[发明专利]基于深度学习的健身房健身动作识别方法及装置

说明书

技术领域

本发明涉及图像识别技术领域，具体是基于深度学习的健身房健身动 作识别方法及装置。

背景技术

动作的规范性在健身活动中尤其重要，如何才能正确的锻炼就成了一 个至关重要的问题。不规范的动作将导致健身活动事倍功半，使健身效果 跟预期的不对称，另外不规范的动作存在运动损伤的风险，而聘请健身教 练对于很多人来说也是一笔较大的开销。

为了解决这一问题，较为高端的健身系统开始尝试动作识别，但大多 是采用可穿戴设备进行辅助，例如运动手环、鞋子、衣服、臂环、眼镜、 手机等，需要用户主动参与，比较繁琐。还有其他非视频传感器安装在健 身设备上，耦合性强，成本极高。而目前主流的健身房大多都是传统设备， 若要替换成上述设备，必然价格昂贵，远超普通用户的预算。

与此同时，人体行为识别作为智能视频分析领域的一个研究热点。自 2006年加拿大多伦多大学教授GeoffreyHinton对深度学习的提出以及模型 训练方法的改进打破了BP神经网络发展的瓶颈开始，深度学习成为机器学 习领域最热门的研究方向，智能语音识别、即时翻译、图像识别等领域不 断有新突破。

因此，申请人针对健身运动的动作规范，进行了基于深度学习的健身 房健身动作识别技术的研究。

发明内容

基于上述目的，本发明提供了一种基于深度学习的健身房健身动作识 别方法及装置，以目前在智能终端中流行且方便使用的视频作为媒介，采 用基于深度学习的方法进行动作规范性识别。

其中，本发明的基于深度学习的健身房健身动作识别方法采用了如下 的技术方案。

基于深度学习的健身房健身动作识别方法，以实时视频作为媒介，采 用基于深度学习的方法对其进行动作规范性识别，包括如下步骤：

(1)数据采集，对示范动作进行拍摄，将规范动作记录为规范动作图 像；

(2)数据标注，通过标注的方式对步骤(1)获得的规范动作图像进 行规范动作分类；

(3)数据训练，采用深度学习方法Caffe中基于卷积神经网络的物体 检测识别框架，对步骤(2)进行规范动作分类后的规范动作图像进行识别 训练，得到规范动作识别模型；

(4)动作识别，对用户进行拍摄，并通过步骤(3)获得的规范动作 识别模型，对实时视频中的用户图像进行搜索，识别出与规范动作识别模 型中规范动作分类相符的用户动作；

(5)动作评分，对于步骤(4)识别出的用户动作，通过规范动作识 别模型将其与相应的规范动作分类中的规范动作图像比较运算，并输出规 范相似度评分以及修正方案。

其中，本发明的基于深度学习的健身房健身动作识别装置，用于实现 所述的基于深度学习的健身房健身动作识别方法，包括：

摄像头或光学传感器，用于所述的基于深度学习的健身房健身动作识 别方法步骤(1)中对示范动作进行拍摄，及其步骤(4)中对用户进行拍 摄；

处理模块与处理中心，用于所述的基于深度学习的健身房健身动作识 别方法步骤(3)中对规范动作图像进行识别训练得到规范动作识别模型， 以及用于步骤(4)中识别用户动作，还用于步骤(5)中对用户动作进行 比较运算并输出规范相似度评分；

云平台，用于存储所述的基于深度学习的健身房健身动作识别方法步 骤(5)中获得的规范相似度评分及修正方案；

智能终端，用于从所述的云平台下载所述的规范相似度评分及修正方 案。

与现有技术相比，本发明的有益效果在于：

不需要用户穿戴、替换昂贵的设备，成本可控；以目前在智能终端中 流行且方便使用的视频作为媒介，采用基于深度学习的方法进行动作规范 性识别，识别模型可编辑，并且能提供准确的健身动作识别结果，给用户 生成精准运动数据，纠正错误动作，减少健身教练的繁琐工作，甚至替代 健身教练，达到更好的健身效果。

下面结合说明附图和具体实施方式对本发明做进一步的说明。

附图说明

图1是本发明的基于深度学习的健身房健身动作识别装置的结构示意 图。

具体实施方式

本发明首先提出了一种基于深度学习的健身房健身动作识别方法，以 实时视频作为媒介，采用基于深度学习的方法对其进行动作规范性识别， 包括如下步骤：

(1)数据采集，对示范动作进行拍摄，将规范动作记录为规范动作图 像；