[發(fā)明專利]基于時間一致性的個性化運動姿態(tài)估計與分析方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110578414.2
• 申請日: 2021-05-26
• 公開（公告）號: CN113255522B
• 公開（公告）日: 2023-05-05
• 發(fā)明（設計）人: 王露潼;楊承磊;鮑西雨;奚彧婷;鄭雅文;蓋偉
• 申請（專利權）人: 山東大學
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V10/34;G06V10/75;G06V10/764
• 代理公司: 濟南圣達知識產(chǎn)權代理有限公司 37221
• 代理人: 張慶騫

1.一種基于時間一致性的個性化運動姿態(tài)估計與分析方法，其特征在于，包括：

識別教學視頻與學生自學視頻中的動作，提取關鍵骨骼坐標；

對齊教學視頻與學生自學視頻中的不同步動作，使視頻中的動作速度一致；

基于對齊教學視頻與學生自學視頻中每幀的關鍵骨骼坐標角度偏差比與關節(jié)距離對動作進行度量，計算動作差異度；

根據(jù)動作差異度生成姿態(tài)調(diào)整建議；

根據(jù)動作差異度及運動金字塔模型，生成從局部動作到整體動作的多尺度得分；

所述運動金字塔模型為關節(jié)、肢體、軀干、動作四層運動金字塔模型；

生成從局部動作到整體動作的多尺度得分的過程為：

提取關節(jié)特征、肢體特征、軀干特征和動作特征，分析兩個視頻動作之間的差別，并計算基于每幀動作的加權得分；

對于整套動作，設置權值，計算關鍵動作與基于過程動作的加權得分，最終生成針對整段視頻的動作標準度分數(shù)；

所述基于不同關節(jié)對動作的重要度生成每個關節(jié)得分K_i；

對于軀干姿態(tài)，計算所有角度差異度得分，即為：

式中，K_i為關節(jié)i的得分，W_i為關節(jié)i的權重，k關節(jié)個數(shù)，F(xiàn)為當前幀姿態(tài)總得分；

對于整套動作，由于關鍵動作相較過程動作更為重要，設置權值，計算關鍵動作與基于過程動作的加權得分，最終生成針對整段視頻的動作標準度分數(shù)：

式中，m，n分別為關鍵動作幀個數(shù)與過程幀個數(shù)，W_keyframe與W_ordframe分別為關鍵動作幀權重與過程幀權重，F(xiàn)_i與F_j分別為關鍵動作幀和過程幀的角度差異度得分，Total?Score為整段視頻的總得分；

基于骨骼點對視頻中的動作進行逐幀分析，捕獲用戶在練習過程中的不規(guī)范動作，對運動過程中每幀的動作進行分析，進行多尺度比對，清晰展現(xiàn)動作過程中的每個細節(jié)，為用戶提供動作指導意見，逐幀計算角度差異值，根據(jù)用戶的不規(guī)范動作生成姿態(tài)調(diào)整建議，精確指出每個動作的偏差。

2.如權利要求1所述的基于時間一致性的個性化運動姿態(tài)估計與分析方法，其特征在于，采用OpenPose算法提取關鍵骨骼坐標。

3.如權利要求2所述的基于時間一致性的個性化運動姿態(tài)估計與分析方法，其特征在于，提取關鍵骨骼坐標之后還包括：對提取的關鍵骨骼坐標進行錯點、漏點修復與平滑去噪。

4.如權利要求1所述的基于時間一致性的個性化運動姿態(tài)估計與分析方法，其特征在于，對齊教學視頻與學生自學視頻中的不同步動作的過程包括：

采用動作邊界切割方法將教學長視頻與學生自學長視頻分割成相應短視頻序列；

采用TCC方法對齊教學與學生自學相應短視頻序列中的不同步動作。

5.如權利要求1所述的基于時間一致性的個性化運動姿態(tài)估計與分析方法，其特征在于，根據(jù)動作差異度生成姿態(tài)調(diào)整建議的過程為：

計算教學視頻中的標準動作與學生自學視頻中的學習動作中兩兩關節(jié)之間的歐式距離，計算關節(jié)角度與關節(jié)角度差異度；

根據(jù)學習需要設定閾值，若角度差異度大于所設閾值，則輸出關節(jié)角度調(diào)整建議，否則，則輸出動作合格。