CN112288766B - 运动评估方法、装置、系统及存储介质 - Google Patents
运动评估方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN112288766B CN112288766B CN202011173483.7A CN202011173483A CN112288766B CN 112288766 B CN112288766 B CN 112288766B CN 202011173483 A CN202011173483 A CN 202011173483A CN 112288766 B CN112288766 B CN 112288766B
- Authority
- CN
- China
- Prior art keywords
- joint
- motion
- current frame
- distance
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 131
- 238000011156 evaluation Methods 0.000 title claims abstract description 77
- 239000013598 vector Substances 0.000 claims abstract description 70
- 210000000988 bone and bone Anatomy 0.000 claims description 84
- 238000000034 method Methods 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 description 54
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 210000004247 hand Anatomy 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000007115 recruitment Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241000287127 Passeridae Species 0.000 description 2
- 238000007654 immersion Methods 0.000 description 2
- 210000002414 leg Anatomy 0.000 description 2
- 230000003238 somatosensory effect Effects 0.000 description 2
- 241001600609 Equus ferus Species 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 210000004935 right thumb Anatomy 0.000 description 1
- 210000000323 shoulder joint Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/207—Analysis of motion for motion estimation over a hierarchy of resolutions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明实施例公开了一种运动评估方法、装置、系统及存储介质,该方法包括:获取目标对象当前帧的运动骨骼数据,以及与该当前帧的运动骨骼数据对应的目标帧的标准骨骼数据;完成所述当前帧的运动骨骼数据与所述目标帧的标准骨骼数据之间的关节向量比对、关节间距离比对和关节开合度比对中的至少一个比对,以确定并输出评估结果。解决了现有太极拳教学系统至少存在无法兼顾运动的灵活性和评估准确性的问题。
Description
技术领域
本发明实施例涉及教学设备领域,尤其涉及一种运动评估方法、装置、系统及存储介质。
背景技术
现有太极拳教学系统中,通常采用穿戴的惯性动作捕捉设备或手机采集用户的运动骨骼数据,再进行后续处理。由于惯性捕捉设备预布置的时间长、价格昂贵而且会影响用户的练习效果,因此受众范围较小;而手机通常很难捕捉到全面的骨骼动作,因此很难得到准确的评估结果。因此现有太极拳教学系统至少存在无法兼顾运动的灵活性和评估准确性的问题。
发明内容
本发明实施例提供了一种运动评估方法,解决了现有太极拳教学系统存在无法兼顾运动的灵活性和评估准确性的问题。
第一方面,本发明实施例提供了一种运动评估方法,包括:
获取目标对象当前帧的运动骨骼数据,以及与该当前帧的运动骨骼数据对应的目标帧的标准骨骼数据;
完成所述当前帧的运动骨骼数据与所述目标帧的标准骨骼数据之间的关节向量比对、关节间距离比对和关节开合度比对中的至少一个比对,以确定并输出评估结果。
