虚拟互动的健身方法、电子设备及存储介质与流程
本发明涉及计算机应用技术领域，尤其涉及一种虚拟互动的健身方法、电子设备及存储介质。
背景技术：
目前，健身是当代人的重要需求之一，越来越多地人们喜欢去健身房或是自行购买健身器械进行健身，但是由于在健身房请教练指导价格昂贵，而且健身器材不易于收纳，这些问题抬高了健身的门槛。例如，酒店、办公室等场所，受制于场地有限，用户几乎难以进行有效的锻炼。
人类的动作捕捉及识别方法，在当今社会具有非常广泛的应用，例如：智能监控、人机交互的体感游戏、视频检索等等。
人类的动作检测识别，从基于传统的rgb视频序列过渡到当今流行的rgb-d视频序列，运动轨迹一直作为重要的特征发展着。传统的运动轨迹的捕捉往往基于特征点的检测算法，不同的特征点检测方法会得出完全不同的运动轨迹。同时，由于特征点在不同帧的检索非常不稳定，在整个视频序列中，特征点往往不连续，因此对于特征点轨迹法多采用基于直方图的统计方法，对整个视频序列进行计算并统计后，采用支持向量机等分类器进行分类。
这些视频序列的匹配计算方法计算量大，无法即时响应，也无法适用于民用级别的人机交互，尤其对于直播场景中的动作识别比对和纠错。因此，现有技术对于直播场景中健身识别纠错的人机交互而言，难以实现系统实时反馈动作是否出错的需求。
技术实现要素：
本发明为了克服上述现有技术存在的缺陷，提供一种虚拟互动的健身方法、电子设备及存储介质，克服了现有技术的困难，避免了实体健身器材对空间的占用，能够将普通的显示设备改建为互动式健身设备，创造了一种在线健身教练一对一辅导的新颖体验，帮助健身教练从远程矫正学员的动作，大大降低了健身的门槛。
根据本发明的一个方面，提供一种虚拟互动的健身方法，包括以下步骤：
s110、通过第一终端采集第一类用户的音频数据和视频数据，将所述视频数据转换为三维骨骼动作模型，获取视频数据中人体的多个骨骼点的坐标及多个骨骼点之间形成的向量，根据视频数据中人体的多个骨骼点的坐标及多个骨骼点之间形成的向量对视频中人体进行动作识别以确定目标动作；
s120、于一个或多个第二终端播放通过所述第一终端采集的音频数据和视频数据；
s130、通过每个所述第二终端实时采集第二类用户的三维视频数据，并实时生成待测三维骨骼动作模型，根据当前在第二终端播放的视频数据的目标动作将当前待测三维骨骼动作模型作为一待测动作，将该待测动作与该目标动作形成一匹配组；以及
s140、判断每个所述第二终端的待测动作与目标动作是否匹配，若是则返回步骤s130，若否，则执行步骤s150；
s150、自所述第一类用户的视频数据中抠图获取第一类用户的身体影像，自不匹配的所述第二类用户的视频数据中抠图获取第二类用户的身体影像，将不匹配的所述第二类用户的身体影像叠加到所述第一类用户的视频数据中，并在所述第一终端播放，将所述第一类用户的身体影像叠加到不匹配的所述第二类用户的视频数据中，并在所述第二终端播放，返回步骤s140。
优选地，所述步骤s150中，不匹配的所述第二类用户的身体影像作为前景叠加到所述第一类用户的视频数据中，
所述第一类用户的身体影像作为前景叠加到不匹配的所述第二类用户的视频数据中。
优选地，所述步骤s150中，建立所述第一终端与不匹配的所述第二终端的双向语音通道。
优选地，所述步骤s110包括：当识别一动作连续重复出现时，将该动作作为目标动作；
所述步骤s120包括：至少延迟一个当前在第二终端播放的视频数据的目标动作的持续时间于所述第二终端播放的自所述第一终端采集的音频数据和视频数据。
优选地，所述步骤s110包括：确定目标动作的持续时间；
所述步骤s130包括：自确定当前待测三维骨骼动作模型开始动作至当前在第二终端播放的视频数据的目标动作的持续时间将该持续时间内的当前待测三维骨骼动作模型作为一待测动作。
优选地，所述步骤s110还包括：
