[go: up one dir, main page]

CN117373117A - 一种基于动态识别的太极拳训练方法及系统 - Google Patents

一种基于动态识别的太极拳训练方法及系统 Download PDF

Info

Publication number
CN117373117A
CN117373117A CN202311303366.1A CN202311303366A CN117373117A CN 117373117 A CN117373117 A CN 117373117A CN 202311303366 A CN202311303366 A CN 202311303366A CN 117373117 A CN117373117 A CN 117373117A
Authority
CN
China
Prior art keywords
module
training
human body
electrically connected
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311303366.1A
Other languages
English (en)
Inventor
张子宇
钟诚
陈立军
宫鸿
曾妍
李鑫
付宏波
刘冰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun University of Technology
Original Assignee
Changchun University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changchun University of Technology filed Critical Changchun University of Technology
Priority to CN202311303366.1A priority Critical patent/CN117373117A/zh
Publication of CN117373117A publication Critical patent/CN117373117A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30221—Sports video; Sports image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Multimedia (AREA)
  • Psychiatry (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于动态识别的太极拳训练方法及系统，包括以下步骤：Kinect有三个摄像头，基于它完成了序列彩色图像和它的深度图信息采集工作，采集的图像作为后面样本的输入；通过采用本发明的基于动态识别的太极拳训练系统对学员和教练的太极拳动作进行识别和对比，结合虚拟现实等技术来实现科学的太极拳辅助训练，以此摆脱传统健身训练纯粹依靠经验进行口传心授的状态，人体姿态估计通过建立图像中人体特征和人体姿态的映射关系获取图像中人肢体各部位在二维平面或三维空间里的位置、角度等信息，将该研究内容应用于太极拳训练，建立了辅助训练系统，实现从基于经验的运动训练方法到基于计算机视觉的人体运动分析方法的转变。

Description

一种基于动态识别的太极拳训练方法及系统
技术领域
本发明属于太极拳训练系统技术领域，具体涉及一种基于动态识别的太极拳训练方法及系统。
背景技术
目前国外人体动作辅助训练研究现状：1、影像法，通过图像采集设备捕捉学员练习太极拳中的动作，再根据以往的经验对动作做出分析与评估，2、图析法，在采集学员运动过程图像信息的基础上，对图信息进行再处理，提取其中物理参数。
国内的研究现状：1、影像法，深圳匹奔体育公司和深圳赛银远古公司共同设计与研发的运动分析系统，结合了中国和西方人体运动教学经验对肢体动作进行数码分析，为受训者提供了更加可靠的指导方案，2、图析法，通过计算能得到训练者运动过程中的一些重要物理参数如关节位置、关节角度、关节角速度与加速度等，将这些参数作为标准参数与标注参数进行比对，从而指导受训者训练，3、便携传感器法，学员携带特殊的传感器设备，该设备在太极拳训练中实时捕获关键姿态数据，并结合数据分析算法给以科学的指导。
随着计算机技术的高速发展，越来越多的视频处理技术和图像处理技术被运用于人体动作辅助训练中，但是基于人体姿态估计算法建立的太极拳训练辅助系统并不常见，因此目前亟需一种基于动态识别的太极拳训练方法及系统以辅助学院对太极拳进行高效的训练。
发明内容
本发明要解决的技术问题是克服现有的缺陷，提供一种基于动态识别的太极拳训练方法及系统，以解决上述背景技术中提出的随着计算机技术的高速发展，越来越多的视频处理技术和图像处理技术被运用于人体动作辅助训练中，但是基于人体姿态估计算法建立的太极拳训练辅助系统并不常见的问题。
为实现上述目的，本发明提供如下技术方案：一种基于动态识别的太极拳训练方法，包括以下步骤：
步骤一：研究Kinect三维传感器的基本原理，Kinect有三个摄像头，基于它完成了序列彩色图像和它的深度图信息采集工作，采集的图像作为后面样本的输入；
步骤二：研究图像特征提取和人体目标检测的常用方法，传统的目标检测方法对动态场景的更新鲁棒性较差；
步骤三：研究基于模型的人体姿态估计算法和无模型的姿态估计算法，对通过目标检测得到的二值轮廓图进行边缘检测，并经过水平扫描、人体长度比例约束等图像处理方法；
步骤四：以太极拳为例，通过人体姿态估计的方法分别得到训练者和教练的运动姿态参数，在此基础上搭建辅助训练系统，系统输入为系统以关节角轨迹和姿态相似度两个参数作为辅助指标，对比训练者和教练的关节角轨迹，并根据姿态相似度来进行直观的分析与指导；
步骤五：基于轮廓特征结合图像处理的人体姿态估计方法，运用Canny边缘检测算法得到图像的轮廓边缘，然后经过水平扫描、人体长度比例约束等图像处理方法获取人体关节点的坐标，进行姿态估计。
优选的，所述步骤一中，利用Kinect传感器的插件NuitrackSDK编码实现了自动提取人体15个关节点的三维数据，最后用手动提取的姿态数据与基于Kinect三维传感器得到的姿态数据进行实验对比，完成它的精度验证。
优选的，所述步骤二中，因此，建立一个自适应强的背景模型对目标检测十分必要。
优选的，所述步骤三中，实现了对人体关节的姿态估计，能较准确的提取出人体的主要关节数据。
优选的，所述步骤五中，基于Kinect传感器捕获的数据，搭建实验验证平台，完成对姿态估计算法的验证，将Kinect釆集的2D姿态数据作为真值，与算法估计得出的数据进行比对。然后搭建辅助训练系统，选取关节角轨迹对比和姿态相似度作为辅助训练系统的参数指标，最终实现辅助训练。
一种基于动态识别的太极拳训练系统，包括训练系统，所述训练系统的输出端和三维传感器模块的输入端之间相互电性连接，所述三维传感器模块的输出端和图像特征提取模块的输入端之间相互电性连接，所述图像特征提取模块的输出端和人体目标检测模块的输入端之间相互电性连接，所述人体目标检测模块的输出端和背景模型建立模块的输入端之间相互电性连接，所述背景模型建立模块的输出端和姿态估计算法的输入端之间相互电性连接。
优选的，所述三维传感器模块包括序列彩色图像模块、深度图信息采集模块、图样本输入模块、提取三维数据模块和对比模块。
优选的，所述序列彩色图像模块的输出端和深度图信息采集模块的输入端之间相互电性连接，所述深度图信息采集模块的输出端和图样本输入模块的输入端之间相互电性连接，所述图样本输入模块的输出端和提取三维数据模块的输入端之间相互电性连接，所述提取三维数据模块的输出端和对比模块的输入端之间相互电性连接。
优选的，所述姿态估计算法包括边缘检测模块、运动姿态参数模块和姿态分析与指导模块。
优选的，所述边缘检测模块的输出端和运动姿态参数模块的输入端之间相互电性连接，所述运动姿态参数模块的输出端和姿态分析与指导模块的输入端之间相互电性连接。
与现有技术相比，本发明提供了一种基于动态识别的太极拳训练方法及系统，具备以下有益效果：
1、通过采用本发明的基于动态识别的太极拳训练系统对学员和教练的太极拳动作进行识别和对比，结合虚拟现实等技术来实现科学的太极拳辅助训练，以此摆脱传统健身训练纯粹依靠经验进行口传心授的状态，人体姿态估计通过建立图像中人体特征和人体姿态的映射关系获取图像中人肢体各部位在二维平面或三维空间里的位置、角度等信息，将该研究内容应用于太极拳训练，建立了辅助训练系统，实现从基于经验的运动训练方法到基于计算机视觉的人体运动分析方法的转变，有效地避免了随着计算机技术的高速发展，越来越多的视频处理技术和图像处理技术被运用于人体动作辅助训练中，但是基于人体姿态估计算法建立的太极拳训练辅助系统并不常见的问题；
2、本发明通过采用，Kinect三维传感器的三个摄像头完成了序列彩色图像和它的深度图信息采集工作，采集的图像作为后面样本的输入，通过采用插件NuitrackSDK编码实现了自动提取人体15个关节点的三维数据，最后用手动提取的姿态数据与基于Kinect三维传感器得到的姿态数据进行实验对比，完成它的精度验证；
3、本发明通过研究基于模型的人体姿态估计算法和无模型的姿态估计算法，对通过目标检测得到的二值轮廓图进行边缘检测，并经过水平扫描、人体长度比例约束等图像处理方法，实现了对人体关节的姿态估计，能较准确的提取出人体的主要关节数据；
4、本发明通过人体姿态估计的方法分别得到训练者和教练的运动姿态参数，在此基础上搭建辅助训练系统，系统输入为系统以关节角轨迹和姿态相似度两个参数作为辅助指标，对比训练者和教练的关节角轨迹，并根据姿态相似度来进行直观的分析与指导；
5、本发明通过基于ViBe模型的背景建模方法进行图像的特征提取和人体目标检测，有效克服背景扰动及光照等因素的影响，能从视频中较完整的检测出人体轮廓图，基于轮廓特征结合图像处理的人体姿态估计方法，运用Canny边缘检测算法得到图像的轮廓边缘，然后经过水平扫描、人体长度比例约束等图像处理方法获取人体关节点的坐标，进行姿态估计，基于Kinect传感器捕获的数据，搭建实验验证平台，完成对姿态估计算法的验证，将Kinect釆集的2D姿态数据作为真值，与算法估计得出的数据进行比对，然后搭建辅助训练系统，选取关节角轨迹对比和姿态相似度作为辅助训练系统的参数指标，最终实现辅助训练；
5、近年来利用信息化手段辅助体育锻炼是推广全民健身和普及社会健康理念的主要方式之一，太极拳作为中老年人喜爱的锻炼方式，在信息化应用领域上有着广泛的群众基础和实现条件。通过摄像头对人的动作进行捕获和分析，从视频图像序列中分析并跟踪动作，科学量化地分析人的运动特征，实现姿态的分析和对比，再结合人体生理学、物理学等原理提出太极拳动作改进的方法来辅助训练，实现从基于传统太极拳训练纯粹依靠经验和手把手教的方法到基于计算机视觉的人体运动分析方法的转变，数字化地提高健身水平，丰富中老年人的健身手段，从而为健康理念的推广和中老年人健康水平的提高更好的提供服务。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制，在附图中：
图1为本发明提出的一种基于动态识别的太极拳训练方法及系统的结构框图；
图2为本发明提出的一种基于动态识别的太极拳训练方法及系统中三维传感器模块的系统框图；
图3为本发明提出的一种基于动态识别的太极拳训练方法及系统中姿态估计算法的系统结构框图；
图中：1、训练系统；2、三维传感器模块；3、图像特征提取模块；4、人体目标检测模块；5、背景模型建立模块；6、姿态估计算法；7、序列彩色图像模块；8、深度图信息采集模块；9、图样本输入模块；10、提取三维数据模块；11、对比模块；12、边缘检测模块；13、运动姿态参数模块；14、姿态分析与指导模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-3，本发明提供一种技术方案：一种基于动态识别的太极拳训练方法及系统，包括以下步骤：
步骤一：研究Kinect三维传感器的基本原理，Kinect有三个摄像头，基于它完成了序列彩色图像和它的深度图信息采集工作，采集的图像作为后面样本的输入；
步骤二：研究图像特征提取和人体目标检测的常用方法，传统的目标检测方法对动态场景的更新鲁棒性较差；
步骤三：研究基于模型的人体姿态估计算法和无模型的姿态估计算法，对通过目标检测得到的二值轮廓图进行边缘检测，并经过水平扫描、人体长度比例约束等图像处理方法；
步骤四：以太极拳为例，通过人体姿态估计的方法分别得到训练者和教练的运动姿态参数，在此基础上搭建辅助训练系统，系统输入为系统以关节角轨迹和姿态相似度两个参数作为辅助指标，对比训练者和教练的关节角轨迹，并根据姿态相似度来进行直观的分析与指导；
步骤五：基于轮廓特征结合图像处理的人体姿态估计方法，运用Canny边缘检测算法得到图像的轮廓边缘，然后经过水平扫描、人体长度比例约束等图像处理方法获取人体关节点的坐标，进行姿态估计。