第二方面,本发明实施例还提供了一种运动评估装置,包括:
获取单元,用于获取目标对象当前帧的运动骨骼数据,以及与该当前帧的运动骨骼数据对应的目标帧的标准骨骼数据;
评估单元,用于完成所述当前帧的运动骨骼数据与所述目标帧的标准骨骼数据之间的关节向量比对、关节间距离比对和关节开合度比对中的至少一个比对,以确定并输出评估结果。
第三方面,本发明实施例还提供了一种运动评估系统,该系统包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如任意实施例所述的运动评估方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如任意实施例所述的运动评估方法。
本发明实施例提供的运动评估方法的技术方案,获取目标对象当前帧的运动骨骼数据,以及与该当前帧的运动骨骼数据对应的目标帧的标准骨骼数据;对当前帧的运动骨骼数据与目标帧的标准骨骼数据进行关节向量比对、关节间距离比对和关节开合度比对中的至少一个比对,以确定并输出评估结果。关节向量比对结果可以准确反映关节间的相对运动情况,关节间距离比对结果可以解决运动骨骼数据中的关节遮挡问题,关节开合度比对结果可以反映开合动作是否到位,因此通过他们中的一个或多个可以显著提高评估结果的准确性,从而提高用户的练习效率和练习效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的运动评估方法的流程图;
图2是本发明实施例一提供的运动评估系统的结构示意图;
图3是本发明实施例一提供的关节间距离的示意图;
图4是本发明实施例一提供的关节开合角度的示意图;
图5是本发明实施例一提供的综合评估报告的示意图;
图6是本发明实施例二提供的运动评估装置的结构框图;
图7是本发明实施例三提供的运动评估系统的框图示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下将参照本发明实施例中的附图,通过实施方式清楚、完整地描述本发明的技术方案,显然,所描述的实施例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。
实施例一
图1是本发明实施例一提供的运动评估方法的流程图。本实施例的技术方案适用于自动评估用户运动动作的标准程度的情况。该方法可以由本发明实施例提供的运动评估装置来执行,该装置可以采用软件和/或硬件的方式实现,并配置在运动评估系统的处理器中应用。该处理器可实现的功能模块包括用户信息模块、教学场景模块、动作评估单元和评估反馈模块。其中,动作评估单元用于实现如下步骤:
S101、获取目标对象当前帧的运动骨骼数据,以及与该当前帧的运动骨骼数据对应的目标帧的标准骨骼数据。
运动骨骼数据优选但不限于太极拳、八段锦、五禽戏等运动项目的骨骼数据,本实施例以太极拳为例进行技术方案的说明。
其中,当前帧的运动骨骼数据优选由设置于运动区域11周围的一个或多个体感传感器12获取,比如Kinect,参见图2所示。各个时刻的运动骨骼数据组成运动骨骼数据集。
其中,目标帧的标准骨骼数据是标准骨骼数据集中与当前帧的运动骨骼数据相匹配的一帧标准骨骼数据。标准骨骼数据集是专业运动员运动过程的骨骼数据集。可以理解的是,运动骨骼数据集与标准骨骼数据集对应相同的动作或招式。
其中,标准骨骼数据集可被设置为包含一个招式内的所有动作,或者仅包含一个招式内的一个或几个动作,本实施例在此不对标准骨骼数据集所包含的动作数量进行限定,实际制作时,可根据具体情况进行设置。
可以理解的是,对于很多太极拳练习者,其运动节奏可能与专业运动员稍有不同,但是其各个动作是标准的,这样也能达到练习的效果,特别是对于平衡康复练习的患者。基于此,本实施例优选通过时间规整算法对当前帧的运动骨骼数据和标准骨骼数据集进行匹配处理,以确定与当前帧的运动骨骼数据相匹配的目标帧的标准骨骼数据,标准骨骼数据集包括目标帧的标准骨骼数据。可以理解的是,运动骨骼数据集和标准骨骼数据集分别对应一个特征矩阵序列,每个特征矩阵序列包括各帧骨骼数据的特征矩阵,每个特征矩阵包括24个关节向量,每个关节向量表示对应关节在一帧时间内的变化量。设定运动骨骼数据集对应的特征矩阵序列为A,标准骨骼数据集对应的特征矩阵序列为B,二者之间的距离矩阵为D[i][j],其中,D[i][j]表示序列a[0:i]和b[0:j]之间的相似距离的平方,有:
可见,时间规整算法是将两个序列中最相似的点对应起来,把问题转变为通过网格寻找最短路径,从而在标准骨骼数据集中确定出与当前帧的运动骨骼数据相匹配的目标帧的标准骨骼数据。
S102、完成当前帧的运动骨骼数据与目标帧的标准骨骼数据的关节向量比对、关节间距离比对和关节开合度比对中的至少一个比对,以确定并输出评估结果。
对相匹配的当前帧的运动骨骼数据与目标帧的标准骨骼数据进行关节向量比对、关节间距离比对和关节开合度比对中的至少一个比对,以确定评估结果,并实时输出该评估结果,以使目标对象实时了解自己所做动作的标准程度。
