[发明专利]基于人体姿态识别的自重健身辅助教练系统、方法、终端

权利要求书

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。

2.根据权利要求1所述的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。

3.根据权利要求2所述的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P_w投影到图像平面中来获得场景的视图；P_w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]P_w；

其中P_w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：

4.根据权利要求1所述的基于人体姿态识别的自重健身辅助教练方法，其特征在于，所述步骤二从运动帧序列中检测健身者的动作包括：

通过滑动均值滤波或卡尔曼滤波对关键点三维坐标进行处理获得更精确的关键点数据，对人体三维关键点建立3D骨架可视化，并提取人体运动特征后构建数据集；最终选取15个空间距离比例和15个空间向量的余弦相似度作为特征值。

5.根据权利要求1所述的基于人体姿态识别的自重健身辅助教练方法，其特征在于，所述步骤三识别健身者的动作类别包括：

在步骤一构建的3D骨架化的骨架图和步骤二选出的运动特征值的基础上，训练自定义动作的姿态识别模型；利用骨架图训练卷积神经网络动作识别模型，将分类好的运动特征值写好标签则通过全连接神经网络训练得到动作识别模型。

6.根据权利要求1所述的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包括：

采集运动姿态数据集，通过多组健身动作的特征采集，自动写入动作类型的标签，再经过人工的筛选去除不可用数据制作动作识别的数据集；并对动作识别的数据集进行预测和评估。