首页 > 运动玩具 专利正文
仰卧起坐评判系统及其方法与流程

时间:2022-02-15 阅读: 作者:专利查询

仰卧起坐评判系统及其方法与流程

1.本发明涉及仰卧起坐评定技术领域,具体涉及一种仰卧起坐评判系统及其方法。


背景技术:

2.仰卧起坐,一种锻炼身体的方式。仰卧,两腿并拢,两手上举,利用腹肌收缩,两臂向前摆动,迅速成坐姿,上体继续前屈,两手触脚面,低头;然后还原成坐姿,如此连续进行。同时,做仰卧起坐时应配合以合理的呼吸,在做仰卧起坐时,身体前屈时应呼气,仰卧时应吸气。但如果机械地在仰卧时完成整个吸气过程,会不利于动作的完成,因此,为了提高动作的质量,还必须注重技巧,即向后仰卧的过程开始吸气,肩背部触垫的瞬间屏气收腹、上体逐渐抬起,当上体抬起至腹部有胀感时,快速呼气,向前引体低头完成动作。
3.现有技术测量仰卧起坐的方式就是采用人工用计时表在规定的时间内测量受试者仰卧起坐的次数,这样的人工测量费时费力且人工计时精确度不高。


技术实现要素:

4.为解决所述问题,本发明提供了一种仰卧起坐评判系统及其方法,有效避免了现有技术中测量仰卧起坐费时费力且人工计时精确度不高的缺陷。
5.要克服现有技术中的不足,本发明提供了一种仰卧起坐评判系统及其方法的解决方案,具体如下:
6.一种仰卧起坐评判系统,包括:
7.仰卧板、控制器、喇叭、摄像头以及显示屏;
8.仰卧板设置在体检室内,所述摄像头对准仰卧板;
9.所述摄像头、喇叭和显示屏均同控制器电连接;
10.所述摄像头用于采集受试者在仰卧板上的图像并传送到控制器中;
11.所述控制器用于根据受试者在仰卧板上的图像得到仰卧起坐的评判结果;
12.所述喇叭用于提示受试者开始进行仰卧起坐;
13.在控制器上运行有计时模块,所述计时模块用于对受试者进行仰卧起坐的计时;
14.在控制器上还设置有初始值为0的整型计数变量。
15.进一步的,所述仰卧板为单色仰卧板。
16.进一步的,所述控制器还用于首先在受试者图像中确定受试者是否已躺在仰卧板上做好了仰卧起坐准备;随后控制喇叭语音提示受试者开始仰卧起坐,同时启动计时模块进行计时;然后从摄像头实时传送来的受试者图像中确定受试者的手是否抱着头且手肘是否碰到膝盖;如果受试者的手未抱着头且手肘未碰到膝盖,控制喇叭语音提示受试者违规并终止后续的仰卧起坐评判;如果受试者的手未抱着头且手肘碰到膝盖,控制喇叭语音提示受试者违规并终止后续的仰卧起坐评判;如果受试者的手一直抱着头且手肘碰到膝盖,判断计时模块的计时值是否超过预设规定的时间,如果没超过预设规定的时间,就让整型计数变量的值增一,并转到步骤8执行,如果超过预设规定的时间,就转到步骤9执行;随后
从摄像头实时传送来的受试者图像中确定受试者是否躺在仰卧板上,如果是躺在仰卧板上,就转到步骤4中执行;就将整型计数变量的值作为仰卧起坐评判结果传送到显示屏上显示,并通过喇叭语音提示受试者仰卧起坐测试结束。
17.一种仰卧起坐评判系统的方法,包括:
18.步骤0:仰卧起坐评判系统安装完成之后,对摄像头拍摄并传送到控制器的仰卧板图像手动标定出其边缘线的像素位置,并将该边缘线的像素位置保存在控制器的内存中;
19.步骤1:受试者进入体检室内,躺在仰卧板上做好仰卧起坐准备,同时摄像头实时采集受试者在仰卧板上的受试者图像并传送到控制器中;
20.步骤2:所述控制器首先在受试者图像中确定受试者是否已躺在仰卧板上做好了仰卧起坐准备;
21.步骤3:如果做好了仰卧起坐准备,随后所述控制器控制喇叭语音提示受试者开始仰卧起坐,同时启动计时模块进行计时;
22.步骤4:然后所述控制器从摄像头实时传送来的受试者图像中确定受试者的手是否抱着头且手肘是否碰到膝盖;
23.步骤5:如果受试者的手未抱着头且手肘未碰到膝盖,所述控制器控制喇叭语音提示受试者违规并终止后续的仰卧起坐评判;
24.步骤6:如果受试者的手未抱着头且手肘碰到膝盖,所述控制器控制喇叭语音提示受试者违规并终止后续的仰卧起坐评判;
