[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

说明书

本发明公开了一种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，该方法包括：从视频中抽取视频帧对应的区域图像；对区域图像中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；基于身体关键点，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。通过对腿部是否绷直、手肘是否位于肩膀的正下方、臀部是否不高于肩膀进行判断，均符合要求时判定为标准，应用在多人健身的健身房中，教练员不再需要对学员进行逐一判断，可直接针对不达标的学员进行矫正，有效提高监督指导行为的效率，个人居家使用时也可自行判断姿势是否标准。

技术领域

本发明涉及健身姿势检测技术领域，具体涉及一种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。

背景技术

随着对身体健康重视程度的提高，越来越多的人通过健身来提高自己的身健康程度。由于时间、经济条件的限制，很多人选择居家健身，例如深蹲、平板支撑等不需要或需要很少器材的健身形式，但是由于居家健身缺乏教练的实时指导、评判，导致居家健身不能达到很好的健身效果，甚至容易出现由于姿势不规范而导致身体受伤的情况，例如肌肉劳损、拉伤，甚至是骨骼错位等。而在健身房中，传统的健身指导方式是在教练的监督和指导下进行矫正，一般是一对一监督指导(即便是一教练对多学员，在指导时也是一个个地对姿势进行检查和矫正)，从而判断其姿势是否标准到位，并对姿势不到位的进行矫正，存在效率低下的问题。亟需一种能够自行判断健身姿势是否标准的方法或装置，以提高健身房中监督指导行为的效率，也可以为居家健身者判断其健身姿势是否标准到位。

发明内容

为此，本发明提供一种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，以解决现有平板支撑训练时，教练判别姿势是否标准的效率低、个人无法自行判别姿势是否标准的技术问题。

为了实现上述目的，本发明提供如下技术方案：

本发明第一方面提供了一种基于深度学习的平板支撑姿势标准与否的判别方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

本发明的第二方面提供了一种基于深度学习的平板支撑姿势标准与否的判别装置，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；