本发明涉及机器视觉,特别指一种基于android摄像头的骨骼姿态识别方法及系统。
背景技术:
1、随着时代的不断进步,身体健康这一问题得到了越来越多人的关注,大部分的健康问题都是因为没有进行适当的运动以及错误的运动导致的,因为现代的年轻人大多数的时间以及重心都放在工作上,从而忽视了运动,因此产生了对运动进行指导的需求。若到健身房或者请私教进行指导运动需要花费大量的金钱以及精力,而在时代的不断推进下,越来越多的摄像头识别技术孕育而生,其中便包括骨骼姿态识别,通过骨骼姿态识别即可轻松指导运动,对不规范的运动姿态进行指正。
2、然而,传统的骨骼姿态识别方法需要通过神经网络模型进行大量的计算和训练,导致识别过程需要花费一定的时间,而运动过程是一个快速变化的过程,经常出现一组运动已经结束了才识别出结果的情况,导致用户体验差强人意。
3、因此,如何提供一种基于android摄像头的骨骼姿态识别方法及系统,实现提升骨骼姿态识别的实时性,成为一个亟待解决的技术问题。
技术实现思路
1、本发明要解决的技术问题,在于提供一种基于android摄像头的骨骼姿态识别方法及系统,实现提升骨骼姿态识别的实时性。
2、第一方面,本发明提供了一种基于android摄像头的骨骼姿态识别方法,包括如下步骤:
3、步骤s1、通过android摄像头实时采集人体图像,对各所述人体图像进行预处理;
4、步骤s2、检测各所述人体图像中的人体区域图像;
5、步骤s3、通过关键点定位算法对各所述人体区域图像中的各关键点进行定位;
6、步骤s4、连接各所述关键点得到姿态连接图,通过预设的标准姿态图对所述姿态连接图进行骨骼姿态识别,得到骨骼姿态识别结果;
7、步骤s5、android摄像头通过所述骨骼姿态识别结果进行运动指导。
8、进一步的,所述步骤s1具体为:
9、通过android摄像头的标准类实时采集人体图像,对各所述人体图像进行至少包括降噪、锐化以及灰度化的预处理。
10、进一步的,所述步骤s2具体为:
11、将各所述人体图像转换为人体图像数据,通过人体检测算法实时检测各所述人体图像数据中的人体区域数据,将所述人体区域数据转换为人体区域图像,通过所述人体图像数据对人体区域图像进行校验后,完成所述人体区域图像的检测。
12、进一步的,所述步骤s3中,所述关键点至少包括头部、肩膀、手肘以及膝盖。
13、进一步的,所述步骤s4具体为:
14、通过姿态分析算法以及跟踪分析算法连接各所述关键点得到姿态连接图,通过预设的标准姿态图比对所述姿态连接图以进行骨骼姿态识别,判断角度偏差是否大于预设的偏差阈值,若是,则生成姿态不规范的骨骼姿态识别结果;若否,则生成姿态规范的骨骼姿态识别结果;
15、所述步骤s5具体为:
16、android摄像头通过扬声器或者指示灯指示所述骨骼姿态识别结果,或者将所述骨骼姿态识别结果推送给显示屏进行显示,进而通过所述骨骼姿态识别结果进行运动指导。
17、第二方面,本发明提供了一种基于android摄像头的骨骼姿态识别系统,包括如下模块:
18、人体图像采集模块,用于通过android摄像头实时采集人体图像,对各所述人体图像进行预处理;
19、人体区域图像检测模块,用于检测各所述人体图像中的人体区域图像;
20、关键点定位模块,用于通过关键点定位算法对各所述人体区域图像中的各关键点进行定位;
21、骨骼姿态识别模块,用于连接各所述关键点得到姿态连接图,通过预设的标准姿态图对所述姿态连接图进行骨骼姿态识别,得到骨骼姿态识别结果;
22、运动指导模块,用于android摄像头通过所述骨骼姿态识别结果进行运动指导。
23、进一步的,所述人体图像采集模块具体用于:
24、通过android摄像头的标准类实时采集人体图像,对各所述人体图像进行至少包括降噪、锐化以及灰度化的预处理。
25、进一步的,所述人体区域图像检测模块具体用于:
26、将各所述人体图像转换为人体图像数据,通过人体检测算法实时检测各所述人体图像数据中的人体区域数据,将所述人体区域数据转换为人体区域图像,通过所述人体图像数据对人体区域图像进行校验后,完成所述人体区域图像的检测。
27、进一步的,所述关键点定位模块中,所述关键点至少包括头部、肩膀、手肘以及膝盖。
28、进一步的,所述骨骼姿态识别模块具体用于:
29、通过姿态分析算法以及跟踪分析算法连接各所述关键点得到姿态连接图,通过预设的标准姿态图比对所述姿态连接图以进行骨骼姿态识别,判断角度偏差是否大于预设的偏差阈值,若是,则生成姿态不规范的骨骼姿态识别结果;若否,则生成姿态规范的骨骼姿态识别结果;
30、所述运动指导模块具体用于:
31、android摄像头通过扬声器或者指示灯指示所述骨骼姿态识别结果,或者将所述骨骼姿态识别结果推送给显示屏进行显示,进而通过所述骨骼姿态识别结果进行运动指导。
32、本发明的优点在于:
33、通过android摄像头实时采集人体图像并进行至少包括降噪、锐化以及灰度化的预处理,接着通过人体检测算法实时检测各人体图像中的人体区域图像,通过关键点定位算法对各人体区域图像中的各关键点进行定位,然后连接各关键点得到姿态连接图,通过预设的标准姿态图对姿态连接图进行骨骼姿态识别,得到骨骼姿态识别结果,最后android摄像头通过骨骼姿态识别结果进行运动指导;即先对采集的人体图像并进行包括降噪、锐化以及灰度化的预处理,对人体图像进行图像增强并降低数据量,便于后续快速的进行人体区域图像识别以及关键点定位,再通过图像比对(比对标准姿态图和姿态连接图)的方式进行骨骼姿态识别代替传统的神经网络模型,减少计算量,进而极大的提升了骨骼姿态识别的实时性。
1.一种基于android摄像头的骨骼姿态识别方法,其特征在于:包括如下步骤:
2.如权利要求1所述的一种基于android摄像头的骨骼姿态识别方法,其特征在于:所述步骤s1具体为:
3.如权利要求1所述的一种基于android摄像头的骨骼姿态识别方法,其特征在于:所述步骤s2具体为:
4.如权利要求1所述的一种基于android摄像头的骨骼姿态识别方法,其特征在于:所述步骤s3中,所述关键点至少包括头部、肩膀、手肘以及膝盖。
5.如权利要求1所述的一种基于android摄像头的骨骼姿态识别方法,其特征在于:所述步骤s4具体为:
6.一种基于android摄像头的骨骼姿态识别系统,其特征在于:包括如下模块:
7.如权利要求6所述的一种基于android摄像头的骨骼姿态识别系统,其特征在于:所述人体图像采集模块具体用于:
8.如权利要求6所述的一种基于android摄像头的骨骼姿态识别系统,其特征在于:所述人体区域图像检测模块具体用于:
9.如权利要求6所述的一种基于android摄像头的骨骼姿态识别系统,其特征在于:所述关键点定位模块中,所述关键点至少包括头部、肩膀、手肘以及膝盖。
10.如权利要求6所述的一种基于android摄像头的骨骼姿态识别系统,其特征在于:所述骨骼姿态识别模块具体用于: