[發明專利]一種基于動態識別的太極拳訓練方法及系統

在審

• 申請號: 202210469414.3
• 申請日: 2022-04-30
• 公開（公告）號: CN114870384A
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 程亞紅
• 申請（專利權）人: 程亞紅
• 主分類號: A63B71/06
• 分類號: A63B71/06
• 代理公司: 北京麥匯智云知識產權代理有限公司 11754
• 代理人: 吳云

本申請提出了一種基于動態識別的太極拳訓練方法及系統，涉及視頻處理技術領域。一種基于動態識別的太極拳訓練方法包括：通過圖像采集設備獲取實時人體運動圖像數據，為獲取到的人體運動圖像數據創建轉發數據包；基于骨骼節點識別算法識別人體運動圖像數據中包含的與目標用戶對應的骨骼節點圖像，并進行分析計算出運動狀態的骨骼關鍵點數據；獲取標準骨骼關鍵點數據作為關鍵骨骼節點圖像模型，按順序輸出關鍵骨骼節點圖像與通過圖像采集設備獲取的實時人體運動圖像數據進行比對，以判斷目標用戶是否完成標準動作序列。只需簡單重合示范視頻即可，用戶在進行動作學習時難度降低，趣味性增加，積極性增強，練習效果提升。

技術領域

本申請涉及視頻處理技術領域，具體而言，涉及一種基于動態識別的太極拳訓練方法及系統。

背景技術

人體運動姿態識別是給定一幅圖像或一段視頻，檢測其中人體骨骼關節點位置，并根據關節點的結構特征，給人體姿態分類打標簽的過程。其中人體骨骼關節點檢測是人體姿態識別中的關鍵步驟。隨著深度學習技術的發展，人體骨骼關節點檢測效果不斷提升，已經開始應用于計算機視覺的相關領域，得到研究者的關注。

專利《基于視頻監控的行人檢測方法》(CN201010227766.5)采用擴展梯度直方圖特征與Adaboost算法來快速檢測行人，然后利用梯度直方圖特征和支持向量機來進一步識別驗證前面檢測出來的行人。專利《一種智能視頻監控中行人的檢測方法》(CN20110566809.1)采用支持向量機訓練行人檢測器模型，利用支持向量機對圖片中的每個行人檢測窗口進行分類，對檢測窗口進行融合，獲取最終的行人檢測結果。《主動視覺注意的監控視頻顯著事件智能檢測預警方法》(CN201710181799.2)建立自底向上視覺注意初級信息的快速提取方法，構建了動態目標的主動檢測模型，然后運用粒子群算法，對顯著目標進行跟蹤，同時建立了監控視頻中顯著時間的主動預警模型，從而實現了基于視覺注意力模型的監控視頻顯著事件智能檢測預警系統。專利《一種基于OptiTrack的人體姿態識別方法》(CN201711120678.3)采用局部線性嵌入算法提取訓練樣本的姿態特征，用降維思路將關鍵語義幀帶入訓練樣本的姿態特征中，對關鍵語義幀的特征進行分類，從而實現姿態的分類識別；專利《學習者姿態識別方法》(CN201710457825.X)提出一種學習者姿態識別方法，由人像與背景的分離、對二值化后的圖像運用數學形態學運算提取出學習者的輪廓圖像、采用Zernike矩陣進行特征提取、采用支持向量機對特征向量進行訓練以及識別學習者的姿態。

天天跳繩中也有一些連貫動作的視頻示范，如合舞團、廣播操等，但是示范視頻和人體圖像分屬不同的區域，需要用戶在練習過程中一邊做動作一邊對比所做動作與示范視頻是否一致，對于連續不停的動作來說，用戶在動作過程中進行準確的即時對比是幾乎不可能完成的。

這些研究成果主要關注行人檢測和事件檢測的算法，采用傳統的機器學習方法進行特征提取和檢測識別，但是在全民運動的領域之中并未涉及，比如抖音尬舞機的單幅圖片示意，用戶無法很好地學習連貫性動作，或者在運動學習過程中無法判定自己的動作是否標準。

發明內容

本申請的目的在于提供一種基于動態識別的太極拳訓練方法，其能夠基于骨骼節點識別算法從視頻中的每一幀提取骨骼節點圖像，可以準確識別出用戶的不同姿態，從而只需簡單重合示范視頻即可，用戶在進行動作學習時難度降低，趣味性增加，積極性增強，練習效果提升。

本申請的另一目的在于提供一種基于動態識別的太極拳訓練系統，其能夠運行一種基于動態識別的太極拳訓練方法。

本申請的實施例是這樣實現的：