[发明专利]一种判断人体运动姿态的方法

说明书

本发明涉及一种判断人体运动姿态的方法，属于计算机视觉领域。该方法包括：S1：获取动作视频，并对视频中每一帧图像进行处理；S2：根据骨架提取关节点数据，计算出能够描述人体姿态的关键参数，包括角度参数、高度参数及距离参数；S31：通过人体运动姿态关键参数的计算方法，得到锻炼者的和标准动作的姿态关键参数组；S32：计算出参数组中按顺序一一对应的参数的差值；S33：设定锻炼者动作与标准动作的相差程度，根据动作相差程度给出姿态调整方案。本发明能精确计算出人体运动姿态的关键参数，并根据关键参数判断出人体运动动作是否标准，然后做出有效的动作调整方案。

技术领域

本发明属于计算机视觉领域，涉及人体姿态识别技术领域，具体涉及一种判断人体运动姿态的方法。

背景技术

随着人工智能技术的发展，文字识别，语音识别等技术已经逐步成熟，但在对人类姿态进行理解方面，仍然存在非常大的困难。

现有的人体姿态识别算法往往都是对人体所处的某一时刻的“状态”进行识别，这类方法能够很准确地识别出“举手”、“抬腿”等简单的静态姿态。但在自然的人际交流场景中，人类倾向于使用一系列的动作组合表示出更为复杂的含义。对于这种一连串动作组成的动态姿态进行识别，是当前人体姿态识别研究领域的研究重点与难点。

现有的姿态识别方法主要包括2种，其一是基于动传感器的人体姿态识别，其二是基于图像分析的人体姿态识别；基于传感器的识别技术主要通过让研究人员携带传感器来进行采集相关运动数据，常用的传感器主要包括加速度计、磁阻传感器、陀螺仪等，利用传感器获取研究人员的运动信息后，结合机器学习的相关方法，对人的姿态做出识别，这种方法对姿态的识别结果主要受到特征提取方法即传感器使用和分类器选择的影响，对于姿态识别来说不够准确；基于图像的分析方法，系统通过提取研究人员的图像来作为研究分析的特征，目前基于图像的方法多采用堆图像高宽比、形状复杂性变化、离心率等方法分析图像的轮廓特征结合K-means或SVM来判别人的姿态类别，然而上述的传统方法只能进行单独的个体姿态识别，无法实现与标准动作的对比分析。

现有技术中，无论是在体育测试或是运动锻炼时，对被测试者所完成的动作是否标准的评价基本是通过采用人工判断方法得到的，计算机模型无法做出客观准确的评价。

因此，亟需一种有效的识别人体运动姿态且能对运动姿态是否标准进行准确评价的方法。

发明内容

有鉴于此，本发明的目的在于提供一种判断人体运动姿态的方法，用于精确计算人体运动姿态的关键参数，并根据关键参数判断出人体运动动作是否标准，然后做出动作调整方案。

为达到上述目的，本发明提供如下技术方案：

方案1：一种人体运动姿态关键参数的计算方法，包括以下步骤：

S1：获取动作视频，并对视频中每一帧图像进行处理；

S2：根据骨架提取关节点数据，计算出能够描述人体姿态的关键参数，包括角度参数、高度参数及距离参数；

所述角度参数包括：肘关节的弯曲角度、膝关节的弯曲角度及腰部的弯曲角度；

所述高度参数包括：左右肘关节离地高度、左右膝关节离地高度及左右两侧腰部离地高度；

所述距离参数包括：双脚之间的横向与纵向距离、手臂之间的横向与纵向距离，以及双膝之间的横向与纵向距离。

进一步，步骤S2中，所述角度参数主要是由三个相关关节点的数据进行计算，主要思路是由三个关节点构造出三角形，计算出三个关节点中两两关节点的距离即三角形的边长。

进一步，步骤S2中，所述距离参数是根据关节点在水平及垂直方向上的投影所构造出的三角形，通过计算三角形的两直角边边长，得到关节点之间的横向距离与纵向距离。