申请/专利权人:北京理工大学
申请日:2023-11-03
公开(公告)日:2024-03-22
公开(公告)号:CN117746492A
主分类号:G06V40/20
分类号:G06V40/20;G06V20/40;G06V10/776;G06V10/764;G06V10/762;G06V10/75;G06V10/82;G06N3/0464;G06N3/0442;G06N3/045;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:一种针对功能性动作筛查的动作评分和缺陷分析方法,属于计算机视觉领域。通过关键帧匹配算法进行动作实例以及子动作的分割,然后将测试动作分为简单动作和复杂动作,分别进行评分;其中简单动作通过角度距离等参数的计算评分,复杂动作通过评分模型进行评分。最后进行动作缺陷分析,将非满分动作与标准动作按子动作进行对齐,通过替换子动作和重新评分来定位动作缺陷,通过替换身体部位与重新评分来定位缺陷部位。最终得到FMS的评分以及动作缺陷分析结果。本发明适用于计算机视觉领域,用于解决FMS的智能化评分和缺陷分析问题,提高功能性动作筛查的准确性,降低功能性动作筛查的资源需求,降低筛查成本。
主权项:1.一种针对功能性动作筛查的动作评分和缺陷分析方法,其特征在于:包括如下步骤,步骤一、将测试过程视频实时地输入姿态估计模型,得到当前测试过程的姿态序列;同时将前期采集的训练数据通过聚类算法得到标准动作的关键帧,即以单个姿态帧作为样本,其中每个姿态帧包含其所有关节点的坐标,通过聚类算法进行聚类,随后在标准动作姿态的聚类中心中挑选出分解动作的边界帧;边界帧的挑选标准为每个动作的分解动作满足最小变化原则,即保证每个关节点在同一分解动作中的运动轨迹是单向的;其中每个复杂动作均包含若干关键帧;步骤二、将步骤一中得到的测试过程的姿态序列与关键帧进行匹配;步骤三、以动作实例为单位进行动作评分;步骤四、判断步骤三得到的评分结果是否达到对应动作的满分,并判断当前动作属于简单动作还是复杂动作;步骤五、若步骤四的判断结果为是或当前动作实例为简单动作,则输出当前动作实例的评分结果,并重新执行步骤二,以评估下一动作实例;步骤六、若步骤四的判断结果为否且当前动作实例为复杂动作,则对动作实例进行替换评分,并输出缺陷分析结果。
全文数据:
权利要求:
百度查询: 北京理工大学 一种针对功能性动作筛查的动作评分和缺陷分析方法
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。