首先,关节向量比对方法包括:确定每个关节向量在当前帧的运动骨骼数据与在目标帧的标准骨骼数据中的角度偏差;计算该当前帧的运动骨骼数据中的所有关节向量的角度偏差之和以得到总偏差;计算总偏差与预设最大偏差和值的偏差比值,并根据该偏差比值确定关节向量比对结果;其中,预设最大总偏差为:该当前帧的运动骨骼数据中的每个关节向量可对应的最大角度偏差的和值。
具体地,每个关节点都由一个三维坐标X(x,y,z)表征其在空间中的位置,由脊柱基底关节点至右手拇指,依次标号i=0到24。定义关节向量α为编号后一位的关节点坐标减去当前编号的关节点坐标,即:
αi=X(xi+1,yi+1,zi+1)-X(xi,yi,zi) (2)
对于编号为i的关节,设定其在当前帧的运动骨骼数据中对应的关节向量为αi,在目标帧的标准骨骼数据中对应的关节向量为βi,这两个向量之间的差异能在一定程度上表征用户动作与标准动作在编号为i的关节附近的差异,将该差异定义为两个关节向量之间的角度偏差:
可见,当用户动作与标准动作相同时,该角度偏差为零;当用户动作与标准动作存在偏差时,该角度偏差大于零;当用户动作与标准动作完全不同时,该角度偏差为90度。通过以下公式确定关节向量比对结果:
其中,n为当前帧的骨骼数据中的关节向量总数,n·90°为预设最大偏差和值,将总偏差与该预设最大偏差和值的比值作为偏差比值,将1与该偏差比值的差值作为关节向量比对结果。
由于太极拳不同招式的侧重点不同,为了更好地突出各招式的重点所在,在一些实施例中,为每个招式的重要关节向量赋予较高的权重,即在公式(4)的基础上,为每个角度偏差赋予相应的权重以得到关节向量加权比对结果,具体如下:
其中,wi为角度偏差θi的权重。24个关节向量被分为躯干、左臂、右臂、左腿、右腿各3个向量,其他关节9个向量,如果将其他关节作为一部分,共6个部分。为当前帧的运动骨骼数据的重要部分的关节向量赋予较高的权重,并保证所有权重的总和为1,可以更精确地反应出用户对每个动作的掌握情况,用户康复训练能够达到的效果,以及帮助用户有针对性地改进自己的动作。
在一些实施例中,为了提高训练的灵活性,用户还可以通过输入装置输入自己的训练需求,比如训练部位或难度等级等。以训练部位为例,系统根据用户输入的训练部位推荐目标招式或目标动作单元,以及该目标招式或目标动作单元的各个关节向量的角度偏差的权重。可以理解的是,与训练部位紧密相关的关节向量的角度偏差的权重大于其他关节向量的角度偏差的权重,以使用户重点关注训练部位的各个关节的到位程度。如果训练部位的各关节的到位程度较低,则关节向量比对结果较差,优选输出提示信息,以使用户增加该目标招式或该目标动作单元的训练次数,并在训练过程中注意该目标招式或目标动作单元的训练要领。适用于特定部位动作的针对性训练以及特定疾病的康复训练。
在一些实施例中,用户还可以直接调整已有关节向量的权重值,比如在标识有各个关节向量的模型图中选择一个或多个目标关节向量,然后一次性输入或分次输入该一个或多个目标关节向量的权重。从而实现灵活调整训练部位的关节向量的角度偏差的权重。可以理解的是,对于每帧运动骨骼数据,其各个关节向量的角度偏差的权重之和为1。
其次,关节间距离比对方法包括:确定当前帧的运动骨骼数据的第一距离与第二距离的比值以作为第一比值;确定目标帧的标准骨骼数据的第一距离与第二距离的比值,以作为第二比值;计算第一比值与第二比值的差值,并根据该差值与对应比值阈值的大小关系,确定关节间距离比对结果,其中,第一距离为设定手部到地面的距离,第二距离为脊柱基底关节点到肩膀的距离。
关节间距离比对可用于第一式起势、第八式右揽雀尾、第十四式双峰贯耳、第二十二式如封似闭等招式。以双手抬起举过胸前这一类的动作为例,衡量这一类动作是否达标的一个重要参数就是双手离地的距离,离地距离不足难以起到练习效果,抬手高度过高则会对肩关节有损伤。为了消除不同用户身高差异造成的影响,本实施例定义左右手预设关节点的y坐标值到地面的垂直距离为H,脊柱基底关节点到肩膀的距离为h,参见图3所示。将运动骨骼数据的目标对象的H与h的比值作为第一比值,将标准骨骼数据中的专业运动员的H与h的比值作为第二比值,计算第一比值与第二比值的差值,并根据该差值与对应比值阈值的大小关系,确定关节间距离比对结果。通过关节间距离比对结果可以减少因关节间遮挡而造成的关节点位置识别不正确的情况。在抬高双手的动作中,无论是用户正对镜头(第一式起势),还是向侧方向抬起双手(第二十二式如封似闭),都会有一部分的关节点因被更靠近镜头的关节点遮挡而无法追踪到,关节向量的计算也会出现偏差。而关节间距离比对则恰恰避免了这一缺点。
再次,关节开合度比对方法,包括:确定目标关节在当前帧的运动骨骼数据中的打开角度,与在目标帧的标准骨骼数据中的打开角度的比值,以作为目标关节的关节开合度比对结果。
关节开合度比对结果可用于第二式左右野马分鬃、第四式左右搂膝拗步、第七式左揽雀尾、第十一式单鞭等招式。对于太极拳中频繁出现的大幅度打开身体关节的动作,只有关节打开达到一定的角度才会判定动作合格。如图4所示的髋关节,计算在当前帧的运动骨骼数据中形成目标角度的三个或三个以上关节点所形成的关节向量的夹角,以作为第一打开角度;计算在该目标帧的标准骨骼数据中形成目标角度的三个或三个以上关节点所形成的两个关节向量的夹角,以作为第二打开角度,将第一打开角度和第二打开角度的比值作为该目标角度的关节开合度比对结果。