本发明中，优选的，步骤一中，利用Kinect传感器的插件NuitrackSDK编码实现了自动提取人体15个关节点的三维数据，最后用手动提取的姿态数据与基于Kinect三维传感器得到的姿态数据进行实验对比，完成它的精度验证。
本发明中，优选的，步骤二中，因此，建立一个自适应强的背景模型对目标检测十分必要。
本发明中，优选的，步骤三中，实现了对人体关节的姿态估计，能较准确的提取出人体的主要关节数据。
本发明中，优选的，步骤五中，基于Kinect传感器捕获的数据，搭建实验验证平台，完成对姿态估计算法的验证，将Kinect釆集的2D姿态数据作为真值，与算法估计得出的数据进行比对。然后搭建辅助训练系统，选取关节角轨迹对比和姿态相似度作为辅助训练系统的参数指标，最终实现辅助训练。
一种基于动态识别的太极拳训练系统，包括训练系统1，训练系统1的输出端和三维传感器模块2的输入端之间相互电性连接，三维传感器模块2的输出端和图像特征提取模块3的输入端之间相互电性连接，图像特征提取模块3的输出端和人体目标检测模块4的输入端之间相互电性连接，人体目标检测模块4的输出端和背景模型建立模块5的输入端之间相互电性连接，背景模型建立模块5的输出端和姿态估计算法6的输入端之间相互电性连接。
本发明中，优选的，三维传感器模块2包括序列彩色图像模块7、深度图信息采集模块8、图样本输入模块9、提取三维数据模块10和对比模块11。
本发明中，优选的，序列彩色图像模块7的输出端和深度图信息采集模块8的输入端之间相互电性连接，深度图信息采集模块8的输出端和图样本输入模块9的输入端之间相互电性连接，图样本输入模块9的输出端和提取三维数据模块10的输入端之间相互电性连接，提取三维数据模块10的输出端和对比模块11的输入端之间相互电性连接。
本发明中，优选的，姿态估计算法6包括边缘检测模块12、运动姿态参数模块13和姿态分析与指导模块14。
本发明中，优选的，边缘检测模块12的输出端和运动姿态参数模块13的输入端之间相互电性连接，运动姿态参数模块13的输出端和姿态分析与指导模块14的输入端之间相互电性连接。
本发明的工作原理及使用流程：使用时，通过采用本发明的基于动态识别的太极拳训练系统1对学员和教练的太极拳动作进行识别和对比，结合虚拟现实等技术来实现科学的太极拳辅助训练，以此摆脱传统健身训练纯粹依靠经验进行口传心授的状态，人体姿态估计通过建立图像中人体特征和人体姿态的映射关系获取图像中人肢体各部位在二维平面或三维空间里的位置、角度等信息，将该研究内容应用于太极拳训练，建立了辅助训练系统，实现从基于经验的运动训练方法到基于计算机视觉的人体运动分析方法的转变，有效地避免了随着计算机技术的高速发展，越来越多的视频处理技术和图像处理技术被运用于人体动作辅助训练中，但是基于人体姿态估计算法6建立的太极拳训练辅助系统并不常见的问题，通过采用，Kinect三维传感器的三个摄像头完成了序列彩色图像和它的深度图信息采集工作，采集的图像作为后面样本的输入，通过采用插件NuitrackSDK编码实现了自动提取人体15个关节点的三维数据，最后用手动提取的姿态数据与基于Kinect三维传感器得到的姿态数据进行实验对比，完成它的精度验证，通过研究基于模型的人体姿态估计算法6和无模型的姿态估计算法6，对通过目标检测得到的二值轮廓图进行边缘检测，并经过水平扫描、人体长度比例约束等图像处理方法，实现了对人体关节的姿态估计，能较准确的提取出人体的主要关节数据，通过人体姿态估计的方法分别得到训练者和教练的运动姿态参数，在此基础上搭建辅助训练系统，系统输入为系统以关节角轨迹和姿态相似度两个参数作为辅助指标，对比训练者和教练的关节角轨迹，并根据姿态相似度来进行直观的分析与指导，通过基于ViBe模型的背景建模方法进行图像的特征提取和人体目标检测，有效克服背景扰动及光照等因素的影响，能从视频中较完整的检测出人体轮廓图，基于轮廓特征结合图像处理的人体姿态估计方法，运用Canny边缘检测算法得到图像的轮廓边缘，然后经过水平扫描、人体长度比例约束等图像处理方法获取人体关节点的坐标，进行姿态估计，基于Kinect传感器捕获的数据，搭建实验验证平台，完成对姿态估计算法6的验证，将Kinect釆集的2D姿态数据作为真值，与算法估计得出的数据进行比对，然后搭建辅助训练系统，选取关节角轨迹对比和姿态相似度作为辅助训练系统的参数指标，最终实现辅助训练。
近年来利用信息化手段辅助体育锻炼是推广全民健身和普及社会健康理念的主要方式之一，太极拳作为中老年人喜爱的锻炼方式，在信息化应用领域上有着广泛的群众基础和实现条件。通过摄像头对人的动作进行捕获和分析，从视频图像序列中分析并跟踪动作，科学量化地分析人的运动特征，实现姿态的分析和对比，再结合人体生理学、物理学等原理提出太极拳动作改进的方法来辅助训练，实现从基于传统太极拳训练纯粹依靠经验和手把手教的方法到基于计算机视觉的人体运动分析方法的转变，数字化地提高健身水平，丰富中老年人的健身手段，从而为健康理念的推广和中老年人健康水平的提高更好的提供服务。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种基于动态识别的太极拳训练方法，其特征在于：包括以下步骤：
