CN113599776A - 一种实时俯卧撑计数、标准判断方法及*** - Google Patents

一种实时俯卧撑计数、标准判断方法及*** Download PDF

Info

Publication number
CN113599776A
CN113599776A CN202110895706.9A CN202110895706A CN113599776A CN 113599776 A CN113599776 A CN 113599776A CN 202110895706 A CN202110895706 A CN 202110895706A CN 113599776 A CN113599776 A CN 113599776A
Authority
CN
China
Prior art keywords
point
push
real
human body
reference side
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
Application number
CN202110895706.9A
Other languages
English (en)
Inventor
王崇文
王铎
王子和
郑治伟
宋荣昌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202110895706.9A priority Critical patent/CN113599776A/zh
Publication of CN113599776A publication Critical patent/CN113599776A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B23/00—Exercising apparatus specially adapted for particular parts of the body
    • A63B23/035—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously
    • A63B23/12—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously for upper limbs or related muscles, e.g. chest, upper back or shoulder muscles
    • A63B23/1209—Involving a bending of elbow and shoulder joints simultaneously
    • A63B23/1236—Push-ups in horizontal position, i.e. eccentric movement
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0605—Decision makers and devices using detection means facilitating arbitration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种实时俯卧撑计数、标准判断方法及***。该方法包括：获取实时的俯卧撑图像；利用训练好的人体关键点检测模型对实时的俯卧撑图像进行检测，确定实时的人体关键点结果；根据所述实时的人体关键点结果确定基准侧；所述基准侧为距离摄像设备近的一侧；根据基准侧的关键点结果进行俯卧撑的计数以及俯卧撑的标准判断。本发明能够实时对俯卧撑动作进行计数以及标准判断。

Description

一种实时俯卧撑计数、标准判断方法及***
技术领域
本发明涉及计算机视觉技术领域，特别是涉及一种实时俯卧撑计数、标准判断方法及***。
背景技术
俯卧撑是一种非常常见的锻炼活动，因其对上肢、腰部及腹部肌肉锻炼效果明显，且不受场地和器械的影响，故成为日常锻炼和体能训练的基本锻炼活动之一。而锻炼活动的计数以及判断动作是否标准也是锻炼中很重要的一部分，人们可以通过计数明确自己的运动量，设定目标；同样的，判断动作是否标准也是锻炼中重要的一环，锻炼动作不标准不仅达不到应有的效果，还有可能对身体造成损害。
现行的俯卧撑计数方法大多依赖于硬件，如专利CN201720172561.9公布了一种俯卧撑动作判断及自动计数装置，该装置设置了一个发射端和一个接收端，通过发射端与接收端之间的光束是否被接收来判断动作是否标准。这样的方法缺陷在于较为依赖硬件，限制了进行俯卧撑锻炼的场地，带来了额外的成本。
申请号CN202011606081.1，发明名称为一种基于人体骨骼点检测的俯卧撑计数方法，公开了一种通过检测人体骨骼点的方法对俯卧撑进行计数的方法，将深度学习技术引入俯卧撑计数的方法中，提高了计数的准确率；其局限在于没有判断动作是否标准，用户只能做完俯卧撑之后关注次数，而无法对于训练效果有一个准确的估计。
因此，针对上述问题，亟需提供一种能同时进行计数和标准判断的方法或***。
发明内容
本发明的目的是提供一种实时俯卧撑计数、标准判断方法及***，能够实时对俯卧撑动作进行计数以及标准判断。
为实现上述目的，本发明提供了如下方案：
一种实时俯卧撑计数、标准判断方法，包括：
获取实时的俯卧撑图像；
利用训练好的人体关键点检测模型对实时的俯卧撑图像进行检测，确定实时的人体关键点结果；所述实时的人体关键点结果包括：每个关键点的水平轴坐标、垂直轴坐标以及检测置信度；所述训练好的人体关键点检测模型用于识别俯卧撑的关键点的位置；俯卧撑的关键点包括：鼻子、左耳、左眼、右眼、右耳、脖子、右肩、右肘、右手腕、左肩、左肘、左手腕、右臀、右膝、右脚踝、左臀、左膝以及左脚踝；
根据所述实时的人体关键点结果确定基准侧；所述基准侧为距离摄像设备近的一侧；
根据基准侧的关键点结果进行俯卧撑的计数以及俯卧撑的标准判断。
可选地，所述利用训练好的人体关键点检测模型对实时的俯卧撑图像进行检测，确定实时的人体关键点结果，之前还包括：
获取人体关键点检测模型以及标注好人体关键点的俯卧撑图像；
利用标注好人体关键点的俯卧撑图像对所述人体关键点检测模型进行训练，确定训练好的人体关键点检测模型。
可选地，所述根据所述实时的人体关键点结果确定基准侧，具体包括：
将所述实时的人体关键点结果分为左侧人体关键点结果和右侧人体关键点结果；
根据左侧人体关键点结果中检测置信度与右侧人体关键点结果中检测置信度之和确定基准侧。
可选地，所述根据基准侧的关键点结果进行俯卧撑的计数以及俯卧撑的标准判断，具体包括：
根据基准侧肩点和基准侧肘点的连线与水平面的夹角的变化进行俯卧撑的计数；
根据基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角判断俯卧撑是否标准。
可选地，所述根据基准侧肩点和基准侧肘点的连线与水平面的夹角的变化进行俯卧撑的计数，具体包括：
以手臂直立状态作为初始状态；
当基准侧肩点和基准侧肘点的连线与水平面的夹角小于45度时，判断人体已经完成下降，将状态改为下降状态；
当基准侧肩点和基准侧肘点的连线与水平面的夹角再次大于90度时，判断人体回到初始状态，同时俯卧撑次数加一。
可选地，所述根据基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角判断俯卧撑是否标准，具体包括：
当基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角在设定范围内时，判断当前俯卧撑标准；所述设定范围为170度-190度；
当基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角不在设定范围内时，判断当前俯卧撑不标准，并进行通知。
一种实时俯卧撑计数、标准判断***，包括：
俯卧撑图像获取模块，用于获取实时的俯卧撑图像；
实时的人体关键点结果确定模块，用于利用训练好的人体关键点检测模型对实时的俯卧撑图像进行检测，确定实时的人体关键点结果；所述实时的人体关键点结果包括：每个关键点的水平轴坐标、垂直轴坐标以及检测置信度；所述训练好的人体关键点检测模型用于识别俯卧撑的关键点的位置；俯卧撑的关键点包括：鼻子、左耳、左眼、右眼、右耳、脖子、右肩、右肘、右手腕、左肩、左肘、左手腕、右臀、右膝、右脚踝、左臀、左膝以及左脚踝；
基准侧确定模块，用于根据所述实时的人体关键点结果确定基准侧；所述基准侧为距离摄像设备近的一侧；
检测模块，用于根据基准侧的关键点结果进行俯卧撑的计数以及俯卧撑的标准判断。
可选地，所述检测模块具体包括：
计数单元，用于根据基准侧肩点和基准侧肘点的连线与水平面的夹角的变化进行俯卧撑的计数；
标准判断单元，用于根据基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角判断俯卧撑是否标准。
可选地，所述计数单元具体包括：
初始状态确定子单元，用于以手臂直立状态作为初始状态；
第一判断子单元，用于当基准侧肩点和基准侧肘点的连线与水平面的夹角小于45度时，判断人体已经完成下降，将状态改为下降状态；
第二判断子单元，用于当基准侧肩点和基准侧肘点的连线与水平面的夹角再次大于90度时，判断人体回到初始状态，同时俯卧撑次数加一。
可选地，所述标准判断单元具体包括：
第三判断子单元，用于当基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角在设定范围内时，判断当前俯卧撑标准；所述设定范围为170度-190度；
第四判断子单元，用于当基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角不在设定范围内时，判断当前俯卧撑不标准，并进行通知。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明所提供的一种实时俯卧撑计数、标准判断方法及***，利用训练好的人体关键点检测模型对实时的俯卧撑图像进行检测，确定实时的人体关键点结果，根据所述实时的人体关键点结果确定基准侧，进而根据基准侧的关键点结果进行俯卧撑的计数以及俯卧撑的标准判断。减少对于人工标注数据的依赖，大大减少模型训练成本。本发明能够实时对俯卧撑动作进行计数以及标准判断。进而实时地给锻炼者反馈，方便锻炼者调整姿势、达成目标、判断锻炼效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种实时俯卧撑计数、标准判断方法流程示意图；
图2为人体关键点检测结果图；
图3为手臂直立状态的检测结果图；
图4为手臂弯曲状态的检测结果图；
图5为多阶段特征融合结构的单阶段结构示意图；
图6为多阶段特征融合结构的不同阶段的融合过程示意图；
图7为本发明所提供的一种实时俯卧撑计数、标准判断***结构示意图。
具体实施方式
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。
本发明的目的是提供一种实时俯卧撑计数、标准判断方法及***，能够实时对俯卧撑动作进行计数以及标准判断。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的一种实时俯卧撑计数、标准判断方法流程示意图，如图1所示，本发明所提供的一种实时俯卧撑计数、标准判断方法，包括：
S101，获取实时的俯卧撑图像；
S102，利用训练好的人体关键点检测模型对实时的俯卧撑图像进行检测，确定实时的人体关键点结果；所述实时的人体关键点结果包括：每个关键点的水平轴坐标、垂直轴坐标以及检测置信度；所述训练好的人体关键点检测模型用于识别俯卧撑的关键点的位置；俯卧撑的关键点包括：鼻子、左耳、左眼、右眼、右耳、脖子、右肩、右肘、右手腕、左肩、左肘、左手腕、右臀、右膝、右脚踝、左臀、左膝以及左脚踝；
如图2所示，得到总共18个关键点的位置以及置信度信息，0号点为鼻子，1号点为左耳，2号点为左眼，3号点为右眼，4号点为右耳，5号点为脖子，6号点为右肩，7号点为右肘，8号点为右手腕，9号点为左肩，10号点为左肘，11号点为左手腕，12号点为右臀，13号点为右膝，14号点为右脚踝，15号点为左臀，16号点为左膝，17号点为左脚踝。
S102之前还包括：
获取人体关键点检测模型以及标注好人体关键点的俯卧撑图像；
利用标注好人体关键点的俯卧撑图像对所述人体关键点检测模型进行训练，确定训练好的人体关键点检测模型。即在标注好人体关键点的俯卧撑图像上进行迁移学习，获得针对俯卧撑动作的人体关键点检测模型。
其中人体关键点检测模型为多阶段多尺度特征融合的人体关键点检测模型。人体关键点检测模型包括特征提取结构、多阶段特征融合结构以及预测结构；
所述特征提取结构使用101层残差卷积网络作为主体结构，该网络主体由5层卷积网络组成，每层卷积网络由卷积层、正则化层、激活函数层、填充层和池化层组成。
作为一个具体的实施例，激活函数层选择ReLU激活函数。
作为一个具体的实施例，池化层选择最大池化。
作为一个具体的实施例，所述多阶段特征融合结构将原图像1/4尺寸、1/8尺寸、1/16尺寸、1/32尺寸的特征分阶段进行融合。其单个阶段的结构如图5所示，整体为U字形的结构，先对特征进行下采样，以扩大感受野，再进行上采样，以对不同层次的特征进行融合。多个阶段之间的特征融合如图6所示，多个阶段之间的特征以残差的思路进行融合，以提高整个结构的鲁棒性和整个结构对于不同尺度的人体关键点的检测能力，减少该***的使用限制。
人体关键点检测模型先利用COCO等大型数据集进行通用的训练，作为预训练模型进行微调。