将实时检测到的关节开合度比对结果实时输出至显示屏13上,参见图2所示,以帮助用户养成正确的姿势习惯。可以理解的是,如果当前帧的运动骨骼数据同时包括两个或多个目标角度,则需实时计算该两个或多个目标角度的关节开合度比对结果,从而使用户全面了解其练习的各个动作的准确性。
在一些实施例中,在得到所有帧的运动骨骼数据的评估结果之后,根据所有帧的运动骨骼数据的评估结果确定各个关键动作的评估结果、从而确定出综合评估结果,该综合评估结果根据招式的侧重以及结合所有指标给出相应的评估报告,以使用户通过了解整个招式或整个动作单元的准确性,从而全面了解自己的运动情况。如图5所示,该综合评估报告给出了第一式起势的四个动作的匹配度,以及四个动作的完成时间,以及“动作完成情况良好,膝关节与上肢得到重点锻炼”的评估情况
在一些实施例中,用户对某一动作单元连续或不连续地练习至少两次,比如三次,系统先分别确定每次练习的评估结果,然后综合每次的评估结果,确定综合评估结果。比如将该动作单元每次练习的评估结果的均值,作为该动作单元最终的评估结果,以提高评估结果的准确性。优选以折线图的形式呈现出各次练习的评估结果。
本实施例中,用户信息模块用于接收和存储用户的身份信息,如姓名、性别、年龄、练习日期、重点练习部位等;还用于存储用户每次练习的运动骨骼数据以及每个运动骨骼数据对应的评估结果,以方便用户随时查看历史运动骨骼数据和练习进展。优选地,用户信息模块还存储有用户选择的一个或多个标准骨骼数据。
本实施例中,评估反馈模块用于将动作评估单元生成的评估结果实时输出至显示屏,以使用户在运动的同时实时了解每个动作单元的评估结果,以及每个招式的评估结果。同时,该评估反馈模块还用于根据设定练习内容的评估结果、练习时长、练习侧重、用户个人信息生成评估报告,以便用户全面了解自己的运动情况。其中,评估报告优选以图表形式展示评估结果、练习时长、练习侧重等。
本实施例中,教学场景模块采用半沉浸式的训练方式,训练过程中播放标准骨骼数据对应的标准动作视频以引导用户练习,以及实时播放通过体感传感器获取的用户的运动骨骼数据对应的运动视频。在虚拟场景中,由标准动作视频引导,结合用户自身的影像,接收实时的评估结果,比无沉浸或完全沉浸的练习效率更高。
本实施例中,该系统还包括登录模块,用于接收用户的登录信息,并根据接收的用户信息完成用户登录。用户登录后,即可选择自己喜欢的训练内容,比如杨氏太极拳二十四式的招式分解练习或整合练习。
在一个实施例中,以杨氏太极拳二十四式为例,其被按招式分为二十四个练习,每个招式又被分解为若干个关键动作,每个招式对应一个标准运动视频和标准骨骼数据集,或者每个关键动作对应一个标准运动视频和标准骨骼数据集。用户在图2的计算机上选择待练习招式的标准动作视频,该标准动作视频同步在练习区域前方的显示屏上输出,用户可以仅观摩标准动作视频上的招式动作,也可以在该标准动作视频的引导下顺序完成一个或多个关键动作的练习。动作评估单元同时获取该标准动作视频对应的标准骨骼数据,以及同时通过体感传感器获取用户的运动视频和运动骨骼数据,将运动视频实时输出至显示屏上,同时完成当前帧的运动骨骼数据与目标帧的标准骨骼数据的比对,以确定评估结果,将评估结果以匹配百分比的形式实时显示在屏幕上,反馈给用户。所选的练习招式、用户的25个骨骼关节点信息、评估结果以及该招式的练习时长等数据存储在用户信息模块的数据库中。
在一个实施例中,只有将一个招式的每个关键动作连贯完成,才视作该招式达标。
本发明实施例提供的运动评估方法的技术方案,获取目标对象当前帧的运动骨骼数据,以及与该当前帧的运动骨骼数据对应的目标帧的标准骨骼数据;对当前帧的运动骨骼数据与目标帧的标准骨骼数据进行关节向量比对、关节间距离比对和关节开合度比对中的至少一个比对,以确定并输出评估结果。关节向量比对结果可以准确反映关节间的相对运动情况,关节间距离比对结果可以解决运动骨骼数据中的关节遮挡问题,关节开合度比对结果可以反映开合动作是否到位,因此通过他们中的一个或多个可以显著提高评估结果的准确性,从而提高用户的练习效率和练习效果。
实施例二
图6是本发明实施例提供的运动评估装置的结构框图。该装置用于执行上述任意实施例所提供的运动评估方法,该装置可选为软件或硬件实现。该装置包括:
获取单元21,用于获取目标对象当前帧的运动骨骼数据,以及与该当前帧的运动骨骼数据对应的目标帧的标准骨骼数据;
评估单元22,用于对当前帧的运动骨骼数据与目标帧的标准骨骼数据进行关节向量比对、关节间距离比对和关节开合度比对中的至少一个比对,以确定并输出评估结果。
可选地,评估单元22用于获取目标对象当前帧的运动骨骼数据,以及该运动骨骼数据对应的标准骨骼数据集;通过时间规整算法对当前帧的运动骨骼数据和标准骨骼数据集进行匹配处理,以确定与当前帧的运动骨骼数据相匹配的目标帧的标准骨骼数据,标准骨骼数据集包括目标帧的标准骨骼数据。
