一种基于深度图像的非接触式体能测试系统及测试方法
专利汇可以提供一种基于深度图像的非接触式体能测试系统及测试方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种基于 深度图 像 的非 接触 式体能测试系统及测试，由体能测试控 制模 块 、仰卧起坐测试模块、俯卧撑测试模块、 语音识别 模块和测试反馈模块组成。通过使用Kinect 体感交互 设备获取深度图像，利用有限状态机 框架 对被测人体运动计数，使用语音识别 算法 自动开始或结束体能测试同时为用户反馈相关测试结果。本发明融合了深度图像的捕捉与识别，在不让用户肢体携带任何仪器的前提下获得用户的肢体信息，进行精确的运动测试计数。此外，系统根据匹配用户语音 信号 可自动记录，检测过程不需其他人为干预，同时能根据检测数据反馈给用户相关测试结果，使用户能最大限度发挥自己的体 力 潜能，提高运动效率和效果，为非专业体育运动者提供了一种自我监测的平台。，下面是一种基于深度图像的非接触式体能测试系统及测试方法专利的具体信息内容。
1.一种基于深度图像的非接触式体能测试系统，其特征在于：包括体能测试控制模块、仰卧起坐测试模块、俯卧撑测试模块、语音识别模块和测试反馈模块；
体能测试控制模块：启动Kinect体感交互设备的红外摄像头并通过Kinect体感交互设备自带SDK捕捉现实场景中的深度图像；根据设定的阈值将获取到的深度图像进行二值化处理，得到黑白二值图像；调用OpenCV自带轮廓检测算子提取黑白二值图像的边缘轮廓，获得被测人体轮廓；将被测人体轮廓区域储存起来作为仰卧起坐测试模块、俯卧撑测试模块判定区域；当体能测试控制模块中选择待测试项目为仰卧起坐时，调用仰卧起坐测试模块；
当体能测试模块中选择待测试项目为跪姿俯卧撑或标准俯卧撑时，调用俯卧撑测试模块；
同时开启语音识别模块，等待语音指令；
仰卧起坐测试模块：当体能测试控制模块中选择待测试的项目为仰卧起坐时，仰卧起坐测试模块启动；将有限状态机作为判定仰卧起坐的计算模型，定义仰卧起坐中被测人体的状态为有限状态，将被测人体在完成仰卧起坐过程中可能出现的状态定义为四种：“准备状态”、“中间状态”、“完成状态”以及“其他状态”，其中“准备状态”为被测人体屈膝仰卧于地面，双手扶于耳部；“中间状态”为被测人体完成一个仰卧起坐动作时，上半身从仰卧到坐起的前屈过程；“完成状态”为被测人体完成一个仰卧起坐动作时，前屈过程中双肘碰及膝盖瞬间；“其他状态”为以上“准备状态”、“中间状态”、“完成状态”三种状态以外的所有其他非仰卧起坐过程中出现的干扰动作，并且定义一个完整仰卧起坐动作的状态序列为一个连续且有序的状态转换过程：“准备状态”至“中间状态”再至“完成状态”，期间不出现“其他状态”；获取人体轮廓凹点和凸点，凹点为人体上半身与大腿之间的夹角的顶点，凸点为人体头顶点；计算凹点和凸点之间连线与水平方向的夹角，也称为起身角度；当起身角度小于预设阈值时，认为被测人体处于“准备状态”，即屈膝平躺姿势；当被测人体已处于“准备状态”时，循环检测被测人体轮廓的凸包和凸缺陷状态，以判定被测人体是否处于“中间状态”或“完成状态”，所述凸缺陷是指轮廓与凸包之间的部分；当状态转换完成了一个完整的状态转移序列时，认为被测人体完成了一个完整的仰卧起坐，仰卧起坐测试模块计数加一；当仰卧起坐测试模块收到语音识别模块的传来的启动计数指令后，仰卧起坐测试模块开始检测被测人体所处的状态，并开始计数；当仰卧起坐测试模块收到语音识别模块传来的结束计数指令后，仰卧起坐测试模块结束计数，并将计数信息传递给测试反馈模块；
俯卧撑测试模块：当体能测试控制模块中选择待测试的项目为跪姿俯卧撑或标准俯卧撑时，俯卧撑测试模块被调用；将有限状态机作为判定俯卧撑的计算模型，定义俯卧撑中被测人体的状态为有限状态；将被测人体在完成跪姿俯卧撑或标准俯卧撑中可能出现的状态定义为四种：“准备状态”、“中间状态”、“完成状态”以及“其他状态”，其中，“准备状态”为双臂位于胸前，两手支撑地面，两手间距较肩膀稍宽，肘关节伸直，躯干成直线，两腿并拢，跪姿俯卧撑以双膝着地支撑，标准俯卧撑以脚趾点地支撑；“中间状态”为用户完成一个俯卧撑动作时，肩关节伸肘关节屈，躯干逐渐接近地面，以及还原过程中肩关节屈肘关节伸躯干远离地面的过程；“完成状态”为用户完成一个俯卧撑动作，还原到初始准备状态的瞬间；
“其他状态”为以上“准备状态”、“中间状态”、“完成状态”三种状态以外的所有其他非俯卧撑过程中出现的干扰动作；并且定义一个完整俯卧撑动作的状态序列为一个连续且有序的状态转换过程：“准备状态”至“中间状态”再至“完成状态”，期间不出现“其他状态”；根据体能测试控制模块中所获取的被测人体轮廓构建人体轮廓外接矩形，不同的矩形长宽比匹配不同的状态，计算当前被测人体外接矩阵的长宽比，将此比值与预先设定的阈值进行匹配；
当状态转换完成了一个完整的状态转移序列时，认为被测人体完成了一个完整的跪姿俯卧撑或标准俯卧撑，俯卧撑测试模块计数加一；当俯卧撑测试模块收到语音识别模块的传来的启动计数指令后，俯卧撑测试模块检测被测人体所处的状态，并开始计数；当俯卧撑测试模块收到语音识别模块的传来的结束计数指令后，俯卧撑测试模块结束计数，并将计数信息传递给测试反馈模块；
语音识别模块：用户第一次使用时，会提示用户记录下开始和结束的指令语音信息，用户发出语音指令后，利用Kinect体感交互设备的SDK语音包进行录音，并生成该录音音频的波形图，从而对语音信号进行预处理和特征提取，将提取到的音频信息存入语音识别模块中，实现对用户语音特征的学习，建立用户命令模型，作为该用户语音指令待匹配模板；当用户再次使用并发出指令时，首先采集用户的指令语音信号并提取语音信号中的相应特征，然后在之前存放的语音指令中寻找待匹配模版，如果找到，则认为匹配成功；如果用户发出语音指令与语音识别模块中的开始指令相匹配，则向仰卧起坐测试模块或俯卧撑测试模块传递启动计数指令，开始计数同时调用测试反馈模块开始计时；如果用户发出指令与语音识别模块中的结束指令相匹配，则向仰卧起坐测试模块或俯卧撑测试模块传递结束计数指令同时测试反馈模块停止计时；
测试反馈模块：接受到语音识别模块传递的启动计数指令后，开始计时；测试反馈模块收到语音识别模块传递的结束计数指令后，测试反馈模块停止计时，读取仰卧起坐测试或俯卧撑测试模块传递过来的计数信息，同时计算用户发出开始指令到发出结束指令之间的时间间隔作为用户该次运动的耗时，再根据设定的计算公式，以图形化界面向用户反馈该次测试完成动作个数，耗时，耗能以及体能测试分数。
2.根据权利要求1所述的基于深度图像的非接触式体能测试系统，其特征在于：所述仰卧起坐测试模块中，设定起身角度预设阈值为20。
3.根据权利要求1所述的基于深度图像的非接触式体能测试系统，其特征在于：所述仰卧起坐测试模块中，当被测人体已处于“准备状态”后，根据被测人体轮廓获得当前帧凸包，检测凸包中所有的凸缺陷；当单个凸缺陷的距离特征量大于设定阈值5.0时，将该凸缺陷视为待检测凸缺陷区域D。
