跳绳计数方法、装置、系统、电子装置和存储介质与流程

1.本技术涉及跳绳计数领域，特别是涉及跳绳计数方法、装置、系统、电子装置和存储介质。


背景技术：

2.跳绳在很多场合已经成为娱乐或比赛的一项重要运行项目。随着体育教育的不断发展，不少中小学已经将跳绳作为体育考试内容之一，以此作为衡量身体素质的标准之一。跳绳的过程中需要进行计数，以此作为运动指标。在相关技术中，跳绳计数方法通常采用人工计数、专用跳绳转轴计数、红外计数或基于音频的方法进行计数。然而，人工计数方法不仅费时费力，而且还比较容易受主观因素影响。专用跳绳转轴计数方法不仅需要专用的跳绳设备，而且使用时间较长之后损耗较严重，进而导致无法使用。红外计数方法使用的设备成本较高，且依赖特定的环境和限制条件。音频计数方法对环境依赖性较强，且当有多人同时跳绳时，很难识别。另外，在进行多人跳绳时，以上方法都需要人工进行参与统计最终成绩，从而导致跳绳计数的准确性和效率较低。
3.目前针对相关技术中跳绳计数的准确性和效率低的问题，尚未提出有效的解决方案。


技术实现要素：

4.本技术实施例提供了一种跳绳计数方法、装置、系统、电子装置和存储介质，以至少解决相关技术中跳绳计数的准确性和效率低的问题。
5.第一方面，本技术实施例提供了一种跳绳计数方法，所述方法包括：
6.获取图像信息，根据所述图像信息获取至少一个目标检测结果；
7.利用训练完备的准备手势识别模型对所述目标检测结果进行准备手势识别，以得到第一识别结果；
8.在所述第一识别结果指示准备手势识别通过的情况下，利用训练完备的跳绳计数模型对所述目标检测结果进行跳绳检测处理，生成目标跳绳检测结果。
9.在其中一些实施例中，所述在所述第一识别结果指示准备手势识别通过的情况下，所述方法还包括：
10.获取预设的第一跳绳检测区域；
11.根据所述第一跳绳检测区域和所述第一识别结果计算得到重叠结果；
12.在所述重叠结果大于或等于预设重叠值的情况下，利用所述跳绳计数模型对所述目标检测结果进行跳绳检测处理以生成所述目标跳绳检测结果。
13.在其中一些实施例中，所述第一跳绳检测区域的尺寸为第一尺寸，且所述第一尺寸包括第一尺度信息和第一特征点坐标，所述根据所述第一跳绳检测区域和所述第一识别结果计算得到重叠结果包括：
14.根据所述第一识别结果获取位置框信息；所述位置框信息的尺寸为第二尺寸，且
所述第二尺寸包括第二尺度信息和第二特征点坐标；
15.根据所述第一尺度信息、所述第一特征点坐标、所述第二尺度信息和所述第二特征点坐标计算得到重叠部分面积；
16.根据所述第一尺度信息、所述第二尺度信息和所述重叠部分面积计算得到重叠率信息，并将所述重叠率信息作为所述重叠结果。
17.在其中一些实施例中，所述根据所述第一跳绳检测区域和所述第一识别结果计算得到重叠结果之后，所述方法还包括：
18.在所述重叠结果小于所述预设重叠值的情况下，发送第一提示信息至提醒装置，以使得所述提醒装置基于所述第一提示信息提示用户进入所述第一跳绳检测区域。
19.在其中一些实施例中，所述在所述第一识别结果指示准备手势识别通过的情况下，所述方法还包括：
20.利用训练完备的确认手势识别模型对所述第一识别结果进行确认手势识别以得到第二识别结果；
21.在识别得到所述第二识别结果的时间超过预设识别时间段，或所述第二识别结果指示确认手势识别识别失败的情况下，重新利用所述准备手势识别模型对所有所述目标检测结果进行准备手势识别以识别得到所述第一识别结果；
22.在识别得到所述第二识别结果的时间位于所述预设识别时间段内的情况下，利用所述跳绳计数模型对所述目标检测结果进行跳绳检测处理以生成所述目标跳绳检测结果。
23.在其中一些实施例中，所述利用训练完备的跳绳计数模型对所述目标检测结果进行跳绳检测处理，生成目标跳绳检测结果包括：
24.对所述目标检测结果进行人脸比对处理以得到人脸比对结果，并利用所述跳绳计数模型对所述目标检测结果进行跳绳检测处理以得到跳绳计数结果；
25.根据所述人脸比对结果和所述跳绳计数结果生成所述目标跳绳检测结果。
26.在其中一些实施例中，所述对所述目标检测结果进行人脸比对处理，得到人脸比对结果包括：
27.获取检测数据库；
28.利用训练完备的人脸识别模型对所述目标检测结果进行人脸识别处理，得到人脸特征信息；
29.将所述人脸特征信息与所述检测数据库中的存储信息进行比对，得到所述人脸比对结果。
30.在其中一些实施例中，所述根据所述人脸比对结果和所述跳绳计数结果生成所述目标跳绳检测结果包括：
31.获取预设的比对阈值；
32.在所述人脸比对结果指示所述人脸特征信息与所述存储信息之间的比对信息大于或等于所述比对阈值的情况下，根据所述人脸特征信息和所述跳绳计数结果生成所述目标跳绳检测结果；
33.在所述人脸比对结果指示所述比对信息小于所述比对阈值的情况下，将所述人脸特征信息存储至所述检测数据库以生成新增人脸对象，并根据所述新增人脸对象和所述跳绳计数结果生成所述目标跳绳检测结果。
34.在其中一些实施例中，所述利用训练完备的跳绳计数模型对所述目标检测结果进行跳绳检测处理，生成目标跳绳检测结果包括：
35.获取第二跳绳检测区域和预设跳绳时间；
36.在检测到所述目标检测结果位于所述第二跳绳检测区域内，且当前时间位于所述预设跳绳时间的范围内的情况下，利用所述跳绳计数模型对所述目标检测结果进行跳绳检测处理以生成所述目标跳绳检测结果；
