[发明专利]基于深度学习的平板支撑姿势标准与否的判别方法和装置

权利要求书

1.一种基于深度学习的平板支撑姿势标准与否的判别方法，其特征在于，包括：

从视频中抽取视频帧对应的区域图像；

对所述区域图像中的目标区域进行人体识别；若有人则进行下一步，若无人则对下一个区域图像的目标区域进行人体识别；

基于人体姿态估计模型，获取目标区域内人员的身体关键点；

基于所述身体关键点，判断平板支撑姿势是否标准；若双侧的腿部均已绷直，且双侧的手肘均位于同侧肩膀的正下方，同时双侧的臀部均不高于同侧肩膀，则判定平板支撑姿势标准。

2.根据权利要求1所述的基于深度学习的平板支撑姿势标准与否的判别方法，其特征在于，判断腿部绷直的方法包括：

获取某一侧的臀关键点至同侧膝关键点的连线L1；

获取上述膝关键点至同侧踝关键点的连线L2；

若连线L1和连线L2共线，则判定腿部绷直。

3.根据权利要求2所述的基于深度学习的平板支撑姿势标准与否的判别方法，其特征在于，判断连线L1和连线L2共线的方法包括：以某侧脚趾关键点为原点建立直角坐标系，将朝向身体头部的水平方向设为X轴正向，将竖直朝上的方向设为Y轴正向，获得某侧臀关键点以及同侧膝关键点、踝关键点的坐标，根据斜率公式，基于所述坐标获得连线L1的斜率k1和连线L2的斜率k2，若k1＝k2，则连线L1和连线L2共线。

4.根据权利要求3所述的基于深度学习的平板支撑姿势标准与否的判别方法，其特征在于，判断手肘位于同侧肩膀的正下方的方法包括：某侧肩关键点的x坐标与同侧肘关键点的x坐标相等。

5.根据权利要求3所述的基于深度学习的平板支撑姿势标准与否的判别方法，其特征在于，判断臀部不高于同侧肩膀的方法包括：某侧臀关键点的y坐标不大于同侧肩关键点的y坐标。

6.一种基于深度学习的平板支撑姿势标准与否的判别装置，其特征在于，包括：

图像抽取模块，用于从视频中抽取视频帧对应的区域图像；

人体识别模块，用于对所述区域图像中的目标区域进行人体识别；若有人则进行下一步，若无人则对下一个区域图像的目标区域进行人体识别；

人体姿态估计模块，用于获取目标区域内人员的身体关键点；

关键点处理模块，用于基于某一侧的脚趾关键点为原点建立直角坐标系，其中，将朝向身体头部的水平方向设为X轴正向，将竖直朝上的方向设为Y轴正向，至少获取臀关键点、膝关键点、踝关键点、肩关键点以及肘关键点的坐标；

计算模块，用于基于同侧的臀关键点、膝关键点、踝关键点的坐标，根据斜率公式，计算同侧臀关键点至同侧膝关键点的连线L1的斜率k1、同侧膝关键点至同侧踝关键点的连线L2的斜率k2；

判定模块，用于判断平板支撑姿势是否标准，若双侧腿部均已绷直、且双侧手肘均位于同侧肩膀的正下方、同时双侧的臀部均不高于同侧肩膀时，则判定平板支撑姿势标准；其中，腿部绷直的判定标准为同一侧的k1＝k2，手肘位于同侧肩膀的正下方的判定标准为肩关键点的x坐标与同侧肘关键点的x坐标相等，臀部不高于同侧肩膀的判定标准为臀关键点的y坐标不大于同侧肩关键点的y坐标。

7.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述基于深度学习的平板支撑姿势标准与否的判别方法。

8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于深度学习的平板支撑姿势标准与否的判别方法。