[发明专利]一种健身动作教学及矫正系统及方法

权利要求书

1.一种健身动作教学及矫正方法，其特征在于：具体包括以下步骤：

(1)摄像头获取使用者的健身动作视频，将使用者的健身动作视频发送给服务器；

(2)收集所有健身动作的标准动作姿势，在服务器内建立一个完整的标准健身动作库；

(3)人体行为识别：服务器对接收到的使用者的健身动作视频，运用人体骨骼检测与循环神经网络RNN进行人体行为识别，并构建虚拟人物在显示屏上显示人体的行为动作；

(4)人体行为预测：根据步骤(3)构建的虚拟人物显示行为动作，运用循环神经网络RNN算法预测出使用者下一步的健身动作；

(5)人体行为矫正：从标准健身动作库中调出与预测动作相应的标准动作，将预测的使用者的健身动作与标准健身动作库调出的标准动作均通过两组虚拟人物显示在显示屏上，通过服务器对显示屏上的两个动作显示进行对比判断，在显示屏上输出差异值，提出修正意见。

2.根据权利要求1所述的一种健身动作教学及矫正方法，其特征在于：所述步骤(3)中人体行为识别的具体步骤如下：

①收集不同健身人群的各类健身动作视频，并将收集到的健身动作视频作为训练与测试视频集；

②对步骤①中收集的健身动作视频的视频帧进行密集采样，提取稠密轨迹构建特征描述子，采集方向梯度直方图HOG和轨迹形状作为形状描述符，利用光流直方图HOF和运动边界直方图MBH作为运动描述符，最终得到一个426维的描述符；

③视频帧的特征提取：提取视频帧的稠密轨迹，计算特征向量，使用特征编码VLAD对视频帧的稠密轨迹特征进行编码，取高斯聚类的个数K，得到视频每一帧维数为K*D特征向量，D为特征描述子的维度；

④利用余弦相似度分析获取有效视频帧序列；

⑤采用时间序池化利用排序函数按照时间相对顺序排序有效视频帧特征，通过参数向量u来获取视频序列动态信息；

⑥使视频帧特征序列学习RankSVM，并将学习得到的视频序列随时间变化的动态特征向量u*作为视频特征向量；用获取的视频特征向量u*训练SVM分类器实现最终的人体行为识别。

3.根据权利要求2所述的一种健身动作教学及矫正方法，其特征在于：所述步骤④中利用余弦相似度分析获取有效视频帧序列的具体步骤如下：

A.对获取的视频帧序列中的特征向量采用余弦相似度分析，设置阈值为T，将余弦相似度大于阈值的两个特征向量中的后者剔除，得到紧密的有效视频帧特征序列；

B.对获取的有效视频特征序列中的每一帧特征进行平滑处理操作，计算其时变均值向量。

4.根据权利要求1所述的一种健身动作教学及矫正方法，其特征在于：所述步骤(4)中的人体行为预测具体步骤包括：

①训练循环神经网络模型：用步骤(2)和(3)中的标准健身动作库和视频集作为训练与测试的数据集，设计随时间反向传播算法BPTT来更新权重参数V、W、U；

②动作预测：将步骤(3)识别的当前使用者的动作输入到循环网络中预测出下一步动作，并用虚拟人物显示在显示屏上。