步骤一：研究Kinect三维传感器的基本原理，Kinect有三个摄像头，基于它完成了序列彩色图像和它的深度图信息采集工作，采集的图像作为后面样本的输入；
步骤二：研究图像特征提取和人体目标检测的常用方法，传统的目标检测方法对动态场景的更新鲁棒性较差；
步骤三：研究基于模型的人体姿态估计算法和无模型的姿态估计算法，对通过目标检测得到的二值轮廓图进行边缘检测，并经过水平扫描、人体长度比例约束等图像处理方法；
步骤四：以太极拳为例，通过人体姿态估计的方法分别得到训练者和教练的运动姿态参数，在此基础上搭建辅助训练系统，系统输入为系统以关节角轨迹和姿态相似度两个参数作为辅助指标，对比训练者和教练的关节角轨迹，并根据姿态相似度来进行直观的分析与指导；
步骤五：基于轮廓特征结合图像处理的人体姿态估计方法，运用Canny边缘检测算法得到图像的轮廓边缘，然后经过水平扫描、人体长度比例约束等图像处理方法获取人体关节点的坐标，进行姿态估计。
2.根据权利要求1所述的一种基于动态识别的太极拳训练方法，其特征在于：所述步骤一中，利用Kinect传感器的插件NuitrackSDK编码实现了自动提取人体15个关节点的三维数据，最后用手动提取的姿态数据与基于Kinect三维传感器得到的姿态数据进行实验对比，完成它的精度验证。
3.根据权利要求1所述的一种基于动态识别的太极拳训练方法，其特征在于：所述步骤二中，因此，建立一个自适应强的背景模型对目标检测十分必要。
4.根据权利要求1所述的一种基于动态识别的太极拳训练方法，其特征在于：所述步骤三中，实现了对人体关节的姿态估计，能较准确的提取出人体的主要关节数据。
5.根据权利要求1所述的一种基于动态识别的太极拳训练方法，其特征在于：所述步骤五中，基于Kinect传感器捕获的数据，搭建实验验证平台，完成对姿态估计算法的验证，将Kinect釆集的2D姿态数据作为真值，与算法估计得出的数据进行比对。然后搭建辅助训练系统，选取关节角轨迹对比和姿态相似度作为辅助训练系统的参数指标，最终实现辅助训练。
6.根据权利要求1-5任意一项所述的一种基于动态识别的太极拳训练系统，包括训练系统(1)，其特征在于：所述训练系统(1)的输出端和三维传感器模块(2)的输入端之间相互电性连接，所述三维传感器模块(2)的输出端和图像特征提取模块(3)的输入端之间相互电性连接，所述图像特征提取模块(3)的输出端和人体目标检测模块(4)的输入端之间相互电性连接，所述人体目标检测模块(4)的输出端和背景模型建立模块(5)的输入端之间相互电性连接，所述背景模型建立模块(5)的输出端和姿态估计算法(6)的输入端之间相互电性连接。
7.根据权利要求6所述的一种基于动态识别的太极拳训练系统，其特征在于：所述三维传感器模块(2)包括序列彩色图像模块(7)、深度图信息采集模块(8)、图样本输入模块(9)、提取三维数据模块(10)和对比模块(11)。
8.根据权利要求7所述的一种基于动态识别的太极拳训练系统，其特征在于：所述序列彩色图像模块(7)的输出端和深度图信息采集模块(8)的输入端之间相互电性连接，所述深度图信息采集模块(8)的输出端和图样本输入模块(9)的输入端之间相互电性连接，所述图样本输入模块(9)的输出端和提取三维数据模块(10)的输入端之间相互电性连接，所述提取三维数据模块(10)的输出端和对比模块(11)的输入端之间相互电性连接。
9.根据权利要求8所述的一种基于动态识别的太极拳训练系统，其特征在于：所述姿态估计算法(6)包括边缘检测模块(12)、运动姿态参数模块(13)和姿态分析与指导模块(14)。
10.根据权利要求9所述的一种基于动态识别的太极拳训练系统，其特征在于：所述边缘检测模块(12)的输出端和运动姿态参数模块(13)的输入端之间相互电性连接，所述运动姿态参数模块(13)的输出端和姿态分析与指导模块(14)的输入端之间相互电性连接。
CN202311303366.1A 2023-10-10 2023-10-10 一种基于动态识别的太极拳训练方法及系统 Pending CN117373117A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311303366.1A CN117373117A (zh) 2023-10-10 2023-10-10 一种基于动态识别的太极拳训练方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311303366.1A CN117373117A (zh) 2023-10-10 2023-10-10 一种基于动态识别的太极拳训练方法及系统

