本發(fā)明涉及計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)，特別涉及一種基于視覺檢測(cè)的引體向上測(cè)試計(jì)數(shù)和完成質(zhì)量評(píng)價(jià)方法。

背景技術(shù)：

1、引體向上，指依靠自身力量克服自身體重向上做功的垂吊練習(xí)。主要測(cè)試上肢肌肉力量的發(fā)展水平，以及臂力和腰腹力量，在完成一個(gè)完整的引體向上的過程中需要眾多背部骨骼肌和上肢骨骼肌的共同參與做功，是一項(xiàng)多關(guān)節(jié)復(fù)合動(dòng)作練習(xí)，是較好的鍛煉上肢的方法，是所有發(fā)展背部骨骼肌肌力和肌耐力的練習(xí)方式中參與肌肉最多、運(yùn)動(dòng)模式最復(fù)雜、發(fā)展背部骨骼肌的肌力和肌耐力最有效的練習(xí)方式，是最基本的鍛煉背部的方法，是衡量男性體質(zhì)的重要參考標(biāo)準(zhǔn)和項(xiàng)目之一。因此，訓(xùn)練引體向上是提高人民群眾身體素質(zhì)的有效方式。

2、傳統(tǒng)的引體向上測(cè)試計(jì)數(shù)方法使用傳感器進(jìn)行計(jì)數(shù)，這種方法無法檢測(cè)到受試者全身動(dòng)作，只能檢測(cè)特定部位。對(duì)于受試者是否做了合格的引體向上動(dòng)作則無法檢測(cè)。而且對(duì)于受試者的引體動(dòng)作完成質(zhì)量無法進(jìn)行量化和精細(xì)化評(píng)估。

3、因此，現(xiàn)有技術(shù)還有待改進(jìn)和提高。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述現(xiàn)有技術(shù)的不足之處，本發(fā)明的目的在于提供一種基于視覺檢測(cè)的引體向上測(cè)試計(jì)數(shù)和完成質(zhì)量評(píng)價(jià)方法，旨在解決現(xiàn)有技術(shù)中對(duì)引體向上過程中人體標(biāo)準(zhǔn)動(dòng)作的檢測(cè)技術(shù)差，導(dǎo)致計(jì)數(shù)不準(zhǔn)確和無法量化每次引體向上完成質(zhì)量的問題。

2、為了達(dá)到上述目的，本發(fā)明采取了以下技術(shù)方案：

3、第一方面，一種基于視覺檢測(cè)的引體向上測(cè)試計(jì)數(shù)和完成質(zhì)量評(píng)價(jià)方法，包括：

4、s10、數(shù)據(jù)采集：使用攝像頭，獲取被測(cè)試者進(jìn)行引體向上動(dòng)作的視頻數(shù)據(jù)；

5、s11、人體關(guān)鍵點(diǎn)檢測(cè)：使用mediapipe中的blazepose模型對(duì)采集到的圖像進(jìn)行人體關(guān)鍵點(diǎn)檢測(cè)；

6、s12、人體姿勢(shì)特征提?。禾崛∫曨l幀中人體關(guān)鍵點(diǎn)的特征數(shù)據(jù)并將其轉(zhuǎn)換為嵌入向量；

7、s13、k-nn分類器訓(xùn)練：準(zhǔn)備一個(gè)引體向上圖像訓(xùn)練集樣本，在每個(gè)樣本圖片上運(yùn)行blazepose模型獲得姿勢(shì)關(guān)鍵點(diǎn)并轉(zhuǎn)換為嵌入向量輸入到k-nn分類器中進(jìn)行訓(xùn)練得到引體向上數(shù)據(jù)集，該訓(xùn)練集圖像樣本應(yīng)包括：

8、雙手懸掛在單杠上即直臂懸垂?fàn)顟B(tài)的圖像樣本數(shù)據(jù)；

9、雙手向上拉起的圖像樣本數(shù)據(jù)；

10、下頜過單杠時(shí)的圖像樣本數(shù)據(jù)；

11、雙手下放恢復(fù)直臂懸垂?fàn)顟B(tài)的圖像樣本數(shù)據(jù)；

12、s14、當(dāng)前動(dòng)作分類計(jì)數(shù)和評(píng)分：根據(jù)單杠位置和受試者雙手位置，設(shè)置計(jì)數(shù)起始，實(shí)時(shí)捕捉受試者人體姿勢(shì)，對(duì)每一幀的人體姿勢(shì)進(jìn)行特征提取，將特征輸入至訓(xùn)練好的k-nn分類器中進(jìn)行分類判斷和動(dòng)作評(píng)分，實(shí)現(xiàn)計(jì)數(shù)和評(píng)分。

