【技术实现步骤摘要】
本专利技术涉及图像分析 ，具体为一种基于图像分析的腿部肌肉训练分析方法及训练椅。
技术介绍
1、图像分析是一种基于摄像头捕捉人体动作的技术，通过分析图像序列来识别和跟踪人体的各个部位，从而实现对人体姿态和运动的精确测量，在腿部肌肉训练时，通过使用图像分析技术能够实时监控病人的腿部动作，确保训练动作的准确性和标准性。
2、经检索，公开号“cn115272313a”的中国专利技术专利，公开了“基于深度图像的肌肉均衡程度分析方法、系统及设备”，该申请利用人体正面与背面的深度图像，结合深度数据和骨性标志点，能够推断出人体表面肌肉分布的均衡性，与传统的目视触摸评估方法和基于肌肉发力的判断方法相比，本技术不受检测人员主观判断的影响，也不会因受测者肌肉发力不当或肌肉损伤而影响分析结果，本技术具有干扰因素少、准确度高的优势，并能提供肌肉的量化数值，有助于肌肉均衡程度进行直观且精确的分析。
3、上述公开方法以及相类似的通过图像来分析肌肉的方法，在获取肌肉的均匀程度时，多数为让肌肉处于静止状态来降低对分析结果的影响，然而训练过程中肌肉的拉伸程度和肌肉的收缩状态直接影响训练效果，因此在持续训练的场景下需要一种能够动态跟踪和分析肌肉运动状态的方法来增强分析结果的准确性。
技术实现思路
1、本专利技术的目的在于提供一种基于图像分析的腿部肌肉训练分析方法及训练椅，以解决上述
技术介绍
中提出的问题。
2、第一方面，为实现上述目的，本专利技术提供如下技术方案：一种基于图像分析的腿
3、获取腿部位置的轮廓图像；
4、基于标准训练动作在轮廓图像内确定骨骼节点所处的图像区域；
5、基于时间序列获取骨骼节点在图像区域处的运动轨迹；
6、获取一个运动轨迹周期内图像区域处的腿部肌肉轮廓影像；
7、基于标准训练动作，确定腿部肌肉轮廓影像内的有效训练范围影像；
8、获取有效训练范围影像内腿部肌肉的表面纹理数值；
9、基于表面纹理数值判别腿部肌肉训练效果；
10、腿部肌肉轮廓影像的确定方法包括：
11、获取第一骨骼节点位置，第一骨骼节点为图像区域内基于标准训练项目而确定的所有骨骼节点中的任意一个；
12、获取第二骨骼节点位置，第二骨骼节点为图像区域内和第一骨骼节点距离最近的一个；
13、采集第一间距，第一间距为第一骨骼节点和第二骨骼节点之间的距离；
14、获取第二间距，第二间距为标准训练动作基于第一骨骼节点为起始点和任意一个已确定骨骼节点之间的距离；
15、基于时间序列，比对第一间距和第二间距的变化幅度，并基于变化程度判别腿部肌肉轮廓影像的准确性。
16、作为本技术方案进一步优选的，腿部肌肉轮廓影像的确定方法包括：
17、获取第三骨骼节点位置，第三骨骼节点为图像区域内和第一骨骼节点距离最远的一个；
18、基于时间序列分别获取第三骨骼节点和第一骨骼节点的移动范围；
19、基于两个移动范围所处的象限的匹配程度判别腿部肌肉轮廓影像的准确性。
20、作为本技术方案进一步优选的，图像区域的确定方法：
21、基于网络获取标准训练动作对应的训练项目；
22、基于训练项目确定骨骼节点在腿部的位置和数量；
23、获取已知任意两个不相邻的骨骼节点在一个运动轨迹期间的角度变化范围；
24、基于角度变化范围确定骨骼节点所处的图像区域。
25、作为本技术方案进一步优选的，运动轨迹的获取方法包括：
26、基于图像区域的中心点位置构建二维坐标系，二维坐标系的横坐标用于表示时间序列，纵坐标用于表示骨骼节点的移动距离；
27、采集不同时间序列下，骨骼节点在二维坐标系内的位置；
28、连接二维坐标系内不同时间序列的骨骼节点，形成骨骼节点的运动轨迹。
29、作为本技术方案进一步优选的，腿部肌肉轮廓影像内的有效训练范围影像的确定方法：
30、基于图像区域内骨骼节点位置确定肌肉附着点；
31、基于标准训练动作获取腿部肌肉训练时的肌肉附着点的拉伸方向以及拉伸范围并确定有效训练指标；
32、基于有效训练指标，获取腿部肌肉轮廓影像内对应肌肉附着点的拉伸程度数值；
33、比较拉伸程度数值与标准训练动作的拉伸程度数值，确定腿部肌肉轮廓影像内的有效训练范围影像。
34、作为本技术方案进一步优选的，表面纹理数值的获取方式包括：
35、捕捉腿部肌肉表面区域的图像频率特征，图像频率特征包括：低频特征和高频特征，低频特征用于表示平滑，高频特征用于表示纹理变化；
36、在腿部肌肉表面区域映射和图像频率特征位置相匹配的斑马纹图案，斑马纹基于高频特征展示为成波纹状伪影，斑马纹基于低频特征展示为无显影；
37、获取斑马纹图案中波纹状伪影所占腿部肌肉表面区域的比例；
38、基于比例结果表示表面纹理的数值。
39、作为本技术方案进一步优选的，基于有效训练范围影像的建立构建训练反馈信号；
40、基于训练反馈信号矫正骨骼节点在图像区域处的运动轨迹，获取训练反馈信号后的矫正腿部肌肉轮廓影像；
41、剔除矫正腿部肌肉轮廓影像内存在阴影像素的部位，并形成修正腿部肌肉轮廓影像；
42、获取修正腿部肌肉轮廓影像表面纹理数值；
43、表面纹理数值判别腿部肌肉训练效果。
44、作为本技术方案进一步优选的，训练反馈信号的运行方法包括：
45、实时监测单位时间内腿部肌肉轮廓影像的表面纹理数值变化，表面纹理数值用于表示训练负载；
46、获取单位时间内基于腿部肌肉运动时的心率变化数据；
47、基于心率变化数据和训练负载构建关联公式；
48、基于关联公式获取出训练强度指数，训练强度指数用于反映了训练的强度和效果；
49、基于训练强度指数调整训练指标，训练指标包括完成标准训练动作的次数和频率。
50、作为本技术方案进一步优选的，所述关联公式为：，h用于表示心率变化，t用于表示表面纹理数值变化，a和β用于表示训练时的权重比，具体数值通过人为确定，tii用于表示训练强度。
51、第二方面，本专利技术还提出了一种训练椅，使用了上述任意一种基于图像分析的腿部肌肉训练分析方法。
52、与现有技术相比，本专利技术的有益效果是：
53、该基于图像分析的腿部肌肉训练分析方法，通过标准训练动作来获取实时训练时腿部肌肉的附着点，再利用训练动作来确定有效拉伸的范围数据，最后通过比对腿部肌肉轮廓影像中符合有效拉伸范围数据的片段以及位置来缩小训练范围，实现了动态跟踪和分析腿部训练时，肌肉的状态，精确增强了评估训练效果的准本文档来自技高网...
【技术保护点】
1.一种基于图像分析的腿部肌肉训练分析方法，包括获取腿部肌肉训练的标准训练动作，其特征在于：
2.根据权利要求1所述的一种基于图像分析的腿部肌肉训练分析方法，其特征在于：腿部肌肉轮廓影像的确定方法包括：
3.根据权利要求2所述的一种基于图像分析的腿部肌肉训练分析方法，其特征在于：腿部肌肉轮廓影像的确定方法包括：
4.根据权利要求1所述的一种基于图像分析的腿部肌肉训练分析方法，其特征在于：图像区域的确定方法：
5.根据权利要求1所述的一种基于图像分析的腿部肌肉训练分析方法，其特征在于：运动轨迹的获取方法包括：
6.根据权利要求1所述的一种基于图像分析的腿部肌肉训练分析方法，其特征在于：表面纹理数值的获取方式包括：
7.根据权利要求1所述的一种基于图像分析的腿部肌肉训练分析方法，其特征在于：基于有效训练范围影像的建立构建训练反馈信号；
8.根据权利要求7所述的一种基于图像分析的腿部肌肉训练分析方法，其特征在于：训练反馈信号的运行方法包括：
9.根据权利要求8所述的一种基于图像分析的腿部肌肉
10.一种训练椅，其特征在于：使用了权利要求1-9中任意一项所述的一种基于图像分析的腿部肌肉训练分析方法。
...【技术特征摘要】
1.一种基于图像分析的腿部肌肉训练分析方法，包括获取腿部肌肉训练的标准训练动作，其特征在于：
2.根据权利要求1所述的一种基于图像分析的腿部肌肉训练分析方法，其特征在于：腿部肌肉轮廓影像的确定方法包括：
3.根据权利要求2所述的一种基于图像分析的腿部肌肉训练分析方法，其特征在于：腿部肌肉轮廓影像的确定方法包括：
4.根据权利要求1所述的一种基于图像分析的腿部肌肉训练分析方法，其特征在于：图像区域的确定方法：
5.根据权利要求1所述的一种基于图像分析的腿部肌肉训练分析方法，其特征在于：运动轨迹的获取方法包括：
6.根据权利要求1所述的一种基于图像分析的腿部肌肉训练分析方法，其特...
【专利技术属性】
技术研发人员：徐一凡，应俊，
申请(专利权)人：鎏玥上海智能科技有限公司，
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。