[发明专利]一种群体性队列训练的分析方法及装置

说明书

本发明涉及一种群体性队列训练的分析方法及装置，方法包括：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；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，输出各个队员的动作标准度。与现有技术相比，本发明使用实时多人2D姿态估计算法进行多人姿态检测，得到骨架数据，基于骨架数据实现人员定位以及高度参数和距离参数计算，再对比标准动作信息，可以客观、准确地得到各个队员的动作标准度。

技术领域

本发明涉及计算机技术，尤其是涉及一种基于人工智能的群体性队列训练的分析方法及装置。

背景技术

随着生活水平的提高，人们对健康日益重视，希望通过运动以提高身体素质。在学校的队列训练活动课程中，学生经常会分组，以队列的形式进行运动训练，如正步走、跑步等。

现有的群体性队列训练分析，主要靠分析员、指导老师等进行人工观察分析，指出动作的缺陷、对整个队列的整体动作进行分析，客观性和专业稳定性上都存在一定缺陷，而且，由于指导老师自身的主观性，很难找到一个统一的标准。目前，也有一些智能运动辅助系统，通过视频捕捉运动对象，再进行姿态识别、动作分析和训练指导，但是，这些技术往往只能针对个体进行，在队列训练时，由于训练评价标准与常规运动不同、多人运动时的人员定位较难等问题，尚无群体性队列训练的分析装置。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种群体性队列训练的分析方法及装置。

本发明的目的可以通过以下技术方案来实现：

一种群体性队列训练的分析方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。