37.在检测到所述目标检测结果离开所述第二跳绳检测区域，或当前时间超过所述预设跳绳时间的情况下，发送第二提示信息至提醒装置，以使得所述提醒装置基于所述第二提示信息提示用户跳绳计数流程结束。
38.第二方面，本技术实施例提供了一种跳绳计数装置，所述装置包括：获取模块、识别模块和生成模块；
39.所述获取模块，用于获取图像信息，根据所述图像信息获取至少一个目标检测结果；
40.所述识别模块，用于利用训练完备的准备手势识别模型对所述目标检测结果进行准备手势识别，以得到第一识别结果；
41.所述生成模块，用于在所述第一识别结果指示准备手势识别通过的情况下，利用训练完备的跳绳计数模型对所述目标检测结果进行跳绳检测处理，生成目标跳绳检测结果。
42.第三方面，本技术实施例提供了一种跳绳计数系统，所述系统包括：图像采集装置和控制装置；
43.所述图像采集装置，用于将采集到的图像信息发送至所述控制装置；
44.所述控制装置，用于执行如上述第一方面所述的跳绳计数方法。
45.第四方面，本技术实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的跳绳计数方法。
46.第五方面，本技术实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的跳绳计数方法。
47.相比于相关技术，本技术实施例提供的跳绳计数方法、装置、系统、电子装置和存储介质，通过获取图像信息，根据该图像信息获取至少一个目标检测结果；利用训练完备的准备手势识别模型对该目标检测结果进行准备手势识别，以得到第一识别结果；在该第一识别结果指示准备手势识别通过的情况下，利用训练完备的跳绳计数模型对该目标检测结果进行跳绳检测处理，生成目标跳绳检测结果，解决了跳绳计数的准确性和效率低的问题，实现了高效、精确的自动化跳绳计数。
48.本技术的一个或多个实施例的细节在以下附图和描述中提出，以使本技术的其他特征、目的和优点更加简明易懂。
附图说明
49.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
50.图1是根据本技术实施例的一种跳绳计数方法的应用环境图；
51.图2是根据本技术实施例的一种跳绳计数方法的流程图；
52.图3是根据本技术实施例的一种准备手势识别模型的应用方法的流程图；
53.图4是根据本技术实施例的一种确认手势识别模型的应用方法的流程图；
54.图5是根据本技术实施例的一种人脸识别模型的应用方法的流程图；
55.图6是根据本技术实施例的一种跳绳计数模型的应用方法的流程图；
56.图7是根据本技术优选实施例的一种跳绳计数方法的流程图；
57.图8是根据本技术实施例的一种跳绳计数装置的结构框图；
58.图9是根据本技术实施例的一种计算机设备内部的结构图。
具体实施方式
59.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。基于本技术提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本技术公开的内容相关的本领域的普通技术人员而言，在本技术揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本技术公开的内容不充分。
60.在本技术中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本技术所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
61.除非另作定义，本技术所涉及的技术术语或者科学术语应当为本技术所属技术领域内具有一般技能的人士所理解的通常意义。本技术所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本技术所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本技术所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本技术所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。本技术所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
62.本技术提供的跳绳计数方法，可以应用于如图1所示的应用环境中。其中，图像采集设备12通过网络与服务器设备14进行通信。服务器设备14通过图像采集设备12获取图像信息，根据该图像信息获取至少一个目标检测结果，并利用训练完备的准备手势识别模型对该目标检测结果进行准备手势识别，以得到第一识别结果；该服务器设备14利用训练完备的跳绳计数模型对该目标检测结果进行跳绳检测处理，生成目标跳绳检测结果。其中，该
图像采集设备12可以但不限于是各种双目相机、球机、录像设备或其他用于采集图像的设备，该服务器设备14可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
63.本实施例提供了一种跳绳计数方法，图2是根据本技术实施例的一种跳绳计数方法的流程图，如图2所示，该流程包括如下步骤：
64.步骤s220，获取图像信息，根据该图像信息获取至少一个目标检测结果。
65.其中，上述图像信息是指包含有待进行跳绳检测的人体的图像；该图像信息的获取方式可以为：由上述服务器设备或处理芯片等控制装置从上述图像采集设备在跳绳部署现场采集到的视频流中提取连续视频帧得到。上述控制装置可以利用人体检测模型对每帧图像信息进行检测，获取到所有检测到的人体目标的矩形位置信息，并利用目标跟踪算法对该检测到的人体目标的运动位置进行跟踪以实时更新目标位置，进而得到上述针对人体目标的目标检测结果。可以理解的是，当跳绳部署现场中进行多人跳绳竞赛或训练时，可以检测到至少两个目标检测结果。
66.步骤s240，利用训练完备的准备手势识别模型对该目标检测结果进行准备手势识别，以得到第一识别结果。
67.其中，上述准备手势识别模型是指用于识别例如挥手、举手或点头等示意跳绳人员已进入准备状态的手势的模型；该准备手势可以由工作人员预先进行设置。该准备手势识别模型的训练方法可以为：获取多张包括该准备手势的样本图像作为训练集；将该训练集输入至神经网络模型进行训练，最终生成准确手势识别模型。则可以由上述控制装置从上述图像信息中截取各目标检测结果所在的部分图像并输入至该准确手势识别模型，以判断是否有目标检测结果执行准备手势，进而生成指示是否有人体目标执行准备手势的第一识别结果。
68.步骤s260，在该第一识别结果指示准备手势识别通过的情况下，利用训练完备的跳绳计数模型对该目标检测结果进行跳绳检测处理，生成目标跳绳检测结果。
69.其中，上述跳绳计数模型是指用于基于上述图像信息自动跳绳计数的模型。该跳绳计数模型的训练方法可以为：获取多张包括起跳、空中、落地等不同跳绳状态的样本图像，对应生成不同训练集；将各训练集输入至分类模型进行训练，最终训练生成跳绳计数模型。可以理解的是，该跳绳计数模型还可以基于人体关键点检测生成，在此不再赘述。则将上述目标检测结果所在的连续帧视频流分别输入至该跳绳计数模型，可以实现自动跳绳计数以生成上述目标跳绳检测结果。
70.可以理解的是，在实际应用场景中，若针对单人跳绳计数，则此时可以指示该用户在准备好后执行准备手势，即利用该准确手势识别模型针对唯一存在的一个目标检测结果进行准确手势识别，在检测到生成的第一识别结果是指该用户执行准备手势的情况下开始自动跳绳计数。若针对多人同时跳绳计数，则此时可以指示各用户均执行准确手势，即利用该准确手势识别模型针对各目标检测结果进行准确手势识别，在检测到准备手势识别通过的个数等于目标检测结果的个数时再开始自动跳绳计数；或者，也可以预先指派用户中的一个代表用户执行准确手势，此时也仅需检测到一个准备手势识别通过的第一识别结果即可开始自动跳绳计数。通过上述步骤s260，在检测到准备手势识别通过的情况下再开始进行自动跳绳计数，可以避免用户尚未准备或其他无关人员误入导致的误检，减少了跳绳过程中可能出现的干扰信号。
71.通过上述步骤s220至步骤s260，通过对图像信息进行人体识别，并对识别得到的人体识别结果进行手势识别，基于手势识别的结果进行自动跳绳计数，减少了人为参与计数的干扰，降低了检测成本，提高了跳绳检测效率；此外，由于本技术是基于图像信息生成的跳绳检测，因此避免了声音和空跳等干扰，能够有效提高跳绳技术的准确性，从而解决了跳绳计数的准确性和效率低的问题，实现了高效、精确的自动化跳绳计数方法。
72.在其中一些实施例中，上述在该第一识别结果指示准备手势识别通过的情况下，上述跳绳计数方法还包括如下步骤：
73.步骤s261，获取预设的第一跳绳检测区域。
74.其中，上述第一跳绳检测区域是指用于指定上述执行准备手势的代表用户运动范围的区域。例如，该第一跳绳检测区域可以绘制为矩形或圆形等特定形状的区域。可以理解的是，该第一跳绳检测区域可以由工作人员在跳绳部署现场直接绘制矩形等区域；或者，该第一跳绳检测区域也可以由工作人员预先在上述图像采集装置采集到的视频帧图像上绘制生成，并由工作人员在跳绳部署现场标记十字等符号以提示代表人员在后续跳绳计数时的站立位置，从而提高上述控制装置的计算效率。
75.步骤s262，根据该第一跳绳检测区域和该第一识别结果计算得到重叠结果。
76.其中，上述第一识别结果包括所识别到的执行准备手势的代表用户所在位置的位置框信息。上述重叠结果可以是该位置框信息与上述第一跳绳检测区域之间的重叠部分，或者是该重叠部分与第一跳绳检测区域的重叠比值等等，进而可以根据该第一跳绳检测区域与该第一识别结果中的位置框信息计算得到该重叠结果。
77.步骤s263，在该重叠结果大于或等于预设重叠值的情况下，利用该跳绳计数模型对该目标检测结果进行跳绳检测处理以生成该目标跳绳检测结果。
78.其中，上述预设重叠值是指由工作人员预先设置的重叠阈值。该预设重叠值应当与上述重叠结果的计算方式相匹配；例如，若上述重叠结果是通过计算上述代表人员所在位置的位置框信息与上述第一跳绳检测区域之间的重叠部分的面积得到的，则可以将该预设重叠值设置成以dpi为单位的阈值；或者，若上述重叠结果是通过计算该重叠部分与该第一跳绳检测区域之间的重叠面积比值得到的，则可以将该预设重叠值设置为比值形式的阈值，例如0.8等。通过将该重叠结果与预设重叠值进行比较，当重叠结果大于预设重叠值时，说明代表人员所在位置与第一跳绳检测区域的重叠部分较大，可以确定代表人员已经进入该第一跳绳检测区域，则此时开始将上述目标检测结果输入至上述跳绳计数模型并输出得到上述目标跳绳检测结果，以提高后续跳绳计数模型的检测结果的准确性。