25.步骤7:如果受试者的手一直抱着头且手肘碰到膝盖,所述控制器判断计时模块的计时值是否超过预设规定的时间,如果没超过预设规定的时间,就让整型计数变量的值增一,并转到步骤8执行,如果超过预设规定的时间,就转到步骤9执行;
26.步骤8:随后所述控制器从摄像头实时传送来的受试者图像中确定受试者是否躺在仰卧板上,如果是躺在仰卧板上,就转到步骤4中执行;
27.步骤9:所述控制器就将整型计数变量的值作为仰卧起坐评判结果传送到显示屏上显示,并通过喇叭语音提示受试者仰卧起坐测试结束。
28.进一步的,所述步骤2具体包括:
29.步骤2-1:基于计算机视觉目标检测方法,将受试者图像输入到预先训练好的臀部区域与肩胛区域检测模型,输出受试者图像臀部区域的矩形检测框与肩胛区域的矩形检测框;
30.步骤2-2:如果臀部区域的矩形检测框中心与肩胛区域的矩形检测框中心两点之间连线与步骤0标定的仰卧板边缘线之间夹角小于20度,则认定为受试者躺在仰卧板上,做好了仰卧起坐准备;否则,认定为未做好准备。
31.进一步的,所述步骤4具体包括:
32.步骤4-1:基于计算机视觉关节点检测方法,将受试者图像输入到预先训练好的膝关节与手肘关节检测模型,输出受试者图像膝关节的矩形检测框与手肘关节的矩形检测框;
33.步骤4-2:基于计算机视觉目标检测方法,将受试者图像输入到预先训练好的头部区域检测模型,输出受试者图像头部区域的矩形检测框;
34.步骤4-3:如果膝关节的矩形检测框与手肘关节的矩形检测框存在重叠,则认定为
手肘碰到膝盖;否则,认定为手肘未碰到膝盖;
35.步骤4-4:如果头部区域的矩形检测框与手肘关节的矩形检测框存在重叠,则认定为手抱着头;否则,认定为手未抱着头。
36.进一步的,所述步骤8具体包括:
37.步骤8-1:基于计算机视觉目标检测方法,将受试者图像输入到预先训练好的臀部区域与肩胛区域检测模型,输出受试者图像臀部区域的矩形检测框与肩胛区域的矩形检测框;
38.步骤8-2:如果臀部区域的矩形检测框中心与肩胛区域的矩形检测框中心两点之间连线与步骤0标定的仰卧板边缘线之间夹角小于20度,则认定为受试者躺在仰卧板上;否则,认定为未躺在仰卧板上。
39.进一步的,基于计算机视觉目标检测方法,肘关节、膝关节、肩胛区域或者头部区域检测模型训练算法具体实现方法,包括:
40.步骤a-1:收集仰卧起坐的训练视频,提取视频帧得到图像集x;
41.步骤a-2:使用labelme标注平台对图像集x标注出受试者的肘关节、膝关节、肩胛区域或头部区域,获得肘关节、膝关节、肩胛区域或头部区域类别标签分别为y1,y2,y3或y4及肘关节、膝关节、肩胛区域或头部区域边框标签b1,b2,b3或b4;
42.步骤a-3:使用大规模目标检测数据集coco上训练好的yolov5深度神经网络模型作为肘关节、膝关节、肩胛区域或头部区域检测模型,以仰卧起坐的训练图像数据集x作为输入,肘关节、膝关节、肩胛区域或头部区域类别标签,即y1,y2,y3或y4和边框标签,即b1,b2,b3或b4作为预测目标;
43.步骤a-4:构建目标检测损失函数,具体如下:
[0044][0045]
其中,θ1表示类别的交叉熵分类损失函数,l2表示目标框的均方误差回归损失函数,f表示目标检测模型,xi表示第i个训练图像,yi表示第i个图像的目标类别,bi表示第i个图像的目标框,n表示图像数量;
[0046]
步骤a-5:基于随机梯度下降,端到端地运用目标检测损失函数对肘关节、膝关节、肩胛区域或头部区域检测模型的参数迭代式更新,得到训练好的肘关节、膝关节、肩胛区域或头部区域检测模型。
[0047]
本发明的有益效果为:
[0048]
