[發明專利]一種運動員輔助訓練數據獲取方法、裝置及電子設備

在審

• 申請號: 201811458051.3
• 申請日: 2018-11-30
• 公開（公告）號: CN109635925A
• 公開（公告）日: 2019-04-16
• 發明（設計）人: 宋揚;蘇睿聰;陳星;白璐
• 申請（專利權）人: 北京首鋼自動化信息技術有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06F16/53
• 代理公司: 北京華沛德權律師事務所 11302
• 代理人: 馬苗苗

1.一種運動員輔助訓練數據獲取方法，其特征在于，包括：

獲取運動員的運動圖像；

通過卷積神經網絡從所述運動圖像中提取所述運動員的骨架矩陣；

根據所述骨架矩陣構建出所述運動員的三維人體模型；

從預先建立的數據庫中獲取與所述三維人體模型對應的標準人體運動數據；

根據所述三維人體模型和所述標準人體運動數據，獲得所述運動員的輔助訓練數據。

2.如權利要求1所述的方法，其特征在于，所述卷積神經網絡的建立方法，包括：

建立包括10個卷積層的第一卷積池化層，其中，所述10個卷積層包括4個9*9卷積層、3個2*池化層、1個5*5卷積層和2個1*1卷積層，其中，所述10個卷積層依照所述9*9卷積層、所述2*池化層、所述9*9卷積層、所述2*池化層、所述9*9卷積層、所述2*池化層、所述5*5卷積層、所述9*9卷積層、所述1*1卷積層和所述1*1卷積層的次序連接；

建立包括12個卷積層的第二卷積池化層，其中，所述12個卷積層包括4個9*9卷積層、3個2*池化層、1個5*5卷積層、3個11*11卷積層和2個1卷積層，其中，所述12個卷積層依照所述9*9卷積層、所述2*池化層、所述9*9卷積層、所述2*池化層、所述9*9卷積層、所述2*池化層、所述5*5卷積層、所述9*9卷積層、所述11*11卷積層、所述11*11卷積層、所述11*11卷積層、所述1*1卷積層和所述1*1卷積層的次序連接；

將所述第一卷積池化層和所述第二卷積池化層連接，獲得卷積神經網絡框架；

獲取運動圖像訓練樣本；

基于所述運動圖像訓練樣本對所述卷積神經網絡框架進行訓練，獲得所述卷積神經網絡。

3.如權利要求2所述的方法，其特征在于，所述基于所述運動圖像訓練樣本對所述卷積神經網絡框架進行訓練，獲得所述卷積神經網絡，包括：

將所述運動圖像訓練樣本輸入所述第一卷積池化層中，獲得第一輸出數據；

將測試圖像數據和所述第一輸出數據輸入所述第二卷積池化層中，獲得第二輸出數據；

判斷所述第二輸出數據是否滿足輸出條件；

若是，以所述第二輸出數據作為所述卷積神經網絡的輸出結果。

4.如權利要求1所述的方法，其特征在于，所述數據庫的建立方法，包括：

獲取人體運動三維模型數據集，其中，所述人體運動三維模型包括多個所述標準人體運動數據；

基于機器學習的方法，對多個所述標準人體運動數據進行聚類，獲得M個類別的標準人體運動數據；

對所述M個類別的標準人體運動數據進行標記，每個類別的標準人體運動數據對應一個標簽；

根據標記后的所述M個類別的標準人體運動數據構建所述數據庫。

5.如權利要求1所述的方法，其特征在于，所述從預先建立的數據庫中獲取與所述三維人體模型對應的標準人體運動數據，包括：

獲取所述三維人體模型的運動標簽；

根據所述運動標簽，從所述數據庫中獲取與所述運動標簽匹配的標準人體運動數據的標簽，以所述標簽對應的標準人體運動數據作為所述三維人體模型對應的標準人體運動數據。

6.如權利要求1所述的方法，其特征在于，所述三維人體模型包括三維模型運動數據，所述根據所述三維人體模型和所述標準人體運動數據，獲得所述運動員的輔助訓練數據，包括：

將所述三維模型運動數據和所述標準人體運動數據進行空間數據校準，獲得校準后的所述三維人體模型運動數據和所述標準人體運動數據；

獲得校準后的所述三維人體模型運動數據和所述標準人體運動數據之間的匹配度，獲得所述運動員的輔助訓練數據。