将该目标动作按所述三维骨骼动作模型拆解成五个身体部位：左臂、右臂、左腿、右腿以及躯干，每个所述身体部位均包括：三个骨骼点、三个骨骼点形成的三个向量及所述三个向量中两个向量之间的夹角，
对至少一个身体部位的部位动作生成一个或多个面向过程或者面向位移的识别项，每个识别项包括识别对象、识别参数及识别规则，所述识别对象包括所述三个骨骼点中的至少一个骨骼点；三个向量中的至少一个向量；以及所述三个向量中两个向量之间的一个夹角中的一项或多项，
其中，所述面向过程的识别项还包括一标准过程向量库，所述标准过程向量库按时间顺序储存有所述部位动作的至少一个向量，
所述步骤s130还包括：
依据目标动作的目标部位动作将待测动作划分为相应的待测部位动作，将待测动作的待测部位动作与相应的目标动作的目标部位动作形成一身体部位匹配组；
对每一身体部位匹配组，获取目标部位动作的识别项，依据所述三维骨骼动作模型获取所述待测部位动作对应所述识别对象的骨骼点的坐标、骨骼点形成的向量和/或向量之间的夹角，若所述识别项为面向过程的识别项，则将所述待测部位动作的向量与标准过程向量库中的对应向量进行匹配计算以与所述识别参数设定的向量阈值进行比较，若不符合所述识别规则，则反馈待测部位动作错误。
优选地，左臂包括：左手腕关节点、左手肘关节点、左肩关节点、左肩关节点至左手肘关节点形成的第一向量、左手肘关节点至左手腕关节点形成的第二向量、左肩关节点至左手腕关节点形成的第三向量以及该第一向量和该第二向量之间的夹角；
右臂包括：右手腕关节点、右手肘关节点、右肩关节点、右肩关节点至右手肘关节点形成的第一向量、右手肘关节点至右手腕关节点形成的第二向量、右肩关节点至右手腕关节点形成的第三向量以及该第一向量和该第二向量之间的夹角；
躯干包括：头部中心、脖子的脊柱中心、躯干的脊柱中心、头部中心至脖子的脊柱中心形成的第一向量、脖子的脊柱中心至躯干的脊柱中心形成的第二向量、头部中心至躯干的脊柱中心形成的第三向量以及该第一向量和该第二向量形成的夹角；
左腿包括：左脚踝关节点、左膝盖关节点、左髋关节点、左髋关节点至左膝盖关节点形成的第一向量、左膝盖关节点至左脚踝关节点形成的第二向量、左髋关节点至左脚踝关节点形成的第三向量以及该第一向量和该第二向量之间的夹角；
右腿包括：右脚踝关节点、右膝盖关节点、右髋关节点、右髋关节点至右膝盖关节点形成的第一向量、右膝盖关节点至右脚踝关节点形成的第二向量、右髋关节点至右脚踝关节点形成的第三向量以及该第一向量和该第二向量之间的夹角。
优选地，将所述待测部位动作的向量与标准过程向量库中的对应向量进行匹配计算以与所述识别参数设定的向量阈值进行比较包括：
计算标准过程向量库中的向量
向量
优选地，所述面向过程的识别项包括轨迹识别、否定轨迹识别及保持识别；
所述面向位移的识别项包括位移识别以及否定位移识别。
优选地，在本发明的步骤s150替换为，还可以根据所述第一类用户的视频数据中获取第一类用户的身体影像生成第一3d人物模型，在该视频数据中通过第一3d人物模型人物覆盖第一类用户的身体影像；根据所述第二类用户的视频数据中获取第二类用户的身体影像生成第二3d人物模型，在该视频数据中通过第二3d人物模型人物覆盖第二类用户的身体影像。更进一步地，后续将不匹配的所述第二类用户的第二3d人物模型的身体影像叠加到所述第一类用户的视频数据中，并在所述第一终端播放，将所述第一类用户的第一3d人物模型的身体影像叠加到不匹配的所述第二类用户的视频数据中，并在所述第二终端播放，使得整个过程中第一类用户和第二类用户可以不出现本人的具体形象，从而个人保护隐私，返回步骤s140。
优选地，本发明的虚拟互动的健身方法可适用于以下的场景：健身操、瑜伽、太极、街舞、康复训练等，但不以此为限。第一类用户可以即兴动作，通过本发明的第一终端将第一类用户的视频和三维骨骼动作模型发送到第二终端，让第二类用户进行动作跟随。也可以第一类用户去完成预设的一套动作流程，例如：广播操、舞蹈、康复操等等也能通过本发明的第一终端将第一类用户的视频和三维骨骼动作模型发送到第二终端，让第二类用户进行动作跟随。
优选地，第一类用户即可以自由运动，通过第一终端采集音频视频数据和三维骨骼模型，也可以按照系统给出的三维骨骼模型录制音频和视频；第二终端播放音频数据和视频数据。
根据本发明的又一方面，还提供一种电子设备，所述电子设备包括：
处理器；
存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上述的步骤。
根据本发明的又一方面，还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述的步骤。
相比现有技术，本发明避免了实体健身器材对空间的占用，能够将普通的显示设备改建为互动式健身设备，创造了一种在线健身教练一对一辅导的新颖体验，帮助健身教练从远程矫正学员的动作，大大降低了健身的门槛。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
图1示出了根据本发明实施例的虚拟互动的健身方法的流程图。
图2至图6示出了根据本发明实施例的虚拟互动的健身方法运行过程的示意图。
图7示出了根据本发明实施例的骨骼模型的示意图。
图8至图12示出了根据本发明实施例的5个身体部位的示意图。
图13示出了根据本发明实施例的标准过程向量库中向量与实时采集向量的对比。以及
图14和图15分别示出了根据本发明实施例的标准过程向量库中向量间的夹角与实时采集向量间的夹角。
图16示意性示出本公开示例性实施例中一种计算机可读存储介质示意图。以及
图17示意性示出本公开示例性实施例中一种电子设备示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
图1示出了根据本发明实施例的虚拟互动的健身方法的流程图。图2至图6示出了根据本发明实施例的虚拟互动的健身方法运行过程的示意图。如图1至6所示，本发明的虚拟互动的健身方法中的第一终端、第二终端可以是具有三维视频采集功能的手机、笔记本电脑等等，不以此为限。本发明的方法包括以下步骤：
s110、通过第一终端采集第一类用户6(例如：健身教练)的音频数据和视频数据，将所述视频数据转换为三维骨骼动作模型，获取视频数据中人体的多个骨骼点的坐标及多个骨骼点之间形成的向量，根据视频数据中人体的多个骨骼点的坐标及多个骨骼点之间形成的向量对视频中人体进行动作识别以确定目标动作。所述步骤s110包括：确定目标动作的持续时间。当识别一动作连续重复出现时，将该动作作为目标动作。第一终端包括了一个三维视频采集器2和一个显示器1。
s120、第一终端通过网络服务器3分别连接到多个第二终端，于一个或多个第二终端播放通过所述第一终端采集的音频数据和视频数据。所述步骤s120包括：至少延迟一个当前在第二终端播放的视频数据的目标动作的持续时间于所述第二终端播放的自所述第一终端采集的音频数据和视频数据。第二终端包括了一个三维视频采集器5和一个显示器4。
s130、通过每个所述第二终端实时采集第二类用户7(例如：学员)的三维视频数据，并实时生成待测三维骨骼动作模型，根据当前在第二终端播放的视频数据的目标动作将当前待测三维骨骼动作模型作为一待测动作，将该待测动作与该目标动作形成一匹配组。所述步骤s130包括：自确定当前待测三维骨骼动作模型开始动作至当前在第二终端播放的视频数据的目标动作的持续时间将该持续时间内的当前待测三维骨骼动作模型作为一待测动作。
s140、判断每个所述第二终端的待测动作与目标动作是否匹配，若是则返回步骤s130，若否，则执行步骤s150。
s150、自所述第一类用户6的视频数据中抠图获取第一类用户6的身体影像，自不匹配的所述第二类用户7的视频数据中抠图获取第二类用户7的身体影像，将不匹配的所述第二类用户7的身体影像叠加到所述第一类用户6的视频数据中，并在所述第一终端播放，将所述第一类用户6的身体影像叠加到不匹配的所述第二类用户7的视频数据中，并在所述第二终端播放，返回步骤s140。
本发明通过将在一个优选方案中，所述步骤s150中，不匹配的所述第二类用户7的身体影像作为前景叠加到所述第一类用户6的视频数据中，所述第一类用户6的身体影像作为前景叠加到不匹配的所述第二类用户7的视频数据中。
在一个优选方案中，在本发明的步骤s150可以替换为，还可以根据所述第一类用户的视频数据中获取第一类用户的身体影像生成第一3d人物模型，在该视频数据中通过第一3d人物模型人物覆盖第一类用户的身体影像；根据所述第二类用户的视频数据中获取第二类用户的身体影像生成第二3d人物模型，在该视频数据中通过第二3d人物模型人物覆盖第二类用户的身体影像。更进一步地，后续将不匹配的所述第二类用户的第二3d人物模型的身体影像叠加到所述第一类用户的视频数据中，并在所述第一终端播放，将所述第一类用户的第一3d人物模型的身体影像叠加到不匹配的所述第二类用户的视频数据中，并在所述第二终端播放，使得整个过程中第一类用户和第二类用户可以不出现本人的具体形象，从而个人保护隐私，返回步骤s140。
在一个优选方案中，本发明的虚拟互动的健身方法可适用于以下的场景：健身操、瑜伽、太极、街舞、康复训练等，但不以此为限。第一类用户可以即兴动作，通过本发明的第一终端将第一类用户的视频和三维骨骼动作模型发送到第二终端，让第二类用户进行动作跟随。也可以第一类用户去完成预设的一套动作流程，例如：广播操、舞蹈、康复操等等也能通过本发明的第一终端将第一类用户的视频和三维骨骼动作模型发送到第二终端，让第二类用户进行动作跟随。
在一个优选方案中，第一类用户即可以自由运动，通过第一终端采集音频视频数据和三维骨骼模型，也可以按照系统给出的三维骨骼模型录制音频和视频；第二终端播放音频数据和视频数据。
在一个优选方案中，所述步骤s150中，建立所述第一终端与不匹配的所述第二终端7的双向语音通道。
具体而言，本发明中的工作匹配的判断是通过如下方式实现：对每个人体设定有15个骨骼点(可参见图7)，该15个骨骼点为：头部中心211、颈部中心(例如脖子的脊柱中心)212、躯干中心213(例如：躯干的脊柱中心)、左肩关节点221、左手肘关节点222、左手腕关节点223、右肩关节点231、右手肘关节点232、右手腕关节点233、左髋关节点241、左膝盖关节点242、左脚踝关节点243、右髋关节点251、右膝盖关节点252、右脚踝关节点253。
本案中对这15个骨骼点以3个骨骼点为单位，划分成五个身体部分：躯干(见图8)、左臂(见图9)、右臂(见图10)、左腿(见图11)及右腿(见图12)。其中，各身体部位内的骨骼点之间还形成向量，向量之间还形成夹角。
具体而言，躯干(见图8)包括头部中心211、脖子的脊柱中心212、躯干的脊柱中心213、头部中心211至脖子的脊柱中心212形成的第一向量214、脖子的脊柱中心212至躯干的脊柱中心213形成的第二向量215、头部中心211至躯干的脊柱中心213形成的第三向量216以及该第一向量214和该第二向量215形成的夹角217。
左臂(见图9)包括左手腕关节点223、左手肘关节点222、左肩关节点221、左肩关节点221至左手肘关节点222形成的第一向量224、左手肘关节点222至左手腕关节点223形成的第二向量225、左肩关节点221至左手腕关节点223形成的第三向量226以及该第一向量224和该第二向量225之间的夹角227。
右臂(见图10)包括右手腕关节点233、右手肘关节点232、右肩关节点231、右肩关节点231至右手肘关节点232形成的第一向量234、右手肘关节点232至右手腕关节点233形成的第二向量235、右肩关节点231至右手腕关节点233形成的第三向量236以及该第一向量234和该第二向量235之间的夹角237。
左腿包括(见图11)包括左脚踝关节点243、左膝盖关节点242、左髋关节点241、左髋关节点241至左膝盖关节点242形成的第一向量244、左膝盖关节点242至左脚踝关节点243形成的第二向量245、左髋关节点241至左脚踝关节点243形成的第三向量246以及该第一向量244和该第二向量245之间的夹角247。
右腿包括(见图12)包括右脚踝关节点253、右膝盖关节点252、右髋关节点251、右髋关节点251至右膝盖关节点252形成的第一向量254、右膝盖关节点252至右脚踝关节点253形成的第二向量255、右髋关节点251至右脚踝关节点253形成的第三向量256以及该第一向量254和该第二向量255之间的夹角。
将该目标动作按拆解成五个身体部位：左臂、右臂、左腿、右腿以及躯干。每个身体部位均包括如图8至图12所示的三个骨骼点、三个骨骼点形成的三个向量及所述三个向量中两个向量之间的夹角。至少一个身体部位的目标部位动作对应一个或多个面向过程或者面向位移的识别项。每个识别项包括识别对象、识别参数及识别规则，所述识别对象包括部位动作所述三个骨骼点中的至少一个骨骼点；三个向量中的至少一个向量；以及所述三个向量中两个向量之间的一个夹角中的一项或多项。
对于部位动作的识别项为面向过程还是面向位移可以通过预先设置动作库和相应的分类来实现。在又一些实施例中，还可以通过机器学习的方式，通过多个部位动作和设定的面向过程还是面向位移的标记的测试集训练机器学习的模型，进而可在直播过程中对于目标动作划分的部分动作进行分类。
面向过程的识别项需通过一标准过程向量库与实时采集的向量进行匹配进而判断是否符合识别项。标准过程向量库以一采样频率按时间顺序储存有所述部位动作的至少一个向量。例如，对于俯卧撑的左腿动作，以5次/秒的采样频率按时间顺序至少储存左臂的第一向量224、第二向量225(和夹角227)，作为一标准过程向量库。
具体而言，面向过程的所述识别项包括轨迹识别、否定轨迹识别及保持识别；面向位移的所述识别项包括位移识别以及否定位移识别。
轨迹识别用于识别该部位动作是否按照预定轨迹运动，若未按照预定轨迹运动，则提示出错。其识别对象包括所述三个向量中的至少一个向量和/或所述三个向量中两个向量之间的一个夹角。对应于识别对象，识别参数设定一个或多个阈值。阈值包括所述三个向量的向量阈值及所述夹角的夹角阈值，所述识别参数依据所述识别对象确定采用向量阈值和/或夹角阈值。
具体而言，上述向量阈值及夹角阈值用于判断实时采集的向量(及夹角)是否与该标准过程向量库中的向量(及夹角)相匹配。例如，可参考图11，对于向量阈值，当实时采集一部位动作的骨骼点222至骨骼点293的向量
向量
例如，在设置夹角阈值的实施例中，所述标准过程向量库按时间顺序至少储存有所述部位动作的第一向量及第二向量，可以依据两个向量计算向量之间的夹角或者直接将该夹角储存在标准过程向量库中。参考图12及图13，夹角阈值用于与实时采集的部位动作的(骨骼点292至骨骼点291)的第一向量294和(骨骼点292至骨骼点293)的第二向量295之间的夹角297α与标准过程向量库中对应时间的(骨骼点222至骨骼点221)的第一向量224和(骨骼点222至骨骼点223)的第二向量225之间的夹角227β的比值α/β比较以确定实时采集的部位动作的夹角是否位于所述夹角阈值的范围内。向量阈值可以设置为0.8，对应的向量阈值为0.8至1。向量阈值的范围也可以直接设置为0.8至1。可依据该夹角阈值与所计算的夹角比值进行比较以确定第一向量和第二向量之间的夹角是否在该向量阈值范围内。