可选地,评估单元22还用于确定每个关节向量在当前帧的运动骨骼数据与在目标帧的标准骨骼数据中的角度偏差;计算该当前帧的运动骨骼数据中的所有关节向量的角度偏差之和,以得到总偏差;计算总偏差与预设最大偏差和值的偏差比值,并根据该偏差比值确定关节向量比对结果;其中,预设最大总偏差为:该当前帧的运动骨骼数据中的每个关节向量可对应的最大角度偏差的和值。
可选地,评估单元22还用于计算该当前帧的运动骨骼数据中的每个关节向量对应的角度偏差与对应权重的乘积,以更新每个关节向量的角度偏差;将该当前帧的运动骨骼数据中的所有关节向量更新后的角度偏差之和,作为总偏差。
可选地,评估单元22还用于确定当前帧的运动骨骼数据的第一距离与第二距离的比值,以作为第一比值,其中,第一距离为设定手部到地面的距离,第二距离为脊柱基底关节点到肩膀的距离;确定目标帧的标准骨骼数据的第一距离与第二距离的比值,以作为第二比值;计算第一比值与第二比值的差值,并根据该差值与对应比值阈值的大小关系,确定关节间距离比对结果。
可选地,评估单元22还用于确定目标关节在当前帧的运动骨骼数据中的打开角度,与在目标帧的标准骨骼数据中的打开角度的比值,以作为目标关节的关节开合度比对结果。
可选地,评估单元22还用于根据用户设置的训练需求确定当前帧的运动骨骼数据的各关节向量的角度偏差的权重;其中,训练需求为训练部位或难度等级。
本发明实施例提供的运动评估装置的技术方案,通过获取单元获取目标对象当前帧的运动骨骼数据,以及与该当前帧的运动骨骼数据对应的目标帧的标准骨骼数据;通过评估单元对当前帧的运动骨骼数据与目标帧的标准骨骼数据进行关节向量比对、关节间距离比对和关节开合度比对中的至少一个比对,以确定并输出评估结果。关节向量比对结果可以准确反映关节间的相对运动情况,关节间距离比对结果可以解决运动骨骼数据中的关节遮挡问题,关节开合度比对结果可以反映开合动作是否到位,因此通过他们中的一个或多个可以显著提高评估结果的准确性,从而提高用户的练习效率和练习效果。
本发明实施例所提供的运动评估装置可执行本发明任意实施例所提供的运动评估方法,具备执行方法相应的功能模块和有益效果。
实施例三
图7为本发明实施例提供的运动评估系统的结构示意图,如图7所示,该设备包括处理器201、存储器202、输入装置203以及输出装置204;设备中处理器201的数量可以是一个或多个,图7中以一个处理器201为例;设备中的处理器201、存储器202、输入装置203以及输出装置204可以通过总线或其他方式连接,图7中以通过总线连接为例。
存储器202作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的运动评估方法对应的程序指令/模块(例如,获取单元21和评估单元22)。处理器201通过运行存储在存储器202中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的运动评估方法。
存储器202可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器202可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器202可进一步包括相对于处理器201远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置203可用于接收输入的数字、字符信息或手势信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。
输出装置204可包括显示屏等显示设备,例如,用户终端的显示屏,用于实时显示标准骨骼数据、运动骨骼数据以及用户的运动评估报告。
体感传感器组,包括一个或多个体感传感器12,比如Kinect,参见图2。在体感传感器组包括多个体感传感器时,体感传感器均匀设置于用户活动区域的四周,用于获取目标对象训练时的运动视频和运动骨骼数据。
实施例四
本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种运动评估方法,该方法包括:
获取目标对象当前帧的运动骨骼数据,以及与该当前帧的运动骨骼数据对应的目标帧的标准骨骼数据;
完成所述当前帧的运动骨骼数据与所述目标帧的标准骨骼数据之间的关节向量比对、关节间距离比对和关节开合度比对中的至少一个比对,以确定并输出评估结果。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的运动评估方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(RandomAccess Memory,简称RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的运动评估方法。
值得注意的是,上述运动评估装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种运动评估方法,其特征在于,包括:
