[發明專利]訓練姿勢的準確度確定方法、裝置及電子設備

在審

• 申請號: 202011374227.4
• 申請日: 2020-11-30
• 公開（公告）號: CN112446433A
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 李欣;張迪;韓飛
• 申請（專利權）人: 北京數碼視訊技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 徐麗

本發明提供了一種訓練姿勢的準確度確定方法、裝置及電子設備，首先獲取訓練姿勢的圖像數據；然后將圖像數據輸入至預先訓練的深度學習模型；進而基于深度學習模型輸出的處理數據，確定訓練姿勢的準確度。本發明提高了對訓練姿勢的標準程度判斷的準確度，同時提高了效率。

技術領域

本發明涉及深度學習技術領域，尤其是涉及一種訓練姿勢的準確度確定方法、裝置及電子設備。

背景技術

士兵訓練的項目通常包括：5000米跑，俯臥撐，仰臥起坐，單杠，雙杠和集體武裝五公里越野等。相關技術中，通常要靠人為去判斷訓練動作的標準程度，不同的人與人之間，存在一定的主觀分歧。該方式準確度較低，效率較低。

發明內容

有鑒于此，本發明的目的在于提供一種訓練姿勢的準確度確定方法、裝置及電子設備，以提高對訓練姿勢的標準程度判斷的準確度，同時提高效率。

第一方面，本發明實施例提供了一種訓練姿勢的準確度確定方法，包括：獲取訓練姿勢的圖像數據；將圖像數據輸入至預先訓練的深度學習模型；基于深度學習模型輸出的處理數據，確定訓練姿勢的準確度。

結合第一方面，本發明實施例提供了第一方面的第一種可能的實施方式，其中，上述圖像數據包括訓練姿勢的正面圖像、側面圖像及背面圖像中的至少一種。

結合第一方面，本發明實施例提供了第一方面的第二種可能的實施方式，其中，上述深度學習模型基于卷積神經網絡建立；深度學習模型通過以下方式訓練：獲取訓練樣本；訓練樣本中包含多組訓練姿勢的圖像數據；根據預設的模型架構，建立機器學習的網絡結構；將訓練樣本輸入至網絡結構中進行訓練，得到深度學習模型。

結合第一方面，本發明實施例提供了第一方面的第三種可能的實施方式，其中，上述方法還包括：判斷準確度是否大于等于預設的準確度閾值；如果否，確定訓練姿勢不合格；顯示訓練姿勢及預設的不合格標識。

結合第一方面，本發明實施例提供了第一方面的第三種可能的實施方式，其中，獲取訓練姿勢的圖像數據的步驟，包括：通過預設的圖像采集裝置，分別采集訓練人員的訓練姿勢的正面圖像、側面圖像及背面圖像；將正面圖像、側面圖像及背面圖像確定為訓練姿勢的圖像數據。

第二方面，本發明實施例還提供一種訓練姿勢的準確度確定裝置，包括：數據獲取模塊，用于獲取訓練姿勢的圖像數據；數據輸入模塊，用于將圖像數據輸入至預先訓練的深度學習模型；準確度確定模塊，用于基于深度學習模型輸出的處理數據，確定訓練姿勢的準確度。

結合第二方面，本發明實施例提供了第二方面的第一種可能的實施方式，其中，上述圖像數據包括訓練姿勢的正面圖像、側面圖像及背面圖像中的至少一種。

結合第二方面，本發明實施例提供了第二方面的第二種可能的實施方式，其中，上述裝置還包括：閾值判斷模塊，用于判斷準確度是否大于等于預設的準確度閾值；不合格確定模塊，用于如果否，確定訓練姿勢不合格；顯示模塊，用于顯示訓練姿勢及預設的不合格標識。

第三方面，本發明實施例還提供一種電子設備，包括處理器和存儲器，存儲器存儲有能夠被處理器執行的機器可執行指令，處理器執行機器可執行指令以實現上述方法。

第四方面，本發明實施例還提供一種機器可讀存儲介質，機器可讀存儲介質存儲有機器可執行指令，機器可執行指令在被處理器調用和執行時，機器可執行指令促使處理器實現上述方法。

本發明實施例帶來了以下有益效果：

本發明實施例提供了一種訓練姿勢的準確度確定方法、裝置及電子設備，首先獲取訓練姿勢的圖像數據；然后將圖像數據輸入至預先訓練的深度學習模型；進而基于深度學習模型輸出的處理數據，確定訓練姿勢的準確度。該方式提高了對訓練姿勢的標準程度判斷的準確度，同時提高了效率。