本發明屬于運動姿態的監控領域，具體是基于視覺識別的智慧操場運動姿態的監控系統及方法。

背景技術：

1、隨著科技的進步和人們對健康生活的重視，體育鍛煉的重要性日益凸顯。然而，不正確的運動姿勢不僅會降低鍛煉效果，還可能導致運動損傷。傳統的運動姿態評估方法主要依賴于教練的經驗判斷或手動分析視頻，這種方法不僅耗時費力，而且難以保證評估結果的一致性和準確性。

2、現有的技術主要是通過采集運動人員的圖像，通過對圖像中的運動姿勢進行實時捕捉和精準分析，通過與標準運動姿態模型對比，快速準確地找出運動姿態偏差并提供針對性糾錯建議；但現有技術忽略了個體差異，每個人的臂長和腿長都不一樣，例如對于臂長不同的運動員，在進行某些動作(如籃球投籃或引體向上)時，為了達到相同的動作效果，肘關節需要彎曲的角度會有所不同；如果忽略個體臂長差異，使用統一的標準角度進行評估，就會導致實際肘關節角度與標準角度之間的偏差被誤判為錯誤動作，從而給出不準確的反饋。

3、因此，本發明提出一種基于視覺識別的智慧操場運動姿態的監控系統及方法，以解決上述問題。

技術實現思路

1、本發明旨在至少解決現有技術中存在的技術問題之一；為此，本發明提出了基于視覺識別的智慧操場運動姿態的監控系統及方法，用于解決現有技術忽略了個體差異，每個人的臂長和腿長都不一樣，例如對于臂長不同的運動員，在進行某些動作時，為了達到相同的動作效果，肘關節需要彎曲的角度會有所不同；如果忽略個體臂長差異，使用統一的標準角度進行評估，就會導致實際肘關節角度與標準角度之間的偏差被誤判為錯誤動作，從而給出不準確的反饋的技術問題。

2、為實現上述目的，本發明的第一方面提供了基于視覺識別的智慧操場運動姿態的監控系統，包括：數據采集模塊、數據分析模塊、修正模塊和監控模塊；

3、數據采集模塊：用于實時獲取目標運動的視頻數據和人員數據；

4、數據分析模塊：通過對視頻數據進行分析，得到關節數據和呼吸數據；基于關節數據計算得到運動姿態評估系數；以及，

5、基于呼吸數據計算得到呼吸評估系數；

6、修正模塊：基于人員數據構建修正模型對運動姿態評估系數進行修正，得到目標運動姿態評估系數；

7、監控模塊：基于目標運動姿態評估系數判斷目標運動的運動姿態是否合格；基于呼吸評估系數判斷運動人員的呼吸頻率是否合格。

8、優選的，所述獲取目標運動的視頻數據和人員數據，包括：

9、通過數據采集設備實時獲取運動人員在智慧操場進行目標運動的視頻數據以及運動人員的人員數據；其中，目標運動是指運動人員進行運動的運動類型；人員數據包括：前臂長度、上臂長度、大腿長度和小腿長度。

10、優選的，所述通過對視頻數據進行分析，包括：

11、提取視頻數據中每一幀的圖像；

12、提取每一幀的圖像中的人體信息，并基于人體信息構建人體骨架模型；其中，人體信息包括：肩膀、肘部、手腕、髖部、膝蓋、腳踝和腳尖；

13、通過以人體骨架模型中任一位置為原點構建空間直角坐標系；

14、基于空間直角坐標系獲取每一幀圖像中人體信息的對應的坐標；

15、基于人體信息的對應坐標通過余弦定理計算得到每一幀的圖像中的人體信息對應的關節數據；其中，關節數據包括：肘關節角度、膝關節角度和踝關節角度；

16、通過對視頻數據中每一幀的圖像進行分析，得到呼吸數據。

17、優選的，所述通過對視頻數據中每一幀的圖像進行分析，包括：

18、通過立體匹配算法對視頻數據中每一幀的圖像進行分析，得到運動人員的三維點云數據；其中，立體匹配算法包括：局部立體匹配、全局立體匹配或深度學習立體匹配算法；

19、基于三維點云數據，通過三維重建算法構建出運動人員的三維模型；其中，三維重建算法包括：泊松表面重建算法或主動式三維重建算法；

20、通過三維跟蹤算法獲取每一幀的圖像對應的三維模型中目標區域的體積變化，得到視頻數據對應的目標區域的體積變化曲線；其中，三維跟蹤算法包括：特征點的跟蹤、光流跟蹤或深度學習驅動的跟蹤算法；目標區域是指運動人員的胸腔；

