[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

说明书

本发明公开了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，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，获取身体关键点；基于身体关键点，获取大小腿夹角；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。通过对大小腿夹角的大小、膝盖与脚尖的关系、手臂的状态进行判断，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深蹲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深蹲姿势标准与否的判别方法和装置，以解决现有深蹲训练时，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深蹲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，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。

进一步地，获取大小腿夹角的方法包括：

获取某侧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。

进一步地，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。

进一步地，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。

进一步地，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。