固定所述预训练模型特征提取结构，利用标注好人体关键点的俯卧撑图像进行针对性优化，以提高模型对俯卧撑动作状态下人体关键点的检测精度。
S103，根据所述实时的人体关键点结果确定基准侧；所述基准侧为距离摄像设备近的一侧；
S103具体包括：
将所述实时的人体关键点结果分为左侧人体关键点结果和右侧人体关键点结果；其中，左侧人体关键点包括：左肩点、左肘点、左臀点以及左脚踝点；右侧人体关键点包括：右肩点、右肘点、右臀点以及右脚踝点；
根据左侧人体关键点结果中检测置信度与右侧人体关键点结果中检测置信度之和确定基准侧。
S104，根据基准侧的关键点结果进行俯卧撑的计数以及俯卧撑的标准判断。
S104具体包括：
根据基准侧肩点和基准侧肘点的连线与水平面的夹角的变化进行俯卧撑的计数；
根据基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角判断俯卧撑是否标准。
所述根据基准侧肩点和基准侧肘点的连线与水平面的夹角的变化进行俯卧撑的计数，具体包括：
如图3所示，以手臂直立状态作为初始状态；
如图4所示，当基准侧肩点和基准侧肘点的连线与水平面的夹角小于45度时，判断人体已经完成下降，将状态改为下降状态；
如图3所示，当基准侧肩点和基准侧肘点的连线与水平面的夹角再次大于90度时，判断人体回到初始状态，同时俯卧撑次数加一。
所述根据基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角判断俯卧撑是否标准，具体包括：
当基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角在设定范围内时，判断当前俯卧撑标准；所述设定范围为170度-190度；
当基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角不在设定范围内时，判断当前俯卧撑不标准，并进行通知。
图7为本发明所提供的一种实时俯卧撑计数、标准判断***结构示意图，如图7所示，本发明所提供的一种实时俯卧撑计数、标准判断***，包括：
俯卧撑图像获取模块701，用于获取实时的俯卧撑图像；
实时的人体关键点结果确定模块702，用于利用训练好的人体关键点检测模型对实时的俯卧撑图像进行检测，确定实时的人体关键点结果；所述实时的人体关键点结果包括：每个关键点的水平轴坐标、垂直轴坐标以及检测置信度；所述训练好的人体关键点检测模型用于识别俯卧撑的关键点的位置；俯卧撑的关键点包括：鼻子、左耳、左眼、右眼、右耳、脖子、右肩、右肘、右手腕、左肩、左肘、左手腕、右臀、右膝、右脚踝、左臀、左膝以及左脚踝；
基准侧确定模块703，用于根据所述实时的人体关键点结果确定基准侧；所述基准侧为距离摄像设备近的一侧；
检测模块704，用于根据基准侧的关键点结果进行俯卧撑的计数以及俯卧撑的标准判断。
所述检测模块704具体包括：
计数单元，用于根据基准侧肩点和基准侧肘点的连线与水平面的夹角的变化进行俯卧撑的计数；
标准判断单元，用于根据基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角判断俯卧撑是否标准。
所述计数单元具体包括：
初始状态确定子单元，用于以手臂直立状态作为初始状态；
第一判断子单元，用于当基准侧肩点和基准侧肘点的连线与水平面的夹角小于45度时，判断人体已经完成下降，将状态改为下降状态；
第二判断子单元，用于当基准侧肩点和基准侧肘点的连线与水平面的夹角再次大于90度时，判断人体回到初始状态，同时俯卧撑次数加一。
所述标准判断单元具体包括：
第三判断子单元，用于当基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角在设定范围内时，判断当前俯卧撑标准；所述设定范围为170度-190度；
第四判断子单元，用于当基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角不在设定范围内时，判断当前俯卧撑不标准，并进行通知。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种实时俯卧撑计数、标准判断方法，其特征在于，包括：
获取实时的俯卧撑图像；
利用训练好的人体关键点检测模型对实时的俯卧撑图像进行检测，确定实时的人体关键点结果；所述实时的人体关键点结果包括：每个关键点的水平轴坐标、垂直轴坐标以及检测置信度；所述训练好的人体关键点检测模型用于识别俯卧撑的关键点的位置；俯卧撑的关键点包括：鼻子、左耳、左眼、右眼、右耳、脖子、右肩、右肘、右手腕、左肩、左肘、左手腕、右臀、右膝、右脚踝、左臀、左膝以及左脚踝；
根据所述实时的人体关键点结果确定基准侧；所述基准侧为距离摄像设备近的一侧；
根据基准侧的关键点结果进行俯卧撑的计数以及俯卧撑的标准判断。
2.根据权利要求1所述的一种实时俯卧撑计数、标准判断方法，其特征在于，所述利用训练好的人体关键点检测模型对实时的俯卧撑图像进行检测，确定实时的人体关键点结果，之前还包括：
获取人体关键点检测模型以及标注好人体关键点的俯卧撑图像；
利用标注好人体关键点的俯卧撑图像对所述人体关键点检测模型进行训练，确定训练好的人体关键点检测模型。
3.根据权利要求1所述的一种实时俯卧撑计数、标准判断方法，其特征在于，所述根据所述实时的人体关键点结果确定基准侧，具体包括：
将所述实时的人体关键点结果分为左侧人体关键点结果和右侧人体关键点结果；
根据左侧人体关键点结果中检测置信度与右侧人体关键点结果中检测置信度之和确定基准侧。
4.根据权利要求1所述的一种实时俯卧撑计数、标准判断方法，其特征在于，所述根据基准侧的关键点结果进行俯卧撑的计数以及俯卧撑的标准判断，具体包括：
根据基准侧肩点和基准侧肘点的连线与水平面的夹角的变化进行俯卧撑的计数；
根据基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角判断俯卧撑是否标准。
5.根据权利要求4所述的一种实时俯卧撑计数、标准判断方法，其特征在于，所述根据基准侧肩点和基准侧肘点的连线与水平面的夹角的变化进行俯卧撑的计数，具体包括：
以手臂直立状态作为初始状态；
当基准侧肩点和基准侧肘点的连线与水平面的夹角小于45度时，判断人体已经完成下降，将状态改为下降状态；
当基准侧肩点和基准侧肘点的连线与水平面的夹角再次大于90度时，判断人体回到初始状态，同时俯卧撑次数加一。
6.根据权利要求4所述的一种实时俯卧撑计数、标准判断方法，其特征在于，所述根据基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角判断俯卧撑是否标准，具体包括：
当基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角在设定范围内时，判断当前俯卧撑标准；所述设定范围为170度-190度；
当基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角不在设定范围内时，判断当前俯卧撑不标准，并进行通知。
7.一种实时俯卧撑计数、标准判断***，其特征在于，包括：
俯卧撑图像获取模块，用于获取实时的俯卧撑图像；
实时的人体关键点结果确定模块，用于利用训练好的人体关键点检测模型对实时的俯卧撑图像进行检测，确定实时的人体关键点结果；所述实时的人体关键点结果包括：每个关键点的水平轴坐标、垂直轴坐标以及检测置信度；所述训练好的人体关键点检测模型用于识别俯卧撑的关键点的位置；俯卧撑的关键点包括：鼻子、左耳、左眼、右眼、右耳、脖子、右肩、右肘、右手腕、左肩、左肘、左手腕、右臀、右膝、右脚踝、左臀、左膝以及左脚踝；
基准侧确定模块，用于根据所述实时的人体关键点结果确定基准侧；所述基准侧为距离摄像设备近的一侧；
检测模块，用于根据基准侧的关键点结果进行俯卧撑的计数以及俯卧撑的标准判断。
8.根据权利要求7所述的一种实时俯卧撑计数、标准判断***，其特征在于，所述检测模块具体包括：
计数单元，用于根据基准侧肩点和基准侧肘点的连线与水平面的夹角的变化进行俯卧撑的计数；
标准判断单元，用于根据基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角判断俯卧撑是否标准。
9.根据权利要求8所述的一种实时俯卧撑计数、标准判断***，其特征在于，所述计数单元具体包括：
初始状态确定子单元，用于以手臂直立状态作为初始状态；
第一判断子单元，用于当基准侧肩点和基准侧肘点的连线与水平面的夹角小于45度时，判断人体已经完成下降，将状态改为下降状态；
第二判断子单元，用于当基准侧肩点和基准侧肘点的连线与水平面的夹角再次大于90度时，判断人体回到初始状态，同时俯卧撑次数加一。
10.根据权利要求8所述的一种实时俯卧撑计数、标准判断***，其特征在于，所述标准判断单元具体包括：
第三判断子单元，用于当基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角在设定范围内时，判断当前俯卧撑标准；所述设定范围为170度-190度；
第四判断子单元，用于当基准侧肩点、基准侧臀点以及基准侧脚踝点在基准侧臀点的夹角不在设定范围内时，判断当前俯卧撑不标准，并进行通知。
CN202110895706.9A 2021-08-05 2021-08-05 一种实时俯卧撑计数、标准判断方法及*** Pending CN113599776A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110895706.9A CN113599776A (zh) 2021-08-05 2021-08-05 一种实时俯卧撑计数、标准判断方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110895706.9A CN113599776A (zh) 2021-08-05 2021-08-05 一种实时俯卧撑计数、标准判断方法及***

Publications (1)

Publication Number Publication Date
CN113599776A true CN113599776A (zh) 2021-11-05

Family

ID=78307033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110895706.9A Pending CN113599776A (zh) 2021-08-05 2021-08-05 一种实时俯卧撑计数、标准判断方法及***

Country Status (1)

Country Link
CN (1) CN113599776A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118230427A (zh) * 2024-05-24 2024-06-21 浪潮软件科技有限公司 一种适用线上体育活动的仰卧起坐计数方法及***

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105999655A (zh) * 2016-05-09 2016-10-12 深圳泰山体育科技股份有限公司 俯卧撑测试的计数方法及***
CN106693345A (zh) * 2016-12-03 2017-05-24 浙江大学 俯卧撑标准计数管理***
CN106934830A (zh) * 2017-03-14 2017-07-07 北京林业大学 一种基于深度图像的非接触式体能测试***及测试方法
CN112037052A (zh) * 2020-11-04 2020-12-04 上海冰鉴信息科技有限公司 用户行为检测方法及装置
US20200394413A1 (en) * 2019-06-17 2020-12-17 The Regents of the University of California, Oakland, CA Athlete style recognition system and method
US20200398137A1 (en) * 2009-01-29 2020-12-24 Trackman A/S Systems and methods for illustrating the flight of a projectile
CN112464915A (zh) * 2020-12-30 2021-03-09 南京积图网络科技有限公司 一种基于人体骨骼点检测的俯卧撑计数方法
CN113177133A (zh) * 2021-04-23 2021-07-27 深圳依时货拉拉科技有限公司 一种图像检索方法、装置、设备及存储介质
CN113191230A (zh) * 2021-04-20 2021-07-30 内蒙古工业大学 一种基于步态时空特征分解的步态识别方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200398137A1 (en) * 2009-01-29 2020-12-24 Trackman A/S Systems and methods for illustrating the flight of a projectile
CN105999655A (zh) * 2016-05-09 2016-10-12 深圳泰山体育科技股份有限公司 俯卧撑测试的计数方法及***
CN106693345A (zh) * 2016-12-03 2017-05-24 浙江大学 俯卧撑标准计数管理***
CN106934830A (zh) * 2017-03-14 2017-07-07 北京林业大学 一种基于深度图像的非接触式体能测试***及测试方法
US20200394413A1 (en) * 2019-06-17 2020-12-17 The Regents of the University of California, Oakland, CA Athlete style recognition system and method
CN112037052A (zh) * 2020-11-04 2020-12-04 上海冰鉴信息科技有限公司 用户行为检测方法及装置
CN112464915A (zh) * 2020-12-30 2021-03-09 南京积图网络科技有限公司 一种基于人体骨骼点检测的俯卧撑计数方法
CN113191230A (zh) * 2021-04-20 2021-07-30 内蒙古工业大学 一种基于步态时空特征分解的步态识别方法
CN113177133A (zh) * 2021-04-23 2021-07-27 深圳依时货拉拉科技有限公司 一种图像检索方法、装置、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118230427A (zh) * 2024-05-24 2024-06-21 浪潮软件科技有限公司 一种适用线上体育活动的仰卧起坐计数方法及***

Similar Documents

Publication Publication Date Title
CN109815907B (zh) 一种基于计算机视觉技术的仰卧起坐姿态检测与指导方法
CN111275032B (zh) 基于人体关键点的深蹲检测方法、装置、设备及介质
CN112069933A (zh) 基于体态识别和人体生物力学的骨骼肌肉受力估计方法
CN108205654A (zh) 一种基于视频的动作检测方法及装置
AU2017201137B2 (en) Systems and methods for identifying body joint locations based on sensor data analysis
WO2017053700A1 (en) Motion recognition device and method
US20220284652A1 (en) System and method for matching a test frame sequence with a reference frame sequence
CN110472481A (zh) 一种睡姿检测方法、装置及设备
CN115227234B (zh) 一种基于摄像头的心肺复苏按压动作评估方法与***
US20210060385A1 (en) Advancement Manager In A Handheld User Device
CN110399822A (zh) 基于深度学习的举手动作识别方法、装置及存储介质
CN113599776A (zh) 一种实时俯卧撑计数、标准判断方法及***
CN112464915A (zh) 一种基于人体骨骼点检测的俯卧撑计数方法
CN110693500B (zh) 平衡能力的练习评估方法、装置、服务器和存储介质
CN113255623B (zh) 一种智能识别俯卧撑动作姿态完成状况的***和方法
CN113392743B (zh) 异常动作检测方法、装置、电子设备和计算机存储介质
CN111001144A (zh) 骑乘姿势分析***与方法
CN113469113A (zh) 动作计数方法、装置、电子设备和存储介质
CN115050091A (zh) 基于ai识别的运动测量方法及运动测量装置
CN115937969A (zh) 仰卧起坐考核中目标人物的确定方法、装置、设备及介质
CN113641856A (zh) 用于输出信息的方法和装置
Tsuda et al. Exercise Guidance Generation Based on Joint Vector Model Using Kinect Sensor
US20230206472A1 (en) Human body detection method and human body detection device, and computer readable storage medium
CN115565244A (zh) 一种基于机器视觉的卷体动作计数方法和计数***
CN116563946A (zh) 一种基于人工智能的学生体育运动训练测评***及方法

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