21、通過快速傅里葉變換將體積變化曲線從時間域轉換到頻域，得到對應的頻率軸；

22、提取率軸正頻率部分，并提取正頻率部分中最大的頻率點；

23、將最大的頻率點對應的頻率轉換為呼吸頻率，并標記為呼吸數據。

24、需要說明的是，在頻域中找到最大幅度對應的頻率即為呼吸頻率，傅里葉變換將時間域中的信號轉換到頻域，使得可以分析信號的頻率成分；呼吸是一個周期性的生理過程，其特征頻率對應于呼吸速率(即每分鐘呼吸次數)；通過傅里葉變換，原始的體積變化曲線被分解成一系列不同頻率的正弦波和余弦波，每個頻率分量都有一個對應的幅度值，表示該頻率在原始信號中的強度或貢獻度；由于呼吸信號具有相對穩定的周期性，它會在頻域中表現為一個顯著的峰值，這個峰值所對應的頻率就是呼吸的主要頻率成分；因此，在頻域中找到最大幅度對應的頻率，實際上就是在識別出主導的周期性成分，也就是呼吸頻率。

25、優選的，所述基于關節數據計算得到運動姿態評估系數，包括：

26、將關節數據中的肘關節角度標記為θ1，膝關節角度標記為θ2，踝關節角度標記為θ3；

27、通過公式計算得到運動姿態評估系數；其中，p1是運動姿態評估系數，a1、a2、a3是權重系數，且a1+a2+a3＝1，m1是標準肘關節角度，m2是標準膝關節角度，m3是標準踝關節角度。

28、需要說明的是，所述權重系數是本領域專家根據具體的運動類型由經驗所設；

29、標準肘關節角度、標準膝關節角度和標準踝關節角度是指在特定運動項目中，各個關節的理想角度，如在籃球投籃動作中，理想的肘關節角度通常為90度，以確保手腕能夠平穩地釋放球。

30、優選的，所述基于呼吸數據計算得到呼吸評估系數，包括：

31、提取呼吸數據，并將呼吸數據中的呼吸頻率標記為v；

32、通過公式p2＝α×e^[(v-zv)^2/ln(zv+1)]計算得到呼吸評估系數；其中，p2是呼吸評估系數，α是比例系數，且0＜α＜1，zv是目標運動的最適呼吸頻率，ln(*)是以自然數e為底的對數函數。

33、需要說明的是，比例系數α是本領域技術專家根據運動人員的年齡所設，年齡越大，比例系數α越小。

34、優選的，所述基于人員數據構建修正模型對運動姿態評估系數進行修正，包括：

35、將前臂長度和上臂長度的比值標記為l，大腿長度和小腿長度的比值標記為t；

36、將l和t作為自變量，將修正后得到的目標運動姿態評估系數作為因變量；通過多項式擬合的方式構建修正模型；

37、修正模型具體為：zp＝p1×[1+b1×e^[l/(l+1)]+b2×e^[t/(t+1)]]；其中，zp是目標運動姿態評估系數，b1、b2是比例系數，且若l＞1，則-1＜b1＜0，若l＜1，則0＜b1＜1；若t＞1，則-1＜b2＜0，若t＜1，則0＜b2＜1。

38、需要說明的是，所述比例系數是本領域專家根據具體的運動類型由經驗所設；

39、人員的身體數據(如前臂長度、上臂長度、大腿長度和小腿長度)對運動姿態評估系數的影響主要體現在這些比例會改變實際關節角度與標準角度之間的偏差；具體來說，不同的身體比例會導致實際關節角度的不同，從而影響評估結果；例如，長前臂和短上臂的個體在進行籃球投籃動作時，需要更大的肘關節彎曲角度來達到相同的出手點，導致實際肘關節角度比標準角度更大，使得運動姿態評估系數偏大；類似地，長大腿和短小腿的個體在進行深蹲動作時，為了達到相同的大腿平行于地面的效果，需要更大的膝關節彎曲角度，導致實際膝關節角度比標準角度更大，使得運動姿態評估系數偏大。

