一种运动视频课程库建立方法、系统、设备及介质与流程

1.本发明属于视频处理技术领域，尤其涉及一种运动视频课程库建立方法、系统、设备及介质。


背景技术：

2.随着体育运动和全民健身的推进，人们越来越多的使用智能健身设备和运动器械(如智能哑铃、单车或跑步机)，或者通过智能手机、电脑等工具在互联网上获取业余健身的课程乃至专业体育运动训练的内容。
3.目前，因为用户身体素质的差异，对于不同的运动训练内容，承受力不同，如果运动训练内容难度过高，很可能会发生运动受伤等危险，基于此，目前出现了一些针对用户个性化匹配的技术，为用户量身打造运动计划，但目前此项技术中存在的难点在于，对于运动视频课程的难度衡量很难操作，导致为用户匹配运动计划时的素材不够丰富。
4.目前，对于运动视频课程的难度衡量主要还是以人为判断为主，这导致对运动视频课程的难度衡量缺乏科学判断，并且人为判断，需要大量的专业知识，以及大量的时间精力，这导致如果大批量的运动视频课程很难进行难度衡量，也就无法建立一个具有大量标注过运动视频课程的数据库。


技术实现要素：

5.本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种运动视频课程库建立方法、系统、设备及介质，能够快速建立具有大量标注过难度的运动视频课程的数据库。
6.本发明第一方面公开了一种运动视频课程库建立方法，包括以下步骤：
7.步骤1、获取运动视频，并对运动视频进行分帧处理，获得连续的多帧运动图像；
8.步骤2、对连续的多帧运动图像进行识别，识别出以下参数：
9.重复完整动作的次数n；
10.完成单次完整动作的耗时t；
11.一个完整动作中单个运动部位i的垂直总位移vi；
12.一个完整动作中单个运动部位i的水平总位移hi；
13.一个完整动作中单个运动部位i的位移总时间ti；
14.运动部位i的总数n；
15.步骤3、获取运动部位i的参考质量mi、重力加速度g、单个运动部位在起始姿势的静态维持能耗ei；
16.步骤4、计算所述运动视频的动作总能耗d：
17.18.步骤5、基于动作总能耗d、运动部位i的总数n、总耗时nt和运动频率生成运动视频的课程难度c；
19.步骤6、对运动视频标注课程难度c，然后存储至运动视频课程库中。
20.上述运动视频课程库建立方法，步骤2中识别重复完整动作的次数n时，包括以下步骤：
21.对多帧运动图像进行识别，识别每帧运动图像中人体的多个关节点，基于人体的多个关节点构建人体简化线条图，每个简化线条图均为一个分解动作图，获得连续的多帧分解动作图；
22.统计多帧分解动作图中对应一种分解动作的分解动作图的数量，作为重复完整动作的次数n。
23.上述运动视频课程库建立方法，步骤2中识别完成单次完整动作的耗时t时，包括以下步骤：
24.统计对应一种分解动作，且在时序上相邻的两张分解动作图之间的时间，作为完成单次完整动作的耗时t。
25.上述运动视频课程库建立方法，步骤2中识别一个完整动作中单个运动部位i的垂直总位移vi时，包括以下步骤：
26.通过连续的多帧分解动作图，获取对应一个完整动作的连续多帧分解动作图a，然后执行以下步骤：
27.步骤a1、获取连续多帧分解动作图a中的第1帧分解动作图a为当前帧分解动作图a；
28.步骤b1、获取当前帧分解动作图a的下一帧分解动作图a，并计算当前帧分解动作图a和所述下一帧分解动作图a对比下，运动部位i的垂直位移vi；
29.步骤c1、取所述下一帧分解动作图a为新的当前帧分解动作图a，然后进入步骤b1；
30.循环执行步骤b1和步骤c1，直至连续多帧分解动作图a被执行结束，获得多个位移vi，基于多个位移vi计算得到单个运动部位i的垂直总位移vi。
31.上述运动视频课程库建立方法，步骤2中识别一个完整动作中单个运动部位i的水平总位移hi时，包括以下步骤：
32.通过连续的多帧分解动作图，获取对应一个完整动作的连续多帧分解动作图a，然后执行以下步骤：
33.步骤a2、获取连续多帧分解动作图a中的第1帧分解动作图a为当前帧分解动作图a；
34.步骤b2、获取当前帧分解动作图a的下一帧分解动作图a，并计算当前帧分解动作图a和所述下一帧分解动作图a对比下，运动部位i的水平位移hi；
35.步骤c2、取所述下一帧分解动作图a为新的当前帧分解动作图a，然后进入步骤b2；
