[發(fā)明專利]智能化運動訓練模型構(gòu)建方法及裝置、訓練方法及裝置

有效

• 申請?zhí)枺?/td>: 201811220865.3
• 申請日: 2018-10-19
• 公開（公告）號: CN109472217B
• 公開（公告）日: 2021-08-31
• 發(fā)明（設計）人: 袁智華;楊濤
• 申請（專利權(quán)）人: 廣州慧睿思通信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣州市華學知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 李君

1.一種智能化運動訓練方法，其特征在于，所述方法包括：

獲取各種規(guī)范的姿態(tài)動作圖像和/或視頻，通過圖像分割得到人體不同的規(guī)范姿態(tài)動作數(shù)據(jù)；響應輸入的第二標注命令，對人體不同的規(guī)范姿態(tài)動作數(shù)據(jù)進行標注；獲取已標注的規(guī)范姿態(tài)動作數(shù)據(jù)；

通過深度學習訓練已標注的規(guī)范姿態(tài)動作數(shù)據(jù)，得到規(guī)范姿態(tài)動作識別模型；其中，所述規(guī)范姿態(tài)動作識別模型用于識別用戶的姿態(tài)動作，判斷用戶的姿態(tài)動作是否規(guī)范；

從獲取的姿態(tài)動作圖像和/或視頻中，進一步獲取包括人體各個部位骨骼點的圖像和/或視頻，從而得到各種規(guī)范的肢體動作圖像和/或視頻，然后再通過圖像分割得到人體不同的肢體動作數(shù)據(jù)，或從通過圖像分割得到的規(guī)范姿態(tài)動作數(shù)據(jù)中，進一步獲取人體不同的肢體動作數(shù)據(jù)；響應輸入的第三標注命令，對人體不同的肢體動作數(shù)據(jù)進行標注；獲取已標注的肢體動作數(shù)據(jù)；

通過深度學習訓練已標注的肢體動作數(shù)據(jù)，得到肢體動作識別模型和相應肢體動作糾正模型；其中，所述肢體動作識別模型用于當用戶的姿態(tài)動作不規(guī)范時，識別出不規(guī)范的肢體部位及動作，所述肢體動作糾正模型用于根據(jù)不規(guī)范的肢體部位及動作，給出相應的肢體動作糾正方案；

獲取用戶運動訓練的視頻圖像；

將用戶運動訓練的視頻圖像分割出用戶的各個姿態(tài)動作圖像；

調(diào)用已訓練的規(guī)范姿態(tài)動作識別模型，對分割后的用戶姿態(tài)動作圖像進行識別，判斷用戶的姿態(tài)動作是否規(guī)范；

當用戶的姿態(tài)動作不規(guī)范時，調(diào)用已訓練的肢體動作識別模型和肢體動作糾正模型，識別出不規(guī)范的肢體部位及動作，提醒用戶并給出相應的肢體動作糾正方案，并將用戶不規(guī)范的姿態(tài)動作存儲在數(shù)據(jù)庫；

當用戶運動訓練結(jié)束后，將用戶不規(guī)范的姿態(tài)動作發(fā)送到用戶終端。

2.根據(jù)權(quán)利要求1所述的智能化運動訓練方法，其特征在于，所述方法還包括：

獲取已標注的體型數(shù)據(jù)；

通過深度學習訓練已標注的體型數(shù)據(jù)，得到體型識別模型；其中，所述體型識別模型用于識別用戶的體型。

3.根據(jù)權(quán)利要求2所述的智能化運動訓練方法，其特征在于，所述獲取已標注的體型數(shù)據(jù)之前，還包括：獲取不同體型的圖像和/或視頻，通過圖像分割得到不同的體型數(shù)據(jù)；響應輸入的第一標注命令，對不同的體型數(shù)據(jù)進行標注。

4.根據(jù)權(quán)利要求2-3任一項所述的智能化運動訓練方法，其特征在于，所述方法還包括：

獲取根據(jù)不同的已標注體型數(shù)據(jù)輸入的運動訓練計劃，通過深度學習訓練得到計劃構(gòu)建模型。

5.根據(jù)權(quán)利要求1所述的智能化運動訓練方法，其特征在于，所述獲取用戶運動訓練的視頻圖像之前，還包括：

獲取用戶圖像；

通過對用戶圖像進行人臉識別，判斷用戶是否初次進行運動訓練，若是，調(diào)用已訓練的體型識別模型，識別用戶圖像中用戶的體型，根據(jù)用戶的體型給出相應的運動訓練計劃，引導用戶進行運動訓練；其中，判斷用戶是初次進行運動訓練是指該用戶不是綁定運動訓練計劃的已注冊用戶。