40、優選的，所述基于目標運動姿態評估系數判斷目標運動的運動姿態是否合格，包括：

41、判斷目標運動姿態評估系數是否大于預設運動姿態評估系數閾值；是，則生成預警信息，并發送至客戶端；否，則目標運動的運動姿態合格。

42、需要說明的是，所述預設運動姿態評估系數閾值是本領域專家根據經驗所設。

43、優選的，所述基于呼吸評估系數判斷運動人員的呼吸頻率是否合格，包括：

44、判斷呼吸評估系數是否大于預設呼吸評估系數閾值；是，則生成預警信息，并發送至客戶端；否，則運動人員的呼吸頻率合格。

45、需要說明的是，所述預設呼吸評估系數閾值是本領域專家根據經驗所設。

46、本發明的第二方面提供了基于視覺識別的智慧操場運動姿態的監控方法，包括：

47、步驟一：獲取目標運動的視頻數據和人員數據；

48、步驟二：通過對視頻數據進行分析，得到關節數據和呼吸數據；基于關節數據計算得到運動姿態評估系數；以及，基于呼吸數據計算得到呼吸評估系數；

49、步驟三：基于人員數據構建修正模型對運動姿態評估系數進行修正，得到目標運動姿態評估系數；

50、步驟四：基于目標運動姿態評估系數判斷目標運動的運動姿態是否合格；基于呼吸評估系數判斷運動人員的呼吸頻率是否合格。

51、與現有技術相比，本發明的有益效果是：

52、1.現有技術忽略了個體差異，每個人的臂長和腿長都不一樣，例如對于臂長不同的運動員，在進行某些動作時，為了達到相同的動作效果，肘關節需要彎曲的角度會有所不同；如果忽略個體臂長差異，使用統一的標準角度進行評估，就會導致實際肘關節角度與標準角度之間的偏差被誤判為錯誤動作，從而給出不準確的反饋的技術問題；本發明通過數據采集模塊實時獲取運動人員的視頻數據和人員數據，并通過數據分析模塊對視頻數據進行分析，提取每一幀圖像中的人體信息并構建人體骨架模型，獲取關節數據和呼吸數據；基于關節數據和呼吸數據計算得到運動姿態評估系數和呼吸評估系數；修正模塊根據人員數據構建修正模型，調整運動姿態評估系數以考慮個體的身體比例差異，通過多項式擬合方式，將前臂與上臂長度比值和大腿與小腿長度比值作為自變量，修正后的目標運動姿態評估系數作為因變量，從而更準確地反映實際關節角度與標準角度之間的偏差；監控模塊基于修正后的運動姿態評估系數判斷運動姿態是否合格，并基于呼吸評估系數判斷呼吸頻率是否合格，解決了現有技術忽略了個體差異，導致實際肘關節角度與標準角度之間的偏差被誤判為錯誤動作，從而給出不準確的反饋的技術問題。

53、2.本發明通過利用立體匹配算法對視頻數據中的每一幀圖像進行分析，生成運動人員的三維點云數據，確保了從多視角捕捉到的圖像能夠精確重建出運動員的三維模型；通過泊松表面重建算法或主動式三維重建算法，基于三維點云數據構建出高精度的三維模型，為后續的體積變化分析提供了堅實的基礎；通過特征點跟蹤、光流跟蹤或深度學習驅動的跟蹤算法，系統能夠實時追蹤胸腔區域的體積變化，生成詳細的體積變化曲線，從而準確反映呼吸過程中的動態變化；使用快速傅里葉變換將體積變化曲線從時間域轉換到頻域，提取正頻率部分并找到最大幅度對應的頻率作為呼吸頻率，這種方法不僅能夠有效地識別出呼吸的主要頻率成分，還能避免噪聲干擾，提高頻率分析的準確性?；谔崛〉暮粑l率數據，通過公式計算得到呼吸評估系數；通過判斷呼吸評估系數是否大于預設閾值來確定呼吸頻率是否合格，并在必要時生成預警信息發送至客戶端，不僅提高了呼吸頻率評估的精度和可靠性，還提供了個性化的反饋和及時的預警，幫助運動員優化呼吸模式，提升訓練效果，減少運動損傷的風險。