4.根据权利要求1所述的基于深度图像的非接触式体能测试系统，其特征在于：所述仰卧起坐测试模块中，对凸缺陷状态的检测方法为，计算待检测凸缺陷区域D中，计算缺陷结束点与起始点连线的斜率，当斜率处于20-70之间时，当前状态置为“中间状态”，并匹配当前帧中的凸缺陷与上一帧中的凸缺陷集合，当两个凸缺陷匹配，并且该凸缺陷的深度特征小于之前深度特征三分之一时，当前状态置为“完成状态”，若无匹配或凸缺陷深度特征差值均大于三分之一时，状态置为“其他状态”。
5.根据权利要求1所述的基于深度图像的非接触式体能测试系统，其特征在于：所述俯卧撑测试模块中，阈值根据人体俯卧时所构成的外接矩形的宽高比通过实验测试数据经验设定给出；所述跪姿俯卧撑状态下人体外接矩形宽高比大于1.2，标准俯卧撑状态下人体外接矩形宽高比大于1.5，认为被测人体俯卧于地面。
6.根据权利要求1所述的基于深度图像的非接触式体能测试系统，其特征在于：所述俯卧撑测试模块中，当被测人体轮廓外接矩形宽高比在设定的阈值1.9-2.5时，设置当前状态为“准备状态”，在2.5-3.31范围时，设置当前状态为“中间状态”；当宽高比大于3.31时，设置当前状态为“完成状态”，当宽高比不处于以上任意区间时，设置当前状态为“其他状态”。
7.根据权利要求1所述的基于深度图像的非接触式体能测试系统，其特征在于：所述语音识别模块实现如下：
(1)第一次使用时，会提示用户记录下开始和结束的指令语音信息，在此使用时，根据体能测试控制模块控制，用户分别发出“开始”和“结束”语音指令后，利用Kinect体感交互设备的SDK语音包进行录音，并生成该录音音频的波形图，并进行以下处理：
(1.1)使用短时能量参数来进行语音端点检测，定义n时刻语音信号的短时平均能量为：
N为分帧语音窗长，m为帧序号；
求出所有帧中最大短时能量En_max，将0.03×En_max作为端点检测的阈值，同时，将0.01×En_max认为环境噪声作为在命令段内不计入运算的帧的阈值，这样将短时能量大于端点阈值的数据帧进行编号后计算出每帧的平均幅差函数；
(1.2)将计算得到的语音指令信号的平均幅差特征作为语音特征参数存储于模板中，进而建立用户命令模型，作为该用户语音指令待匹配模板；
(2)用户在体能测试控制模块中选择了需要测试的项目，包括仰卧起坐、跪姿俯卧撑或标准俯卧撑后，语音识别模块进入等待状态，调用Kinect体感交互设备的SDK打开内置麦克风采集语音信号；
(3)对用户发出的语音信号提取完成后，将语音信号的特征参数与语音识别模块中的待匹配模板中的两个指令进行匹配，若与开始指令匹配，则仰卧起坐测试模块或俯卧撑测试模块开始检测计数同时测试反馈模块开始计时，若与结束指令匹配，则停止计数同时测试反馈模块结束计时，并将计数数据传递给运动测试反馈模块；若与开始指令和结束指令均不匹配，则不执行任何操作。
8.根据权利要求1所述的基于深度图像的非接触式体能测试系统，其特征在于：所述测试反馈模块中：
(1)对于仰卧起坐运动检测，运动所消耗的能量＝10*(m/60)*动作个数，其中m为被测人体体重，单位kg，计算运动强度系数＝完成仰卧起坐个数/耗时，单位为秒，根据运动强度系数将被测人体的运动状态进行分级，以帮助客观评估本次测试中的体能情况，以便后续进行针对性的训练，强度系数大于1为S级，0.7-1为A级，0.5-0.7为B级，0.3-0.5为C级，0.3以下为D级；
(2)对于俯卧撑运动检测，标准俯卧撑所消耗的能量＝g*m*h，其中g为10N/kg，m为被测人体体重，单位kg；h为被测人体前臂的长度，单位为m；跪姿俯卧撑所消耗的能量＝(2/3)*g*m*h，计算运动强度系数＝完成俯卧撑个数/耗时，单位为秒；根据运动强度系数将该次被测人体的运动状态进行分级，以帮助客观评估本次测试中的体能情况，以便后续进行针对性的训练，强度系数大于0.8为S级，0.7-0.8为A级，0.4-0.7为B级，0.2-0.4为C级，0.2以下为D级。
