CN113569688A - 基于肢体识别技术的体适能测试方法、装置及存储介质 - Google Patents
基于肢体识别技术的体适能测试方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113569688A CN113569688A CN202110823470.8A CN202110823470A CN113569688A CN 113569688 A CN113569688 A CN 113569688A CN 202110823470 A CN202110823470 A CN 202110823470A CN 113569688 A CN113569688 A CN 113569688A
- Authority
- CN
- China
- Prior art keywords
- user
- fitness
- information
- action
- video stream
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 82
- 238000005516 engineering process Methods 0.000 title claims abstract description 72
- 230000009916 joint effect Effects 0.000 claims abstract description 44
- 238000010998 test method Methods 0.000 claims abstract description 30
- 230000033001 locomotion Effects 0.000 claims description 73
- 230000009471 action Effects 0.000 claims description 65
- 238000000034 method Methods 0.000 claims description 27
- 230000004807 localization Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims 1
- 210000003414 extremity Anatomy 0.000 description 64
- 238000010586 diagram Methods 0.000 description 11
- 210000002683 foot Anatomy 0.000 description 11
- 210000003127 knee Anatomy 0.000 description 7
- 230000002612 cardiopulmonary effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 210000003205 muscle Anatomy 0.000 description 5
- 210000001624 hip Anatomy 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000013136 deep learning model Methods 0.000 description 3
- 210000004394 hip joint Anatomy 0.000 description 3
- 210000001503 joint Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 210000003423 ankle Anatomy 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 210000000629 knee joint Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000002832 shoulder Anatomy 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000700605 Viruses Species 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010971 suitability test Methods 0.000 description 1