79.通过上述步骤s261至步骤s263，在检测到准备手势识别通过的情况下，进一步检测执行准备手势的用户是否进入到预先指定的第一跳绳检测区域，从而避免了其他无关人员在误入跳绳部署现场时做了同样手势导致的误检，有效提高了跳绳计数的准确性。
80.在其中一些实施例中，上述第一跳绳检测区域的尺寸为第一尺寸，且该第一尺寸包括第一尺度信息和第一特征点坐标，上述根据该第一跳绳检测区域和该第一识别结果计算得到重叠结果还包括如下步骤：
81.根据所述第一识别结果获取位置框信息；所述位置框信息的尺寸为第二尺寸，且所述第二尺寸包括第二尺度信息和第二特征点坐标；根据所述第一尺度信息、所述第一特征点坐标、所述第二尺度信息和所述第二特征点坐标计算得到重叠部分面积；根据所述第
一尺度信息、所述第二尺度信息和所述重叠部分面积计算得到重叠率信息，并将所述重叠率信息作为所述重叠结果。
82.其中，上述第一尺度信息可以选用上述第一跳绳检测区域的宽度、高度、对角线以及其他具备特征的线段；上述第一特征点坐标可以选用该第一跳绳检测区域的区域中心点坐标、角点坐标、边长中心点坐标以及其他具备特征的点的坐标。上述第二尺度信息可以选用上述位置框信息所指示的区域的宽度、高度、对角线以及其他具备特征的线段；上述第二特征点坐标可以选用该位置框的区域中心点坐标、角点坐标、边长中心点坐标以及其他具备特征的点的坐标。利用上述具备特征的各区域的线段以及特征点坐标，可以计算得到上述位置框信息和第一跳绳检测区域之间的重叠部分面积，并根据第一尺度信息、第二尺度信息计算得到对应区域的面积，进而计算重叠部分面积与其中一个区域之间的比值，或计算重叠部分面积与面积最小的一个区域之间的比值等，以计算得到上述重叠率信息，最终将该重叠率信息作为上述重叠结果并进行后续步骤。
83.具体地，以上述第一尺度信息包括上述第一跳绳检测区域的宽度w1、高度h1，上述第一特征点坐标包括该第一跳绳检测区域的左上角坐标(r1.x，r1.y)、右下角坐标(r2.x，r2.y)，且上述第二尺度信息包括上述位置框信息的宽度w2、高度h2，上述第二特征点坐标包括该位置框信息的左上角坐标(r3.x，r3.y)、右下角坐标(r4.x，r4.y)为例，则上述重叠率的计算公式如下所示：
84.w＝w1 w
2-(max{r1.x w1，r3.x w2}-min{r1.x，r3.x})
ꢀꢀ
公式1
85.h＝h1 h
2-(max{r1.y h1，r3.y h2}-min{r1.y，r3.y})
ꢀꢀꢀ
公式2
[0086][0087]
其中，w用于表示上述重叠部分的宽度，h用于表示该重叠部分的高度。则将上述公式1和上述公式2中求得的重叠部分的宽度、高度值代入公式3，可以计算得到重叠率rare。需要补充说明的是，若计算得到w》0且h》0时，说明上述位置框信息和上述第一跳绳检测区域之间存在重叠部分，此时重叠率rare可以通过比较位置框信息和第一跳绳检测区域之间的最小值，并计算重叠部分与最小值之间的比值得到；通过取两个矩形面积较小的值，避免了若两个矩形面积相差很大时固定取一个矩形框来计算重叠率所导致的重叠率取值区间非常大，进而使得后续重叠率和预设重叠值的比较结果计算准确性低的问题。而若计算得到重叠部分的宽度w或高度h为0时，说明此时两个矩形框之间存在边长相接而不重叠的情况；若计算得到w＜0或h＜0时，说明此时两个矩形框之间没有重叠部分，因此当出现这两种情况，即首先计算得到w≤0或h≤0时，则无需继续计算后续公式即可得到重叠率rare＝0的计算结果，以便提高计算效率。
[0088]
通过上述实施例，通过位置框信息和第一跳绳检测区域各自具有特征的线段、坐标点等信息，计算得到上述重叠率信息，提高了计算效率和准确性，并且选用重叠率信息作为重叠结果，使得针对上述执行准确手势的代表用户是否进入第一跳绳检测区域的判断更加直观，从而提高了跳绳计数的准确性和效率。
[0089]
在其中一些实施例中，上述步骤s262之后，上述跳绳计数方法还包括如下步骤：
[0090]
步骤s264，在该重叠结果小于该预设重叠值的情况下，发送第一提示信息至提醒
装置，以使得该提醒装置基于该第一提示信息提示用户进入该第一跳绳检测区域。
[0091]
具体地，在上述控制装置计算得到上述重叠结果小于上述预设重叠值的情况下，说明此时上述执行准备手势的代表人员尚未进入上述第一跳绳检测区域，则此时可以由该控制装置生成第一提示信息并发送至与其连接的提醒装置，并由该提醒装置向用户显示提醒消息以提示用户进入第一跳绳检测区域。其中，该提醒装置可以是部署在现场的显示屏设备，并基于该第一提示信息显示“请进入指定区域！”的字样；或者，该提醒装置也可以是部署在现场中的第一跳绳检测区域上方的led灯，并基于该第一提示信息显示红灯；该提醒装置还可以是扬声器或其他用于提醒的声光装置，在此不再赘述。
[0092]
通过上述步骤s264，在基于上述重叠结果检测到用户尚未进入第一跳绳检测区域的情况下，基于生成的第一提示信息指示提醒装置自动向用户发送提示信号，无需人为进行协助，从而有效提高了跳绳计数过程中的自动化程度。
[0093]
需要补充说明的是，本实施例还提供了一种准备手势识别模型的应用方法，以该准备手势识别模型采用挥手检测模型以识别挥手手势为例，图3是根据本技术实施例的一种准备手势识别模型的应用方法的流程图，如图3所示，该准备手势识别模型的应用方法包括如下步骤：
[0094]
步骤s301，获取视频流信息。
