一种基于现代机器学习模型的运动状态精准评估方法

技术特征：
1.一种基于现代机器学习模型的运动状态精准评估方法,其特征在于，包括以下步骤：获取不同疲劳状态的人脸图像样本；将不同疲劳状态的人脸图像样本输入预置的卷积神经网络模型中进行训练学习，得到人脸疲劳状态检测模型；获取不同疲劳状态的肢体动作视频样本；将不同疲劳状态的肢体动作视频样本输入预置的卷积神经网络模型中进行训练学习，得到肢体动作疲劳检测模型；获取待检测视频；在多尺度下利用目标检测模型检测待检测视频，得到第一运动目标区域视频；利用超分辨率重建技术对第一运动目标区域视频进行超分辨率重建，得到第二运动目标区域视频；将第二运动目标区域视频输入肢体动作疲劳检测模型，得到肢体疲劳检测结果；获取第二运动目标区域视频中的人脸图像，并输入人脸疲劳状态检测模型，得到人脸疲劳检测结果；分析肢体疲劳检测结果和人脸疲劳检测结果，得到最终疲劳检测结果。2.如权利要求1所述的一种基于现代机器学习模型的运动状态精准评估方法,其特征在于，所述利用超分辨率重建技术对第一运动目标区域视频进行超分辨率重建，得到第二运动目标区域视频的步骤具体包括：依次获取第一运动目标区域视频的每一帧图像；利用5x5的卷积对每一帧图像进行特征采样，得到第一图像向量；利用1x1的卷积对第一图像向量进行压缩，得到第二图像向量；利用3x3的卷积将第二图像向量非线性映射为第三图像向量；利用9x9的卷积对第三图像向量进行过滤重建，得到新的每一帧图像；将新的每一帧图像进行合成，得到第二运动目标区域视频。3.如权利要求1所述的一种基于现代机器学习模型的运动状态精准评估方法,其特征在于，所述获取第二运动目标区域视频中的人脸图像，并输入人脸疲劳状态检测模型，得到人脸疲劳检测结果的步骤具体包括：为第二运动目标区域视频中的每一帧捕获两个相邻帧中的光流图像；将捕获的光流图像及其对应的rgb视频序列送给深卷积神经网络模型；深卷积神经网络模型自动生成第二运动目标区域视频的关键帧图像；将关键帧图像输入人脸疲劳状态检测模型，得到人脸疲劳检测结果。4.如权利要求3所述的一种基于现代机器学习模型的运动状态精准评估方法,其特征在于，所述深卷积神经网络模型自动生成第二运动目标区域视频的关键帧图像的步骤具体包括：通过送入的光流图像及其对应的rgb视频序列提取每个帧的外观和运动信息；融合每个帧的外观和运动特征，形成融合特征；将融合特征使用lda算法降维，形成低维特征；利用低维特征生成每个帧的标签；获取每个帧的标签后，则利用捕获的光流图像及其对应的rgb视频序列训练深卷积神
经网络模型进行自动生成第二运动目标区域视频中关键帧的位置预测；训练后的深卷积神经网络模型自动生成第二运动目标区域视频的关键帧图像。5.如权利要求1所述的一种基于现代机器学习模型的运动状态精准评估方法,其特征在于，所述利用超分辨率重建技术对运动目标区域进行超分辨率重建，得到第二运动目标区域视频的步骤之后还包括以下步骤：对第二运动目标区域视频进行影像处理。6.如权利要求5所述的一种基于现代机器学习模型的运动状态精准评估方法,其特征在于，所述对第二运动目标区域视频进行影像处理的步骤之后还包括以下步骤：对影像处理后的第二运动目标区域视频进行第一次边缘检测。7.如权利要求6所述的一种基于现代机器学习模型的运动状态精准评估方法,其特征在于，所述对影像处理后的第二运动目标区域视频进行第一次边缘检测的步骤之后还包括以下步骤：对进行了第一次边缘检测后的第二运动目标区域视频进行第二次边缘检测。8.如权利要求7所述的一种基于现代机器学习模型的运动状态精准评估方法,其特征在于，所述第一次边缘检测采用canny edge detection算法，所述第二次边缘检测采用local binary pattern算法。9.一种电子设备，其特征在于，包括：存储器，用于存储一个或多个程序；处理器；当所述一个或多个程序被所述处理器执行时，实现如权利要求1-8中任一项所述的方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-8中任一项所述的方法。

技术总结
本发明提出了一种基于现代机器学习模型的运动状态精准评估方法，涉及健身领域。通过先分别将不同疲劳状态下的人脸图像样本和肢体动作视频样本送给对应的卷积神经网络模型中进行训练学习，得到人脸疲劳状态检测模型和肢体动作疲劳检测模型。然后获取运动者的运动视频，将识别出的运动视频中的运动者的人脸图像和肢体动作信息分别送入人脸疲劳状态检测模型和肢体动作疲劳检测模型，接着根据人脸疲劳检测结果和肢体疲劳检测结果进行综合判断，即能够精准快速的识别出运动者的疲劳状态。该方法简单快捷，能够基于人脸图像和肢体动作信息，结合目标检测和超分辨率重建等技术，利用卷积神经网络模型对运动者的疲劳状态进行精准评估。准评估。准评估。


技术研发人员：别荣芳 王耀飞
受保护的技术使用者：北京师范大学
技术研发日：2022.10.09
技术公布日：2023/2/6