[发明专利]面向仰卧起坐的多头注意力姿态估计方法及检测系统

说明书

本发明涉及计算机视觉领域，公开了一种面向仰卧起坐的多头注意力姿态估计方法及检测系统，包括：S1、获取若干关于仰卧起坐的原始图像构建自建数据集并进行标注，然后使用合成数据集将若干所述原始图像进行扩充得到扩充数据集；S2、构建多头自注意力模块Msubgt;x/subgt;和ResNet50神经网络，并将所述多头自注意力模块Msubgt;x/subgt;添加至ResNet50神经网络中，得到用于提取图像特征的特征提取网络；S3、构建基于人体坐标回归的人体姿态估计器Esubgt;x/subgt;和损失函数Lsubgt;loss/subgt;，将所述特征提取网络和人体姿态估计器Esubgt;x/subgt;通过平均池化层连接回归得到人体姿态估计网络；S4、使用训练完后的所述面向仰卧起坐的多头注意力姿态估计网络对所述测试集中的图像进行识别。本发明可以避免发生过拟合现象，提高图像全局信息的利用，减少推理内存。

技术领域

本发明涉及计算机视觉领域，具体涉及面向仰卧起坐的多头注意力姿态估计方法及检测系统。

背景技术

随着社会经济发展、人民生活水平的提高以及中国国际地位的提升，国家把全国人民体质的增强已经提升到了战略性高度。为了将“学校教育要树立‘健康第一’的指导思想”落到实处，我国提出并实行了体质测试。体质测试旨在使学生们意识到要增强自身体质，提高健康水平，促使学生积极投身于更多体育项目及锻炼中。高校要德、智、体、美、劳全方面培养学生，使学生向高素质人才靠拢。在这个大背景下，迫切需要对全民体质进行更高效、准确的检测。目前，体测包含身高、体重、肺活量、坐位体前屈、立定跳远、50米跑步、仰卧起坐或引体向上、800米或1000米跑步这些项目。

目前现有的体测方式分为人工测试方式、传感器测试方式以及计算机视觉测试方式。传统的体测方法中，通常为人工计时计数，存在测试效率不高，且误差率大，长时间的反复性操作也容易造成测试员疲惫，对不规范动作不易察觉等缺点。我校本科生近3万人，每年这些项目的体测工作量巨大，给教师、学生造成了极大的不便。还有一种现有技术，是通过在测试者身上佩戴电子设备来判断测试者动作是否规范，但测试者存在一定的束缚感，舒适程度低，测试体验感差。然后是基于计算机视觉的测试方式，该类方法方便使用，不需要繁琐的仪器步骤，且受光线影响较小，但目前现有的体测算法，网络框架庞大，实时性效果不好。

随着人工智能的迅猛发展，深度学习应用于社会的诸多的方面。由深度学习引申出的姿态估计在计算机视觉技术的众多分支中占主要地位。简单地说，使用此种技术可通过图像或视频的形式确定人体各部位的运动方向以及相关信息。在近些年运动发展过程中，人们对于各种类型的体育项目关注度与日俱增。理论和技术的结合使得运动员的培养与训练更加科学有效，从而能够深度挖掘运动员的潜力，促进体育运动的发展。因此，对体测训练动作展开检测至关重要。

在如今数字智能化的运动训练场景下，计算机视觉技术在运动和健身训练领域具有广阔的发展空间，我们可以将计算机视觉技术和运动场景下的动作训练相结合，对运动员训练时的动作行为进行一个有效的辅助和评估。对运动动作的研究不仅对运动员有着重要的应用价值，对没有专业教练的普通运动爱好者也有着重要的参考价值。我们可以通过对运动员运动过程中的动作进行一个数据的获取然后对动作行为进行数据分析，这样运动员便可看到和了解到自己平时的训练动作和标准动作的差别，对自己的训练有很大的参考价值，有利于改善自己的训练姿态和状态。

因此，通过构建一种模型简单的人体姿态估计识别方法，充分利用少量的图像样本和图像全局信息，在不降低识别精确率的同时，减小运行内存，这已经成为研究学者们关注的重点。

发明内容

本发明提供面向仰卧起坐的多头注意力姿态估计方法及检测系统，以解决上述问题。

本发明通过下述技术方案实现：

一种面向仰卧起坐的多头注意力姿态估计方法，包括：