[0095]
步骤s302，对视频流信息中提取到的每帧图像进行目标检测。
[0096]
步骤s303，获取图像中的人体目标位置并跟踪，生成目标检测结果。
[0097]
步骤s304，利用挥手检测模型对目标检测结果进行检测。
[0098]
步骤s305，判断是否有目标挥手。若步骤s304的判断结果为否，则重新执行上述步骤s304。
[0099]
步骤s306，若上述步骤s304的判断结果为是，计算挥手目标与第一跳绳检测区域的重叠率。
[0100]
步骤s307，判断重叠率是否大于预设重叠值。若步骤s307的判断结果为否，则重新执行上述步骤s306。
[0101]
步骤s308，若上述步骤s307的判断结果为是，则生成目标进入第一跳绳检测区域的判定结果。
[0102]
在其中一些实施例中，上述在该第一识别结果指示准备手势识别通过的情况下，上述跳绳计数方法还包括如下步骤：
[0103]
步骤s265，利用训练完备的确认手势识别模型对该第一识别结果进行确认手势识别以得到第二识别结果。
[0104]
其中，上述确认手势识别模型是指用于识别例如ok手势、比“v”或握拳等示意跳绳人员已再次确认无误的手势的模型；该确认手势可以由工作人员预先设置为区别于上述准备手势的特定手势。该确认手势识别模型的训练方法可以为：获取多张包括该确认手势的样本图像作为训练集；将该训练集输入至神经网络模型进行训练，最终生成确认手势识别模型。则可以由上述控制装置从上述图像信息中截取各目标检测结果所在的部分图像并输入至该确认手势识别模型，以判断是否有目标检测结果执行确认手势，进而生成指示是否有人体目标执行确认手势的第二识别结果。
[0105]
步骤s266，在识别得到该第二识别结果的时间超过预设识别时间段，或该第二识
别结果指示确认手势识别识别失败的情况下，重新利用该准备手势识别模型对所有该目标检测结果进行准备手势识别以识别得到该第一识别结果。
[0106]
其中，上述预设识别时间段是指预先设置的用于指定确认手势识别时长的时间段；例如，该预设识别时间段可以设置为30s。具体地，若上述控制装置在该预设识别时间段内未识别得到上述第二识别结果，或识别该第二识别结果的时间超过该预设识别时间段，则说明在该预设识别时间段内未能检测到有执行确认手势的人体目标，此时可以由控制装置利用上述准备手势识别模型重新检测是否有人体目标执行准备手势，从而通过针对准备手势的多次识别，避免了在上述步骤s240中存在对执行准备手势的目标的误检的问题。
[0107]
步骤s267，在识别得到该第二识别结果的时间位于该预设识别时间段内的情况下，利用该跳绳计数模型对该目标检测结果进行跳绳检测处理以生成该目标跳绳检测结果。
[0108]
具体地，若在上述预设识别时间段内成功识别到执行上述确认手势的人体目标，则自动开启跳绳计数模型，对上述目标检测结果进行跳绳计数检测并最终生成上述目标跳绳检测结果。
[0109]
通过上述步骤s265至步骤s267，通过确认手势识别模型识别人体目标是否执行确认手势，从而通过多次不同手势识别，确保了跳绳计数流程的自动化开启不会因为无关人员误入等干扰因素而出错，进一步提高了跳绳计数的准确性。
[0110]
需要补充说明的是，本实施例还提供了一种确认手势识别模型的应用方法，以该确认手势识别模型采用ok手势检测模型以识别ok手势为例，图4是根据本技术实施例的一种确认手势识别模型的应用方法的流程图，如图4所示，该确认手势识别模型的应用方法包括如下步骤：
[0111]
步骤s401，获取视频流信息。
[0112]
步骤s402，利用ok手势检测模型对目标检测结果进行ok手势识别。
[0113]
步骤s403，判断识别时间是否超过预设识别时间段。
[0114]
步骤s404，若上述步骤s403的判断结果为否，判断是否有人体目标执行ok手势。若步骤s404的判断结果为否，则重新执行上述步骤s403。
[0115]
步骤s405，若上述步骤s404的判断结果为是，生成人体目标准备就绪的判断结果，并提示倒计时十秒，倒计时结束后开始自动跳绳计数。
[0116]
步骤s406，若上述步骤s403的判断结果为是，则开启挥手检测模型，重新开始检测。
[0117]
在其中一些实施例中，上述利用训练完备的跳绳计数模型对该目标检测结果进行跳绳检测处理，生成目标跳绳检测结果还包括如下步骤：对该目标检测结果进行人脸比对处理以得到人脸比对结果，并利用该跳绳计数模型对该目标检测结果进行跳绳检测处理以得到跳绳计数结果；根据该人脸比对结果和该跳绳计数结果生成该目标跳绳检测结果。
[0118]
上述对该目标检测结果进行人脸比对处理，得到人脸比对结果还包括如下步骤：获取检测数据库；利用训练完备的人脸识别模型对该目标检测结果进行人脸识别处理，得到人脸特征信息；将该人脸特征信息与该检测数据库中的存储信息进行比对，得到该人脸比对结果。
[0119]
可以理解的是，上述检测数据库是指预先存储的包括已知用户的人脸信息和跳绳
记录信息的数据库。具体地，利用上述人脸识别模型对上述跟踪的目标检测结果进行人脸识别处理，得到对应的人脸特征信息，进而将该人脸特征信息与上述检测数据库中各条存储信息对应的人脸信息一一进行比对，即可得到上述人脸比对结果。需要补充说明的是，上述人脸比对结果还可以是将针对目标检测结果的人脸特征信息，与存储在上述控制装置的存储空间内的人脸专用数据库进行比对，在此不再赘述。
[0120]
