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。

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