申请/专利权人：西南大学

申请日：2019-09-25

公开（公告）日：2021-11-30

公开（公告）号：CN110705418B

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/62(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.11.30#授权;2020.02.18#实质审查的生效;2020.01.17#公开

摘要：本发明请求保护一种基于DeepLabCut的跆拳道踢腿运动视频捕捉和评分系统，属于运动捕捉技术领域。具体包括：视频获取模块，用于获取XYZ三维系统的运动员横踢动作视频，使用三台手机分别从X、Y、Z三个方向进行视频拍摄；视频处理模块，运用DeepLabCut软件，对获取的视频进行处理，将获取的视频数据转换成各项动力学及运动学等各项可以量化的具体参数；数据分析模块，将得到的各项数据与已构建的标准动作数据库中各项参数及阈值参数进行分别对比，通过相关算法对动作质量进行分析；结果输出模块，将数据分析单元得到的各项数据结果输出，完成对踢腿动作的准确评价。中央处理器模块，用于接收及发送各项指令，协调上述模块工作。

主权项：1.一种基于DeepLabCut的跆拳道踢腿运动视频捕捉和评分系统，其特征在于，包括：视频获取模块：用于获取XYZ三维系统的跆拳道运动员横踢动作视频，使用三台移动设备分别从X、Y、Z三个方向对跆拳道运动员横踢动作进行视频拍摄，并进行标准动作数据库的构建，其中X表示左右，Y表示上下，Z表示前后，并将拍摄视频使用蓝牙传输至笔记本电脑，发送给视频处理模块；所述获取视频的格式为Android系统手机普遍的MP4格式、iOS系统手机的MOV格式在内的其他格式视频均可，清晰度不小于720P，且不小于30帧秒，以保证视频的清晰度用以分析处理；视频处理模块：运用DeepLabCut软件，所述DeepLabCut软件通过人类照片对姿势进行估计，不仅能探测到一个身体部分，还能同时探测到所有身体部分；DeepLabCut前期经过预训练，训练包括四个步骤，a.从视频中提取不同的帧进行标记，以一致的方式标记最大多样性图像，即不同的姿势、不同的个体、亮度条件；b.基于标记生成训练数据；c.训练一个深度神经网络dnn结构，根据相应的图像预测身体部位的位置；d.从未标记的数据中提取这些特征位置，即可对获取的视频进行自动处理，将获取的视频数据转换成腿发力大小、方向、角度、速度、加速度在内可量化的力学参数及生物力参数；数据分析模块：首先获取40名优秀跆拳道运动员横踢动作的视频数据，经deeplabcut处理，分别提取其影响横踢动作质量的变量，并对14个变量进行降维得到聚类分析的变量，采用聚类分析法与已构建的标准动作数据库中各项参数及阈值参数进行分别对比，通过R型聚类进行分类，对各类指标进行比较，定义出“好”、“较好”、“中”、“较差”、“差”五个类别，根据判别分析中的距离判别原理，距离判别原理的基本思想是由训练样品得出每个分类的重心坐标，然后对新样品求出它们离各个类别重心的距离远近，从而归入离得最近的类，也就是根据个案离母体远近进行判别，将被测试运动员成绩归于上述聚类后的类别中；结果输出模块：将数据分析单元得到的各项数据结果输出，完成对踢腿动作的准确评价；中央处理器模块：用于接收及发送各项指令，协调上述模块工作。

全文数据：

权利要求：

百度查询： 西南大学 一种基于DeepLabCut的跆拳道踢腿运动视频捕捉和评分系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD