基于姿态分析的锻炼动作评估系统及方法与流程

1.本发明涉及锻炼动作评估技术领域，具体为一种基于姿态分析的锻炼动作评估系统及方法。


背景技术：

2.目前，学生的课后时间变多，但课后活动种类比较匮乏。通过布置推行体育锻炼能够丰富学生的课余生活并增强青少年的体质。但是学校在实际推行推行体育锻炼过程中，往往使用口头向学生布置体育锻炼活动，并要求家长监督陪练的模式，学生居家锻炼过程中，因为没有对应的指导说明，所以锻炼动作的规范性无法保证，也无法有效评估学生的锻炼情况。


技术实现要素：

3.本发明的目的在于提供一种基于姿态分析的锻炼动作评估系统及方法，以解决上述背景技术中提出的问题。
4.为了解决上述技术问题，本发明提供如下技术方案：一种基于姿态分析的锻炼动作评估系统，所述动作评估系统包括用户信息库、锻炼数据库、人脸采集模块、人脸认证模块、锻炼动作采集模块和图像分析模块，所述用户信息库用于存储各个用户的认证人脸图像和历史锻炼信息，所述锻炼数据库所述锻炼数据库用于存储标准锻炼视频，其中，各个标准锻炼视频被划分为若干个分视频，所述人脸采集模块用于采集当前用户的人脸图像为待认证图像，所述人脸认证模块将待认证图像与用户信息库内的认证人脸图像进行比较，如果存在某个认证人脸图像与待认证图像的相似度大于认证相似阈值，所述锻炼动作采集模块采集该用户跟随该个标准锻炼视频的锻炼动作图像，设用户跟随该个标准锻炼视频的某个分视频进行锻炼的图像为实际分图像，相应的分视频为该个实际分图像的参考视频，所述图像分析模块对采集到的实际分图像进行分析，输出该用户的锻炼动作评估结果。
5.进一步的，所述动作评估系统还包括视频划分模块，所述视频划分模块获取标准锻炼视频中某一时刻的动作图像，如果该时刻的动作图像与上一时刻的动作图像的相似度小于一致相似阈值，在该时刻与上一时刻之间设置分界点，那么标准锻炼视频中相邻两个分界点之间的视频片段为一个分视频。
6.进一步的，所述图像分析模块包括有效相似度获取模块、综合评估值计算模块和综合评估值比较模块，所述有效相似度获取模块提取某个实际分图像中用户的锻炼动作，并设其与该个实际分图像的参考视频中的锻炼动作的相似度为有效相似度，所述综合评估值计算模块计算用户该次跟随标准锻炼视频锻炼的综合评估值其中，hi为相应标准锻炼视频的第i个分视频的时长，si为用户该次跟随标准锻炼视频锻炼的第i个实际分图像的有效相似度值，k为用户该次跟随锻炼的标准锻炼视频的分视频个数，所述综合评估值比较模块将用户该次跟随标准锻炼视频锻炼的综合评估值与综合
阈值进行比较，在综合评估值小于综合阈值时，传输锻炼动作不合格信息。
7.进一步的，所述图像分析模块还包括中心动作判断模块、关注指数计算模块、关注指数比较模块和播放控制模块，所述中心动作判断模块在如果某个实际分图像所对应的有效相似度小于有效相似阈值，判断该个实际分图像的参考视频中的锻炼动作为候选关注动作，并设该锻炼动作为中心动作，所述关注指数计算模块获取最近预设时间段内采集的图像中用户跟随标准锻炼视频进行锻炼的次数mz以及其中标准锻炼视频包含该中心动作的次数m1、跟随包含该中心动作的标准锻炼视频中中心动作被判断为候选关注动作的次数m2，那么第一指数 w＝(mz-m1)/mz，第二指数x＝m2/m1，获取中心动作最近预设次所对应的实际分图像的有效相似度的方差e0，计算方差参考量c＝e0/ez，其中，ez为方差阈值，如果方差参考量大于等于 1，那么第三指数y＝1，如果方差参考量小于1，那么第三指数y＝c，计算某个中心动作的关注指数q＝0.4*w+0.4*x+0.2*y，所述关注指数比较模块将某个中心动作的关注指数与关注阈值进行比较，在该个中心动作的关注指数大于关注阈值时，所述播放控制模块在某个分视频中的锻炼动作最近一次锻炼时被判定为关注动作时，以第一速度播放该分视频，否则，以第二速度播放该分视频，其中，第一速度小于第二速度。
8.一种基于姿态分析的锻炼动作评估方法，所述动作评估方法包括以下步骤：
9.预先建立用户信息库和锻炼数据库，所述用户信息库用于存储各个用户的认证人脸图像和历史锻炼信息，所述锻炼数据库用于存储标准锻炼视频，其中，各个标准锻炼视频被划分为若干个分视频，
10.采集当前用户的人脸图像为待认证图像，将待认证图像与用户信息库内的认证人脸图像进行比较，如果存在某个认证人脸图像与待认证图像的相似度大于认证相似阈值，
11.标准锻炼视频播放锻炼动作，摄像头采集该用户跟随该个标准锻炼视频的锻炼动作图像，设用户跟随该个标准锻炼视频的某个分视频进行锻炼的图像为实际分图像，相应的分视频为该个实际分图像的参考视频，
12.对采集到的实际分图像进行分析，输出该用户的锻炼动作评估结果。
13.进一步的，所述各个所述标准锻炼视频中被划分为若干个分视频包括：
14.获取标准锻炼视频中某一时刻的动作图像，如果该时刻的动作图像与上一时刻的动作图像的相似度小于一致相似阈值，在该时刻与上一时刻之间设置分界点，那么标准锻炼视频中相邻两个分界点之间的视频片段为一个分视频。
15.进一步的，所述对采集到的实际分图像进行分析包括：
16.提取某个实际分图像中用户的锻炼动作，并设其与该个实际分图像的参考视频中的锻炼动作的相似度为有效相似度，
17.计算用户该次跟随标准锻炼视频锻炼的综合评估值其中， hi为相应标准锻炼视频的第i个分视频的时长，si为用户该次跟随标准锻炼视频锻炼的第i 个实际分图像的有效相似度值，k为用户该次跟随锻炼的标准锻炼视频的分视频个数，
18.如果综合评估值小于综合阈值时，传输锻炼动作不合格信息。
19.进一步的，所述对采集到的实际分图像进行分析还包括：
20.如果某个实际分图像所对应的有效相似度小于有效相似阈值，那么该个实际分图
像的参考视频中的锻炼动作为候选关注动作，并设该锻炼动作为中心动作，
21.获取最近预设时间段内采集的图像中用户跟随标准锻炼视频进行锻炼的次数mz以及其中标准锻炼视频包含该中心动作的次数m1、跟随包含该中心动作的标准锻炼视频中中心动作被判断为候选关注动作的次数m2，那么第一指数w＝(mz-m1)/mz，第二指数x＝m2/m1，
22.获取中心动作最近预设次所对应的实际分图像的有效相似度的方差e0，计算方差参考量 c＝e0/ez，其中，ez为方差阈值，如果方差参考量大于等于1，那么第三指数y＝1，如果方差参考量小于1，那么第三指数y＝c；
23.计算某个中心动作的关注指数q＝0.4*w+0.4*x+0.2*y，
24.如果某个中心动作的关注指数大于关注阈值，那么该个锻炼动作为关注动作；
25.当某个分视频中的锻炼动作最近一次锻炼被判定为关注动作时，以第一速度播放该分视频，否则，以第二速度播放该分视频，其中，第一速度小于第二速度。
26.与现有技术相比，本发明所达到的有益效果是：本发明通过设置标准锻炼视频，让用户跟随标准锻炼视频后面锻炼，有助于提高用户锻炼的规范性，同时采集用户跟随标准锻炼视频进行锻炼的图像，并将采集到的用户锻炼图像中的动作与标准锻炼视频中的动作进行相似度比较，并据此判定并输出用户的锻炼结果，不需要人工进行分析，同时，本技术中还根据用户的锻炼情况控制标准锻炼视频的播放速度，从而使得播放情况更加具有针对性，提高用户的使用体验。
附图说明
27.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
28.图1是本发明基于姿态分析的锻炼动作评估系统的模块示意图。
具体实施方式
29.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
30.请参阅图1，本发明提供技术方案：一种基于姿态分析的锻炼动作评估系统，所述动作评估系统包括用户信息库、锻炼数据库、人脸采集模块、人脸认证模块、锻炼动作采集模块和图像分析模块，所述用户信息库用于存储各个用户的认证人脸图像和历史锻炼信息，所述锻炼数据库所述锻炼数据库用于存储标准锻炼视频，其中，各个标准锻炼视频被划分为若干个分视频，所述人脸采集模块用于采集当前用户的人脸图像为待认证图像，所述人脸认证模块将待认证图像与用户信息库内的认证人脸图像进行比较，如果存在某个认证人脸图像与待认证图像的相似度大于认证相似阈值，所述锻炼动作采集模块采集该用户跟随该个标准锻炼视频的锻炼动作图像，设用户跟随该个标准锻炼视频的某个分视频进行锻炼的图像为实际分图像，相应的分视频为该个实际分图像的参考视频，所述图像分析模块对采集到的实际分图像进行分析，输出该用户的锻炼动作评估结果。
31.所述动作评估系统还包括视频划分模块，所述视频划分模块获取标准锻炼视频中某一时刻的动作图像，如果该时刻的动作图像与上一时刻的动作图像的相似度小于一致相似阈值，在该时刻与上一时刻之间设置分界点，那么标准锻炼视频中相邻两个分界点之间的视频片段为一个分视频。
32.所述图像分析模块包括有效相似度获取模块、综合评估值计算模块和综合评估值比较模块，所述有效相似度获取模块提取某个实际分图像中用户的锻炼动作，并设其与该个实际分图像的参考视频中的锻炼动作的相似度为有效相似度，所述综合评估值计算模块计算用户该次跟随标准锻炼视频锻炼的综合评估值其中，hi为相应标准锻炼视频的第i个分视频的时长，si为用户该次跟随标准锻炼视频锻炼的第i个实际分图像的有效相似度值，k为用户该次跟随锻炼的标准锻炼视频的分视频个数，所述综合评估值比较模块将用户该次跟随标准锻炼视频锻炼的综合评估值与综合阈值进行比较，在综合评估值小于综合阈值时，传输锻炼动作不合格信息。
33.所述图像分析模块还包括中心动作判断模块、关注指数计算模块、关注指数比较模块和播放控制模块，所述中心动作判断模块在如果某个实际分图像所对应的有效相似度小于有效相似阈值，判断该个实际分图像的参考视频中的锻炼动作为候选关注动作，并设该锻炼动作为中心动作，所述关注指数计算模块获取最近预设时间段内采集的图像中用户跟随标准锻炼视频进行锻炼的次数mz以及其中标准锻炼视频包含该中心动作的次数m1、跟随包含该中心动作的标准锻炼视频中中心动作被判断为候选关注动作的次数m2，那么第一指数 w＝(mz-m1)/mz，第二指数x＝m2/m1，获取中心动作最近预设次所对应的实际分图像的有效相似度的方差e0，计算方差参考量c＝e0/ez，其中，ez为方差阈值，如果方差参考量大于等于 1，那么第三指数y＝1，如果方差参考量小于1，那么第三指数y＝c，计算某个中心动作的关注指数q＝0.4*w+0.4*x+0.2*y，所述关注指数比较模块将某个中心动作的关注指数与关注阈值进行比较，在该个中心动作的关注指数大于关注阈值时，所述播放控制模块在某个分视频中的锻炼动作最近一次锻炼时被判定为关注动作时，以第一速度播放该分视频，否则，以第二速度播放该分视频，其中，第一速度小于第二速度。
34.一种基于姿态分析的锻炼动作评估方法，所述动作评估方法包括以下步骤：
35.预先建立用户信息库和锻炼数据库，所述用户信息库用于存储各个用户的认证人脸图像和历史锻炼信息，所述锻炼数据库用于存储标准锻炼视频，其中，各个标准锻炼视频被划分为若干个分视频，本实施例中的用户可以是学生；
36.所述各个所述标准锻炼视频中被划分为若干个分视频包括：
37.获取标准锻炼视频中某一时刻的动作图像，如果该时刻的动作图像与上一时刻的动作图像的相似度小于一致相似阈值，说明该时刻的锻炼动作与上一时刻的锻炼动作不同，在该时刻与上一时刻之间设置分界点，那么标准锻炼视频中相邻两个分界点之间的视频片段为一个分视频；在进行体育锻炼时，往往是一个动作做好几遍后再换下一个动作，基于此，根据锻炼动作的不同，将标准锻炼视频划分为若干个分视频，不同的分视频中的锻炼动作并不相同，一个分视频当中的只有一个锻炼动作。
38.采集当前用户的人脸图像为待认证图像，利用人工智能技术将待认证图像与用户信息库内的认证人脸图像进行比较，如果存在某个认证人脸图像与待认证图像的相似度大
于认证相似阈值，
39.标准锻炼视频播放锻炼动作，摄像头采集该用户跟随该个标准锻炼视频的锻炼动作图像，设用户跟随该个标准锻炼视频的某个分视频进行锻炼的图像为实际分图像，相应的分视频为该个实际分图像的参考视频，
40.对采集到的实际分图像进行分析，输出该用户的锻炼动作评估结果。
41.所述对采集到的实际分图像进行分析包括：
42.提取某个实际分图像中用户的锻炼动作，并设其与该个实际分图像的参考视频中的锻炼动作的相似度为有效相似度，一个实际分图像中用户做的是同一个锻炼动作，这里的有效相似度是指用户在该个实际分图像中所有锻炼动作与参考视频中的锻炼动作的相似度的平均值，比如用于在某个实际分图像中进行动作锻炼，锻炼动作a，并且锻炼动作a做了5次，获取锻炼动作a与相对应的参考视频中的动作a的相似度，设5次锻炼动作a与参考视频中的动作a的相似度依次为75％、76％、78％、75％、75％，那么有效相似度为(75％+76％+78％+75％+75％) /5＝75.8％；本技术中利用现有的人工智能技术来比较实际分图像中用户的姿态动作与参考视频中的姿态动作的相似度；
43.计算用户该次跟随标准锻炼视频锻炼的综合评估值其中， hi为相应标准锻炼视频的第i个分视频的时长，si为用户该次跟随标准锻炼视频锻炼的第i 个实际分图像的有效相似度值，k为用户该次跟随锻炼的标准锻炼视频的分视频个数，h为相应标准锻炼视频的视频总时长，将某个动作所对应的分视频时长与视频总时长的比值作为该个动作所对应的有效相似度的权值，从而使得综合评估值的结果更加准确，进而对用户锻炼动作的评估结果更加准确；
44.如果综合评估值小于综合阈值时，传输锻炼动作不合格信息；这里计算的综合评估值是指跟随一个标准锻炼视频进行锻炼的评估结果，当综合评估值小于综合阈值时，说明评估该用户的锻炼动作不标准；
45.所述对采集到的实际分图像进行分析还包括：
46.如果某个实际分图像所对应的有效相似度小于有效相似阈值，那么该个实际分图像的参考视频中的锻炼动作为候选关注动作，并设该锻炼动作为中心动作，
47.获取最近预设时间段内采集的图像中用户跟随标准锻炼视频进行锻炼的次数mz以及其中标准锻炼视频包含该中心动作的次数m1、跟随包含该中心动作的标准锻炼视频中中心动作被判断为候选关注动作的次数m2，那么第一指数w＝(mz-m1)/mz，第二指数x＝m2/m1，当第一指数越大，说明用户最近预设时间段内锻炼中心动作的次数较小，很有可能对中心动作不熟悉的情况，当第二指数越大时，说明用户锻炼时做该中心动作相对不怎么规范，因此当第一指数、第二指数越大时，应当尽量放慢播放包含该中心动作的视频的速度，便于用户跟随学习锻炼动作；
48.获取中心动作最近预设次所对应的实际分图像的有效相似度的方差e0，计算方差参考量 c＝e0/ez，其中，ez为方差阈值，如果方差参考量大于等于1，那么第三指数y＝1，如果方差参考量小于1，那么第三指数y＝c；本实施例中，设最近预设次为最近6次，那么获取最近6 次锻炼该中心动作时的有效相似度值v1、v2、v3、v4、v5、v6，并计算v1、v2、v3、v4、 v5、v6的方差，如果方差比较大，说明用户做该中心动作时的有效相似度值不稳定，说明用
户有时候做的锻炼姿态动作较好，有的时候较差，此时也应当放慢速度使得用户能够进一步学习，提升做动作的规范准确性；
49.计算某个中心动作的关注指数q＝0.4*w+0.4*x+0.2*y，
50.如果某个中心动作的关注指数大于关注阈值，那么该个锻炼动作为关注动作。
51.当某个分视频中的锻炼动作最近一次锻炼被判定为关注动作时，说明用户做该锻炼动作时相对不标准，因此该次锻炼该关注动作时以第一速度播放该分视频，使得播放速度较慢，用户能够有效跟着分视频的动作进行学习锻炼，当某个分视频中的锻炼动作最近一次锻炼没有被判定为关注动作时，以第二速度播放该分视频，其中，第一速度小于第二速度，本实施例中，第二速度是预设的正常播放速度，第一速度值为0.75*第二速度值。本实施例中的“当某个分视频中的锻炼动作最近一次锻炼被判定为关注动作时”是指用户最近一次锻炼该动作时，该动作被判定为关注动作。
52.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
53.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。