- 210000003857 wrist joint Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种基于肢体识别技术的体适能测试方法、装置及存储介质，通过采集包括用户体适能动作图像的视频流，利用肢体识别技术从所述视频流中识别用户的关节动作信息，根据所述关节动作信息确定用户体适能信息，并输出包含所述用户体适能信息的用户体适能报告。本发明技术方案采用技术手段，具体是针对图像的肢体识别技术，能够自动化识别用户的关节动作信息，该关节动作信息反映用户体适能信息，从而实现自动化及智能化的用户体适能测试。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于肢体识别技术的体适能测试方法、装置、电子设备及存储介质。
背景技术
在健身房、家庭等场景中，为了衡量用户的健康状况和锻炼效果，需要定期对用户的体适能进行测量，传统体适能测试采用人工手段，效率较低。
因此，业界希望能够提供一种智能化的体适能测试方案。
发明内容
本发明提供一种基于肢体识别技术的体适能测试方法、装置、电子设备及存储介质，用以解决现有技术中采用人工手段的体适能测试方案效率低下的缺陷，实现更加智能化的体适能测试方案。
本发明提供一种基于肢体识别技术的体适能测试方法，包括：
采集包括用户体适能动作图像的视频流；
利用肢体识别技术从所述视频流中识别用户的关节动作信息；
根据所述关节动作信息确定用户体适能信息，并输出包含所述用户体适能信息的用户体适能报告。
根据本发明提供的一种基于肢体识别技术的体适能测试方法，利用肢体识别技术从所述视频流中识别用户的关节动作信息，包括：
利用所述肢体识别技术从所述视频流中识别用户的关节点位置并对所述关节点位置进行标记；
根据标记信息跟踪关节点的位置变化，将所述关节点的位置变化作为所述关节动作信息。
根据本发明提供的一种基于肢体识别技术的体适能测试方法，根据所述关节动作信息确定用户体适能信息，包括：
根据所述关节动作信息和关节动作标准信息的比较数据确定所述用户体适能信息。
根据本发明提供的一种基于肢体识别技术的体适能测试方法，还包括：
从所述视频流中识别对应于所述用户体适能动作图像设置为背景的动作定位图像，所述动作定位图像表征所述关节动作标准信息。
根据本发明提供的一种基于肢体识别技术的体适能测试方法，在从所述视频流中识别对应于所述用户体适能动作图像设置为背景的动作定位图像之前，还包括：
在所述视频流中对应所述用户动作图像的位置嵌入所述动作定位图像。
根据本发明提供的一种基于肢体识别技术的体适能测试方法，在所述视频流中对应所述用户动作图像的位置嵌入所述动作定位图像之前，还包括：
从数据库获取所述用户体适能动作图像中的用户体适能动作类型对应的所述动作定位图像。
根据本发明提供的一种基于肢体识别技术的体适能测试方法，还包括：
采集在辅助定位装置所标记的体适能动作位置图像，不同体适能动作对应的体适能动作位置不同；
在所述体适能动作位置图像中识别到用户展示对应的体适能动作的起始姿态时，提示用户执行所述体适能动作。
本发明还提供一种基于肢体识别技术的体适能测试装置，包括：
采集模块，采集包括用户体适能动作图像的视频流；
肢体识别模块，利用肢体识别技术从所述视频流中识别用户的关节动作信息；
体适能确定模块，根据所述关节动作信息确定用户体适能信息，并输出包含所述用户体适能信息的用户体适能报告。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于肢体识别技术的体适能测试方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于肢体识别技术的体适能测试方法的步骤。
本发明提供的基于肢体识别技术的体适能测试方法、装置、电子设备及存储介质，通过采集包括用户体适能动作图像的视频流，利用肢体识别技术从所述视频流中识别用户的关节动作信息，根据所述关节动作信息确定用户体适能信息，并输出包含所述用户体适能信息的用户体适能报告。本发明技术方案采用技术手段，具体是针对图像的肢体识别技术，能够自动化识别用户的关节动作信息，该关节动作信息反映用户体适能信息，从而实现自动化及智能化的用户体适能测试。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，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是本发明实施例提供的基于肢体识别技术的体适能测试方法的流程示意图之一；
图2是本发明实施例提供的基于肢体识别技术的体适能测试方法的流程示意图之二；
图3是本发明实施例提供的基于肢体识别技术的体适能测试方法的流程示意图之三；
图4是本发明实施例提供的基于肢体识别技术的体适能测试方法的流程示意图之四；
图5是本发明实施例提供的基于肢体识别技术的体适能测试方法的时序图；
图6是本发明实施例提供的三公尺折返走动作示意图；
图7是本发明实施例提供的基于肢体识别技术的体适能测试方法的流程示意图之五；
图8是本发明实施例提供的功能性伸展项目的动作示意图之一；
图9是本发明实施例提供的功能性伸展项目的动作示意图之二；
图10是本发明实施例提供的基于肢体识别技术的体适能测试方法的流程示意图之六；
图11是本发明实施例提供的五次坐站项目的动作示意图；
图12是本发明实施例提供的基于肢体识别技术的体适能测试方法的流程示意图之七；