Publications (1)

Publication Number Publication Date
CN117373117A true CN117373117A (zh) 2024-01-09

Family

ID=89401510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311303366.1A Pending CN117373117A (zh) 2023-10-10 2023-10-10 一种基于动态识别的太极拳训练方法及系统

Country Status (1)

Country Link
CN (1) CN117373117A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120428860A (zh) * 2025-04-24 2025-08-05 王海梁 一种结合虚拟现实与传感技术的老年人实时互动运动训练教学系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120428860A (zh) * 2025-04-24 2025-08-05 王海梁 一种结合虚拟现实与传感技术的老年人实时互动运动训练教学系统

Similar Documents

Publication Publication Date Title
CN109758756B (zh) 基于3d相机的体操视频分析方法及系统
CN107103613B (zh) 一种三维手势姿态估计方法
CN110448870B (zh) 一种人体姿态训练方法
CN114550027A (zh) 基于视觉的运动视频精细分析方法和装置
CN112906653A (zh) 一种多人交互的运动训练与评估系统
CN110991266A (zh) 一种双目人脸活体检测方法及装置
CN114091511B (zh) 一种基于时空信息的健身动作评分方法、系统及装置
CN115035546B (zh) 三维人体姿态检测方法、装置及电子设备
CN105869166B (zh) 一种基于双目视觉的人体动作识别方法及系统
CN114093024A (zh) 人体动作的识别方法、装置、设备及存储介质
CN105536205A (zh) 一种基于单目视频人体动作感知的上肢训练系统
CN105664462A (zh) 基于人体姿态估计算法的辅助训练系统
CN110751100A (zh) 一种体育场馆辅助训练方法与系统
CN110298279A (zh) 一种肢体康复训练辅助方法及系统、介质、设备
CN112069943A (zh) 基于自顶向下框架的在线多人姿态估计与跟踪方法
CN116052222A (zh) 自然采集牛脸图像的牛脸识别方法
CN115994944A (zh) 三维关键点预测方法、训练方法及相关设备
CN111399634B (zh) 一种手势引导物体识别的方法及装置
CN117373117A (zh) 一种基于动态识别的太极拳训练方法及系统
CN113158766A (zh) 面向无人驾驶的基于姿态估计的行人行为识别方法
CN114548224B (zh) 一种用于强交互人体运动的2d人体位姿生成方法及装置
CN114120371A (zh) 图示识别及动作矫正系统及方法
CN112070846A (zh) 基于视频的实时人体动作跟踪方法和系统
CN114862920B (zh) 基于多尺度图像恢复的跨摄像机行人重识别方法及装置
CN117173777A (zh) 一种基于肢体方向线索解码网络的学习者正面姿态估计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication