[发明专利]基于人体姿态识别的体育教学辅助系统和方法

说明书

技术领域

本发明涉及计算机视觉技术，具体涉及基于人体姿态识别的体育教学辅助系统和方法。

背景技术

传统体育教学需要场地和教练，受到训练者经济条件、训练场馆、训练时间等诸多限制，不利于大部分用户满足自己学习的目标。借助教学视频学习没有互动性，也不能对自己的动作作出评价，在动作错误时也不能得到及时的纠正。选择观看比赛或表演录像来通过模仿学习，虽然用户可以在任何时间任何环境完成，但是缺乏指导，对于动作没有评价体系，训练效果不能满足用户的需要。

现有技术中公开了采用佩戴人体关节标识装置并通过特定装置识别人体关节标识装置从而获取人体动作辅助体育教学的装置和对应的方法。例如，中国专利申请CN102243687A公开了一种基于动作识别技术的体育教学辅助系统。该系统通过为用户佩戴带有特定波长光源以及惯性测量单元的运动数据获取模块，由摄像机追踪所述特定波长光源同时采集惯性测量单元的测量结果来对目标进行动作识别，达到体育教学辅助的目的。又例如，中国专利申请CN102000430A公开了一种基于计算机的舞蹈动作判定方法。该方法通过在人体设置跟踪点，采集跟踪点在人进行舞蹈时在不同时刻的空间位置，通过将跟踪点在不同时刻的位置进行投影计算其特征向量以对动作是否标准进行评价。

但是，这类借助需要人体佩戴的识别装置的教学辅助系统，需要用户佩戴专用识别装置，虽然也能实现动作简单的体育运动的学习与比赛，但是不能用来学习动作变化比较多的体育运动，系统成本高。

与此同时，人体姿态识别技术作为计算机视觉处理技术的分支，正在得到越来越广泛的应用。人体姿态识别技术通过对人体图像的数字处理判断人体姿态以及识别分割出图像中人体的不同部位的关节点，例如，头部和躯干等。

文献“Real-Time Human Pose Recognition in Parts from Single Depth Images”.Jamie Shotton,Andrew Fitzgibbon,Mat Cook,Toby Sharp,Mark Finocchio,Richard Moore,Alex Kipman,and Andrew Blake.CVPR,2011公开了一种深度图像实时人体姿态部分识别方法，通过对深度图像进行处理将困难的姿态估计问题转化为简单的逐像素分类问题实现了从深度图像中分离获取人体关节点坐标信息的目的。

综上，目前缺少亟需一种成本较低，不需要佩戴专门识别装置的体育教学辅助系统和方法。

发明内容

本发明的目的在于提供一种无须佩戴识别点即可获取人体姿态信息进行体育教学辅导的装置和方法。

本发明公开了一种基于人体姿态识别的体育教学辅助系统，包括：

深度摄像装置，用于获取包括用户跟随示范动作运动动作的用户动作深度图像序列；

标准动作存储单元，用于存储标准动作模型和与标准动作模型对应的标准动作示范图像序列；

显示终端，用于向用户显示所述标准动作示范图像序列；

动作比较单元，用于将预定时间点或时间段的所述用户动作深度图像序列与对应时间点或时间段的标准动作模型进行比较，获取用户动作与标准动作模型的差异；

提示装置，用于根据所述差异向显示装置输出动作评价信息或动作纠正提示信息。

其中，所述深度摄像装置还用于拍摄教练的标准动作获取标准动作深度图像序列，以及，

所述系统还包括：

标准动作训练单元，用于根据所述标准动作深度图像序列建立标准动作模型；

普通摄像装置，用于获取标准动作示范图像序列，所述标准动作示范图像序列用于向用户示范标准动作；

其中，所述根据所述标准动作深度图像序列建立标准动作模型包括：

计算每帧标准动作深度图像的人体关节点的空间坐标构成人体姿态信息；

根据连续多帧标准动作深度图像的人体姿态信息计算人体关节点的运动参数；其中，所述运动参数包括根据相邻帧的时间间隔和对应关节点的移动距离计算得到的关节点运动速度和人体肢体的转动角度；

将所述人体关节点的人体姿态信息以及运动参数与图像序列时间信息一一映射获得标准动作模型。

其中，所述将预定时间点或时间段的所述用户动作深度图像序列与对应时间点或时间段的标准动作模型进行比较，获取用户动作与标准动作模型的差异包括：

计算预定时间点或时间段内每帧用户动作深度图像的人体关节点的空间坐标构成人体姿态信息；