[发明专利]用于运动任务分析的视频处理

说明书

背景技术

运动任务(诸如举起手臂、直立、抬腿和其他)的执行通常在个体之间变化相当大。例如，取决于身体结构、体重和其他因素(诸如个体的专门知识和技能、经验、力量和身体能力)。现有运动任务执行的分析方法通常地涉及手动观察，因此是主观的，并且存在做出分析时取决于观察者的技能的变化的可能性。

下文所描述的实施例不限于解决已知运动任务分析系统的缺点中的任何或全部的实施方式。

发明内容

以下呈现本公开的简要概述以便向读者提供基本理解。该概述不是本公开的广泛综述并且不标识关键/主要元件或描绘说明书的范围。其唯一目的是以简要形式将本文所公开的概念的选择呈现为稍后呈现的更详细描述的前序。

描述了用于运动任务分析的视频处理。在各种示例中，执行运动任务(诸如将食指放在鼻子上)的人或动物的至少一部分的视频被输入到经训练的机器学习系统以将运动任务分类为多个类别中的一个类别。在示例中，从视频的成对帧计算运动描述符(诸如光流)，并且运动描述符被输入到机器学习系统。例如，在训练期间，机器学习系统标识在运动任务的类别之间进行区分的时间相关和/或位置相关加速度或速度特征。在示例中，经训练的机器学习系统从运动描述符计算其已经学习为好的鉴别器的位置相关加速度或速度特征。在各种示例中，使用视频的子体(sub-volumes)计算特征。

通过参考结合附图考虑的以下详细描述，许多伴随特征将更容易理解，同样变得更好理解。

附图说明

从根据附图阅读的下面详细描述，将更好地理解本描述，其中：

图1是执行运动任务的人的视频捕获，并且示出了视频的处理以分析运动任务的示意图；

图2是运动任务的示例的示意图；

图3是可以使用在图1的场景中的捕获设备的示意图；

图4是图1的视频的帧和预处理帧的结果以及预处理装置的示意图；

图5是用于训练机器学习系统以分析运动任务的视频的系统的示意图；

图6是训练随机决策森林以分类运动任务的视频的方法的流程图；

图7是随机决策森林的示意图；

图8是使用经训练的随机决策森林以分类运动任务视频的方法的流程图；

图9图示了在其中可以实现视频处理系统的实施例的示例性的基于计算的设备。

相同附图标记被用于在附图中指代相同部件。

具体实施方式

下文结合附图提供的详细描述旨在作为本示例的描述并且不旨在表示可以构建或利用本示例的仅有形式。该描述阐述示例的功能和用于构建和操作示例的步骤的顺序。然而，可以通过不同的示例完成相同或等效功能和序列。

图1是执行运动任务(诸如在从其中手臂被水平伸出的位置开始(如由手臂位置114所指示的)之后将食指放在鼻子上(如由手臂位置112所指示的))的人101的示意图。这仅是运动任务的一个示例并且下面参考图2给出更多示例。

先前已经手动地(例如，通过视觉观察)实现分析运动任务，其受变化性(诸如观察者的偏见、观察者经验水平和观察者环境)影响。在下文所描述的各种示例中，运动任务的视频被处理以分析运动任务。例如，将运动任务分类为两个或两个以上类别(诸如好的、中等的、弱的)(例如，以指示运动任务的性能水平)。通过使用如本文所描述的自动化视频处理系统，以快速并且实用的方式获得无偏置的、准确的评级/分类是可能的。

视频捕获设备100捕获在环境中执行运动任务的人101的视频，该环境在图1的示例中是具有墙上的照片106、沙发110和挂在墙上的衣服108的房间。然而，这仅是示例并且可以使用其他环境。视频捕获设备100可以被安装在面对用户的墙上或可以以另一方式(诸如在计算设备、桌子或其他结构上)支持。参考图2更详细地描述视频捕获设备100。它捕获包括以帧速率诸如30帧每秒或更多捕获的多个帧的图像流116。取决于运动任务和视频捕获设备的类型，可以使用其他帧速率。在适当的同意下捕获人的视频，并且视频材料优选地以安全的私有方式被存储。

所捕获的帧可以被输入到计算设备104，其可以是与视频捕获设备100集成的或可以使用无线通信、有线连接或以其他方式被连接到视频捕获设备。该计算设备104可以在云中被提供为云服务。图1的示例示出了单个计算设备104。然而，使用一起提供功能性的多个分布式计算设备也是可能的。