36.循环执行步骤b2和步骤c2，直至连续多帧分解动作图a被执行结束，获得多个位移hi，基于多个位移hi计算得到单个运动部位i的水平总位移hi。
37.上述运动视频课程库建立方法，步骤2中识别单个运动部位i的位移总时间ti时，包括以下步骤：
38.通过连续的多帧分解动作图，获取对应一个完整动作的连续多帧分解动作图a，然后执行以下步骤：
39.步骤a3、获取连续多帧分解动作图a中的第1帧分解动作图a为当前帧分解动作图a；
40.步骤b3、获取当前帧分解动作图a的下一帧分解动作图a，并将当前帧分解动作图a和所述下一帧分解动作图a对比，判断运动部位i是否发生位移，若是，则记录1次时间t
t
；
41.步骤c3、取所述下一帧分解动作图a为新的当前帧分解动作图a，然后进入步骤b3；
42.循环执行步骤b3和步骤c3，直至连续多帧分解动作图a被执行结束，获得多个时间t
t
，基于多个时间t
t
的和计算得到运动部位i的位移总时间ti。
43.上述运动视频课程库建立方法，步骤2中识别运动部位i的总数n时，包括以下步骤：
44.筛选出多帧分解动作图中关节点数量最多的一帧分解动作图b；
45.基于所述分解动作图b的关节点数量，计算出运动部位i的总数n。
46.本发明第二方面公开了一种运动视频课程库建立系统，包括分帧处理模块、识别处理模块、参数获取模块、能耗计算模块、难度计算模块和存储模块；
47.分帧处理模块，用于获取运动视频，并对运动视频进行分帧处理，获得连续的多帧运动图像；
48.识别处理模块，用于对连续的多帧运动图像进行识别，识别出以下参数：
49.重复完整动作的次数n；
50.完成单次完整动作的耗时t；
51.一个完整动作中单个运动部位i的垂直总位移vi；
52.一个完整动作中单个运动部位i的水平总位移hi；
53.一个完整动作中单个运动部位i的位移总时间ti；
54.运动部位i的总数n；
55.参数获取模块，用于获取运动部位i的参考质量mi、重力加速度g、单个运动部位在起始姿势的静态维持能耗ei；
56.能耗计算模块，用于计算所述运动视频的动作总能耗d：
[0057][0058]
难度计算模块，基于动作总能耗d、运动部位i的总数n、总耗时nt和运动频率生成运动视频的课程难度c；
[0059]
存储模块，用于对运动视频标注课程难度c，然后存储至运动视频课程库中。
[0060]
本发明第三方面公开了一种电子设备，所述电子设备包括：
[0061]
处理器；
[0062]
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第一方面所述的方法。
[0063]
本发明第四方面公开了一种计算机可读存储介质，所述计算机可读存储介质上存
储有计算机程序，所述计算机程序被处理器运行时执行如第一方面所述的方法。
[0064]
本发明与现有技术相比具有以下优点：本发明通过对运动视频进行分帧处理，然后识别出运动视频中所包含的多个运动参数，并且基于数学建模的思路，作出衡量动作总能耗d的计算公式，综合了人体运动中的各个人体部位发生的能耗，最终给出运动视频的难度，既科学有效，又能够自动的对大量的运动视频进行难度标记，实现了快速建立具有大量标注过难度的运动视频课程的数据库。
[0065]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0066]
图1为实施例1的方法流程图。
[0067]
图2为实施例2的系统框图。
具体实施方式
[0068]
如图1所示，一种运动视频课程库建立方法，包括以下步骤：
[0069]
步骤1、获取运动视频，并对运动视频进行分帧处理，获得连续的多帧运动图像；
[0070]
步骤2、对连续的多帧运动图像进行识别，识别出以下参数：
[0071]
重复完整动作的次数n；
[0072]
完成单次完整动作的耗时t；
[0073]
一个完整动作中单个运动部位i的垂直总位移vi；
[0074]
一个完整动作中单个运动部位i的水平总位移hi；
[0075]
一个完整动作中单个运动部位i的位移总时间ti；
[0076]
运动部位i的总数n；
[0077]
步骤3、获取运动部位i的参考质量mi、重力加速度g、单个运动部位在起始姿势的静态维持能耗ei；
[0078]
需要说明的是，参考质量mi和静态维持能耗ei基于生理学经验参数获得，可根据运动视频中人物的具体情况，具体选择；
[0079]
步骤4、计算所述运动视频的动作总能耗d：
[0080][0081]
步骤5、基于动作总能耗d、运动部位i的总数n、总耗时nt和运动频率生成运动视频的课程难度c；
[0082]
需要说明的是，动作总能耗d、运动部位i的总数n、总耗时nt和运动频率代表了衡量运动难度的四个维度，课程难度c可以对四个维度添加不同的系数后求和得出，具体可根据实际情况进行选择；
[0083]
步骤6、对运动视频标注课程难度c，然后存储至运动视频课程库中。
[0084]
本实施例中，步骤2中识别重复完整动作的次数n时，包括以下步骤：
[0085]
对多帧运动图像进行识别，识别每帧运动图像中人体的多个关节点，基于人体的多个关节点构建人体简化线条图，每个简化线条图均为一个分解动作图，获得连续的多帧分解动作图；
[0086]
统计多帧分解动作图中对应一种分解动作的分解动作图的数量，作为重复完整动作的次数n。
[0087]
需要说明的是，多个关节点为人体左手指尖点、人体左手腕关节点、人体左臂肘关节点、人体左臂肩关节点、人体右手指尖点、人体右手腕关节点、人体右臂肘关节点、人体右臂肩关节点、人体头顶点、人体锁骨点、人体左髋关节点、人体右髋关节点、人体左膝盖关节点、人体右膝盖关节点，人体左脚腕关节点、人体右脚腕关节点、人体左脚尖关节点、人体右脚尖关节点。
[0088]
构建人体简化线条图时：
[0089]
基于人体左手指尖点、人体左手腕关节点、人体左臂肘关节点、人体左臂肩关节点的依次连线，生成人体左臂线条；
[0090]
基于人体右手指尖点、人体右手腕关节点、人体右臂肘关节点、人体右臂肩关节点的依次连线，生成人体右臂线条；
[0091]
基于人体头顶点、人体锁骨点生成人体头部线条，
[0092]
基于人体右臂肩关节点和人体左臂肩关节点的连线，及人体锁骨点与人体左髋关节点和人体右髋关节点连线的中点的连线，生成人体躯干线条；
[0093]
基于人体左髋关节点、人体左膝盖关节点、人体左脚腕关节点和人体左脚尖关节点，生成人体左腿线条；
[0094]
基于人体右髋关节点、人体右膝盖关节点、人体右脚腕关节点和人体右脚尖关节点，生成人体右腿线条。
[0095]
需要说明的是，运动视频中一个完整动作是由多个分解动作组成，例如一个完整的踢腿动作，由抬腿动作、伸腿动作和收腿动作三个动作组成。
[0096]
本实施例中，步骤2中识别完成单次完整动作的耗时t时，包括以下步骤：
[0097]
统计对应一种分解动作，且在时序上相邻的两张分解动作图之间的时间，作为完成单次完整动作的耗时t。
[0098]
例如，完整动作为踢腿动作，则耗时t为第一个抬腿动作和下一个抬腿动作两个分解动作图之间的时间。
[0099]
本实施例中，步骤2中识别一个完整动作中单个运动部位i的垂直总位移vi时，包括以下步骤：
[0100]
通过连续的多帧分解动作图，获取对应一个完整动作的连续多帧分解动作图a，然后执行以下步骤：
[0101]
步骤a1、获取连续多帧分解动作图a中的第1帧分解动作图a为当前帧分解动作图a；
[0102]
步骤b1、获取当前帧分解动作图a的下一帧分解动作图a，并计算当前帧分解动作图a和所述下一帧分解动作图a对比下，运动部位i的垂直位移vi；
[0103]
步骤c1、取所述下一帧分解动作图a为新的当前帧分解动作图a，然后进入步骤b1；
[0104]
循环执行步骤b1和步骤c1，直至连续多帧分解动作图a被执行结束，获得多个位移
vi，基于多个位移vi计算得到单个运动部位i的垂直总位移vi。
[0105]
需要说明的是，假设运动部位i为人体左手，则人体左手指尖点和人体左手腕关节点连接线的中点设定为代表人体左手的质心，以该点在一个完整动作中的垂直总位移为人体左手的垂直总位移vi；当然也可以该点在连续的两帧分解动作图a对比下的运动方向为参考，对单个位移vi加上正负标记。例如向上移动为正位移，向下则为负位移，也可以均为正位移。
[0106]
计算单个位移vi时，将连续的两帧分解动作图a放在同一二维坐标系下，通过点的坐标变化，获得位移vi。
[0107]
本实施例中，步骤2中识别一个完整动作中单个运动部位i的水平总位移hi时，包括以下步骤：
[0108]
通过连续的多帧分解动作图，获取对应一个完整动作的连续多帧分解动作图a，然后执行以下步骤：
[0109]
步骤a2、获取连续多帧分解动作图a中的第1帧分解动作图a为当前帧分解动作图a；
[0110]
步骤b2、获取当前帧分解动作图a的下一帧分解动作图a，并计算当前帧分解动作图a和所述下一帧分解动作图a对比下，运动部位i的水平位移hi；
[0111]
步骤c2、取所述下一帧分解动作图a为新的当前帧分解动作图a，然后进入步骤b2；
[0112]
循环执行步骤b2和步骤c2，直至连续多帧分解动作图a被执行结束，获得多个位移hi，基于多个位移hi计算得到单个运动部位i的水平总位移hi。此处可参考垂直总位移vi的计算。
[0113]
本实施例中，步骤2中识别单个运动部位i的位移总时间ti时，包括以下步骤：
[0114]
通过连续的多帧分解动作图，获取对应一个完整动作的连续多帧分解动作图a，然后执行以下步骤：
[0115]
步骤a3、获取连续多帧分解动作图a中的第1帧分解动作图a为当前帧分解动作图a；
[0116]
步骤b3、获取当前帧分解动作图a的下一帧分解动作图a，并将当前帧分解动作图a和所述下一帧分解动作图a对比，判断运动部位i是否发生位移，若是，则记录1次时间t
t
；
[0117]
步骤c3、取所述下一帧分解动作图a为新的当前帧分解动作图a，然后进入步骤b3；
[0118]
循环执行步骤b3和步骤c3，直至连续多帧分解动作图a被执行结束，获得多个时间t
t
，基于多个时间t
t
的和计算得到运动部位i的位移总时间ti。
[0119]
需要说明的是，任一个运动部位i的位移总时间ti均小于等于完成单次完整动作的耗时t。
[0120]
本实施例中，步骤2中识别运动部位i的总数n时，包括以下步骤：
[0121]
筛选出多帧分解动作图中关节点数量最多的一帧分解动作图b；
[0122]
基于所述分解动作图b的关节点数量，计算出运动部位i的总数n。
[0123]
需要说明的是，本实施例中，所述运动部位i的总数n＝14，其中分别为人体左手部位、人体左小臂部位、人体左大臂部位、人体左脚部位、人体左小腿部位、人体左大腿部位、人体右手部位、人体右小臂部位、人体右大臂部位、人体右脚部位、人体右小腿部位、人体右大腿部位、人体头部部位、人体躯干部位；(四肢*3+躯干+头颈部)。关节点数量越多可划分
的人体部位数量就越多，具体可根据实际选择。而筛选关节点数量最多的一帧分解动作图b的目的在于，避免漏掉可识别的人体部位i。
[0124]
实施例2
[0125]
如图2所示，一种运动视频课程库建立系统，包括分帧处理模块100、识别处理模块200、参数获取模块300、能耗计算模块400、难度计算模块500和存储模块600；
[0126]
分帧处理模块100，用于获取运动视频，并对运动视频进行分帧处理，获得连续的多帧运动图像；
[0127]
识别处理模块200，用于对连续的多帧运动图像进行识别，识别出以下参数：
[0128]
重复完整动作的次数n；
[0129]
完成单次完整动作的耗时t；
[0130]
一个完整动作中单个运动部位i的垂直总位移vi；
[0131]
一个完整动作中单个运动部位i的水平总位移hi；
[0132]
一个完整动作中单个运动部位i的位移总时间ti；
[0133]
运动部位i的总数n；
[0134]
参数获取模块300，用于获取运动部位i的参考质量mi、重力加速度g、单个运动部位在起始姿势的静态维持能耗ei；
[0135]
能耗计算模块400，用于计算所述运动视频的动作总能耗d：
[0136][0137]
难度计算模块500，基于动作总能耗d、运动部位i的总数n、总耗时nt和运动频率生成运动视频的课程难度c；
[0138]
存储模块600，用于对运动视频标注课程难度c，然后存储至运动视频课程库中。
[0139]
本实施例技术方案与实施例1实质相同，若存在不清楚地方，请参阅实施例1。
[0140]
实施例3
[0141]
一种电子设备，所述电子设备包括：
[0142]
处理器；
[0143]
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实施例1所述的方法。
[0144]
实施例4
[0145]
一种计算机可读存储介质，所述计算机可读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实施例1所述的方法。
[0146]
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。