进一步地，在得到该人脸比对结果之后，在多人跳绳计数场景下，可以将上述利用跳绳计数模型对目标检测结果进行跳绳检测处理得到的跳绳计数结果，与各人体目标一一匹配起来，以便最终生成多人匹配的目标跳绳检测结果。
[0121]
通过上述实施例，通过利用人脸识别模型对目标检测结果进行人脸比对，并基于得到的人脸比对结果最终生成上述目标跳绳检测结果，从而避免了在多人跳绳计数过程中人体目标与跳绳计数值匹配紊乱导致的检测出错，有效提高了跳绳计数的准确性。
[0122]
在其中一些实施例中，上述根据该人脸比对结果和该跳绳计数结果生成该目标跳绳检测结果还包括如下步骤：
[0123]
步骤s268，获取预设的比对阈值。
[0124]
其中，上述比对阈值可以由工作人员预先进行设置，例如，可以设置为80％等值。
[0125]
步骤s269，在该人脸比对结果指示该人脸特征信息与该存储信息之间的比对信息大于或等于该比对阈值的情况下，根据该人脸特征信息和该跳绳计数结果生成该目标跳绳检测结果；在该人脸比对结果指示该比对信息小于该比对阈值的情况下，将该人脸特征信息存储至该检测数据库以生成新增人脸对象，并根据该新增人脸对象和该跳绳计数结果生成该目标跳绳检测结果。
[0126]
其中，在检测到上述比对信息大于或等于上述比对阈值的情况下，说明此时人脸比对成功，该人体目标的人脸特征信息与上述检测数据库中已存储的人脸信息相吻合，属于同一用户，则此时无需新增用户，可以直接生成与该检测数据库中已存储的人脸信息相关联的目标跳绳检测结果。在检测到上述比对信息小于上述比对阈值的情况下，说明此时人脸比对失败，该人体目标的人脸特征信息尚未存储至上述检测数据库，则可以将该人脸特征信息更新至检测数据库，同时将上述跳绳计数结果新增至该检测数据库。
[0127]
可以理解的是，在多人跳绳竞赛场景下，若检测到上述人脸比对成功，可以在跳绳结束时判断此次跳绳数量与检测数据库中对应人体目标的已存储跳绳数量，若此次跳绳数量大于已存储跳绳数量则将此次跳绳数量更新至检测数据库，否则则不更新；最终在所有流程结束后遍历检测数据库，以跳绳计数作为排序条件，选出前m名结果，作为本次竞赛成绩进行展示；其中，m为大于1的正整数。或者，在跳绳训练场景下，也可以将每次训练的跳绳数量存储至上述检测数据库，进而作为历史记录以便用户查阅。
[0128]
通过上述步骤s268至步骤s269，基于上述比对信息将人脸特征信息、跳绳计数结果存储至上述检测数据库，从而便于用户检索，并且提高了生成目标跳绳检测结果的效率。
[0129]
需要补充说明的是，本实施例还提供了一种人脸识别模型的应用方法，图5是根据本技术实施例的一种人脸识别模型的应用方法的流程图，如图5所示，该人脸识别模型的应用方法包括如下步骤：
[0130]
步骤s501，获取视频流信息。
[0131]
步骤s502，利用人脸识别模型对目标检测结果进行识别。
[0132]
步骤s503，判断是否检测到人脸特征信息。若步骤s503的判断结果为否，则重新执行上述步骤s502。
[0133]
步骤s504，若上述步骤s503的判断结果为是，则在检测数据库汇总进行人脸比对，并判断是否比对成功。
[0134]
步骤s505，若上述步骤s504的判断结果为是，则在跳绳结束时判断是否更新跳绳计数数据。
[0135]
步骤s506，若上述步骤s04的判断结果为否，则在跳绳结束时将目标检测结果的人脸特征信息和跳绳计数数据插入上述检测数据库。
[0136]
在其中一些实施例中，上述利用训练完备的跳绳计数模型对该目标检测结果进行跳绳检测处理，生成目标跳绳检测结果还包括如下步骤：获取第二跳绳检测区域和预设跳绳时间；在检测到该目标检测结果位于该第二跳绳检测区域内，且当前时间位于该预设跳绳时间的范围内的情况下，利用该跳绳计数模型对该目标检测结果进行跳绳检测处理以生成该目标跳绳检测结果；在检测到该目标检测结果离开该第二跳绳检测区域，或当前时间超过该预设跳绳时间的情况下，发送第二提示信息至提醒装置，以使得该提醒装置基于该第二提示信息提示用户跳绳计数流程结束。
[0137]
其中，上述第二跳绳检测区域是指预先为每位用户对应指定的运动区域；可以理解的是，上述第一跳绳检测区域可以与该第二跳绳检测区域相同，也可以不同；例如，在单人跳绳计数场景下，该第一跳绳检测区域即可设置为与该第二跳绳检测区域相同的区域。上述预设跳绳时间为预先设置的限制本次跳绳时长的时间，例如，该预设跳绳时间可以设置为1分钟。
[0138]
具体地，上述控制装置可以利用目标跟踪算法对上述目标检测结果进行持续跟踪。在控制装置跟踪到该目标检测结果一直位于上述第二跳绳检测区域内，且当前时间未超过预设跳绳时间时，说明此次跳绳未结束，则该控制装置可以在这一时间段内利用上述跳绳计数模型对目标检测结果持续进行跳绳计数。而当控制装置跟踪检测到该目标检测结果已离开第二跳绳检测区域，或当前时间已超时，说明此次跳绳已经结束，此时该控制装置可以基于生成的第二提示信息指示提醒装置提醒用户跳绳计数流程结束。该第二提示信息可以为“本次跳绳已结束，请离场”字样等信息。
[0139]
通过上述实施例，通过设置第二跳绳检测区域和预设跳绳时间，判断跳绳人员是否离开指定跳绳区域或跳绳时间是否已超时，从而实现了对自动化跳绳检测流程的自动开始和结束功能的准确控制，提高了跳绳计数的准确性；同时在检测到流程结束时指示提醒装置自动向用户发送提示信号，进一步提高了跳绳计数过程中的自动化程度。
[0140]
需要补充说明的是，本实施例还提供了一种跳绳计数模型的应用方法，图6是根据本技术实施例的一种跳绳计数模型的应用方法的流程图，如图6所示，该跳绳计数模型型的应用方法包括如下步骤：
[0141]
步骤s601，获取视频流信息。
[0142]
步骤s602，利用跳绳计数模型对目标检测结果进行跳绳计数检测。
[0143]
步骤s603，对目标检测结果中的人体目标进行跟踪。
[0144]
步骤s604，基于上述跟踪结果判断人体目标是否发生变化，即是否离开指定跳绳区域。
[0145]
步骤s605，若上述步骤s604的判断结果为否，继续进行跳绳计数检测。
[0146]
步骤s606，判断跳绳计时是否已到。
[0147]
步骤s607，若上述步骤s606的判断结果为是，则结束流程，并下发挥手配置，开启上述挥手检测模型以进入下一轮跳绳计数流程。
[0148]
步骤s608，若上述步骤s604的判断结果为是，则下发挥手配置，开启上述挥手检测模型以进入下一轮跳绳计数流程。
[0149]
下面结合实际应用场景对本技术的实施例进行详细说明，图7是根据本技术优选实施例的一种跳绳计数方法的流程图，如图7所示，该流程包括如下步骤：
[0150]
步骤s701，获取视频流信息。
[0151]
步骤s702，利用挥手检测模型锁定跳绳人体目标。
[0152]
步骤s703，跟踪目标是否进入第一跳绳检测区域。
[0153]
步骤s704，利用ok手势检测模型判断上述跳绳人体目标是否准备就绪。
[0154]
步骤s705，利用人脸识别模型判断上述跳绳人体目标是否比对成功。
[0155]
步骤s706，利用跳绳计数模型检测上述跳绳人体目标得到跳绳计数结果。
[0156]
步骤s707，基于上述步骤s705得到的人脸特征信息保存跳绳计数结果到检测数据库中。
[0157]
步骤s708，完成当前跳绳计数检测流程。
[0158]
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0159]
本实施例还提供了一种跳绳计数装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
[0160]
图8是根据本技术实施例的一种跳绳计数装置的结构框图，如图8所示，该装置包括：获取模块82、识别模块84和生成模块86；该获取模块82，用于获取图像信息，根据该图像信息获取至少一个目标检测结果；该识别模块84，用于利用训练完备的准备手势识别模型对该目标检测结果进行准备手势识别，以得到第一识别结果；该生成模块86，用于在该第一识别结果指示准备手势识别通过的情况下，利用训练完备的跳绳计数模型对该目标检测结果进行跳绳检测处理，生成目标跳绳检测结果。
[0161]
通过上述实施例，通过获取模块82对图像信息进行人体识别，识别模块84对识别得到的人体识别结果进行手势识别，生成模块86基于手势识别的结果进行自动跳绳计数，减少了人为参与计数的干扰，降低了检测成本，提高了跳绳检测效率；此外，由于本技术是基于图像信息生成的跳绳检测，因此避免了声音和空跳等干扰，能够有效提高跳绳技术的准确性，从而解决了跳绳计数的准确性和效率低的问题，实现了高效、精确的自动化跳绳计数装置。
[0162]
在其中一些实施例中，上述生成模块86还用于获取预设的第一跳绳检测区域；该生成模块86根据该第一跳绳检测区域和该第一识别结果计算得到重叠结果；该生成模块86在该重叠结果大于或等于预设重叠值的情况下，利用该跳绳计数模型对该目标检测结果进
行跳绳检测处理以生成该目标跳绳检测结果。
[0163]
在其中一些实施例中，上述第一跳绳检测区域的尺寸为第一尺寸，且该第一尺寸包括第一尺度信息和第一特征点坐标，上述生成模块86还用于根据该第一识别结果获取位置框信息；该位置框信息的尺寸为第二尺寸，且该第二尺寸包括第二尺度信息和第二特征点坐标；该生成模块86根据该第一尺度信息、该第一特征点坐标、该第二尺度信息和该第二特征点坐标计算得到重叠部分面积；该生成模块86根据该第一尺度信息、该第二尺度信息和该重叠部分面积计算得到重叠率信息，并将该重叠率信息作为该重叠结果。
[0164]
在其中一些实施例中，上述生成模块86还用于在该重叠结果小于该预设重叠值的情况下，发送第一提示信息至提醒装置，以使得该提醒装置基于该第一提示信息提示用户进入该第一跳绳检测区域。
[0165]
在其中一些实施例中，上述生成模块86还用于利用训练完备的确认手势识别模型对该第一识别结果进行确认手势识别以得到第二识别结果；该生成模块86在识别得到该第二识别结果的时间超过预设识别时间段，或该第二识别结果指示确认手势识别识别失败的情况下，重新利用该准备手势识别模型对所有该目标检测结果进行准备手势识别以识别得到该第一识别结果；该生成模块86在识别得到该第二识别结果的时间位于该预设识别时间段内的情况下，利用该跳绳计数模型对该目标检测结果进行跳绳检测处理以生成该目标跳绳检测结果。
[0166]
在其中一些实施例中，上述生成模块86还用于对该目标检测结果进行人脸比对处理以得到人脸比对结果，并利用该跳绳计数模型对该目标检测结果进行跳绳检测处理以得到跳绳计数结果；该生成模块86根据该人脸比对结果和该跳绳计数结果生成该目标跳绳检测结果。
[0167]
在其中一些实施例中，上述生成模块86还用于获取检测数据库；该生成模块86利用训练完备的人脸识别模型对该目标检测结果进行人脸识别处理，得到人脸特征信息；该生成模块86将该人脸特征信息与该检测数据库中的存储信息进行比对，得到该人脸比对结果。
[0168]
在其中一些实施例中，上述生成模块86还用于获取预设的比对阈值；该生成模块86在该人脸比对结果指示该人脸特征信息与该存储信息之间的比对信息大于或等于该比对阈值的情况下，根据该人脸特征信息和该跳绳计数结果生成该目标跳绳检测结果；该生成模块86在该人脸比对结果指示该比对信息小于该比对阈值的情况下，将该人脸特征信息存储至该检测数据库以生成新增人脸对象，并根据该新增人脸对象和该跳绳计数结果生成该目标跳绳检测结果。
[0169]
在其中一些实施例中，上述生成模块86还用于获取第二跳绳检测区域和预设跳绳时间；该生成模块86在检测到该目标检测结果位于该第二跳绳检测区域内，且当前时间位于该预设跳绳时间的范围内的情况下，利用该跳绳计数模型对该目标检测结果进行跳绳检测处理以生成该目标跳绳检测结果；该生成模块86在检测到该目标检测结果离开该第二跳绳检测区域，或当前时间超过该预设跳绳时间的情况下，发送第二提示信息至提醒装置，以使得该提醒装置基于该第二提示信息提示用户跳绳计数流程结束。
[0170]
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位
于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
[0171]
本实施例还提供了一种跳绳计数系统，该系统包括：图像采集装置和控制装置；该图像采集装置，用于将采集到的图像信息发送至该控制装置；该控制装置，用于获取图像信息，根据该图像信息获取至少一个目标检测结果；该控制装置利用训练完备的准备手势识别模型对该目标检测结果进行准备手势识别，以得到第一识别结果；该控制装置在该第一识别结果指示准备手势识别通过的情况下，利用训练完备的跳绳计数模型对该目标检测结果进行跳绳检测处理，生成目标跳绳检测结果。其中，该控制装置包括但不限于是各种服务器设备、处理芯片、单片机、个人计算机或其他用于控制跳绳计数流程以生成目标跳绳检测结果的装置。通过上述实施例，控制装置通过对图像信息进行人体识别，并对识别得到的人体识别结果进行手势识别，基于手势识别的结果进行自动跳绳计数，减少了人为参与计数的干扰，降低了检测成本，提高了跳绳检测效率；此外，由于本技术是基于图像信息生成的跳绳检测，因此避免了声音和空跳等干扰，能够有效提高跳绳技术的准确性，从而解决了跳绳计数的准确性和效率低的问题，实现了高效、精确的自动化跳绳计数系统。
[0172]
在其中一些实施例中，上述跳绳计数系统还包括提醒装置。上述控制装置还用于获取第二跳绳检测区域和预设跳绳时间；该控制装置在检测到该目标检测结果位于该第二跳绳检测区域内，且当前时间位于该预设跳绳时间的范围内的情况下，利用该跳绳计数模型对该目标检测结果进行跳绳检测处理以生成该目标跳绳检测结果；该控制装置在检测到该目标检测结果离开该第二跳绳检测区域，或当前时间超过该预设跳绳时间的情况下，发送第二提示信息至提醒装置，以使得该提醒装置基于该第二提示信息提示用户跳绳计数流程结束。
[0173]
在其中一些实施例中，提供了一种计算机设备，该计算机设备可以是服务器，图9是根据本技术实施例的一种计算机设备内部的结构图，如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标跳绳检测结果。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述跳绳计数方法。
[0174]
本领域技术人员可以理解，图9中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0175]
本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
[0176]
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
[0177]
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
[0178]
s1，获取图像信息，根据该图像信息获取至少一个目标检测结果。
[0179]
s2，并利用训练完备的准备手势识别模型对该目标检测结果进行准备手势识别，
以得到第一识别结果。
[0180]
s3，在该第一识别结果指示准备手势识别通过的情况下，利用训练完备的跳绳计数模型对该目标检测结果进行跳绳检测处理，生成目标跳绳检测结果。
[0181]
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
[0182]
另外，结合上述实施例中的跳绳计数方法，本技术实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种跳绳计数方法。
[0183]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0184]
本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0185]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。