用于健身动作评估的方法及装置、智能电视与流程

本申请涉及智能电视，例如涉及一种用于健身动作评估的方法及装置、智能电视。

背景技术：

1、随着人们健康意识的提升和家庭智能终端的普及，基于智能电视的体感健身应用日益受到关注。而目前已有的健身动作评价与纠错方案可分为以下几类：一是基于摄像头的方案，使用rgb摄像头或深度摄像头捕捉用户动作，并与标准动作比对。该方案存在隐私泄漏、暗光性能差等问题。二是基于惯性传感器（inertial measurement unit，imu）的方案，在用户身体或衣物上安装加速度计和陀螺仪，通过传感器融合推算肢体姿态。该方案需要穿戴设备，增加了使用负担和不适感；而且imu本质上是相对测量，存在累计漂移问题，导致姿态估计精度低。上述缺陷导致现有技术无法在保护用户家庭隐私的前提下实现精确的健身动作评估。

2、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

2、本公开实施例提供了一种用于健身动作评估的方法及装置、智能电视，以能够在保护用户隐私的同时，实现对用户健身动作更精确的评估。

3、在一些实施例中，所述方法应用于智能电视，所述方法包括：获取用户的点云数据；根据所述点云数据，生成目标张量；将所述目标张量输入预设的骨骼点提取网络模型，获得所述用户各预设关节的骨骼点坐标；根据所述骨骼点坐标和预设的标准动作模板，获取所述骨骼点坐标相对于所述标准动作模板的总偏差值；根据所述总偏差值对所述用户的健身动作进行评估，获得评估结果。

4、在一些实施例中，所述装置应用于智能电视，所述装置包括：点云数据获取模块，被配置为获取用户的点云数据；目标张量生成模块，被配置为根据所述点云数据，生成目标张量；骨骼点坐标获取模块，被配置为将所述目标张量输入预设的骨骼点提取网络模型，获得所述用户各预设关节的骨骼点坐标；对比模块，被配置为根据所述骨骼点坐标和预设的标准动作模板，获取所述骨骼点坐标相对于所述标准动作模板的总偏差值；评估模块，被配置为根据所述总偏差值对所述用户的健身动作进行评估，获得评估结果。

5、在一些实施例中，所述装置包括处理器和存储有程序指令的存储器，所述处理器被配置为在运行所述程序指令时，执行上述的用于健身动作评估的方法。

6、在一些实施例中，所述智能电视包括：智能电视本体；上述的用于健身动作评估的装置，被安装于所述智能电视本体。

7、本公开实施例提供的用于健身动作评估的方法及装置、智能电视，可以实现以下技术效果：通过用户的三维点云数据来获取用户各预设关节的骨骼点坐标，并根据骨骼点坐标和预设的标准动作模板，获取骨骼点坐标相对于标准动作模板的总偏差值，进而通过该总偏差值对用户的健身动作进行评估。这样，无需通过摄像头获取用户的动作，避免了隐私泄露。并且通过计算用户各预设关节的骨骼点坐标与标准动作模板的差异，能够对用户健身动作更精确的评估。从而在保护用户隐私的同时，提升了电视端健身动作评估的精确性。

8、以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。

1.一种用于健身动作评估的方法，其特征在于，应用于智能电视，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述智能电视设置有毫米波雷达模组；所述获取用户的点云数据包括：

3.根据权利要求1所述的方法，其特征在于，根据所述点云数据，生成目标张量，包括：

4.根据权利要求1所述的方法，其特征在于，所述预设的骨骼点提取网络模型包括：预设的稀疏卷积网络和预设的时序建模网络；

5.根据权利要求1所述的方法，其特征在于，预设的标准动作模板通过以下方式获取：

6.根据权利要求5所述的方法，其特征在于，根据所述骨骼点坐标和预设的标准动作模板，获取所述骨骼点坐标相对于所述标准动作模板的总偏差值，包括：

7.根据权利要求6所述的方法，其特征在于，根据各三维空间偏差值，获取所述骨骼点坐标相对于所述标准动作模板的总偏差值，包括：

8.一种用于健身动作评估的装置，其特征在于，应用于智能电视，所述装置包括：

9.一种用于健身动作评估的装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在运行所述程序指令时，执行如权利要求1至7任一项所述的用于健身动作评估的方法。

10.一种智能电视，其特征在于，包括：