本申請(qǐng)涉及智能計(jì)數(shù)領(lǐng)域，且更為具體地，涉及一種基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)系統(tǒng)及其方法。

背景技術(shù)：

1、跳繩是一種流行的有氧運(yùn)動(dòng)，它涉及使用一根長繩，兩端裝有手柄，用戶握著手柄甩動(dòng)繩子，并在繩子繞過身體時(shí)跳過繩子。跳繩能有效提高心肺耐力，增強(qiáng)心血管系統(tǒng)的健康，并且作為一種高強(qiáng)度運(yùn)動(dòng)，跳繩可以在較短的時(shí)間內(nèi)幫助燃燒大量卡路里，有助于減肥和控制體重。通過跳繩計(jì)數(shù)跳繩者可以跟蹤自己的鍛煉進(jìn)度，了解自己的表現(xiàn)是否有所提升，有助于提升鍛煉體驗(yàn)和效果。

2、但由于傳統(tǒng)跳繩計(jì)數(shù)通常依賴于手動(dòng)方法，在長時(shí)間跳繩時(shí)，人工計(jì)數(shù)可能導(dǎo)致計(jì)數(shù)者視覺和精神疲勞，產(chǎn)生瞬間的分心或視線遮擋而漏數(shù)或多數(shù)，從而影響計(jì)數(shù)的準(zhǔn)確性。

3、因此，期待一種優(yōu)化的跳繩智能計(jì)數(shù)系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述技術(shù)問題，提出了本申請(qǐng)。本申請(qǐng)的實(shí)施例提供了一種基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)系統(tǒng)及其方法，其通過獲取人體對(duì)象的跳繩視頻，并從中提取出多個(gè)跳繩關(guān)鍵幀以得到跳繩關(guān)鍵幀的時(shí)間序列，并采用基于深度學(xué)習(xí)的關(guān)鍵幀圖像分析和處理技術(shù)對(duì)所述跳繩關(guān)鍵幀的時(shí)間序列進(jìn)行人體全身關(guān)鍵點(diǎn)特征提取和時(shí)序分析，以此根據(jù)每兩個(gè)相鄰時(shí)間點(diǎn)的全身關(guān)鍵點(diǎn)的時(shí)序特征之間的差分，從而來智能地得到跳繩次數(shù)。通過這樣的方式，系統(tǒng)能夠自動(dòng)化地計(jì)算跳繩次數(shù)，減少了人工計(jì)數(shù)的需求，提高了計(jì)數(shù)的效率。同時(shí)，通過分析跳繩過程中關(guān)鍵幀和人體關(guān)鍵點(diǎn)，系統(tǒng)能夠更準(zhǔn)確地識(shí)別跳繩動(dòng)作，減少計(jì)數(shù)錯(cuò)誤，為用戶的健康和健身提供監(jiān)測(cè)。

2、根據(jù)本申請(qǐng)的一個(gè)方面，提供了一種基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)系統(tǒng)，其包括：

3、人體對(duì)象跳繩視頻獲取模塊，用于獲取人體對(duì)象的跳繩視頻；

4、跳繩過程關(guān)鍵幀提取模塊，用于從所述人體對(duì)象的跳繩視頻中提取關(guān)鍵幀以得到跳繩關(guān)鍵幀的時(shí)間序列；

5、人體姿態(tài)關(guān)鍵點(diǎn)坐標(biāo)提取模塊，用于將所述跳繩關(guān)鍵幀的時(shí)間序列輸入人體姿態(tài)關(guān)鍵點(diǎn)特征提取模塊以得到多個(gè)人體關(guān)鍵點(diǎn)坐標(biāo)的時(shí)間序列；

6、人體關(guān)鍵點(diǎn)坐標(biāo)排列時(shí)序捕捉模塊，用于將所述多個(gè)人體關(guān)鍵點(diǎn)坐標(biāo)的時(shí)間序列排列為人體全身關(guān)鍵點(diǎn)坐標(biāo)的時(shí)間序列后輸入人體關(guān)鍵點(diǎn)坐標(biāo)時(shí)序捕捉模型以得到人體全身關(guān)鍵點(diǎn)坐標(biāo)時(shí)序特征向量的時(shí)間序列；

7、人體全身關(guān)鍵點(diǎn)坐標(biāo)差分計(jì)算模塊，用于計(jì)算所述人體全身關(guān)鍵點(diǎn)坐標(biāo)時(shí)序特征向量的時(shí)間序列中相鄰兩個(gè)所述人體全身關(guān)鍵點(diǎn)坐標(biāo)時(shí)序特征向量之間的按位置差分以得到人體全身關(guān)鍵點(diǎn)坐標(biāo)時(shí)序變化特征向量的時(shí)間序列；

8、關(guān)鍵點(diǎn)坐標(biāo)時(shí)序融合模塊，用于融合所述人體全身關(guān)鍵點(diǎn)坐標(biāo)時(shí)序變化特征向量的時(shí)間序列以得到人體全身關(guān)鍵點(diǎn)坐標(biāo)全時(shí)序變化特征向量；

9、跳繩次數(shù)生成模塊，用于基于所述人體全身關(guān)鍵點(diǎn)坐標(biāo)全時(shí)序變化特征向量，得到跳繩次數(shù)。

10、根據(jù)本申請(qǐng)的另一方面，提供了一種基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)方法，其包括：

11、獲取人體對(duì)象的跳繩視頻；

12、從所述人體對(duì)象的跳繩視頻中提取關(guān)鍵幀以得到跳繩關(guān)鍵幀的時(shí)間序列；

13、將所述跳繩關(guān)鍵幀的時(shí)間序列輸入人體姿態(tài)關(guān)鍵點(diǎn)特征提取模塊以得到多個(gè)人體關(guān)鍵點(diǎn)坐標(biāo)的時(shí)間序列；

14、將所述多個(gè)人體關(guān)鍵點(diǎn)坐標(biāo)的時(shí)間序列排列為人體全身關(guān)鍵點(diǎn)坐標(biāo)的時(shí)間序列后輸入人體關(guān)鍵點(diǎn)坐標(biāo)時(shí)序捕捉模型以得到人體全身關(guān)鍵點(diǎn)坐標(biāo)時(shí)序特征向量的時(shí)間序列；

15、計(jì)算所述人體全身關(guān)鍵點(diǎn)坐標(biāo)時(shí)序特征向量的時(shí)間序列中相鄰兩個(gè)所述人體全身關(guān)鍵點(diǎn)坐標(biāo)時(shí)序特征向量之間的按位置差分以得到人體全身關(guān)鍵點(diǎn)坐標(biāo)時(shí)序變化特征向量的時(shí)間序列；

16、融合所述人體全身關(guān)鍵點(diǎn)坐標(biāo)時(shí)序變化特征向量的時(shí)間序列以得到人體全身關(guān)鍵點(diǎn)坐標(biāo)全時(shí)序變化特征向量；

17、基于所述人體全身關(guān)鍵點(diǎn)坐標(biāo)全時(shí)序變化特征向量，得到跳繩次數(shù)。

18、與現(xiàn)有技術(shù)相比，本申請(qǐng)?zhí)峁┑囊环N基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)系統(tǒng)及其方法，其通過獲取人體對(duì)象的跳繩視頻，并從中提取出多個(gè)跳繩關(guān)鍵幀以得到跳繩關(guān)鍵幀的時(shí)間序列，并采用基于深度學(xué)習(xí)的關(guān)鍵幀圖像分析和處理技術(shù)對(duì)所述跳繩關(guān)鍵幀的時(shí)間序列進(jìn)行人體全身關(guān)鍵點(diǎn)特征提取和時(shí)序分析，以此根據(jù)每兩個(gè)相鄰時(shí)間點(diǎn)的全身關(guān)鍵點(diǎn)的時(shí)序特征之間的差分，從而來智能地得到跳繩次數(shù)。通過這樣的方式，系統(tǒng)能夠自動(dòng)化地計(jì)算跳繩次數(shù)，減少了人工計(jì)數(shù)的需求，提高了計(jì)數(shù)的效率。同時(shí)，通過分析跳繩過程中關(guān)鍵幀和人體關(guān)鍵點(diǎn)，系統(tǒng)能夠更準(zhǔn)確地識(shí)別跳繩動(dòng)作，減少計(jì)數(shù)錯(cuò)誤，為用戶的健康和健身提供監(jiān)測(cè)。

技術(shù)特征：

1.一種基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)系統(tǒng)，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)系統(tǒng)，其特征在于，所述跳繩過程關(guān)鍵幀提取模塊，用于：

3.根據(jù)權(quán)利要求2所述的基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)系統(tǒng)，其特征在于，所述人體姿態(tài)關(guān)鍵點(diǎn)坐標(biāo)提取模塊，用于：

4.根據(jù)權(quán)利要求3所述的基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)系統(tǒng)，其特征在于，所述人體關(guān)鍵點(diǎn)坐標(biāo)排列時(shí)序捕捉模塊，包括：

5.根據(jù)權(quán)利要求4所述的基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)系統(tǒng)，其特征在于，所述跳繩次數(shù)生成模塊，包括：

6.根據(jù)權(quán)利要求5所述的基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)系統(tǒng)，其特征在于，所述坐標(biāo)全時(shí)序變化特征優(yōu)化單元，用于：

7.根據(jù)權(quán)利要求6所述的基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)系統(tǒng)，其特征在于，所述坐標(biāo)全時(shí)序變化特征優(yōu)化單元，用于：

8.一種基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)方法，其特征在于，包括：

9.根據(jù)權(quán)利要求8所述的基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)方法，其特征在于，將所述跳繩關(guān)鍵幀的時(shí)間序列輸入人體姿態(tài)關(guān)鍵點(diǎn)特征提取模塊以得到多個(gè)人體關(guān)鍵點(diǎn)坐標(biāo)的時(shí)間序列，包括：

10.根據(jù)權(quán)利要求9所述的基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)方法，其特征在于，將所述多個(gè)人體關(guān)鍵點(diǎn)坐標(biāo)的時(shí)間序列排列為人體全身關(guān)鍵點(diǎn)坐標(biāo)的時(shí)間序列后輸入人體關(guān)鍵點(diǎn)坐標(biāo)時(shí)序捕捉模型以得到人體全身關(guān)鍵點(diǎn)坐標(biāo)時(shí)序特征向量的時(shí)間序列，包括：

技術(shù)總結(jié)
本申請(qǐng)涉及智能計(jì)數(shù)領(lǐng)域，其具體地公開了一種基于姿態(tài)估計(jì)的跳繩智能計(jì)數(shù)系統(tǒng)及其方法，其通過獲取人體對(duì)象的跳繩視頻，并從中提取出多個(gè)跳繩關(guān)鍵幀以得到跳繩關(guān)鍵幀的時(shí)間序列，并采用基于深度學(xué)習(xí)的關(guān)鍵幀圖像分析和處理技術(shù)對(duì)所述跳繩關(guān)鍵幀的時(shí)間序列進(jìn)行人體全身關(guān)鍵點(diǎn)特征提取和時(shí)序分析，以此根據(jù)每兩個(gè)相鄰時(shí)間點(diǎn)的全身關(guān)鍵點(diǎn)的時(shí)序特征之間的差分，從而來智能地得到跳繩次數(shù)。通過這樣的方式，系統(tǒng)能夠自動(dòng)化地計(jì)算跳繩次數(shù)，減少了人工計(jì)數(shù)的需求，提高了計(jì)數(shù)的效率。同時(shí)，通過分析跳繩過程中關(guān)鍵幀和人體關(guān)鍵點(diǎn)，系統(tǒng)能夠更準(zhǔn)確地識(shí)別跳繩動(dòng)作，減少計(jì)數(shù)錯(cuò)誤。

技術(shù)研發(fā)人員：俞伯陽
受保護(hù)的技術(shù)使用者：杭州航林科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/11/14