进一步地，轨迹识别的识别参数还包括一起始幅度阈值及达成幅度阈值，起始幅度阈值用于判断部位动作是否开始，达成幅度阈值用于判断部位动作结束是否完成达成幅度。具体而言，可以设置一部位动作的夹角的起始最大值，并设置起始幅度阈值为0.8(或其他0至1中间的值)。当部位动作的夹角到达该起始最大值的80％时，可以判断部位动作开始。对于达成幅度阈值，可以设置一部位动作的夹角的达成最大值，并设置达成幅度阈值为0.2(或其他0至1中间的值)。当部位动作的夹角到达该达成最大值的(1-20％)时，可以判断部位动作完成达成幅度。在一些变化例中，也可采用向量和/或骨骼点的坐标来计算上述起始幅度阈值和达成幅度阈值。上述起始最大值和达成最大值可作为标准过程向量库中的第一个数据和最后一个数据。或者，在另一些实施例中，起始幅度阈值和达成幅度阈值都采用标准过程向量库中的最后一个数据来进行计算，此时，起始幅度阈值例如可以设置为0.2，达成幅度阈值例如也可以设置为0.2。
对应于上述设定的识别对象和识别参数，轨迹识别的识别规则包括达成规则及可选不同的错误规则。轨迹识别的达成规则为该部位动作的识别对象起始于起始幅度阈值所表示的位置且识别对象均在所设定的向量阈值和/或夹角阈值内；该部位动作的识别对象从起始幅度阈值所表示的位置到达成幅度阈值所表示的位置的过程中，识别对象均在所设定的向量阈值和/或夹角阈值内；并且该部位动作的识别对象到达达成幅度阈值所表示的位置且识别对象均在所设定的向量阈值和/或夹角阈值内。轨迹识别的不同的错误规则包括：超出对应向量阈值错误(例如，向量一所表示的大臂或大腿超出阈值)；超出对应夹角阈值错误(例如，夹角所表示的手肘处的夹角或膝盖处的夹角超出阈值)；及幅度不够错误。幅度不够错误的识别规则为该部位动作的识别对象起始于起始幅度阈值所表示的位置且识别对象均在所设定的向量阈值和/或夹角阈值内；该部位动作的识别对象从起始幅度阈值所表示的位置到达成幅度阈值所表示的位置的过程中，识别对象均在所设定的向量阈值和/或夹角阈值内；并且该部位动作的识别对象未到达达成幅度阈值所表示的位置且识别对象均在所设定的向量阈值和/或夹角阈值内。
否定轨迹识别用于识别该部位动作是否按照预定轨迹运动，若按照预定轨迹运动，则提示出错。对于否定轨迹识别，其与轨迹识别类似，识别对象包括所述三个向量中的至少一个向量和/或所述三个向量中两个向量之间的一个夹角(优选地，为第一向量和第二向量之间的夹角)。否定轨迹识别的识别参数设定一个或多个阈值，所述阈值包括所述三个向量的向量阈值及所述夹角的夹角阈值，所述识别参数依据所述识别对象确定采用向量阈值和/或夹角阈值。否定轨迹识别与轨迹识别不同的是，否定轨迹识别达成规则为：该部位动作的识别对象起始于起始幅度阈值所表示的位置且识别对象均在所设定的向量阈值和/或夹角阈值内；该部位动作的识别对象从起始幅度阈值所表示的位置到达成幅度阈值所表示的位置的过程中，识别对象均在所设定的向量阈值和/或夹角阈值内；该部位动作的识别对象到达达成幅度阈值所表示的位置且识别对象均在所设定的向量阈值和/或夹角阈值内；并且当前有除了否定识别和保持识别以外的识别正处于动作进行中的状态(换言之，轨迹或位移幅度正在增长)。当达成上述规则，则提示轨迹出错。换言之，若识别对象在该身体部位的运动过程中始终不在所述识别参数设定的阈值范围内，并且所述识别对象所表示的部位动作在运动过程中产生轨迹和/或位移，则将不提示出错。
保持识别用于识别部位动作在运动过程中是否保持在某一状态下(例如，保持直立或保持一弯曲角度)，若未保持在该状态下则提示出错。保持识别的识别对象包括所述三个向量中的至少一个向量和/或所述三个向量中两个向量之间的一个夹角。识别参数设定一个或多个阈值，所述阈值包括所述三个向量的向量阈值及所述夹角的夹角阈值，识别参数依据所述识别对象确定采用向量阈值和/或夹角阈值。保持识别的达成规则为：该部位动作的识别对象始终在所设定的向量阈值和/或夹角阈值内。若未达成保持识别的达成规则，则提示对应保持识别的错误。
对于位移识别和否定位移识别，尽管此处描述为面向位移而非面向对象的识别项，但位移识别和否定位移识别实际还需识别部位动作是否处于持续的运动状态，若部位动作并未处于持续的运动状态则中断识别，直接提示错误；或者从当前位置开始重新进行识别。