本发明首先在受试者图像中确定受试者是否已躺在仰卧板上做好了仰卧起坐准备;随后控制喇叭语音提示受试者开始仰卧起坐,同时启动计时模块进行计时;然后从摄像头实时传送来的受试者图像中确定受试者的手是否抱着头且手肘是否碰到膝盖;如果受试者的手未抱着头且手肘未碰到膝盖,控制喇叭语音提示受试者违规并终止后续的仰卧起坐评判;如果受试者的手未抱着头且手肘碰到膝盖,控制喇叭语音提示受试者违规并终止后续的仰卧起坐评判;如果受试者的手一直抱着头且手肘碰到膝盖,判断计时模块的计时值是否超过预设规定的时间,如果没超过预设规定的时间,就让整型计数变量的值增一,并转到步骤8执行,如果超过预设规定的时间,就转到步骤9执行;随后从摄像头实时传送来的受
试者图像中确定受试者是否躺在仰卧板上,如果是躺在仰卧板上,就转到步骤4中执行;就将整型计数变量的值作为仰卧起坐评判结果传送到显示屏上显示,并通过喇叭语音提示受试者仰卧起坐测试结束,这样就能自动生成仰卧起坐的评判值,省时省力且计时精度高;有效的避免了现有技术中测量仰卧起坐费时费力且人工计时精确度不高的缺陷。
附图说明
[0049]
图1是本发明的仰卧起坐评判系统的方法的部分流程图。
[0050]
图2是本发明的仰卧起坐评判系统的部分结构图。
具体实施方式
[0051]
下面将结合附图和实施例对本发明做进一步地说明。
[0052]
如图1-图2所示,仰卧起坐评判系统,包括:
[0053]
顶壁上标有起跳线的软垫、控制器、喇叭、摄像头以及显示屏;
[0054]
仰卧板、控制器、喇叭、摄像头以及显示屏;
[0055]
仰卧板设置在体检室内,所述摄像头对准仰卧板;
[0056]
所述摄像头、喇叭和显示屏均同控制器电连接;
[0057]
所述摄像头用于采集受试者在仰卧板上的图像并传送到控制器中;
[0058]
所述控制器用于根据受试者在仰卧板上的图像得到仰卧起坐的评判结果;
[0059]
所述喇叭用于提示受试者开始进行仰卧起坐;
[0060]
在控制器上运行有计时模块,所述计时模块用于对受试者进行仰卧起坐的计时;
[0061]
在控制器上还设置有初始值为0的整型计数变量。
[0062]
进一步的,所述仰卧板为单色仰卧板。
[0063]
进一步的,所述控制器还用于首先在受试者图像中确定受试者是否已躺在仰卧板上做好了仰卧起坐准备;随后控制喇叭语音提示受试者开始仰卧起坐,同时启动计时模块进行计时;然后从摄像头实时传送来的受试者图像中确定受试者的手是否抱着头且手肘是否碰到膝盖;如果受试者的手未抱着头且手肘未碰到膝盖,控制喇叭语音提示受试者违规并终止后续的仰卧起坐评判;如果受试者的手未抱着头且手肘碰到膝盖,控制喇叭语音提示受试者违规并终止后续的仰卧起坐评判;如果受试者的手一直抱着头且手肘碰到膝盖,判断计时模块的计时值是否超过预设规定的时间,如果没超过预设规定的时间,就让整型计数变量的值增一,并转到步骤8执行,如果超过预设规定的时间,就转到步骤9执行;随后从摄像头实时传送来的受试者图像中确定受试者是否躺在仰卧板上,如果是躺在仰卧板上,就转到步骤4中执行;就将整型计数变量的值作为仰卧起坐评判结果传送到显示屏上显示,并通过喇叭语音提示受试者仰卧起坐测试结束。
[0064]
一种仰卧起坐评判系统的方法,包括:
[0065]
步骤0:仰卧起坐评判系统安装完成之后,对摄像头拍摄并传送到控制器的仰卧板图像手动标定出其边缘线的像素位置,并将该边缘线的像素位置保存在控制器的内存中;
[0066]
步骤1:受试者进入体检室内,躺在仰卧板上做好仰卧起坐准备,同时摄像头实时采集受试者在仰卧板上的受试者图像并传送到控制器中;
[0067]
步骤2:所述控制器首先在受试者图像中确定受试者是否已躺在仰卧板上,做好了
仰卧起坐准备;
[0068]
所述步骤2具体包括:
[0069]
步骤2-1:基于计算机视觉目标检测方法,将受试者图像输入到预先训练好的臀部区域与肩胛区域检测模型,输出受试者图像臀部区域的矩形检测框与肩胛区域的矩形检测框;
[0070]
步骤2-2:如果臀部区域的矩形检测框中心与肩胛区域的矩形检测框中心两点之间连线与步骤0标定的仰卧板边缘线之间夹角小于20度,则认定为受试者躺在仰卧板上,做好了仰卧起坐准备;否则,认定为未做好准备。
[0071]