13、s15、計(jì)數(shù)結(jié)果和評(píng)分顯示：將計(jì)數(shù)和評(píng)分結(jié)果展示在設(shè)計(jì)好的界面上。

14、進(jìn)一步地，所述在使用k-nn分類器對(duì)動(dòng)作進(jìn)行分類前先制作好一個(gè)引體向上動(dòng)作的數(shù)據(jù)集，該數(shù)據(jù)集對(duì)一個(gè)完整的引體向上劃分為四個(gè)階段，并對(duì)每個(gè)樣本進(jìn)行標(biāo)注和評(píng)分。

15、進(jìn)一步地，所述根據(jù)單杠位置和受試者雙手位置，設(shè)置計(jì)數(shù)起始包括：

16、在進(jìn)行引體向上計(jì)數(shù)前先進(jìn)行單杠位置的檢測(cè)和受試者雙手位置的檢測(cè)，先使用霍夫直線段檢測(cè)的方法和測(cè)試時(shí)單杠的一般位置進(jìn)行限定的方法來對(duì)單杠的位置進(jìn)行檢測(cè)判斷，當(dāng)檢測(cè)到單杠后再進(jìn)行受試者雙手的檢測(cè)，當(dāng)檢測(cè)到受試者的雙手都在單杠上后，開始進(jìn)行引體向上測(cè)試的計(jì)數(shù)。

17、進(jìn)一步地，所述實(shí)時(shí)捕捉受試者人體姿勢(shì)，對(duì)每一幀的人體姿勢(shì)進(jìn)行特征提取，將特征輸入至訓(xùn)練好的k-nn分類器中進(jìn)行分類判斷包括：

18、在實(shí)時(shí)捕捉的過程中，對(duì)每一幀的人體姿勢(shì)進(jìn)行特征提取，并將特征輸入到訓(xùn)練好的k-nn分類器中進(jìn)行分類，根據(jù)分類結(jié)果，判斷當(dāng)前動(dòng)作是否為引體向上動(dòng)作，先對(duì)視頻幀中的人體姿勢(shì)進(jìn)行兩次過濾，即最大距離過濾和平均距離過濾，最大距離過濾：設(shè)p為當(dāng)前幀提取的人體姿勢(shì)樣本，d為包含所有已知姿勢(shì)樣本的數(shù)據(jù)集，每個(gè)樣本記為di∈d，最大距離dmax(p,di)為：

19、

20、pj和dij分別是p和di在第j個(gè)關(guān)節(jié)的坐標(biāo)，||.||表示兩點(diǎn)間的歐幾里得距離，選擇與p距離最小的前n個(gè)樣本(本發(fā)明中此處n設(shè)置為30)，構(gòu)成集合smax：

21、

22、平均距離過濾：在smax中計(jì)算p與各樣本的平均距離davg(p,smax)：

23、

24、選擇平均距離最小的前n個(gè)樣本(本發(fā)明中此處的n設(shè)為10)，形成集合savg；平均距離過濾的目的是找到與目標(biāo)姿勢(shì)平均距離最近的一些樣本。

25、進(jìn)一步地，所述實(shí)時(shí)捕捉受試者人體姿勢(shì)，對(duì)每一幀的人體姿勢(shì)進(jìn)行特征提取，將特征輸入至訓(xùn)練好的k-nn分類器中進(jìn)行分類判斷還包括：

26、再對(duì)分類結(jié)果進(jìn)行平滑，平滑方法為移動(dòng)指數(shù)平均，即對(duì)于savg中的分類結(jié)果，應(yīng)用移動(dòng)指數(shù)平均平滑(ema)，平滑因子α為(0<α<1)，平滑后的分類概率向量psmooth為：

27、psmooth(t)＝αpsmooth(t-1)+(1-α)p(t)

28、其中，p(t)是當(dāng)前時(shí)間步t的分類概率向量。根據(jù)平滑后的這10個(gè)樣本，找出這10個(gè)樣本中哪類動(dòng)作次數(shù)最多，就將當(dāng)前動(dòng)作分類為該類別。

29、進(jìn)一步地，所述實(shí)時(shí)捕捉受試者人體姿勢(shì)，對(duì)每一幀的人體姿勢(shì)進(jìn)行特征提取，將特征輸入至訓(xùn)練好的k-nn分類器中進(jìn)行分類判斷還包括：