位移识别用于判断识别对象是否达到预定的位移方向和位移距离，若未达到则提示出错。位移识别的识别对象包括三个骨骼点中的一个或多个。优选地，指定该部位动作的一个骨骼点。识别参数设定位移距离、位移方向(位移方向可映射至三维坐标中的x轴正方向、x轴负方向、y轴正方向、y轴负方向、z轴正方向、z轴负方向，无需计算具体的位移方向)及起始幅度阈值。位移的起始幅度阈值为0至1中的值。例如，起始幅度阈值可以设置为0.2，并表示当指定骨骼点的位移超过设定位移距离的20％时，该部位动作开始或位移识别开始。位移识别的识别规则包括达成规则及可选不同的错误规则。位移识别的达成规则为指定骨骼点的移动方向与识别参数中设置的位移方向一致，且一次持续运动的位移距离大于等于识别参数中设置的位移距离。不同的错误规则包括指定骨骼点的位移未超过起始幅度阈值时，提示起始动作幅度不够；指定骨骼点位移幅度超过起始幅度阈值、指定骨骼点的移动方向与识别参数中设置的位移方向一致并且一次持续运动的位移距离小于识别参数中设置的位移距离，则提示达成幅度不够。
否定位移识别用于判断识别对象是否达到预定的位移方向和位移距离，若达到则提示出错。与位移识别类似，识别对象包括三个骨骼点中的一个或多个。优选地，指定该部位动作的一个骨骼点。识别参数设定位移距离、位移方向(位移方向可映射至三维坐标中的x轴正方向、x轴负方向、y轴正方向、y轴负方向、z轴正方向、z轴负方向)及起始幅度阈值。否定位移识别的达成规则为指定骨骼点的移动方向与识别参数中设置的位移方向一致、一次持续运动的位移距离大于等于识别参数中设置的位移距离并且当前有除了否定识别和保持识别以外的识别正处于动作进行中的状态(换言之，轨迹或位移幅度正在增长)。当达成上述规则，则提示轨迹出错。换言之，若识别对象在该身体部位的运动过程中不按所述识别参数设定的位移方向移动或者移动距离大于所述识别参数设定的位移距离，则不提示出错。
对一个动作的至少一个部位动作设置上述识别项，将至少一个部位动作及所述至少一个部位动作的识别项作为该动作的动作文件，将该动作文件与该动作编号关联地储存在所述标准动作数据库中。
在一个具体实施例中，对于深蹲动作，其对躯干、左腿和右腿设置了识别项。躯干的识别项包括保持识别和位移识别。躯干的保持识别中，识别对象仅为头部中心到颈部的脊椎中心的第一向量，相应地设置该第一向量的参数，并保存由躯干的第一向量在深蹲过程中的标准过程向量库以供后续匹配。当实时采集的躯干的第一向量超过第一向量的阈值，则表示身体未保持直立，提示出错。此处，由于躯干的特性，当头部中心到颈部的脊椎中心的第一向量保持直立时，一般可直接认定颈部的脊椎中心到躯干的脊柱中心的第二向量也保持直立，仅设定一个向量的阈值，以减少后续计算量，提高后续实时纠错的效率。
躯干的位移识别中，识别对象为躯干的脊柱中心的骨骼点，对应的识别参数为该骨骼点的预定位移距离及预定的位移方向(方向为y轴负方向)。当躯干的脊柱中心沿y轴负方向移动超过预定距离时，则表示部位动作的该识别达成。若躯干的脊柱中心沿y轴负方向移动未超过预定位移距离时，则表示部位动作的幅度不够。
左腿设置有否定位移识别，用于提醒深蹲中膝盖不能超过脚尖。左腿的否定位移识别中，识别对象为左膝盖的关节点，识别参数为预定位移距离、预定的位移方向(方向为z轴正方向)及起始幅度阈值。当左膝盖沿z轴正方向移动超过预定位移距离时，则提示表示部位动作错误。当左膝盖沿z轴正方向移动未超过预定位移距离时，则表示部位动作的该识别达成。右腿的识别项与左腿相同，在此不予赘述。
在有一些具体实施例中，对于深蹲、俯卧撑等具有来回的动作，可仅对来和回中间的一个过程来进行设定和识别。例如，仅对深蹲下蹲时的动作进行识别项的设定和识别纠错；仅对俯卧撑俯卧时的动作进行识别项的设定和识别纠错，由此可进一步减少动作识别的计算量以增加纠错的实时性。
