[发明专利]一种健身动作实时监控方法及人工智能识别系统

说明书

本发明涉及图像识别技术领域，具体涉及一种健身动作实时监控方法及人工智能识别系统。该方法包括：获取图像与人体关键点类别标注图像；对图像进行人体部位分割；获取每个人体关键点类别所对应的人体部位分割的平均面积，并依此获取每个关键点的高斯分布大小、高斯分布标准差；将人体关键点类别标注转换为坐标一维分布向量，同时获取标签值分布向量；根据图像与坐标一维分布向量、标签值分布向量训练神经网络；根据所述每个人员的人体姿态信息进行人员健身动作状态识别。该方法基于图像中的人体部位面积来获取不同分布大小与标准差的人体姿态标注，降低了人为标注的歧义性，同时利用一维向量来实现人体姿态图像识别，节省计算资源，检测精度高。

技术领域

本发明涉及图像识别领域，具体涉及一种健身动作实时监控方法及人工智能识别系统。

背景技术

近年来,随着人们工作强度日益增加、生活压力越来越大,人们的身体健康正面临着诸多挑战。在这种背景下,健康生活成为了人们关心的话题,越来越多的人选择通过健身来强化身体素质。另一方面,电子技术的飞速发展也使得越来越多的人使用基于MEMS的惯性传感器来监测人们的运动情况。这种方式可以更好地辅助体育锻炼,对于促进身体健康具有重要意义。

然而基于MEMS的动作识别现存方法精度较差;在应用场景方面,以人体活动识别为主,即识别人体站立、躺、坐、骑行等状态，具有很大的局限性,本发明采用图像识别、计算机视觉技术来获取健身动作状态信息，依据图像中的人体姿态信息可以准确的检测人体健身动作状态。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种健身动作实时监控方法及人工智能识别系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种健身动作实时监控方法，该方法包括以下步骤：部署相机采集RGB图像；对所述RGB图像进行标注，得到人体关键点类别标注图像；将所述RGB图像与所述人体关键点类别标注图像组成数据集；对所述RGB图像利用BodyPix2.0进行人体部位分割，得到人体部位分割图像；建立人体关键点与人体部位的对应关系，基于所述对应关系获取所述数据集中每个人体关键点类别所对应的人体部位分割的平均面积；基于所述每个人体关键点类别所对应的人体部位分割的平均面积获取每个关键点类别中每个关键点的高斯分布大小、高斯分布标准差；基于所述每个关键点的高斯分布大小、高斯分布标准差获取图像的x坐标一维分布向量和y坐标一维分布向量；根据所述人体关键点类别标注图像中关键点的位置获取图像中每个人员的标签值；根据所述图像的x坐标一维分布向量、y坐标一维分布向量和所述图像中每个人员的标签值获取x标签值分布向量、y标签值分布向量；所述图像的x坐标一维分布向量、y坐标一维分布向量和、x标签值分布向量、y标签值分布向量组成标签数据；建立第一神经网络，根据所述RGB图像与所述标签数据训练所述第一神经网络；利用所述第一神经网络获取预测标签数据；根据所述预测标签数据获取图像中每个人员的人体姿态信息；根据所述每个人员的人体姿态信息建立第二神经网络，用以识别人员的健身动作状态。

进一步，所述每个关键点的高斯分布大小的计算方法为：

表示第l类别关键点中第i个关键点的分布大小，表示第l类别关键点所对应的人体部位分割的平均面积，表示第l类别关键点中第i个关键点所对应的该人体部位分割的面积，为向上取整函数，表示基准高斯分布大小。

进一步的，所述每个关键点的高斯分布标准差的计算方法为：

表示第l类别关键点中第i个关键点的高斯分布标准差，表示第l类别关键点所对应的人体部位分割的平均面积，表示第l类别关键点中第i个关键点所对应的该人体部位分割的面积，为向上取整函数，表示基准高斯分布标准差。