[发明专利]一种群体性队列训练的分析方法及装置在审
申请号: | 202111391752.1 | 申请日: | 2021-11-23 |
公开(公告)号: | CN114093029A | 公开(公告)日: | 2022-02-25 |
发明(设计)人: | 钱建;池时钟;裘俊宏;李庆伟;黄晓峰;周雄;施建刚 | 申请(专利权)人: | 上海市青少年校外活动营地--东方绿舟 |
主分类号: | G06V40/20 | 分类号: | G06V40/20;G06V20/40;G06N3/04;G06N3/08;G06V10/82 |
代理公司: | 上海科盛知识产权代理有限公司 31225 | 代理人: | 蔡彭君 |
地址: | 201713 上*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 群体性 队列训练 分析 方法 装置 | ||
1.一种群体性队列训练的分析方法,其特征在于,包括以下步骤:
S1、队列进行动作的训练,获取记录队列训练过程的视频,从视频中获得图像帧;
S2、使用训练好的实时多人2D姿态估计算法模型对图像帧进行多人姿态检测,得到队列中各个队员的骨架信息;
S3、基于骨架信息进行人员定位,得到各个队员的定位点;
S4、基于骨架信息以及各个队员的定位点,计算各个队员的动作的高度参数和距离参数;
S5、将高度参数和距离参数与预设置的标准动作信息对比,输出队列中各个队员的动作标准度。
2.根据权利要求1所述的一种群体性队列训练的分析方法,其特征在于,步骤S1中,从视频开始,每经过时间T则对视频的帧序列进行采样得到图像帧,T为预设置的采样时间间隔。
3.根据权利要求1所述的一种群体性队列训练的分析方法,其特征在于,使用训练数据集对实时多人2D姿态估计算法模型进行训练,得到训练好的实时多人2D姿态估计算法模型,所述训练数据集包括多种训练图像,所述训练图像为包含多个队员的图像,且标注有骨架信息。
4.根据权利要求1所述的一种群体性队列训练的分析方法,其特征在于,所述实时多人2D姿态估计算法提供25个身体的关键点识别,所述骨架信息包括25个关键点,8号关键点对应的关节为中臀;队列在训练场地上进行训练,训练场地的中心画有一条定位线Ls,队列沿定位线Ls前后移动,基于定位线Ls和各个队员的8号关键点得到各个队员的定位点。
5.根据权利要求4所述的一种群体性队列训练的分析方法,其特征在于,其中,得到一个队员的定位点具体为:
以队员的骨架信息中的8号关键点为第一基准点,过第一基准点向下作垂直于训练场地的垂线Lt,以队员的两脚中的最低点为第二基准点,过第二基准点作定位线Ls的平行线La,平行线La与垂线Lt的交点P即为队员的定位点。
6.根据权利要求5所述的一种群体性队列训练的分析方法,其特征在于,如果队员的两脚中存在水平的足底,则以水平足底的最低点为第二基准点。
7.根据权利要求1所述的一种群体性队列训练的分析方法,其特征在于,队列在训练场地上进行训练,训练场地的中心画有一条定位线Ls,队列沿定位线Ls前后移动,训练场地上画有多个参考点,步骤S4中根据参考点的实际距离以及参考点在图像帧中距离,确定图像帧中训练场地上各处的高度畸变比例梯度,基于高度畸变比例梯度计算各个队员的动作的高度参数和距离参数。
8.根据权利要求1所述的一种群体性队列训练的分析方法,其特征在于,步骤S5中,所述预设置的标准动作信息包括整个动作过程中的标准高度和标准距离,对于一个队员而言,从队员开始动作到队员完成动作的过程中,记录多组高度参数和多组距离参数,将高度参数和距离参数与动作过程中对应的标准高度和标准距离进行对比,引入预设置的专家评分指标,得到整个动作的动作标准度。
9.一种群体性队列训练的分析装置,其特征在于,基于如权利要求1-8中任一所述的一种群体性队列训练的分析方法,包括:
图像采集装置,用于对队列训练过程进行记录,得到视频;
控制器,从视频中获得图像帧,并执行:
使用训练好的实时多人2D姿态估计算法模型对图像帧进行多人姿态检测,得到队列中各个队员的骨架信息;基于骨架信息进行人员定位,得到各个队员的定位点;基于骨架信息以及各个队员的定位点,计算各个队员的动作的高度参数和距离参数;将高度参数和距离参数与预设置的标准动作信息对比,
显示装置,用于输出队列中各个队员的动作标准度。
10.根据权利要求9所述的一种群体性队列训练的分析装置,其特征在于,队列在训练场地上进行训练,所述图像采集装置包括多组摄像头,每组摄像头的数量至少为2个。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海市青少年校外活动营地--东方绿舟,未经上海市青少年校外活动营地--东方绿舟许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111391752.1/1.html,转载请声明来源钻瓜专利网。