一种基于机器视觉骨骼追踪术的多人评测系统

技术特征：
1.一种基于机器视觉骨骼追踪术的多人评测系统，其特征在于，包括姿势识别模块、中央处理模块和动作智能匹配及评价模块；所述姿势识别模块包括摄像头拍摄单元、视频预处理单元和视频上传单元；所述动作智能匹配及评价模块包括智能分析模块、视频处理模块、数据处理模块和数据反馈模块；所述摄像头拍摄单元，用于拍摄运动视频；所述视频上传单元用于上传所述上传运动视频；所述视频预处理单元用于对所述运动视频进行预处理，包括获取用户运动时骨骼节点的变化信息，然后将变化信息发送至所述中央处理模块；所述中央处理模块用于根据用户运动时骨骼节点的变化信息，搭建力学模型，分析关节间运动数据，将关节的具体位置数据发送至所述动作智能匹配及评价模块；所述动作智能匹配及评价模块用于将关节的具体位置数据与标准的运动关键节点相关信息进行对比，获得相关动作差别信息，基于相关动作差别信息对该次运动的结果进行评价，并根据评价结果生成动作纠正方案。2.根据权利要求1所述的一种基于机器视觉骨骼追踪术的多人评测系统，其特征在于，还包括视频模块，所述视频模块包括信息录入单元和信息显示单元，所述视频模块用于为用户提供标准化的运动视频，所述运动视频包括武术教学视频、广场舞视频、体操教学视频和专业运动姿势教学视频。3.根据权利要求1所述的一种基于机器视觉骨骼追踪术的多人评测系统，其特征在于，所述预处理包括对拍摄运动视频获取连续帧图像并进行关于人体骨骼的关键点检测，获取各关键点的二维图像坐标并将关键点与人体关联；判断运动视频中的关键点的个数是否超出预定值，若未超过，则不进行姿态识别；若超过预定值，则将获取的各关键点的二维图像坐标转换为三维坐标。4.根据权利要求3所述的一种基于机器视觉骨骼追踪术的多人评测系统，其特征在于，基于所述三维坐标，获取关键点映射的肢体的相对位置特征，所述相对位置特征包括关键点之间表征的肢体距离、肢体夹角及关键点在x、y、z各方向上的距离差。5.根据权利要求3所述的一种基于机器视觉骨骼追踪术的多人评测系统，其特征在于，所述中央处理模块收到变化信息后，计算关键点的置信度累加权重，将置信度累加权重与预设阈值相比较，判断检测出表征姿态的人体关键点的信息是否足够；若置信度累加权重大于预设阈值，表示表征姿态的人体关键点的信息足够，利用肢体的相对位置关系判定法进行姿态识别，输出检测结果；所述肢体的相对位置关系判定法包括预设的各种人体姿态，获取各姿态下的肢体的相对位置特征，将不同姿态下获取的肢体的相对位置特征的范围作为设定的阈值；将肢体的相对位置特征与设定的阈值进行比对，若处于设定的阈值范围内，则对应为预设姿态；若处于设定的阈值范围外则不属于预设姿态。6.根据权利要求5所述的一种基于机器视觉骨骼追踪术的多人评测系统，其特征在于，若所述累加权重小于预设阈值，表示表征姿态的人体关键点信息不足，采用神经网络姿态识别技术进行姿态识别，输出检测结果；所述的神经网络姿态识别技术具体包括如下步骤：采用图像处理技术，提取人体目标轮廓的特征，特征包括面积、周长、宽高比和离心率；将目标轮廓的特征与关键点映射的肢体的相对位置特征组合归一化后作为特征向量，
形成训练模式库；通过神经网络模型训练，构建神经网络姿态分类器对姿态进行识别。通过神经网络模型训练，构建神经网络姿态分类器对姿态进行识别。7.根据权利要求3所述的一种基于机器视觉骨骼追踪术的多人评测系统，其特征在于，所述骨骼关键点检测包括关键点置信图预测、关键点亲和场预测和关键点聚类；所述关键点置信图预测通过下式确定：其中，表示第k个人的第j个关键点存在于p像素的置信度；x
j,k
表示第k个人的第j个关键点的空间坐标；σ表示高斯分布的扩散程度。8.根据权利要求7所述的一种基于机器视觉骨骼追踪术的多人评测系统，其特征在于，整个人体的置信度为该人体所有组成部分的置信度中的最大值，如下式：其中k表示当前检测总人数。

技术总结
本发明公开了一种基于机器视觉骨骼追踪术的多人评测系统，包括视频模块、姿势识别模块、中央处理模块和动作智能匹配及评价模块，本方法用户通过标准视频的学习训练，能了解到训练的注意点；把训练的视频上传后可以获得该次训练的科学评价和建议，包括动作规范与否或者关键点发力的情况。有效给用户提供一个标准化的运动学习平台，在用户运动训练时给与良好的运动检测和行为指引，给与用户最佳的学习体验。通过摄像头，识别到用户的健美操、广场舞图像，通过骨骼追踪术，识别用户骨骼，分析用户动作，和示范动作进行匹配，对于重大动作错误，进行视频对比和评分，帮助使用者改善动作标准度。度。度。


技术研发人员：冯云辉 杨旭 刘翠薇 林艳 罗亚茹 王欢 伍辉祥 吴焱军
受保护的技术使用者：广州大学
技术研发日：2022.07.28
技术公布日：2022/12/16