9.一种基于深度图像的非接触式体能测试方法，其特征在于：所述方法实现步骤如下：
(1)当用户第一次使用时，引导用户对指令声音进行提取录入，用户录入指令包含两种：开始指令和结束指令；利用Kinect体感交互设备自带SDK打开内置麦克风进行录音，生成WAVE文件，并生成其波形图，从而对语音信号进行预处理和特征提取，生成用户指令模板；当用户再次使用系统时，会采集用户指令语音信号并提取信号中的特征参数，与预存用户指令模板；
(2)用户在运动测试控制模块中选择需要进行测试的动作后，初始化摄像机参数，启动Kinect体感交互设备的红外摄像头捕捉现实场景中的深度信息，对深度图像进行二值化处理，转化为黑白二值图像；根据黑白二值图像，获取被测人体轮廓；同时，Kinect体感交互设备内置麦克风打开等待获取语音信号；
(3)被测人体位于Kinect体感交互设备前1-2米处，做好仰卧起坐或俯卧撑测试准备，并发出语音指令，当获取到的语音信号与开始指令匹配时，根据步骤(2)中选择的项目，进行仰卧起坐或俯卧撑计数，同时进行测试反馈计时；在仰卧起坐测试中对人体轮廓凸包进行检测，在俯卧撑测试中对人体轮廓外接矩形进行长宽比判定，循环检测每一帧中被测人体所处的状态，当被测人体完成一次完整且有序的有限状态转换序列“准备状态”至“中间状态”再至“完成状态”时，被测人体动作计数加一；
(4)当用户希望结束当前运动时，发出结束语音指令，获取语音信号并与所存储的匹配模板进行匹配，当获取到的语音信号与结束指令匹配时，则结束计数；
(5)测试反馈过程停止计时后，从仰卧起坐测试或俯卧撑测试过程中读取计数信息，并计算用户发出开始指令和结束指令的时间间隔作为完成该次测试所消耗的时间，以图形化界面展示该次测试过程中完成动作个数，消耗的时间，运动过程中所消耗的能量以及该被测人体运动能力强度评价。
一种基于深度图像的非接触式体能测试系统及测试方法
技术领域
背景技术
发明内容
当仰卧起坐测试模块收到语音识别模块的传来的启动计数指令后，仰卧起坐测试模块开始检测被测人体所处的状态，并开始计数；当仰卧起坐测试模块收到语音识别模块传来的结束计数指令后，仰卧起坐测试模块结束计数，并将计数信息传递给测试反馈模块；
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种防磨伤拉线用肩膀护罩 | 2020-05-12 | 951 |
| 肩膀伸缩的立裁人台 | 2020-05-11 | 848 |
| 模特儿肩膀关节的组合结构 | 2020-05-12 | 498 |
| 一种防止肩膀受风的被子 | 2020-05-12 | 586 |
| 一种便于调节肩膀宽度的衣服 | 2020-05-13 | 265 |
| 一种模特可调节的肩膀连接机构 | 2020-05-13 | 3 |
| 汽轮发电机转轴肩膀结构 | 2020-05-13 | 593 |
| 一种机器人肩膀装置 | 2020-05-11 | 451 |
| 一种便于调节肩膀宽度的衣服 | 2020-05-12 | 937 |
| 一种带有对肩膀有按摩功能的双肩背包 | 2020-05-13 | 71 |
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。
