[发明专利]一种基于动作识别的运动姿态矫正方法

说明书

本发明涉及一种基于动作识别的运动姿态矫正方法，属于计算机及运动识别技术领域。该方法包括：动作识别：通过摄像头采集用户运动视频，基于深度学习算法构建动作识别算法，并利用该算法对锻炼者视频中的动作进行类别整理；骨架提取：首先从标准健身数据库中提取对应锻炼者的标准动作，然后从标准动作视频同时进行骨架提取；同时利用采集到的锻炼者视频，从中提取锻炼者运动骨架模型；姿态比对：首先将锻炼者的骨架进行模板标准化；然后将标准化后锻炼者的骨架与标准动作视频进行相似度计算，提取动作相似度最高的一帧模板动作；最后所有动作测试完成，选取出相似度低于阈值的几帧动作，并将模板动作展示出来。本发明提高了计算速度和对比精度。

技术领域

本发明属于计算机及运动识别技术领域，涉及一种基于动作识别的运动姿态矫正方法。

背景技术

健身APP是一类可以为普通人群提供专业的健身计划、标准动作视频等健身资源。但是健身APP只能提供参考的标准动作，无法像健身教练一样对用户进行动作实施和细节的指导。所以在实际运动过程的很多情况下，用户都会存在因只能对照标准动作简单模仿导致的动作不标准，而产生了受伤的情况。

目前，常用人体行为检测方法包括有肌电检测，气囊传感器信息获取，视觉图像方法等。

基于肌电检测的方法利用人体运动产生的生物肌电信号来识别人体的动作，但是在使用的时候需要用户佩戴传感器，其多用于特定场景下的科学研究，并不符合平常健身的需求。

基于气囊的方法与肌电检测法类似，同样需要在用户运动过程中佩戴相关传感器才能获取其运动信息。因此不管是肌电检测法还是气囊这一类基于使用佩戴传感器的方法需要用户佩戴传感器，并不适用于用户在日常健身锻炼中的姿态矫正。

基于视觉图像的方法，此类方法需使用用户设备所拍摄的图像实现包括用户轮廓估计、用户骨架图估计等来估计用户的姿势和动作。主要应用是Openpose，其利用大量人类活动数据以及标签来训练一个图神经网络，进而对人体的姿势进行识别。但是其缺点是对于设备的性能较高，而在一般的设备之中这种算法那的实时性较差，一般用于单帧图片在实验中的姿态识别应用，无法完成对用户姿态的实施估计和对比。

因此，亟需一种更加方便、更精准的健身辅助系统来自行模仿比对的进行健身。

发明内容

有鉴于此，本发明的目的在于提供一种基于动作识别的运动姿态矫正方法，解决日常单独运动中缺乏专业指导，或者专业设备过于复杂、算法过大等问题，首先对锻炼者的动作视频进行了动作识别分类与骨架提取，得到了锻炼者自身动作视频与对应标准动作视频的骨架素材，然后设计了基于视频关键帧定位的姿态比对算法，以实现用户、标准动作间的高精度比对，为锻炼者提供碎片时间锻炼中难以获得的专业指导。最后根据人群运动情况，制作了相应的运动姿态辨识数据集。

为达到上述目的，本发明提供如下技术方案：

一种基于动作识别的运动姿态矫正方法，具体包括以下步骤：

S1：动作识别阶段：

通过用户PC端或移动端的摄像头采集用户运动视频，基于深度学习算法构建有足够精度的动作识别算法，并利用该算法对锻炼者视频中的动作进行类别整理；

S2：骨架提取阶段：

首先，从标准健身数据库中提取对应锻炼者的标准动作，然后从标准动作视频同时进行骨架提取；同时，利用采集到的锻炼者视频，从中提取锻炼者运动的骨架模型；

S3：姿态比对阶段：

首先将锻炼者的骨架进行模板标准化；然后，将标准化后锻炼者的骨架与标准动作视频进行相似度计算，提取出动作相似度最高的一帧模板动作；最后，锻炼者所有动作测试完成，选取出相似度低于阈值的几帧动作，并将模板动作展示出来。