步骤3:随后所述控制器控制喇叭语音提示受试者开始仰卧起坐,同时启动计时模块进行计时;
[0072]
步骤4:然后所述控制器从摄像头实时传送来的受试者图像中确定受试者的手是否抱着头且手肘是否碰到膝盖;
[0073]
所述步骤4具体包括:
[0074]
步骤4-1:基于计算机视觉关节点检测方法,将受试者图像输入到预先训练好的膝关节与手肘关节检测模型,输出受试者图像膝关节的矩形检测框与手肘关节的矩形检测框;
[0075]
步骤4-2:基于计算机视觉目标检测方法,将受试者图像输入到预先训练好的头部区域检测模型,输出受试者图像头部区域的矩形检测框;
[0076]
步骤4-3:如果膝关节的矩形检测框与手肘关节的矩形检测框存在重叠,则认定为手肘碰到膝盖;否则,认定为手肘未碰到膝盖;
[0077]
步骤4-4:如果头部区域的矩形检测框与手肘关节的矩形检测框存在重叠,则认定为手抱着头;否则,认定为手未抱着头。
[0078]
步骤5:如果受试者的手未抱着头且手肘未碰到膝盖,所述控制器控制喇叭语音提示受试者违规并终止后续的仰卧起坐评判;
[0079]
步骤6:如果受试者的手未抱着头且手肘碰到膝盖,所述控制器控制喇叭语音提示受试者违规并终止后续的仰卧起坐评判;
[0080]
步骤7:如果受试者的手一直抱着头且手肘碰到膝盖,所述控制器判断计时模块的计时值是否超过预设规定的时间,如果没超过预设规定的时间,就让整型计数变量的值增一,并转到步骤8执行,如果超过预设规定的时间,就转到步骤9执行;
[0081]
步骤8:随后所述控制器从摄像头实时传送来的受试者图像中确定受试者是否躺在仰卧板上,如果是躺在仰卧板上,就转到步骤4中执行;
[0082]
所述步骤8具体包括:
[0083]
步骤8-1:基于计算机视觉目标检测方法,将受试者图像输入到预先训练好的臀部区域与肩胛区域检测模型,输出受试者图像臀部区域的矩形检测框与肩胛区域的矩形检测框;
[0084]
步骤8-2:如果臀部区域的矩形检测框中心与肩胛区域的矩形检测框中心两点之间连线与步骤0标定的仰卧板边缘线之间夹角小于20度,则认定为受试者躺在仰卧板上;否则,认定为未躺在仰卧板上。
[0085]
基于计算机视觉目标检测方法,肘关节、膝关节、肩胛区域或者头部区域检测模型
训练算法具体实现方法,包括:
[0086]
步骤a-1:收集仰卧起坐的训练视频,提取视频帧得到图像集x;
[0087]
步骤a-2:使用labelme标注平台对图像集x标注出受试者的肘关节、膝关节、肩胛区域或头部区域,获得肘关节、膝关节、肩胛区域或头部区域类别标签分别为y1,y2,y3或y4及肘关节、膝关节、肩胛区域或头部区域边框标签b1,b2,b3或b4;
[0088]
步骤a-3:使用大规模目标检测数据集coco上训练好的yolov5深度神经网络模型作为肘关节、膝关节、肩胛区域或头部区域检测模型,以仰卧起坐的训练图像数据集x作为输入,肘关节、膝关节、肩胛区域或头部区域类别标签,即y1,y2,y3或y4和边框标签,即b1,b2,b3或b4作为预测目标;
[0089]
步骤a-4:构建目标检测损失函数,具体如下:
[0090][0091]
其中,l1表示类别的交叉熵分类损失函数,l2表示目标框的均方误差回归损失函数,f表示目标检测模型,xi表示第i个训练图像,yi表示第i个图像的目标类别,bi表示第i个图像的目标框,n表示图像数量;
[0092]
步骤a-5:基于随机梯度下降,端到端地运用目标检测损失函数对肘关节、膝关节、肩胛区域或头部区域检测模型的参数迭代式更新,得到训练好的肘关节、膝关节、肩胛区域或头部区域检测模型。
[0093]
步骤9:所述控制器就将整型计数变量的值作为仰卧起坐评判结果传送到显示屏上显示,并通过喇叭语音提示受试者仰卧起坐测试结束。
[0094]
以上以用实施例说明的方式对本发明作了描述,本领域的技术人员显而易见的是,本公开不限于以上描述的实施例,在不偏离本发明的范围的状态下,能够做出各种变动、改变和替换。