专利汇可以提供一种健身动作教学及矫正系统及方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种健身动作教学及矫正系统,包括 服务器 、摄像头、显示屏和音响,所述服务器用于构建与训练人体行为识别与循环神经网络模型,为系统提供计算能 力 ,所述服务器与摄像头连接来获取使用者的健身动作视频,所述服务器和显示屏连接来将健身动作用虚拟人物的形式显示出来,以便使用者提高健身动作的正确性,所述服务器和音响连接来语音提醒系统连接状况,以及系统发生错误时的报警。本发明能够提供标准的健身动作,通过对比自身动作给予错误指出与 修改 的意见,用虚拟人物直观的体现自身动作与标准动作的差距,及时的规范自身动作,避免因错误健身造成的身体伤害,提高健身的效率。,下面是一种健身动作教学及矫正系统及方法专利的具体信息内容。
1.一种健身动作教学及矫正系统,其特征在于:包括服务器、摄像头、显示屏和音响,所述服务器用于构建与训练人体行为识别与循环神经网络模型,为系统提供计算能力,所述服务器与摄像头连接来获取使用者的健身动作视频,所述服务器和显示屏连接来将健身动作用虚拟人物的形式显示出来,以便使用者提高健身动作的正确性,所述服务器和音响连接来语音提醒系统连接状况,以及系统发生错误时的报警。
2.根据权利要求1所述的一种健身动作教学及矫正系统,其特征在于:所述服务器为Dell服务器,所述服务器使用8核2.60Ghz CPU,内存为128G。
3.一种健身动作教学及矫正方法,其特征在于:具体包括以下步骤:
(1)摄像头获取使用者的健身动作视频,将使用者的健身动作视频发送给服务器;
(2)收集所有健身动作的标准动作姿势,在服务器内建立一个完整的标准健身动作库;
(3)人体行为识别:服务器对接收到的使用者的健身动作视频,运用人体骨骼检测与循环神经网络RNN进行人体行为识别,并构建虚拟人物在显示屏上显示人体的行为动作;
(4)人体行为预测:根据步骤B构建的虚拟人物显示行为动作,运用循环神经网络RNN算法预测出使用者下一步的健身动作;
(5)人体行为矫正:从标准健身动作库中调出与预测动作相应的标准动作,将预测的使用者的健身动作与标准健身动作库调出的标准动作均通过两组虚拟人物显示在显示屏上,通过服务器对显示屏上的两个动作显示进行对比判断,在显示屏上输出差异值,提出修正意见。
4.根据权利要求3所述的一种健身动作教学及矫正方法,其特征在于:所述步骤(3)中人体行为识别的具体步骤如下:
①收集不同健身人群的各类健身动作视频,并将收集到的健身动作视频作为训练与测试视频集;
②对步骤①中收集的健身动作视频的视频帧进行密集采样,提取稠密轨迹构建特征描述子,采集方向梯度直方图HOG和轨迹形状作为形状描述符,利用光流直方图HOF和运动边界直方图MBH作为运动描述符,最终得到一个426维的描述符;
③视频帧的特征提取:提取视频帧的稠密轨迹,计算特征向量,使用特征编码VLAD对视频帧的稠密轨迹特征进行编码,取高斯聚类的个数K,得到视频每一帧维数为K*D特征向量,D为特征描述子的维度;
④利用余弦相似度分析获取有效视频帧序列;
⑤采用时间序池化利用排序函数按照时间相对顺序排序有效视频帧特征,通过参数向量u来获取视频序列动态信息;
⑥使视频帧特征序列学习RankSVM,并将学习得到的视频序列随时间变化的动态特征向量u*作为视频特征向量;用获取的视频特征向量u*训练SVM分类器实现最终的人体行为识别。
5.根据权利要求4所述的一种健身动作教学及矫正方法,其特征在于:所述步骤④中利用余弦相似度分析获取有效视频帧序列的具体步骤如下:
A.对获取的视频帧序列中的特征向量采用余弦相似度分析,设置阈值为T,将余弦相似度大于阈值的两个特征向量中的后者剔除,得到紧密的有效视频帧特征序列;
B.对获取的有效视频特征序列中的每一帧特征进行平滑处理操作,计算其时变均值向量。
6.根据权利要求3所述的一种健身动作教学及矫正方法,其特征在于:所述步骤(4)中的人体行为预测具体步骤包括:
①训练循环神经网络模型:用步骤(2)和(3)中的标准健身动作库和视频集作为训练与测试的数据集,设计随时间反向传播算法BPTT来更新权重参数V、W、U;
②动作预测:将步骤(3)识别的当前使用者的动作输入到循环网络中预测出下一步动作,并用虚拟人物显示在显示屏上。
7.根据权利要求6所述的一种健身动作教学及矫正方法,其特征在于:所述步骤①中设计随时间反向传播算法BPTT来更新权重参数V、W、U步骤包括:
A.前向计算每个神经元的输出值:计算公式为:
st=f(Uxt+Wst-1)
公式中st、xt、st-1为向量,U、W为矩阵表示权重,f(x)为激活函数;
B.反向计算每个神经元的误差项δj的值:δj是误差函数E对神经元j的加权输入neti的偏导数,计算如下:
nett=Uxt+Wst-1
上述公式中Diag[a]表示根据向量a创建一个对角矩阵,fl-1为第l-1层激活函数,为第l-1层的t时刻的加权输入;
C.计算每个权重的梯度:先计算误差函数E对权重矩阵W的梯度 即权重W在t时刻的梯度 再计算权重矩阵在各个时刻的梯度和 与
D.随机梯度下降算法更新权重参数V、U、W。
8.根据权利要求3所述的一种健身动作教学及矫正方法,其特征在于:所述步骤(5)中在显示屏上输出差异值,提出修正意见包括:在显示屏上的预测的使用者的虚拟人物上标示出于标准动作的差异处,给使用者提出合理的建议。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
基于领域自适应神经网络的自动驾驶转向角度预测方法 | 2020-05-13 | 506 |
一种水泥熟料游离钙含量测量方法及系统 | 2020-05-15 | 107 |
一种Web攻击检测方法、系统、介质和设备 | 2020-05-17 | 440 |
用于生成模型的方法和装置 | 2020-05-13 | 509 |
基于长短时记忆网络的水泥成品比表面积预测方法及系统 | 2020-05-08 | 599 |
基于局部动态能量函数FCN-CRF模型的生态变化监测方法 | 2020-05-12 | 517 |
基于无标签数据的神经网络模型量化方法及装置 | 2020-05-15 | 292 |
胶凝砂砾石配合比关键指标预测抗压强度的BP神经网络分析方法 | 2020-05-11 | 764 |
基于深度学习的无源人体运动识别方法 | 2020-05-13 | 755 |
一种基于LSTM的海洋平台空气压缩机故障诊断方法 | 2020-05-11 | 286 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。