图13是本发明实施例提供的开眼平衡项目的动作示意图之一；
图14是本发明实施例提供的开眼平衡项目的动作示意图之二；
图15是本发明实施例提供的基于肢体识别技术的体适能测试方法的流程示意图之八；
图16是本发明实施例提供的基于肢体识别技术的体适能测试方法的流程示意图之九；
图17是本发明实施例提供的基于肢体识别技术的体适能测试方法的流程示意图之十；
图18是本发明实施例提供的心肺适能项目的动作示意图；
图19是本发明实施例提供的基于肢体识别技术的体适能测试方法的流程示意图之十一；
图20是本发明实施例提供的基于肢体识别技术的体适能测试装置的结构示意图；
图21是本发明实施例提供的电子设备的结构示意图。
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，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，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作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。
下面结合图1-图19描述本发明的基于肢体识别技术的体适能测试方法。本方法的执行主体可以是体适能测试***，具体可以是终端或终端对应的服务器，在此不作具体限定。
参照图1，本发明实施例提供的基于肢体识别技术的体适能测试方法具体可以包括如下步骤：
步骤110：采集包括用户体适能动作图像的视频流；
步骤120：利用肢体识别技术从所述视频流中识别用户的关节动作信息；
步骤130：根据所述关节动作信息确定用户体适能信息，并输出包含所述用户体适能信息的用户体适能报告。
在本发明实施例中，体适能(英语：Physical Fitness)为身体适应外界环境之能力，可视为身体适应生活、运动与环境(例如，温度、气候变化或病毒等因素)的综合能力。体适能主要包括：运动体适能(速度、反应、爆发力、协调性和灵敏度等)，健康体适能(心血管耐力、体脂成分、肌肉力量及柔韧性等素质)。
因此,体适能动作可以是为了增强体适能而设计的动作，在此不作具体限定。
本发明实施例通过采集用户在进行体适能动作训练时的视频图像，来得到包含用户体适能动作图像的视频流，该视频流包括依时序传输的一系列体适能动作图像。
具体地，可以在配置视频采集终端采集视频流。
在本发明实施例中，关节是人体两块或两块以上的骨之间能活动的连接，用户的体适能动作是通过关节动作信息反映出来的。因此，通过肢体识别技术识别用户的关节动作信息，能够进一步确定用户的体适能动作。
在本发明实施例中，肢体识别技术具体可以是采用深度学习模型的肢体识别技术，该深度学习模型可以是利用动作样本数据训练神经网络模型得到的。
在可选实施例中，肢体识别技术也可以不采用深度学习模型，而通过对关节点进行关键点标记和识别来识别用户的关节动作学习。
在本发明实施例中，利用肢体识别技术从所述视频流中识别用户的关节动作信息，具体包括如下步骤：
利用所述肢体识别技术从所述视频流中识别用户的关节点位置并对所述关节点位置进行标记；
根据标记信息跟踪关节点的位置变化，将所述关节点的位置变化作为所述关节动作信息。
在实际应用中，可以通过识别和追踪用户的相应关节点的位置和多个关节点之间的相对位置变化来确定关节动作信息。
在本发明实施例中，对体适能动作的不同类型，活动关节点会有不同，因此可以根据体适能动作的类型所对应的关节点来识别对应的关节点位置，并进行标记。
具体地，根据体适能动作的类型获取动作定位图像，根据动作定位图像中所标记的关节点位置对所述用户体适能动作图像中的对应关节点进行标记。
在本发明实施例中，根据所述关节动作信息确定用户体适能信息，具体可以包括：
根据所述关节动作信息和关节动作标准信息的比较数据确定所述用户体适能信息。
在这种情况下，可以在实时体适能测试过程中完成对用户体适能动作的判断评估，这包括对动作是否执行到位，从而能够提升体适能测试的效率。
在将关节动作信息和关节动作标准信息进行比较时，具体可以是将关节动作信息和关节动作标准信息中的相同关节的动作信息进行同步比对，以确定两者的一致性或差异性。
在本发明可选实施例中，也可以不执行基于关节动作标准信息的比较。
参照图2所示，本发明可选实施例提供一种体适能测试方法，具体包括如下步骤：
步骤210，具体参考上文步骤110的内容，在此不再赘述；
步骤220：具体参考上文步骤120的内容，在此不再赘述；
步骤230：从视频流中识别对应于所述用户体适能动作图像设置为背景的动作定位图像，该动作定位图像表征关节动作标准信息；
步骤240：根据所述关节动作信息和关节动作标准信息的比较数据确定用户体适能信息，并输出包含所述用户体适能信息的用户体适能报告。
其中，步骤220和230之间的时序关系不受图2的限定。
在该实施例中，在视频流中融入动作定位图像以作为用户体适能动作的比较依据，能够增强对用户体适能判断的实时性和可靠性。
在本发明实施例中，该动作定位图像可以是实时地嵌入到视频流中的，具体地，在从所述视频流中识别对应于所述用户体适能动作图像设置为背景的动作定位图像之前，在所述视频流中对应所述用户动作图像的位置嵌入所述动作定位图像。
本实施例可以使用图像融合技术，将动作定位图像实时地嵌入到视频流中。
在这种情况下，可以在所述视频流中对应所述用户动作图像的位置嵌入所述动作定位图像之前，从数据库获取所述用户体适能动作图像中的用户体适能动作类型对应的所述动作定位图像。
在数据库中可以存储用户体适能动作类型与动作定位图像的对应关系，不同的用户体适能动作类型可以对应不同动作定位图像。
在本发明实施例中，还可以在背景中显示或播放动作定位图像，从而在采集用户体适能动作图像时，实时采集和识别动作定位图像。
参照图3所示，本发明可选实施例还提供一种包括如下步骤的体适能测试方法：
步骤310：采集包括用户体适能动作图像的视频流，根据所述视频流计算所述关节动作信息的持续时间信息；
步骤320，请参考上文步骤120，在此不再详述；
步骤330：根据所述关节动作信息和所述持续时间信息确定所述用户体适能信息。
对某些体适能测试来说，时间因素也是需要测试的关键参数，因此在识别关节动作信息时，还计算对应的持续时间信息。
在本发明实施例中，在体适能测试过程中，可以包含多组体适能动作，每完成一组体适能动作测试以得到用户体适能信息时，可以提示用户执行下一组体适能动作测试。
在这种情况下，参照图4所示，本发明实施例还提供一种体适能测试方法，具体包括如下步骤：
步骤410：采集包括第一组体适能动作图像的视频流；
步骤420，利用肢体识别技术从所述视频流中识别用户的第一组关节动作信息，具体请参考上文步骤420，在此不再详述；
步骤430：根据第一组关节动作信息确定第一组用户体适能信息，并输出包含第一组用户体适能信息的用户体适能报告；
步骤440，提示用户执行第二组体适能动作；
返回步骤410。
在这种情况下，可以实现体适能测试的动作连续性，确保测试不中断，提升体适能测试效率。
在本发明实施例中，可以通过语音提示或视频提示，提示用户执行第二组体适能动作。
另外，在采集包括用户体适能动作图像的视频流之前，还可以包括如下步骤：
采集在辅助定位装置所标记的体适能动作位置图像，不同体适能动作对应的体适能动作位置不同；
在所述体适能动作位置图像中识别到用户展示对应的体适能动作的起始姿态时，提示用户执行所述体适能动作。
在发出提示信息之后，采集包括用户体适能动作图像的视频流。
辅助定位装置不仅对用户起到指导作用，更能为自动识别体适能动作及自动化的体适能测试提供标记作用，增强本发明技术方案的可靠性。
另外,可以在辅助定位装置展示动作定位图像,这样***可以实时地将用户所展示的体适能动作与动作定位图像进行比对，从而判断用户体适能动作是否执行到位。在这种情况下，可以不用实时嵌入动作定位图像。
在本发明可选实施例中，本发明实施例还提供一种基于肢体识别技术的体适能测试***，参照图5所示，该***具体包括体适能测试终端5A和服务器5B，体适能测试终端5A和服务器5B之间能够建立通信连接，执行如下步骤：
步骤510：体适能测试终端5A采集包括用户体适能动作图像的视频流，利用肢体识别技术从所述视频流中识别用户的关节动作信息，根据所述关节动作信息确定用户体适能信息；
步骤520：体适能测试终端5A包含所述用户体适能信息的用户体适能报告发送给服务器5B。
下面结合体适能测试的具体体适能动作来描述本发明实施例提出的体适能测试方法。
本发明实施例的体适能测试具体包括：三公尺折返走、功能性伸展、五次坐站、开眼平衡、肌耐力、柔韧性和心肺适能。
参照图6，其中，三公尺折返走包括如下过程：
1、从起始位行走到折返点；
2、从折返点返回到起始位。
其中，在起始位和折返点分别布置相应标记，这样通过在视频流中识别该标记确定用户所在位置。
参照图7，对三公尺折返走的体适能测试方法包括如下步骤：
步骤710：识别到用户位于起始位呈站立动作，提示用户执行三公尺折返走；
步骤720：采集用户从起始位开始的折返走动作，并实时显示用户所在位置；
步骤730：在识别到用户抵达折返点的情况下，提示用户返回起始位；
步骤740：采集用户从折返点到起始位的折返走动作，并实时显示用户所在位置；
步骤750：当识别到用户抵达起始位，则提示用户测试结束，并计算并显示用户三公尺折返走的单项测试报告；
步骤760：将三公尺折返走的单项测试报告上传到服务器。
在本发明实施例中，对于功能性伸展项目包括如下动作：
如图8所示的站立状态，头、肩、髋、膝和脚等对应的关节呈竖直状态；
如图9所示伸展状态，用户的腕、肘关节前伸，髋关节呈弯曲状态，头、肩、髋、膝和脚等对应的关节不在一条竖直线上。
这样，参照图10，对功能性伸展项目的体适能测试方法包括如下步骤：
步骤1010：识别用户在辅助定位装置标记位置的站立状态，头、肩、髋、膝和脚等对应的关节呈竖直状态，提示用户测试开始；
步骤1020：识别用户的身体前倾动作，并实时显示用户手臂前伸的距离；
步骤1030：当识别到用户身体姿态回复到起始姿态，则提示本次测试结束，并提示重复下一次测试；
步骤1040：当多次测试结束，计算并显示功能性伸展项目的体适能测试报告，并将报告发送给服务器。
在本发明实施例中，五次坐站项目包括如下动作：
图11所示坐位，髋关节和膝关节大致水平；
上文图8所示站立位。
参照图12，对五次坐站项目的体适能测试方法包括如下步骤：
步骤1210：识别用户在辅助定位装置上标记的坐站位置呈坐姿，提示用户测试开始；
步骤1220：识别到用户从坐姿到站立位，提示用户坐下；
步骤1230：识别到用户从站立位到坐姿，提示一次测量完成；
返回步骤1210，直到五次测量结束，执行步骤1240：计算并显示五次坐站项目的单项测试报告，并上传到服务器。
在本发明实施例中，开眼平衡项目包括如下动作：
图13所示站立位；
图14所示单脚提起状态，其中一只脚提起，使得脚踝与膝盖之间距离缩短，同时膝盖与髋关节之间距离缩短。
参考图15，对开眼平衡项目的体适能测试方法包括如下步骤：
步骤1510：识别用户在辅助定位装置上标记开眼平衡的位置呈站立位，提示用户测试开始；
步骤1520：识别用户的脚踝与膝盖之间距离缩短且膝盖与髋关节之间距离缩短，则识别到用户提起一只脚，提示用户保持提脚状态；
步骤1530：当识别到用户回复到图13所示站立位，则提示一次测试结束；
返回步骤1520，直到三次测试结束，计算并显示开眼平衡项目的体适能测试报告，并上传到服务器。
在本发明实施例中，参考图16，对肌耐力项目的体适能测试方法包括如下步骤：
步骤1610：识别用户在辅助定位装置上标记肌耐力测试的位置呈图11所示坐姿，提示测试开始；
步骤1620：识别到用户从坐姿到站立位，提示用户坐下；
步骤1630：识别到用户从站立位到坐姿，提示一次测量完成；
返回步骤1620，直到达到预设时间后，执行步骤1640：计算用户起立和坐下的次数，并显示肌耐力项目的体适能测试报告，并上传到服务器。
在本发明实施例中，参考图17，对柔韧性项目的体适能测试方法包括如下步骤：
步骤1710：识别用户在辅助定位装置上标记柔韧性测试的位置呈坐姿，提示测试开始；
步骤1720：识别到用户手臂在地面上伸展，显示手臂伸展距离；
步骤1730：识别到用户身体姿态恢复到起始坐姿，提示一次测量结束；
返回步骤1720，直到达到预设次数，执行步骤1740：计算并显示对柔韧性项目的体适能测试报告，并上传到服务器。
在本发明实施例中，心肺适能项目的体适能测试包括如下动作：
图13所示站立位；
图14所示一只脚提起状态，膝关节带动脚踝关节发生位置变化；
图18所示另一只脚提脚状态。
参考图19，心肺适能项目的体适能测试方法包括如下步骤：
步骤1910：识别到用户在辅助定位装置标记的心肺适能测试的位置呈图13所示站立位，提示用户测试开始；
步骤1920：识别用户抬起一只脚，实时显示用户抬脚高度，在达到预设高度时，提示用户放下；
步骤1930：识别到用户抬起另一只脚，实时显示用户抬脚高度，在达到预设高度时，提示用户放下；
返回步骤1920至预设时间，执行步骤1940：计算并显示心肺适能项目的单项测试报告，并上传到服务器。
下面对本发明提供的基于肢体识别技术的体适能测试装置进行描述，下文描述的基于肢体识别技术的体适能测试装置与上文描述的基于肢体识别技术的体适能测试方法可相互对应参照。
参照图20所示，基于肢体识别技术的体适能测试装置包括：
采集模块2010，采集包括用户体适能动作图像的视频流；
肢体识别模块2020，利用肢体识别技术从所述视频流中识别用户的关节动作信息；
体适能确定模块2030，根据所述关节动作信息确定用户体适能信息，并输出包含所述用户体适能信息的用户体适能报告。
可选地，肢体识别模块2020具体用于：
利用所述肢体识别技术从所述视频流中识别用户的关节点位置并对所述关节点位置进行标记；
根据标记信息跟踪关节点的位置变化，将所述关节点的位置变化作为所述关节动作信息。
可选地，体适能确定模块2030具体用于：
根据所述关节动作信息和关节动作标准信息的比较数据确定所述用户体适能信息。
可选地，肢体识别模块2020具体还用于：
从所述视频流中识别对应于所述用户体适能动作图像设置为背景的动作定位图像，所述动作定位图像表征所述关节动作标准信息。
可选地，肢体识别模块2020具体还用于：
在从所述视频流中识别对应于所述用户体适能动作图像设置为背景的动作定位图像之前，在所述视频流中对应所述用户动作图像的位置嵌入所述动作定位图像。
可选地，肢体识别模块2020具体还用于：
在所述视频流中对应所述用户动作图像的位置嵌入所述动作定位图像之前，从数据库获取所述用户体适能动作图像中的用户体适能动作类型对应的所述动作定位图像。
可选地，肢体识别模块2020具体还用于：
根据所述视频流计算所述关节动作信息的持续时间信息；
体适能确定模块2030具体用于：
根据所述关节动作信息和所述持续时间信息确定所述用户体适能信息。
图21示例了一种电子设备的实体结构示意图，如图21所示，该电子设备可以包括：处理器(processor)2110、通信接口(Communications Interface)2120、存储器(memory)2130和通信总线2140，其中，处理器2110，通信接口2120，存储器2130通过通信总线2140完成相互间的通信。处理器2110可以调用存储器2130中的逻辑指令，以执行基于肢体识别技术的体适能测试方法，该方法包括：
采集包括用户体适能动作图像的视频流；
利用肢体识别技术从所述视频流中识别用户的关节动作信息；
根据所述关节动作信息确定用户体适能信息，并输出包含所述用户体适能信息的用户体适能报告。
此外，上述的存储器2130中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的基于肢体识别技术的体适能测试方法，该方法包括：
采集包括用户体适能动作图像的视频流；
利用肢体识别技术从所述视频流中识别用户的关节动作信息；
根据所述关节动作信息确定用户体适能信息，并输出包含所述用户体适能信息的用户体适能报告。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的基于肢体识别技术的体适能测试方法，该方法包括：
采集包括用户体适能动作图像的视频流；
利用肢体识别技术从所述视频流中识别用户的关节动作信息；
根据所述关节动作信息确定用户体适能信息，并输出包含所述用户体适能信息的用户体适能报告。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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ROM/RAM、磁碟、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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于肢体识别技术的体适能测试方法，其特征在于，包括：
采集包括用户体适能动作图像的视频流；
利用肢体识别技术从所述视频流中识别用户的关节动作信息；
根据所述关节动作信息确定用户体适能信息，并输出包含所述用户体适能信息的用户体适能报告。
2.根据权利要求1所述的基于肢体识别技术的体适能测试方法，其特征在于，利用肢体识别技术从所述视频流中识别用户的关节动作信息，包括：
利用所述肢体识别技术从所述视频流中识别用户的关节点位置并对所述关节点位置进行标记；
根据标记信息跟踪关节点的位置变化，将所述关节点的位置变化作为所述关节动作信息。
3.根据权利要求1所述的基于肢体识别技术的体适能测试方法，其特征在于，根据所述关节动作信息确定用户体适能信息，包括：
根据所述关节动作信息和关节动作标准信息的比较数据确定所述用户体适能信息。
4.根据权利要求3所述的基于肢体识别技术的体适能测试方法，其特征在于，还包括：
从所述视频流中识别对应于所述用户体适能动作图像设置为背景的动作定位图像，所述动作定位图像表征所述关节动作标准信息。
5.根据权利要求4所述的基于肢体识别技术的体适能测试方法，其特征在于，在从所述视频流中识别对应于所述用户体适能动作图像设置为背景的动作定位图像之前，还包括：
在所述视频流中对应所述用户动作图像的位置嵌入所述动作定位图像。
6.根据权利要求5所述的基于肢体识别技术的体适能测试方法，其特征在于，在所述视频流中对应所述用户动作图像的位置嵌入所述动作定位图像之前，还包括：
从数据库获取所述用户体适能动作图像中的用户体适能动作类型对应的所述动作定位图像。
7.根据权利要求1所述的基于肢体识别技术的体适能测试方法，其特征在于，在采集包括用户体适能动作图像的视频流之前，还包括：
采集在辅助定位装置所标记的体适能动作位置图像，不同体适能动作对应的体适能动作位置不同；
在所述体适能动作位置图像中识别到用户展示对应的体适能动作的起始姿态时，提示用户执行所述体适能动作。
8.一种基于肢体识别技术的体适能测试装置，其特征在于，包括：
采集模块，采集包括用户体适能动作图像的视频流；
肢体识别模块，利用肢体识别技术从所述视频流中识别用户的关节动作信息；
体适能确定模块，根据所述关节动作信息确定用户体适能信息，并输出包含所述用户体适能信息的用户体适能报告。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于肢体识别技术的体适能测试方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于肢体识别技术的体适能测试方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110823470.8A CN113569688A (zh) | 2021-07-21 | 2021-07-21 | 基于肢体识别技术的体适能测试方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110823470.8A CN113569688A (zh) | 2021-07-21 | 2021-07-21 | 基于肢体识别技术的体适能测试方法、装置及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113569688A true CN113569688A (zh) | 2021-10-29 |
Family
ID=78166003
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110823470.8A Pending CN113569688A (zh) | 2021-07-21 | 2021-07-21 | 基于肢体识别技术的体适能测试方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113569688A (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101420533A (zh) * | 2008-12-02 | 2009-04-29 | 上海电力学院 | 基于视频背景检测的嵌入式图像融合***及方法 |
| CN101526997A (zh) * | 2009-04-22 | 2009-09-09 | 无锡名鹰科技发展有限公司 | 嵌入式红外人脸图像识别方法及识别装置 |
| CN103106393A (zh) * | 2012-12-12 | 2013-05-15 | 袁培江 | 一种基于机器人平台的嵌入式人脸识别智能身份认证*** |
| KR20160046082A (ko) * | 2014-10-20 | 2016-04-28 | (주)한국인터넷소프트웨어 | 체력측정/운동처방 서비스 제공 시스템의 체력측정/운동처방 서비스 제공방법 |
| CN109344796A (zh) * | 2018-10-22 | 2019-02-15 | Oppo广东移动通信有限公司 | 信息处理方法和装置、电子设备、计算机可读存储介质 |
| CN110384503A (zh) * | 2019-06-17 | 2019-10-29 | 深圳市时代智汇科技有限公司 | 自动化体适能测试方法及其*** |
| CN110428486A (zh) * | 2018-04-28 | 2019-11-08 | 上海形趣信息科技有限公司 | 虚拟互动的健身方法、电子设备及存储介质 |
| CN209608763U (zh) * | 2019-04-10 | 2019-11-08 | 扬州大学 | 一种嵌入实时环境信息的网络摄像头 |
| CN111488824A (zh) * | 2020-04-09 | 2020-08-04 | 北京百度网讯科技有限公司 | 运动提示方法、装置、电子设备和存储介质 |
| CN112071426A (zh) * | 2020-09-09 | 2020-12-11 | 中金育能教育科技集团有限公司 | 功能性体适能测试方法、装置及设备 |
| CN112306220A (zh) * | 2019-07-31 | 2021-02-02 | 北京字节跳动网络技术有限公司 | 基于肢体识别的控制方法、装置、电子设备及存储介质 |
| CN112637551A (zh) * | 2020-11-18 | 2021-04-09 | 合肥市卓迩无人机科技服务有限责任公司 | 多路4k准实时拼接视频的全景数据管理软件*** |
| CN113117306A (zh) * | 2021-03-19 | 2021-07-16 | 江门职业技术学院 | 一种瑜伽辅助学习方法、***和存储介质 |
-
2021
- 2021-07-21 CN CN202110823470.8A patent/CN113569688A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101420533A (zh) * | 2008-12-02 | 2009-04-29 | 上海电力学院 | 基于视频背景检测的嵌入式图像融合***及方法 |
| CN101526997A (zh) * | 2009-04-22 | 2009-09-09 | 无锡名鹰科技发展有限公司 | 嵌入式红外人脸图像识别方法及识别装置 |
| CN103106393A (zh) * | 2012-12-12 | 2013-05-15 | 袁培江 | 一种基于机器人平台的嵌入式人脸识别智能身份认证*** |
| KR20160046082A (ko) * | 2014-10-20 | 2016-04-28 | (주)한국인터넷소프트웨어 | 체력측정/운동처방 서비스 제공 시스템의 체력측정/운동처방 서비스 제공방법 |
| CN110428486A (zh) * | 2018-04-28 | 2019-11-08 | 上海形趣信息科技有限公司 | 虚拟互动的健身方法、电子设备及存储介质 |
| CN109344796A (zh) * | 2018-10-22 | 2019-02-15 | Oppo广东移动通信有限公司 | 信息处理方法和装置、电子设备、计算机可读存储介质 |
| CN209608763U (zh) * | 2019-04-10 | 2019-11-08 | 扬州大学 | 一种嵌入实时环境信息的网络摄像头 |
| CN110384503A (zh) * | 2019-06-17 | 2019-10-29 | 深圳市时代智汇科技有限公司 | 自动化体适能测试方法及其*** |
| CN112306220A (zh) * | 2019-07-31 | 2021-02-02 | 北京字节跳动网络技术有限公司 | 基于肢体识别的控制方法、装置、电子设备及存储介质 |
| CN111488824A (zh) * | 2020-04-09 | 2020-08-04 | 北京百度网讯科技有限公司 | 运动提示方法、装置、电子设备和存储介质 |
| CN112071426A (zh) * | 2020-09-09 | 2020-12-11 | 中金育能教育科技集团有限公司 | 功能性体适能测试方法、装置及设备 |
| CN112637551A (zh) * | 2020-11-18 | 2021-04-09 | 合肥市卓迩无人机科技服务有限责任公司 | 多路4k准实时拼接视频的全景数据管理软件*** |
| CN113117306A (zh) * | 2021-03-19 | 2021-07-16 | 江门职业技术学院 | 一种瑜伽辅助学习方法、***和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111368810B (zh) | 基于人体及骨骼关键点识别的仰卧起坐检测***及方法 | |
| JP6703199B2 (ja) | 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 | |
| JP2020174910A (ja) | 運動支援システム | |
| EP3786971A1 (en) | Advancement manager in a handheld user device | |
| CN111883229A (zh) | 一种基于视觉ai的智能运动指导方法及*** | |
| CN113128336A (zh) | 一种引体向上测试计数方法、装置、设备和介质 | |
| CN113191200A (zh) | 一种俯卧撑测试计数方法、装置、设备和介质 | |
| CN113255622B (zh) | 一种智能识别仰卧起坐动作姿态完成状况的***和方法 | |
| CN113255623B (zh) | 一种智能识别俯卧撑动作姿态完成状况的***和方法 | |
| CN113262459B (zh) | 应用于运动健身镜的动作标准性的判定方法，装置和介质 | |
| JP7248137B2 (ja) | 評価方法、評価プログラムおよび情報処理装置 | |
| CN117115922A (zh) | 坐位体前屈评测方法、***、电子设备和存储介质 | |
| CN113569688A (zh) | 基于肢体识别技术的体适能测试方法、装置及存储介质 | |
| CN115068919B (zh) | 一种单杠项目的考核方法及其实现装置 | |
| CN113255624B (zh) | 一种智能识别引体向上动作姿态完成状况的***和方法 | |
| CN116271757A (zh) | 一种基于ai技术的篮球练习的辅助***和方法 | |
| CN115761873A (zh) | 手势和姿态综合视觉识别的肩部康复运动时长评估方法 | |
| CN115116125A (zh) | 一种俯卧撑的考核方法及其实现装置 | |
| CN114092863A (zh) | 一种用于多视角视频图像的人体动作评估方法 | |
| CN115050091A (zh) | 基于ai识别的运动测量方法及运动测量装置 | |
| KR20230005693A (ko) | 태그를 사용한 운동관리 헬스케어 서비스 시스템 | |
| CN117877105A (zh) | 仰卧起坐测评***以及方法 | |
| CN114224330B (zh) | 老年人活力指数确定方法、装置、电子设备及存储介质 | |
| CN113569743B (zh) | 基于肢体识别技术的健身评估方法及*** | |
| Balbin et al. | Golf Driving Posture Analysis Using Joint Comparison via Kinect V2 Sensor |
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 |