获取目标对象当前帧的运动骨骼数据,以及与该当前帧的运动骨骼数据对应的目标帧的标准骨骼数据;
完成所述当前帧的运动骨骼数据与所述目标帧的标准骨骼数据之间的关节向量比对、关节间距离比对和关节开合度比对,以确定并输出评估结果;
所述关节间距离比对方法包括:
确定所述当前帧的运动骨骼数据的第一距离与第二距离的比值,以作为第一比值,其中,所述第一距离为设定手部到地面的距离,所述第二距离为脊柱基底关节点到肩膀的距离;
确定所述目标帧的标准骨骼数据的第一距离与第二距离的比值,以作为第二比值;
计算所述第一比值与所述第二比值的差值,并根据该差值与对应比值阈值的大小关系,确定关节间距离比对结果。
2.根据权利要求1所述的方法,其特征在于,所述获取目标对象当前帧的运动骨骼数据,以及与该当前帧的运动骨骼数据对应的目标帧的标准骨骼数据,包括:
获取目标对象当前帧的运动骨骼数据,以及该运动骨骼数据对应的标准骨骼数据集;
通过时间规整算法对当前帧的运动骨骼数据和所述标准骨骼数据集进行匹配处理,以确定与所述当前帧的运动骨骼数据相匹配的目标帧的标准骨骼数据,所述标准骨骼数据集包括所述目标帧的标准骨骼数据。
3.根据权利要求2所述的方法,其特征在于,关节向量比对方法包括:
确定每个关节向量在所述当前帧的运动骨骼数据与在所述目标帧的标准骨骼数据中的角度偏差;
计算该当前帧的运动骨骼数据中的所有关节向量的角度偏差之和,以得到总偏差;
计算所述总偏差与预设最大偏差和值的偏差比值,并根据该偏差比值确定关节向量比对结果;
其中,所述预设最大总偏差为:该当前帧的运动骨骼数据中的每个关节向量可对应的最大角度偏差的和值。
4.根据权利要求3所述的方法,其特征在于,所述计算该当前帧的运动骨骼数据中的所有关节向量的角度偏差之和,以得到总偏差,包括:
计算该当前帧的运动骨骼数据中的每个关节向量对应的角度偏差与对应权重的乘积,以更新每个关节向量的角度偏差;
将该当前帧的运动骨骼数据中的所有关节向量更新后的角度偏差之和,作为总偏差。
5.根据权利要求2所述的方法,其特征在于,关节开合度比对方法包括:
确定目标关节在所述当前帧的运动骨骼数据中的打开角度,与在所述目标帧的标准骨骼数据中的打开角度的比值,以作为目标关节的关节开合度比对结果。
6.根据权利要求3所述的方法,其特征在于,计算每个目标关节的角度偏差与对应权重的乘积,以更新每个目标关节的角度偏差之前,还包括:
根据用户设置的训练需求确定当前帧的运动骨骼数据的各关节向量的角度偏差的权重;
其中,所述训练需求为训练部位或难度等级。
7.一种运动评估装置,其特征在于,包括:
获取单元,用于获取目标对象当前帧的运动骨骼数据,以及与该当前帧的运动骨骼数据对应的目标帧的标准骨骼数据;
评估单元,用于完成所述当前帧的运动骨骼数据与所述目标帧的标准骨骼数据之间的关节向量比对、关节间距离比对和关节开合度比对,以确定并输出评估结果;
评估单元,还用于:
确定当前帧的运动骨骼数据的第一距离与第二距离的比值,以作为第一比值,其中,第一距离为设定手部到地面的距离,第二距离为脊柱基底关节点到肩膀的距离;
确定目标帧的标准骨骼数据的第一距离与第二距离的比值,以作为第二比值;
计算第一比值与第二比值的差值,并根据该差值与对应比值阈值的大小关系,确定关节间距离比对结果。
8.一种运动评估系统,其特征在于,该系统包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的运动评估方法。
9.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的运动评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011173483.7A CN112288766B (zh) | 2020-10-28 | 2020-10-28 | 运动评估方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011173483.7A CN112288766B (zh) | 2020-10-28 | 2020-10-28 | 运动评估方法、装置、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112288766A CN112288766A (zh) | 2021-01-29 |
CN112288766B true CN112288766B (zh) | 2024-05-28 |
Family
ID=74372417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011173483.7A Active CN112288766B (zh) | 2020-10-28 | 2020-10-28 | 运动评估方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288766B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113283384A (zh) * | 2021-06-17 | 2021-08-20 | 贝塔智能科技(北京)有限公司 | 一种基于肢体识别技术的太极互动系统 |
CN113591726B (zh) * | 2021-08-03 | 2023-07-14 | 电子科技大学 | 一种太极拳训练动作的交叉模态评估方法 |
CN114140722A (zh) * | 2021-12-01 | 2022-03-04 | 中科海微(北京)科技有限公司 | 引体向上运动的评估方法、装置、服务器及存储介质 |
CN116434345A (zh) * | 2023-05-09 | 2023-07-14 | 北京维艾狄尔信息科技有限公司 | 基于体感的太极运动匹配方法、系统、终端及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101241601A (zh) * | 2008-02-19 | 2008-08-13 | 深圳先进技术研究院 | 一种图形处理的关节中心参数估计方法 |
CN101840587A (zh) * | 2009-03-17 | 2010-09-22 | 三星电子株式会社 | 利用运动数据和图像数据生成骨架模型的设备和方法 |
CN102184549A (zh) * | 2011-04-29 | 2011-09-14 | 韩铮 | 一种运动参数确定方法、装置和运动辅助设备 |
WO2012046392A1 (ja) * | 2010-10-08 | 2012-04-12 | パナソニック株式会社 | 姿勢推定装置及び姿勢推定方法 |
CN104394386A (zh) * | 2014-12-11 | 2015-03-04 | 盐城工学院 | 一种多视序列图像膝关节运动规范性评价系统及方法 |
CN104598867A (zh) * | 2013-10-30 | 2015-05-06 | 中国艺术科技研究所 | 一种人体动作自动评估方法及舞蹈评分系统 |
KR20160133240A (ko) * | 2015-05-12 | 2016-11-22 | 사단법인 캠틱종합기술원 | 영상을 이용한 자세 및 동작 분석 시스템 |
CN106295544A (zh) * | 2016-08-04 | 2017-01-04 | 山东师范大学 | 一种基于Kinect的视角不变性步态识别方法 |
WO2019082376A1 (ja) * | 2017-10-27 | 2019-05-02 | 株式会社アシックス | 動作状態評価システム、動作状態評価装置、動作状態評価サーバ、動作状態評価方法、および動作状態評価プログラム |
CN109863535A (zh) * | 2016-10-11 | 2019-06-07 | 富士通株式会社 | 运动识别装置、运动识别程序以及运动识别方法 |
CN110941990A (zh) * | 2019-10-22 | 2020-03-31 | 泰康保险集团股份有限公司 | 基于骨骼关键点进行人体动作评估的方法和装置 |
CN111240485A (zh) * | 2020-01-14 | 2020-06-05 | 浙江大学宁波理工学院 | 基于Kinect骨骼信息的篮球裁判手势识别的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160096473A (ko) * | 2015-02-05 | 2016-08-16 | 한국전자통신연구원 | 동작 평가 시스템 및 방법 |
-
2020
- 2020-10-28 CN CN202011173483.7A patent/CN112288766B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101241601A (zh) * | 2008-02-19 | 2008-08-13 | 深圳先进技术研究院 | 一种图形处理的关节中心参数估计方法 |
CN101840587A (zh) * | 2009-03-17 | 2010-09-22 | 三星电子株式会社 | 利用运动数据和图像数据生成骨架模型的设备和方法 |
WO2012046392A1 (ja) * | 2010-10-08 | 2012-04-12 | パナソニック株式会社 | 姿勢推定装置及び姿勢推定方法 |
CN102184549A (zh) * | 2011-04-29 | 2011-09-14 | 韩铮 | 一种运动参数确定方法、装置和运动辅助设备 |
CN104598867A (zh) * | 2013-10-30 | 2015-05-06 | 中国艺术科技研究所 | 一种人体动作自动评估方法及舞蹈评分系统 |
CN104394386A (zh) * | 2014-12-11 | 2015-03-04 | 盐城工学院 | 一种多视序列图像膝关节运动规范性评价系统及方法 |
KR20160133240A (ko) * | 2015-05-12 | 2016-11-22 | 사단법인 캠틱종합기술원 | 영상을 이용한 자세 및 동작 분석 시스템 |
CN106295544A (zh) * | 2016-08-04 | 2017-01-04 | 山东师范大学 | 一种基于Kinect的视角不变性步态识别方法 |
CN109863535A (zh) * | 2016-10-11 | 2019-06-07 | 富士通株式会社 | 运动识别装置、运动识别程序以及运动识别方法 |
WO2019082376A1 (ja) * | 2017-10-27 | 2019-05-02 | 株式会社アシックス | 動作状態評価システム、動作状態評価装置、動作状態評価サーバ、動作状態評価方法、および動作状態評価プログラム |
CN110941990A (zh) * | 2019-10-22 | 2020-03-31 | 泰康保险集团股份有限公司 | 基于骨骼关键点进行人体动作评估的方法和装置 |
CN111240485A (zh) * | 2020-01-14 | 2020-06-05 | 浙江大学宁波理工学院 | 基于Kinect骨骼信息的篮球裁判手势识别的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112288766A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112288766B (zh) | 运动评估方法、装置、系统及存储介质 | |
CN109191588B (zh) | 运动教学方法、装置、存储介质及电子设备 | |
US11069144B2 (en) | Systems and methods for augmented reality body movement guidance and measurement | |
US11763603B2 (en) | Physical activity quantification and monitoring | |
Velloso et al. | Qualitative activity recognition of weight lifting exercises | |
KR102377561B1 (ko) | 미러 디스플레이를 이용하여 태권도 동작 코칭 서비스를 제공하는 장치 및 방법 | |
CN103100193A (zh) | 图像处理装置、图像处理方法和程序 | |
US11547324B2 (en) | System and method for human motion detection and tracking | |
US11403882B2 (en) | Scoring metric for physical activity performance and tracking | |
KR20220106448A (ko) | 맞춤형 운동처방을 위한 인공지능 동작인식 평가 및 근전도 측정 시스템 | |
CN114022512A (zh) | 运动辅助方法、装置及介质 | |
JP2005111178A (ja) | 動作トレーニング表示システム | |
CN112309540B (zh) | 运动评估方法、装置、系统及存储介质 | |
US20140073383A1 (en) | Method and system for motion comparison | |
CN113842622B (zh) | 一种运动教学方法、装置、系统、电子设备及存储介质 | |
CN110458076A (zh) | 一种基于计算机视觉的教学方法及系统 | |
EP4053793A1 (en) | System and method for human motion detection and tracking | |
JP7482471B2 (ja) | 学習モデルの生成方法 | |
WO2016135560A2 (en) | Range of motion capture | |
CN111260678A (zh) | 体操辅助学习的方法、装置、存储介质和终端设备 | |
JP7281138B2 (ja) | スイング解析装置 | |
US20240033570A1 (en) | Exercise assisting apparatus displaying difference from exemplary motions | |
US20250037297A1 (en) | Combining data channels to determine camera pose | |
WO2024159402A1 (en) | An activity tracking apparatus and system | |
JP7283692B2 (ja) | スイング解析装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |