买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工业大学(威海)

摘要：本发明公开一种基于人体姿态识别的自重健身辅助教练系统、方法、终端，涉及健身训练信息处理技术领域。利用摄像头对健身者的动作进行捕捉和记录；在健身训练时，从运动帧序列中检测健身者的动作；通过提取健身动作的运动幅度，关节角度特征识别健身者的动作类别；对健身者动作类别的运动标准进行标注和数据处理。本发明辅助健身者训练，以此摆脱居家自重健身只依靠经验的状态，带给健身者方便专业的健身指导，规避不必要的锻炼损伤和提高健身效率。本发明服传统健身中通过基于肉眼观察的训练方法，实现基于人体运动特征的分析方法。该自重健身辅助教练系统的发明具有重要的科研价值和潜在的巨大商业价值。

主权项：1.一种基于人体姿态识别的自重健身辅助教练方法，其特征在于，所述基于人体姿态识别的自重健身辅助教练方法包括：步骤一，利用摄像头对健身者的动作进行捕捉和记录；选用OpenPose姿态识别网络获取视频帧中人体的二维骨架关节点坐标，单独处理相机深度流中的深度信息，对齐彩色帧后由关节点坐标求得各关键点的深度值，进行3D骨架化的构建；步骤二，在健身训练时，从运动帧序列中检测健身者的动作；步骤三，通过提取健身动作的运动幅度，关节角度特征识别健身者的动作类别；步骤四，对健身者动作类别的运动标准进行标注和数据处理；所述步骤一利用摄像头对健身者的动作进行捕捉和记录具体包括：1获取相机参数矩阵： 2人体三维骨骼关节点的获取与连接：将构建好的OpenPose姿态识别网络的动态库和姿态检测模型导入，调用API接口获取D435镜头中彩色图像帧获得人体二维关键点坐标；这是一幅站立OpenPose姿态识别网络识别出25个二维关键点的坐标，依照人体关节连接顺序连接各个关键点得到二维的骨架图；获取二维关键点坐标后，根据二维关键点像素坐标在对应的已对齐的深度帧中依次获取各关键点的深度信息，再加上相机的参数矩阵，将人体二维关键点的数据转换相机坐标系下的三维坐标；对关键点三维坐标进行绘图和肢体连接，得到的人体三维骨架图；所述将人体二维关键点的数据转换相机坐标系下的三维坐标包括：像素坐标系转世界坐标系，通过使用形成相应像素p的透视变换将场景的3D点Pw投影到图像平面中来获得场景的视图；Pw和p都用齐次坐标表示，分别表示3D和2D齐次向量；针孔相机模型给出的无畸变投影变换公式如下所示：sp＝A[R∣t]Pw；其中Pw是相对于世界坐标系表示的3D点，p是图像平面中的2D像素，A是相机固有参数矩阵，R和t是描述坐标从世界到相机坐标系或相机帧变化的旋转和平移，s是投影变换的任意缩放；从像素坐标系转换到相机坐标系需要使用相机的内参变换；见下式： 所述步骤四对健身者动作类别的运动标准进行标注和数据处理进一步包括：在获得健身者的实时健身数据的同时获得该健身运动的分类标签，将健身者的实时运动帧序列与该标准动作的关键帧序列输入到程序中，进行基于DTW算法计算序列之间的相似度距离，将实时获取的动作帧与标准动作关键帧对齐后，比较特征向量的余弦相似度实现动作的评价；整个序列动作如下公式矩阵的数据集： 所述DTW算法进行帧对齐的流程包括：1输入实时帧序列F和标准动作帧序列H；2计算F中每一个元素和H中每一个元素的距离，距离计算方法为所有特征向量的比例总和，构造一个n*m的距离矩阵，fi,hj分别为F和H中的任意元素，公式如下：Matrix＝dfi,hj,i∈[1,m],j∈[1,n]；3基于距离矩阵Matrix，采用局部最优解的方法找到一条代价最小的规划路径W，K为路径的长度，路径代价公式见如下公式： 此时公式中Wk＝fi,hj为路径上的第k个元素，且fi,hj为Matrix矩阵中第i行和第j列的元素i,j值；4计算以匹配好的实时帧和标准动作帧的特征向量的差异，选取动作关键关节角度为评价标准，比较实时帧和标准动作帧的关节角度余弦相似度的差异给出动作评价。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(威海) 基于人体姿态识别的自重健身辅助教练系统、方法、终端