本发明的使用过程如下：
参考图2，第一类用户6(健身教练)可以在自己家中通过网络向在不同位子的多个第二类用户7(学员)进行健身授课。
参考图3，第一类用户6(健身教练)的动作被三维视频采集器2拍摄以后，在第二类用户7(学员)的第二终端上播放，并且第二类用户7的第二终端的三维视频采集器5也会采集第二类用户7的动作，并且实时比对第二类用户7的动作与第一类用户6的动作是否匹配，以便评价健身动作的效果。
参考图4至7，当第二类用户7的动作与第一类用户6不匹配时，即第二类用户7的动作不标准需要指导时，通过将所述第一类用户6的视频数据中抠图获取第一类用户6的身体影像，自不匹配的所述第二类用户7的视频数据中抠图获取第二类用户7的身体影像，将不匹配的所述第二类用户7的身体影像叠加到所述第一类用户6的视频数据中，并在所述第一终端播放，将所述第一类用户6的身体影像叠加到不匹配的所述第二类用户7的视频数据中，并在所述第二终端播放，使得第一类用户6(健身教练)和第二类用户7(学员)能够分别在显示器1和显示器4上别看到相互肢体互动的实际影象，就好像是两个人在一个健身房中，教练在身边调整学员动作一样，第一类用户6(健身教练)就可以通过这种方式直观地教导第二类用户7(学员)完成正确动作。所以，本发明的用户体验非常好，也免去了来往健身房的时间、避免了高昂的健身费用。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被例如处理器执行时可以实现上述任意一个实施例中所述电子处方流转处理方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图16所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品300，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到租户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
可以以一种或多种程序设计集成开发环境(ide，integrateddevelopmentenvironment)，游戏开发引擎的任意组合来建立用于执行本发明操作的工程程序，例如unity3d，unreal，visualstudio等。
在本公开的示例性实施例中，还提供一种电子设备，该电子设备可以包括处理器，以及用于存储所述处理器的可执行指令的存储器。其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述电子处方流转处理方法的步骤。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图17来描述根据本发明的这种实施方式的电子设备600。图17显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图17所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所述的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得租户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
相比现有技术，本发明的虚拟互动的健身方法、电子设备及存储介质避免了实体健身器材对空间的占用，能够将普通的显示设备改建为互动式健身设备，创造了一种在线健身教练一对一辅导的新颖体验，帮助健身教练从远程矫正学员的动作，大大降低了健身的门槛。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。
- 还没有人留言评论。精彩留言会获得点赞！