30、如果當(dāng)前動(dòng)作是引體向上動(dòng)作，則根據(jù)當(dāng)前姿勢(shì)的置信度值來判斷當(dāng)前動(dòng)作是否達(dá)到了引體向上計(jì)數(shù)的標(biāo)準(zhǔn)，如果置信度值超過了設(shè)置的上置信度閾值且隨后低于設(shè)置的下置信度閾值，則判定受試者做了一次完整的引體向上；如果當(dāng)前動(dòng)作被分類為引體向上動(dòng)作，則計(jì)算其被分為引體向上動(dòng)作的置信度值，令cup和cdown為上置信度閾值和下置信度閾值(且cdown<cup)，通過平滑后的概率向量psmooth，確定當(dāng)前動(dòng)作置信度conft，若動(dòng)作被分類為引體向上，且其置信度滿足：

31、cdown<conft(t)≤cup

32、如果置信度conft在某時(shí)刻t′首次超過cup，并在隨后的某個(gè)時(shí)刻t″下降到cdown以下，此時(shí)判定完成一次完整引體向上動(dòng)作，計(jì)數(shù)器加一。

33、進(jìn)一步地，所述根據(jù)當(dāng)前引體動(dòng)作進(jìn)行評(píng)分包括：

34、在將當(dāng)前動(dòng)作識(shí)別為引體向上動(dòng)作后，判斷該引體動(dòng)作屬于哪一階段，并根據(jù)其與數(shù)據(jù)集中相對(duì)應(yīng)的標(biāo)準(zhǔn)動(dòng)作進(jìn)行對(duì)比判斷得出當(dāng)前動(dòng)作是否為標(biāo)準(zhǔn)動(dòng)作，如果是標(biāo)準(zhǔn)動(dòng)作則記一分，否則為零分，隨后對(duì)該階段引體動(dòng)作所有視頻幀進(jìn)行累加并求平均得到一個(gè)階段的評(píng)分，然后給與四個(gè)階段不同的權(quán)重并對(duì)分?jǐn)?shù)累加得到整個(gè)引體向上動(dòng)作的評(píng)分，最后對(duì)評(píng)分進(jìn)行轉(zhuǎn)換得到整個(gè)引體向上動(dòng)作的完成度。

35、進(jìn)一步地，人體關(guān)鍵點(diǎn)包含以下至少一種：對(duì)應(yīng)于受試者雙臂處的關(guān)鍵點(diǎn)、對(duì)應(yīng)于受試者臉部的關(guān)鍵點(diǎn)、對(duì)應(yīng)于受試者雙腿處的關(guān)鍵點(diǎn)。

36、本發(fā)明所采用的技術(shù)方案具有以下有益效果：

37、(1)非接觸式測(cè)試：該方法實(shí)現(xiàn)了基于計(jì)算機(jī)視覺的人體關(guān)鍵點(diǎn)識(shí)別，可以對(duì)引體向上動(dòng)作進(jìn)行準(zhǔn)確判斷，而不需要對(duì)被測(cè)試者進(jìn)行任何接觸式測(cè)量。這可以減少測(cè)試過程中對(duì)被測(cè)試者的干擾和不適感。

38、(2)操作簡(jiǎn)便：該方法不需要使用任何額外的測(cè)量裝置或傳感器，只需要通過攝像頭獲取人體圖像即可實(shí)現(xiàn)引體向上測(cè)試。這可以大大減少測(cè)試的復(fù)雜度和操作難度，使測(cè)試更加簡(jiǎn)便易行。

39、(3)高效準(zhǔn)確實(shí)時(shí)和精細(xì)化評(píng)估：該方法基于k最近鄰算法對(duì)人體關(guān)鍵點(diǎn)進(jìn)行分類，可以快速而準(zhǔn)確地評(píng)估被測(cè)試者的引體向上動(dòng)作。同時(shí)，該方法還可以實(shí)時(shí)顯示引體向上測(cè)試結(jié)果。并且通過對(duì)引體向上動(dòng)作進(jìn)行階段劃分，并對(duì)每個(gè)階段的視頻幀采用procrustes距離進(jìn)行姿勢(shì)匹配，可以實(shí)現(xiàn)動(dòng)作質(zhì)量的精細(xì)化評(píng)估。這種方法能夠捕捉到動(dòng)作執(zhí)行過程中的細(xì)節(jié)差異，而不僅僅是最終結(jié)果，有助于受試者了解自身在哪個(gè)具體階段需要改進(jìn)。

40、(4)客觀性與一致性：利用procrustes分析的姿勢(shì)匹配算法，評(píng)分過程可以高度自動(dòng)化，減少人為主觀判斷帶來的誤差，確保了引體向上完成質(zhì)量評(píng)價(jià)的一致性和公平性。