[发明专利]一种基于深度卷积神经网络的人体运动计数方法

说明书

本发明公开了一种基于深度卷积神经网络的人体运动计数方法，通过定义5种基本人体运动类型和每种运动类型的3个关键动作姿态序列，令不同人表演5种运动并且录制这5种运动以及其他类型运动的视频序列，以作为训练样本结合16个类别的分类器，进行基于深度卷积神经网络的动作识别训练过程，在训练完毕后输出分类模型；通过摄像头捕获人体运动的视频帧，输入到已训练好的分类模型进行分类运算，根据分类运算结果判断运动者所处的动作姿态、所进行的运动类型并且将所属的运动计数加一，已达到自动、高效的对5种运动进行识别与计数，让锻炼者能够心无旁骛的进行健身动作，以及对动作视频的识别过程进行标准校对、剔除不规范动作计数的问题。

【技术领域】

本发明涉及运动信息处理技术领域，特别是涉及一种基于深度卷积神经网络的人体运动计数方法。

【背景技术】

随着社会的进步，人们生活水平的提高，人们对健康的生活越来越重视，为了获得健康的生活状态，人们往往热衷于运动健身，同时，越来越多的人认识到合理运动的重要性，而运动量的量化往往都是目测测量，不能给出合理的参照，又不能保证很精准。近几年来,随着多媒体技术的迅猛发展与计算机性能的不断提高,图像处理技术日益受到人们的青睐,并且取得了丰硕的成果,广泛应用于交通管理、目标跟踪、人机交互等领域。图像识别领域中的行为识别或姿态估计常用来分析人体的一些运动或行为特点，但是往往只能估算出一个静态图或一段视频序列对应的三维物体所处的状态，无法对重复发生的行为进行统计。现缺乏一种能够在居家健身运动中进行智能计数的设备，让锻炼者能够心无旁骛的进行健身动作，而不必一心二用，造成既要计数又要顾及运动而造成计数出错，因为分心而使得健身动作也不能够做到标准的情况发生。

中国专利申请CN201410674419，一种俯卧运动参数估计与评价的方法、装置及智能终端，涉及通信领域，解决现有技术在俯卧运动计数方法上存在缺陷的问题，该方法包括：获取处于一固定姿态的智能终端的摄像头在预设时间内采集的视频数据；在所述视频数据中检测到预设目标后，获取预设目标尺寸数据及所述预设目标尺寸数据相对预设尺寸均值的变化规律，所述预设尺寸均值用于标识人体在所述预设时间内完成的多次俯卧运动的预设目标尺寸的平均值；根据所述变化规律，得到所述预设时间内人体完成的俯卧运动的数量信息和/或质量信息，并输出。本发明的方案通过智能终端实现了准确的俯卧运动计数与评价，且实现方式简单，使用方便，提高了实用性和便利性。

但是由于其是使用时间节点作为训练依据，对训练评估的准确性欠佳，而且凭借其计算的卡路里以及力量训练评估也准。

【发明内容】

为了克服上述现有技术的不足，本发明旨在提供一种基于深度卷积神经网络的人体运动计数方法，以解决现有技术中不能自动、高效的记录俯卧撑、仰卧起坐、引体向上等多种运动计数的问题。

为此，本发明所采用的技术方案是：基于深度卷积神经网络的人体运动计数方法，依次进行如下步骤：

(1)定义5种基本人体运动类型，分别是：仰卧起坐、俯卧撑、深蹲、引体向上、高抬腿，分别定义为M1,M2,…M5，然后将上述5种运动的每一种分解成3个依次循环的关键动作姿态序列，共计15种关键动作姿态，分别定义为P1,P2,…P15，其中：运动M1的关键动作姿态序列为P1-P2-P3，运动M2的关键动作姿态序列为P4-P5-P6，运动M3的关键动作姿态序列为P7-P8-P9，运动M4的关键动作姿态序列为P10-P11-P12，运动M5的关键动作姿态序列为P13-P14-P15；

(2)令不同人表演M1～M5运动并且录制多个视频序列，从视频序列中提取符合上述P1～P15关键动作姿态的视频帧，定义为关键动作帧，然后再录制这5种运动之外的其他类型运动的多个视频序列；