基于人体骨骼识别技术的运动捕捉系统,包括对人体全身设置33个骨骼识别点。

3.根据权利要求2所述的屈臂悬垂动作训练数据采集方法,其特征在于,在s1准备阶段,单杠高度h1取自视频图像中15-22骨骼点的y坐标轴,包括左腕、右腕、左尾指、右尾指、左食指、右食指、左拇指、右拇指。

4.根据权利要求2所述的屈臂悬垂动作训练数据采集方法,其特征在于,在s1准备阶段,离地距离h2取自视频图像...

【专利技术属性】
技术研发人员:请求不公布姓名请求不公布姓名请求不公布姓名请求不公布姓名请求不公布姓名请求不公布姓名请求不公布姓名请求不公布姓名
申请(专利权)人:陕西诺维北斗信息科技股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1