买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江体育科学研究所(浙江省反兴奋剂中心)

摘要：本发明公开了一种基于计算机视觉功能性动作筛查动作稳定性自动检测方法，基于被测者完成动作的视频，从检测样本的生成步骤、被测对象动作稳定性特征的提取步骤、动作稳定性模型的训练步骤和动作稳定性的判决步骤上进行建完成卷积神经网络，并据此样本设定阈值，判断被测者完成FMS涉及动作时的稳定性，通过躯干动态特征提取及分析，辅助FMS跨栏步、直线弓步蹲起动作完成的躯干晃动检测；被测者无需佩戴传感器，便可实现完成对被测者的躯干动作晃动稳定性有效监测判断，可降低测评人员工作量，提高测评效率，提高测试结果稳定准确性。

主权项：1.一种基于计算机视觉功能性动作筛查动作稳定性自动检测方法，其特征在于包括如下监测步骤：A1.检测样本的生成步骤，通过选取被测试者正面作为视频捕捉位置，并通过检测视频中躯干的晃动来判断FMS涉及的动作稳定性；A2.被测对象动作稳定性特征的提取步骤，提取上述A1步骤的图像流形成检测样本，对动作晃动稳定性特征进行提取、分析和评估动作稳定性；A3.动作稳定性模型的训练步骤，提取被测者正面完成FMS涉及的动作图像样本，将图像样本分割为s个矩形框，在每个矩形框内构建2个边界框，构造并训练得到由用户自主设定的卷积神经网络，以锁定图像样本中被测者躯干的位置；A4.动作稳定性的判决步骤，识别视频流中的满分姿势样本作为正面拍摄视频完成FMS涉及的动作图像参考样本，提取并记录该样本并训练构建完成上述A3步骤的卷积神经网络，据此样本设定阈值，判断被测者完成FMS涉及动作时的稳定性；所述的检测样本的生成步骤包括如下：B1.选取被测者正面作为视频捕捉位置；B2.FMS涉及动作稳定性的动作包括跨栏步、直线弓步蹲起，其动作过程中的晃动用躯干的横向移动来表征，通过检测视频中躯干的晃动来判断跨栏步、直线弓步蹲起动作完成的稳定性；B3.选取帧率F，以F为时间间隔提取视频中的图像流，第n个图像用An表示，序列A1,A2,…,AN形成了检测样本，用于后续进一步的稳定性特征提取和分析；所述的被测对象动作稳定性特征的提取步骤包括如下提取步骤：C1.对于图像An,n＝1,2,…,N，将其分割为s个矩形框，用Ain表示图像An的第i个矩形框；C2.FMS中评估动作稳定性主要评估完成动作过程中躯干的晃动，用B表示实际被测对象身体部位所对应的边界框，涉及的身体部位为躯干；C3.对于矩形框Ain，生成L个边界框，用表示Ain的第j个边界框，需要通过不断迭代、学习、修正，寻找一个最接近B的C4.用多元组来描述边界框的特征，各参数定义如下： 表示边界框中心在图像An中的坐标； 分别表示边界框的高度和宽度； 其中PrAin表示矩形框Ain内有评价FMS动作稳定性所涉及的身体部位的概率，表示与B相交的面积，表示与B相并的面积；C5.用x,y表示矩形框B在图像An中的坐标；用h,w表示矩形框B的高度和宽度；C6.构造损失函数 当FMS所关注的身体部位中心位于内，Qij＝1；否则，Qij＝0；λ1，λ2为人工设定的参数，用来调节损失函数的权重；所述的动作稳定性的判决步骤包括如下判决步骤：D1.提取被测者正面完成跨栏步、直线弓步蹲起的图像样本，图像样本需包含被测者躯干垂直与地面完成动作、被测者躯干左偏5度完成动作、被测者躯干左偏10度完成动作、被测者躯干左偏15度完成动作、被测者躯干左偏20度完成动作、被测者躯干左偏25度完成动作、被测者躯干左偏30度完成动作、被测者躯干左偏35度完成动作、被测者躯干左偏40度完成动作、被测者躯干左偏45度完成动作、被测者躯干右偏5度完成动作、被测者躯干右偏10度完成动作、被测者躯干右偏15度完成动作、被测者躯干右偏20度完成动作、被测者躯干右偏25度完成动作、被测者躯干右偏30度完成动作、被测者躯干右偏35度完成动作、被测者躯干右偏40度完成动作、被测者躯干右偏45度完成动作，并将所有图像转化为灰度图，用H0,H1,...,H18表示上述19幅灰度图；D2.通过maxpooling池化方法，以m*m为采样核对H0,H1,...,H18进行下采样，用η0,η1,...,η18表示下采样后的图像，下采样后图像的长、宽分别用α，β表示；D3.以h0,h1,...,h18构建深度为19的过滤器函数，并记为f；D4.构造卷积神经网络，符合以下条件；D4.1.构建大小为α×β×19的卷积核，其过滤器函数为f；D4.2.池化层采用maxpooling；D4.3.全连接层激活函数为xtanhln1+ex；D4.4.输出层为b1,c1,b2,c2...,bsL,csL，ci＝1表示识别的对象为躯干，ci＝0表示识别的对象非躯干；D4.5.卷积层、池化层的数量由用户自主设定；D5.使用损失函数G，训练得到该卷积神经网络；所述的动作稳定性的判决步骤包括如下判决步骤：E1.选取一位被测者以满分的姿势完成跨栏步、直线弓步蹲起动作，并在正面拍摄视频作为参考样本，提取该样本中的被测者躯干中心点坐标横向变化的时间序列，记为E2.就该时间序列进行如下计算：E3.记录当前被测者完成跨栏步、直线弓步蹲起动作，并在正面拍摄视频作为样本，利用步骤3.5训练完成的卷积神经网络，提取该样本中的被测者躯干中心点坐标横向变化的时间序列xn，n＝0，1,2,…；E4.就该时间序列xn进行如下计算：E5.当τ为人工设定的阈值，表示该被测者在完成动作时存在晃动。

全文数据：

权利要求：

百度查询： 浙江体育科学研究所(浙江省反兴奋剂中心) 基于计算机视觉功能性动作筛查动作稳定性自动检测方法