技术新讯 > 计算推算,计数设备的制造及其应用技术 > 校园体育项目测试分析的自动化成绩记录和标准化动作评估方法及系统与流程  >  正文

校园体育项目测试分析的自动化成绩记录和标准化动作评估方法及系统与流程

  • 国知局
  • 2024-11-06 15:06:32

本发明涉及体育项目测试分析,具体涉及校园体育项目测试分析的自动化成绩记录和标准化动作评估方法及系统。

背景技术:

1、传统的体育教学评价体系已经难以满足当前的需求,传统的评价体系多以学生的运动能力为主要评价内容,但很难对学生的个性化差异进行详细、具体的评价,因此,需要引入更加科学、全面的评价方法,以完善体育教学评价体系,促进体育教学的个性化发展。

2、现有技术中,常采用人工测量、基于深度摄像头采集数据以及基于rgb摄像头采集数据的方式进行测试分析,但是人工测量方法存在主观性误差,并且难以实现数字化记录,而基于深度摄像头采集数据的方法在识别相近深度目标时存在一定困难,难以准确识别,且成本较高,基于rgb摄像头的方法则较为依赖图像清晰度和算法准确性,计算资源消耗大,难以在普通设备上实现,因此,如何结合深度摄像头和rgb摄像头的数据采集方法,利用各自的优势,提高测试分析的准确性,是我们要解决的问题,为此,现提出校园体育项目测试分析的自动化成绩记录和标准化动作评估方法及系统。

技术实现思路

1、本发明目的在于提供校园体育项目测试分析的自动化成绩记录和标准化动作评估方法及系统,以解决上述背景技术中提出的问题。

2、为解决上述技术问题,本发明所采用的技术方案是:

3、第一方面,校园体育项目测试分析的自动化成绩记录和标准化动作评估方法,包括以下步骤:

4、步骤1,配置端侧图像采集处理设备和云侧图像处理设备,并分别开启端侧设备和云侧设备,其中,端侧设备包括深度摄像头、rgb摄像头和平板设备,云侧设备为云侧服务器;

5、步骤2,使用深度摄像头采集校园体测视频,通过人体深度估计得到人体深度图,并基于深度信息进行3d空间建模,对体测成绩进行初步计算,获取人体运动相关信息;

6、步骤3,在端侧设备上展示初步成绩,供现场人员即时查看;

7、步骤4,根据人体深度信息判断体测状态,确定关键时间段,使用rgb摄像头采集关键时间段的视频片段,并将端侧设备生成的初步成绩和rgb视频片段上传至云侧服务器;

8、步骤5,在云侧服务器中,利用基于rgb图像的图像处理算法和深度学习模型,对上传的视频片段进行处理,计算体测成绩并评估动作姿态;

9、步骤6,根据云侧服务器处理得到的数据,利用定制化的体测报告生成模型,生成体测报告并将其返回至相关人员。

10、本发明技术方案的进一步改进在于:所述步骤1中,配置端侧图像采集处理设备和云侧图像处理设备的过程为:

11、步骤101,配置端侧图像采集处理设备,其中,端侧图像采集处理设备包括深度摄像头、rgb摄像头和平板设备,在测试区域旁特定位置用三脚架放置端侧设备,调节摄像头的视角和焦距,使得摄像头采集图像可以覆盖整个测试区域,并将深度摄像头通过有线方式连接到平板设备,且rgb摄像头可为平板设备自带摄像头,也可以为深度摄像头配套的外接设备;

12、步骤102,在平板设备上安装相应的图像采集处理软件,配置软件并从深度摄像头和rgb摄像头接收数据,摄像头和平板设备即为端侧设备,开启摄像头和平板设备,进行端侧设备的检查;

13、步骤103,配置云侧图像处理设备,其中,云侧图像处理设备为云侧服务器,云侧服务器即为云侧设备,安装并配置云侧服务器的操作系统和软件环境;

14、步骤104,在云侧服务器上部署图像处理和深度学习模型,并配置云侧服务器与端侧设备的网络连接,以接收来自端侧设备的数据;

15、步骤105,分别开启端侧设备和云侧设备,检查各设备之间的通信是否正常,利用平板设备和摄像头与图像采集处理软件相配合,捕获测试数据,利用云侧服务器接收端侧设备的测试数据,并监控数据上传过程。

16、本发明技术方案的进一步改进在于:所述步骤2中,人体运动相关信息的获取过程为:

17、步骤201,使用深度摄像头采集校园体测视频,并分析校园体测视频捕获测试区域的深度图像,对捕获的测试区域深度图像进行降噪、光照补偿预处理操作;

18、步骤202,利用深度图像数据,通过图像处理算法从深度图像中检测人体区域,并提取人体区域的深度信息;

19、步骤203,基于提取的人体区域深度信息,将二维深度图中的关键像素点转换为三维空间中的点,形成点云数据,并通过表面重建算法构建人体关键点的三维空间建模;

20、步骤204,根据3d空间中的人体关键点数据,结合体测项目的规则,分析人体运动的轨迹并计算初步成绩。

21、本发明技术方案的进一步改进在于:所述步骤4中,采集关键时间段视频片段的过程为:

22、步骤401,对提取到的人体区域深度信息进行分析,计算人体的关键动作及状态,判断被测人员的体测状态;

23、步骤402,检测到关键动作及状态,确定当前时刻为关键时间段的开始,进行标记,并确定关键时间段的长度;

24、步骤403,基于确定的关键时间段,利用rgb摄像头对关键时间段进行视频采集,获取rgb视频片段;

25、步骤404,在端侧设备上,基于深度摄像头捕获的数据和预设的体测规则计算初步体测成绩,并将初步体测成绩和rgb视频片段打包上传至云侧服务器。

26、本发明技术方案的进一步改进在于:所述步骤5中,计算体测成绩并评估动作姿态的过程为:

27、步骤501,在云侧服务器中,将上传的rgb视频片段解码成图像帧,并应用图像增强算法对rgb视频片段解码的图像帧进行处理,改善图像质量;

28、步骤502,使用基于深度学习的人体检测模型检测每帧图像中的人体目标,并使用基于深度学习的人体骨骼关键点模型提取人体的骨骼关节点;

29、步骤503,使用物体检测模型检测图像中的体育器材,并对器材进行分割和分类,提取其关键特征;

30、步骤504,结合人体和体育器材所在的图像位置信息、人体骨骼关键点信息、人体和体育器材的现实尺寸信息,判断被测人员是否处于体测的有效状态和关键动作阶段;

31、步骤505,根据体测项目的规则,利用提取的信息计算体测成绩,并根据人体骨骼关键点计算人体特定关节的角度,分析得到加权动作评估指数,评估动作的准确性和规范性。

32、本发明技术方案的进一步改进在于:所述加权动作评估指数的计算过程为:

33、根据体测项目的标准规则,定义动作评估函数,利用该函数,可以根据人体关键部位关节点的角度进行计算,得到动作评估值;

34、从rgb摄像头和深度摄像头获取的视频片段中,使用计算机视觉技术提取关键点的位置信息,并分析动作的标准性和规范性;

35、根据动作评估函数和关键点位置信息,估计每种实际动作的动作评估值,并计算单一动作评估指数,最后通过权重矩阵,计算所有关键动作的加权动作评估指数;

36、结合人体位置信息和关键动作的加权动作评估指数分析人体运动的轨迹和姿态,评估总体动作的标准性和规范性。

37、本发明技术方案的进一步改进在于:所述步骤6中,单一动作评估指数的表达式为:

38、

39、

40、其中,为第个动作的评估指数,为第个动作的实际检测到的动作,为第个动作的临界有效动作,为第个动作的临界满分动作,为动作评估函数,得出的值为动作评估值,和为以、、三个关节点的两个骨骼向量,其中关节点可以为人体的任意关节点,包括头、脖、肩、肘、手、胯、膝、脚踝、脚后跟、脚尖。当动作评估值小于有效阈值时,评估指数为0;当动作评估值大于满分阈值时;评估指数为1,当动作评估值在两个阈值中间时,评估指数在0和1之间线性变化。

41、本发明技术方案的进一步改进在于:所述加权动作评估指数的表达式为:

42、

43、

44、

45、其中,为加权动作评估指数,为关键动作的数量,为第个动作的加权权重,可以根据不同体测项目中该动作的重要程度来确定。

46、所述步骤6中,体测报告的生成过程为:

47、步骤601,汇总云侧服务器中处理完成的所有相关数据,包括体测成绩、关键动作信息,并进行数据标准化转换;

48、步骤602,对体测成绩进行分析,并将关键动作信息与预设标准进行比较分析确定动作是否符合规范要求,生成动作规范性评估结果,包括所有动作的动作评估指数;

49、步骤603,使用历史体测成绩和语言数据训练完成的定制化体测报告生成模型,对本次相关数据进行处理,生成本次的体测报告文本;

50、步骤604,体测报告文本包括以下内容,体测成绩描述、动作分析描述,动作改进建议,这些内容可以帮助运动员提升体测成绩和动作技能;

51、步骤605,将成绩描述、动作分析和改进建议整合到报告模板中,并对生成的文本进行润色,同时优化报告的格式,发送至审核人员进行核对。

52、第二方面,校园体育项目测试分析的自动化成绩记录和标准化动作评估系统,用于实现校园体育项目测试分析的成绩记录和动作评估方法,包括端侧平板电脑、端侧摄像头、云侧服务器设备,以及图像处理算法、深度学习模型、前端现实界面、后端数据库软件,所述端侧摄像头通信连接所述端侧平板电脑,所述端侧平板电脑通信连接所述云侧服务器,所述端侧摄像头有数据采集模块,所述端侧平板设备有初步处理模块、关键帧提取模块,所述云侧服务器有图像处理模块、动作姿态分析模块、成绩计算模块以及报告生成模块,其中,各模块间电信号连接;

53、所述数据采集模块,利用深度摄像头和rgb摄像头采集校园体测场景中的视频数据;

54、所述端侧初步处理模块,用于在平板设备上进行初步处理,通过人体深度估计得到人体深度图,进行3d空间建模,对体测成绩进行初步计算,并获取人体运动相关信息;

55、所述关键帧提取模块,用于根据人体深度信息判断体测状态,提取关键时间段的视频帧;

56、所述云侧图像处理模块,用于在云侧服务器上,通过整合图像处理算法和深度学习模型,对rgb视频进行处理;

57、所述成绩计算模块,用于计算体测成绩,并与预设标准进行比较,评估成绩的好坏;

58、所述动作姿态分析模块,基于云侧图像处理的结果,对动作姿态进行细致分析,评估动作的规范性;

59、所述报告生成模块,用于利用定制化的报告生成模型,将体测成绩、动作姿态评估结果、历史数据整合成体测报告。

60、由于采用了上述技术方案,本发明相对现有技术来说,取得的技术进步是:

61、本发明提供校园体育项目测试分析的自动化成绩记录和标准化动作评估方法及系统,端侧设备成本低、端侧设备可复用性强、云侧设备可按需灵活扩展,测评成绩实现完全自动化,且准确性高,可实时在前端平板设备上展示,动作评估维度全面,可评估各体测项目中不同动作的标准性和规范性,并结合历史数据,快速返回给教练及运动员。

本文地址:https://www.jishuxx.com/zhuanli/20241106/325349.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。