一种基于深度学习姿态评估对连续动作的比对和分析方法、系统以及设备与流程

技术特征：
1.一种基于深度学习姿态评估对连续动作的比对和分析方法，其特征在于，包括以下步骤：步骤1：获取作为评估标准的视频a、待评估的视频b；步骤2：获取视频a、视频b中的每一帧中的关键点，并规划出含该关键点的预设图形；步骤3：获取视频a、视频b中从起始帧到结束帧的过程中，预设图形的移动轨迹形成第一区域、第二区域；步骤4：将第一区域和第二区域进行比对，得到匹配度。2.根据权利要求1所述的基于深度学习姿态评估对连续动作的比对和分析方法，其特征在于，所述关键点为一个或多个，所述第一区域、第二区域为一个或多个；判断所述匹配度是否在预设阈值范围内，若是，则视频a、视频b中的该关键点匹配上，若否，则视频a、视频b中的该关键点没有匹配上。3.根据权利要求1所述的基于深度学习姿态评估对连续动作的比对和分析方法，其特征在于，根据所需评估的动作选择与该动作关联的关键点作为步骤2中的选中的关键点。4.根据权利要求1所述的基于深度学习姿态评估对连续动作的比对和分析方法，其特征在于，所述步骤4具体为：将第一区域和第二区域进行比对，根据第一区域和第二区域的重合的面积的比例，得到匹配度。5.根据权利要求1所述的基于深度学习姿态评估对连续动作的比对和分析方法，其特征在于，用户从原始视频中选择一段视频作为视频b；所述视频b的帧数为n帧，n≥1。6.根据权利要求1所述的基于深度学习姿态评估对连续动作的比对和分析方法，其特征在于，所述关键点为人体关节点，所述预设图形为方形、扇形、圆形之一。7.一种基于深度学习姿态评估对连续动作的比对和分析系统，其特征在于，包括如下模块：视频采集模块：用于采集作为评估标准的视频a、待评估的视频b；姿态评估模块：用于获取视频a、视频b中的每一帧中的关键点；第一处理模块：用于在关键点处规划出的预设图形；第二处理模块：用于获取视频a、视频b中从起始帧到结束帧的过程中，预设图形的移动轨迹形成第一区域、第二区域；分析模块：用于对第一区域和第二区域进行比对，得到匹配度。8.根据权利要求7所述的基于深度学习姿态评估对连续动作的比对和分析方法，其特征在于，还包括人机交互模块：用于显示匹配度、阈值；所述阈值可通过人机交互模块进行修改；所述人机交互模块还可以与视频采集模块进行交互，通过人机交互模块对视频采集模块采集的视频进行处理和匹配。9.一种基于深度学习姿态评估对连续动作的比对和分析设备，其特征在于，包括存储器和处理器，所述存储器和所述处理器通信连接；所述存储器存储有可被所述处理器执行的程序指令，所述处理器包括如权利要求7
‑
8任一所述的比对和分析系统，可调用所述程序指令能够执行如权利要求1
‑
6任一所述的比对和分析方法。

技术总结
本发明公开了一种基于深度学习姿态评估对连续动作的比对和分析方法、系统和设备，旨在保障对比分析的准确性；所述方法包括以下步骤：一种基于深度学习姿态评估对连续动作的比对和分析方法，包括以下步骤：步骤1：获取作为评估标准的视频A、待评估的视频B；步骤2：获取视频A、视频B中的每一帧中的关键点，并规划出含该关键点的预设图形；步骤3：获取视频A、视频B中从起始帧到结束帧的过程中，预设图形的移动轨迹形成第一区域、第二区域；步骤4：将第一区域和第二区域进行比对，得到匹配度；属于运动姿态评估技术领域。动姿态评估技术领域。动姿态评估技术领域。


技术研发人员：刘师岐 马佳鑫 郭涛涛 戴旭强 赵懿博
受保护的技术使用者：广州中金育能教育科技有限公司
技术研发日：2021.07.29
技术公布日：2021/10/23