一种杠铃重量识别方法、装置、设备及存储介质与流程

本发明涉及人工智能领域，特别涉及一种杠铃重量识别方法、杠铃重量识别装置、电子设备及计算机可读存储介质。

背景技术：

1、杠铃是一种运动训练器材，标准杠铃一般由杠铃杆、杠铃片和卡箍三部分组成，通过控制杠铃片数量来调整力量训练的强度。因此在训练过程中，需要准确记录使用的杠铃片的重量。目前主要的杠铃片重量记录方式一般依靠人工记录或者在杠铃片上安装电子标签等方式进行记录，但人工记录可能存在记录不准确的情况发生、且电子标签容易损坏或发生混淆等问题，进而使杠铃片的重量统计结果不准确，影响训练结果，且可能导致训练人员身体损伤的情况发生。

技术实现思路

1、本发明的目的在于提供一种杠铃重量识别方法、杠铃重量识别装置、电子设备及计算机可读存储介质，应用于人工智能领域，该方法通过对包含杠铃的图像进行目标识别及图像分割，基于分割结果的颜色特征进行特征匹配，基于特征匹配结果确定杠铃片的重量，进而确定图像中杠铃的总重量，提高了杠铃重量识别的准确性及识别效率。

2、为解决上述技术问题，本发明提供一种杠铃重量识别方法，包括：

3、在训练区域设置图像采集设备，将所述图像采集设备采集得到的图像输入杠铃检测模型进行杠铃检测，确定包含杠铃的目标图像；

4、将所述目标图像输入杠铃片图像分割模型，得到包含各个杠铃片的图像分割结果；

5、构建杠铃的标准颜色特征集合，确定各所述图像分割结果的颜色特征；

6、将所述颜色特征与所述标准颜色特征集合中的标准颜色特征进行匹配，确定匹配结果；

7、基于所述匹配结果确定所述图像分割结果中的杠铃片重量，基于所述杠铃片重量确定所述目标图像中的杠铃重量。

8、可选的，构建杠铃的标准颜色特征集合，确定各所述图像分割结果的颜色特征，包括：

9、确定目标颜色空间，将所述图像分割结果由当前颜色空间转换至所述目标颜色空间，得到目标图像分割结果；

10、构建杠铃在所述目标颜色空间下的目标标准颜色特征集合，确定各所述目标图像分割结果的目标颜色特征；

11、相应的，将所述颜色特征与所述标准颜色特征集合中的标准颜色特征进行匹配，确定匹配结果，包括：

12、将所述目标颜色特征与所述目标标准颜色特征集合中的标准颜色特征进行匹配，确定所述匹配结果。

13、可选的，基于所述杠铃片重量确定所述目标图像中的杠铃重量，包括：

14、基于欧几里得范数确定所述目标图像中杠铃杆左右两侧所述杠铃片重量的差值；

15、当所述差值小于对称性阈值，且所述杠铃片重量的总重与标准最大重量的取模运算结果为0时，基于所述杠铃片重量确定所述目标图像中的所述杠铃重量。

16、可选的，将所述目标图像输入杠铃片图像分割模型，得到包含各个杠铃片的图像分割结果，包括：

17、将所述目标图像输入杠铃片图像分割模型，得到包含各个所述杠铃片的初始图像分割结果；

18、确定所述初始图像分割结果中的杠铃片面积，将所述杠铃片面积输入有效性检测模型确定所述初始图像分割结果的有效性；

19、若所述初始图像分割结果为有效分割结果，则将所述初始图像分割结果确定为所述图像分割结果。

20、可选的，将所述颜色特征与所述标准颜色特征集合中的标准颜色特征进行匹配，确定匹配结果，包括：

21、确定所述颜色特征与所述标准颜色特征集合中各所述标准颜色特征的高斯分布结果；

22、基于所述高斯分布结果确定与所述颜色特征匹配的所述标准颜色特征，将匹配的所述标准颜色特征确定为所述匹配结果。

23、可选的，该方法还包括：

24、获取预设时间段内各所述目标图像的所述杠铃重量，基于时序滤波器对各所述目标图像的所述杠铃重量进行平滑处理，得到目标杠铃重量。

25、可选的，将所述目标图像输入杠铃片图像分割模型，得到包含各个杠铃片的图像分割结果，包括：

26、获取各类别杠铃在距所述图像采集设备不同距离及不同角度的样本图像；

27、基于所述样本图像对初始杠铃片图像分割模型进行训练，得到训练完成的所述杠铃片图像分割模型；

28、将所述目标图像输入所述杠铃片图像分割模型，得到包含各个所述杠铃片的所述图像分割结果。

29、为解决上述技术问题，本发明提供一种杠铃重量识别装置，包括：

30、第一模块，用于在训练区域设置图像采集设备，将所述图像采集设备采集得到的图像输入杠铃检测模型进行杠铃检测，确定包含杠铃的目标图像；

31、第二模块，用于将所述目标图像输入杠铃片图像分割模型，得到包含各个杠铃片的图像分割结果；

32、第三模块，用于构建杠铃的标准颜色特征集合，确定各所述图像分割结果的颜色特征；

33、第四模块，用于将所述颜色特征与所述标准颜色特征集合中的标准颜色特征进行匹配，确定匹配结果；

34、第五模块，用于基于所述匹配结果确定所述图像分割结果中的杠铃片重量，基于所述杠铃片重量确定所述目标图像中的杠铃重量。

35、为解决上述技术问题，本发明提供一种电子设备，包括：

36、存储器，用于储存计算机程序；

37、处理器，用于执行所述计算机程序时实现上述所述杠铃重量识别方法。

38、为解决上述技术问题，本发明提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时，实现上述所述杠铃重量识别方法。

39、可见，本发明通过在训练区域设置图像采集设备，将图像采集设备采集得到的图像输入杠铃检测模型进行杠铃检测，确定包含杠铃的目标图像；将目标图像输入杠铃片图像分割模型，得到包含各个杠铃片的图像分割结果；构建杠铃的标准颜色特征集合，确定各图像分割结果的颜色特征；将颜色特征与标准颜色特征集合中的标准颜色特征进行匹配，确定匹配结果；基于匹配结果确定图像分割结果中的杠铃片重量，基于杠铃片重量确定目标图像中的杠铃重量。

40、本发明通过对包含杠铃的图像进行目标识别及图像分割，基于分割结果的颜色特征进行特征匹配，基于特征匹配结果确定杠铃片的重量，进而确定图像中杠铃的总重量，提高了杠铃重量识别的准确性及识别效率。

1.一种杠铃重量识别方法，其特征在于，包括：

2.根据权利要求1所述杠铃重量识别方法，其特征在于，构建杠铃的标准颜色特征集合，确定各所述图像分割结果的颜色特征，包括：

3.根据权利要求1所述杠铃重量识别方法，其特征在于，基于所述杠铃片重量确定所述目标图像中的杠铃重量，包括：

4.根据权利要求1所述杠铃重量识别方法，其特征在于，将所述目标图像输入杠铃片图像分割模型，得到包含各个杠铃片的图像分割结果，包括：

5.根据权利要求1所述杠铃重量识别方法，其特征在于，将所述颜色特征与所述标准颜色特征集合中的标准颜色特征进行匹配，确定匹配结果，包括：

6.根据权利要求1所述杠铃重量识别方法，其特征在于，还包括：

7.根据权利要求1所述杠铃重量识别方法，其特征在于，将所述目标图像输入杠铃片图像分割模型，得到包含各个杠铃片的图像分割结果，包括：

8.一种杠铃重量识别装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器执行时，实现如权利要求1至7任一项所述杠铃重量识别方法。