[发明专利]球类运动学习方法、装置、设备终端和可读存储介质

说明书

本申请涉及球类运动学习方法、装置、设备终端和可读存储介质，该球类运动学习方法包括：获取目标对象当前击球运动所对应的当前运动图片集；采用预设姿态识别模型对当前运动图片集中每张运动图片的人体关键位置点进行识别，以得到对应的各个人体关键位置点的坐标，根据每张运动图片各自对应的各个人体关键位置点的坐标，获取各个人体关键位置点的运动参数信息，运动参数信息包括每个人体关键位置点的运动轨迹、运动速度、各个人体关键点之间的实时相对距离和相邻人体关键位置点之间的夹角中的至少两种，结合预设标准参数库和运动参数信息，生成当前击球运动对应的动作和姿态调整信息。上述球类运动学习方法极大地降低了学习成本。

技术领域

本申请涉及技术领域，具体涉及一种球类运动学习方法、装置、设备终端和可读存储介质。

背景技术

随着我国经济水平的提高，球类体育运动越来越受到更广泛的群体的关注，然而，大部分球类运动训练需要专业人士进行指导，人力成本较高，以高尔夫球为例，高尔夫球是国际上流行的体育娱乐活动项目，参与人数越来越多，而打高尔夫球是一项技能性较强的运动，它需要不断的击球训练以及动作调整从而提高球技，现有的高尔夫学习方法，通常需要专业人士进行指导，花费巨大且预约专业人员较为麻烦，高尔夫球训练和学习的成本较高。

发明内容

鉴于此，本申请提供一种球类运动学习方法，以解决现有球类运动训练过程中成本较高的技术问题。

一种球类运动学习方法，该球类运动学习方法包括：

获取目标对象当前击球运动所对应的当前运动图片集；

采用预设姿态识别模型对所述当前运动图片集中每张运动图片的人体关键位置点进行识别，以得到每张运动图片中各个人体关键位置点的坐标；

根据每张运动图片各自对应的各个人体关键位置点的坐标，获取各个人体关键位置点的运动参数信息，所述运动参数信息包括每个人体关键位置点的运动轨迹、运动速度、各个人体关键点之间的实时相对距离和相邻人体关键位置点之间的夹角中的至少两种；

结合预设标准参数库和所述运动参数信息，生成当前击球运动对应的动作和姿态调整信息，以使所述目标对象对当前击球运动对应的动作和姿态进行实时调整。

在一个实施例中，预设姿态识别模型通过以下步骤训练得到：

获取多个训练对象每次击球运动对应的训练图片集，每个训练对象的身高和/或体型不同；

对每张训练图片分别进行各个人体关键位置点的标注，以得到标注后的训练图片数据；

将标注后的训练图片数据输入到初始姿态训练模型进行处理，以得到各个人体关键位置点的预测值；

根据各个人体关键位置点对应的预测值与标注值计算损失函数值，并进行反向传播以通过梯度优化更新对应参数，直至对应的损失函数收敛以生成对应的姿态训练模型，姿态训练模型包括并联连接的卷积分支、恒等映射分支和残差网络分支；

将姿态训练模型中的卷积分支和恒等映射分支各自的参数并入到残差网络分支对应的位置，以对姿态训练模型进行结构重参数化，得到预设姿态识别模型。

在一个实施例中，初始姿态训练模型包括初始前端特征提取模块、并联连接的初始卷积分支、初始恒等映射分支、初始残差网络分支以及初始后端特征提取模块，将标注后的训练图片数据输入到初始姿态训练模型进行处理，以得到各个人体关键位置点的预测值的步骤包括：

将标注后的训练图片数据输入到初始前端特征提取模块进行特征提取处理以得到预设尺寸特征图；

分别基于初始卷积分支、初始恒等映射分支和初始残差网络分支对预设尺寸特征图进行特征提取和融合的优化处理，并将各自的优化处理结果相加，以得到优化后的预设尺寸特征图；