[发明专利]一种基于深度学习的深蹲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深蹲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，获取大小腿夹角；

判断深蹲姿势是否标准，若双侧的大小腿夹角均在70°-80°的预设角度区间内，且双侧的膝盖均不超出脚尖，同时双侧的手臂均为水平伸直状态，则判定深蹲姿势标准。

2.根据权利要求1所述的基于深度学习的深蹲姿势标准与否的判别方法，其特征在于，获取大小腿夹角的方法包括：

获取某一侧的臀关键点至同侧膝关键点的长度d1；

获取上述膝关键点至同侧踝关键点的长度d2；

获取上述臀关键点至上述踝关键点的长度d3；

基于d1、d2和d3构建三角模型，d1和d2的夹角为大小腿夹角，根据余弦定理和反余弦函数，计算该侧大小腿夹角。

3.根据权利要求2所述的基于深度学习的深蹲姿势标准与否的判别方法，其特征在于，获取d1、d2和d3的方法包括：以某侧臀关键点为原点建立直角坐标系，将朝向身体前方的方向设为X轴正向，将朝下的方向设为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，基于所述坐标根据勾股定理计算得d1、d2和d3。

4.根据权利要求3所述的基于深度学习的深蹲姿势标准与否的判别方法，其特征在于，判断膝盖不超出脚尖的方法包括：比较某侧膝关键点的x坐标与同侧脚趾关键点的x坐标，若该侧膝关键点的x坐标不大于同侧脚趾关键点的x坐标，则判定膝盖不超出脚尖。

5.根据权利要求3所述的基于深度学习的深蹲姿势标准与否的判别方法，其特征在于，判断手臂为水平伸直状态的方法包括：比较某侧肩关键点以及同侧肘关键点、腕关键点、小指关键点的y坐标，若该侧肩关键点以及同侧肘关键点、腕关键点、小指关键点的y坐标均相等，则判定手臂为水平伸直状态。

6.一种基于深度学习的深蹲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，用于基于某一侧的臀关键点为原点建立直角坐标系，其中，将朝向身体前方的方向设为X轴正向，将朝下的方向设为Y轴正向，至少获取臀关键点、膝关键点、踝关键点、脚趾关键点、肩关键点、肘关键点、腕关键点以及小指关键点的坐标；

计算模块，用于基于同侧的臀关键点、膝关键点、踝关键点构建三角模型，根据勾股定理，基于同侧臀关键点、膝关键点、踝关键点的坐标，计算同侧臀关键点至同侧膝关键点的长度d1、同侧膝关键点至同侧踝关键点的长度d2、同侧臀关键点至同侧踝关键点的长度d3；d1和d2的夹角为大小腿夹角，然后根据余弦定理和反余弦函数，基于d1、d2和d3，计算该侧大小腿夹角；

判定模块，用于判断深蹲姿势是否标准，若双侧的大小腿夹角均在70°-80°的预设角度区间内，且双侧的膝盖均不超出脚尖，同时双侧的手臂均为水平伸直状态，则判定深蹲姿势标准；其中，膝盖不超出脚尖的判定标准为同侧膝关键点的x坐标不大于同侧脚趾关键点的x坐标，手臂为水平伸直状态的判定标准为同侧肩关键点、肘关键点、腕关键点、小指关键点的y坐标均相等。

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深蹲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深蹲姿势标准与否的判别方法。