(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211315047.8 (22)申请日 2022.10.26 (71)申请人 天津科技大 学 地址 300000 天津市滨 海新区经济技 术开 发区第十三大街9号 申请人 思腾合力 （天津） 科技有限公司 (72)发明人 可婷　李哲栋　王伟　王波　 张传雷　李建荣　 (74)专利代理 机构 天津合正知识产权代理有限 公司 12229 专利代理师 李成运 (51)Int.Cl. G06V 40/20(2022.01) G06V 40/10(2022.01) G06V 10/82(2022.01)G06V 10/764(2022.01) G06T 7/73(2017.01) (54)发明名称 基于BlazePose的健身动作识别方法及装置 (57)摘要 本发明提出一种基于Blaz ePose的健身动作 识别方法及装置， 基于BlazePose轻量级卷积神 经网络对图像进行人体姿态估计， 得到图像中用 户在进行健身时的关节点位置信息； 将关节点位 置信息转换为特征向量， 基于KNN分类提取当前 运动类别； 通过角度分析与距离阈值判断检测用 户在当前运动类别的姿态准确与否， 并根据结果 反馈动作改进建议。 本发明能够自动分析运动动 作， 准确检测运动错误姿势提高健身效率， 降低 用户因动作不标准所导 致肌肉拉伤的风险性。 权利要求书2页 说明书9页 附图7页 CN 115393964 A 2022.11.25 CN 115393964 A 1.一种基于BlazePose的健身动作识别方法， 其特 征在于， 包括： S1、 基于Bl azePose轻量级卷积神经网络对图像进行人体姿态估计， 得到图像中用户在 进行健身时的关节点 位置信息； S2、 将关节点 位置信息转换为特 征向量， 基于KN N分类提取当前运动类别； S3、 通过角度分析与距离阈值判断检测用户在当前运动类别的姿态准确与否， 并根据 结果反馈动作改进建议。 2.根据权利要求1所述的基于BlazePose的健身动作识别方法， 其特征在于， 步骤S1所 述人体姿态估计具体包括： 将图像输入到BlazePose轻量级卷积神经网络结构中， 得到图像坐标系下各个关节点 坐标信息， 每个 关节点信息表 示为 （x,y,z,v） ； 其中x和y表示为在图像坐标系下关节 点归一 化的坐标位置； z表示以胯部中点深度为原点的关节点深度； v表示关节点可 见的可能性 值。 3.根据权利要求1所述的基于BlazePose的健身动作识别方法， 其特征在于， 步骤S2所 述将关节点 位置信息转换为特 征向量包括： 将人体左胯与右胯的中心点视为人体中心点， 人体中心点到左肩与右肩的中心点距离 视为人体躯干尺寸； 然后基于人体中心点初始化每个关节点的相对位置， 将每个关节点与 人体中心点的相对距离作为特征的一部 分， 按人体关节关联性规则提取关节之 间的成对距 离作为特 征的另一部分。 4.根据权利要求1所述的基于BlazePose的健身动作识别方法， 其特征在于， 步骤S2所 述基于KN N分类提取当前运动类别包括： 将每类运动， 划分为开始姿势和完成姿势两种类别， 即n类运动有2n种姿势类别； 挑选 每类运动的开始姿势图片与完成姿势图片， 将 图片通过步骤S1得到相应的关节点位置信 息， 再将关节点位置信息转化为特征向量作为KNN算法分类器的输入特征， 通过K折交叉验 证法确定K值， 训练得到运动分类模型； 当新的运动姿势样本对 象需要分类时， 通过运动分 类模型， 选择 K个样本中出现最多的类别记为当前运动类别。 5.根据权利要求1所述的基于BlazePose的健身动作识别方法， 其特征在于， 步骤S3中 所述检测用户在当前运动类别的姿态准确与否， 包括常态化检测与标准化检测， 其中常态 化检测指检测在整个的运动过程中躯体是否标准， 标准化检测指检测动作完成度整体是否 达标； 当KNN分类结果为当前运动类别的完成姿势的置信度达到极值时， 进行标准化检测； 所述常态化检测与标准化检测通过角度分析与 距离阈值判断进行检测， 其中角度与 距离阈 值为当前运动类别的运动标准。 6.一种基于BlazePose的健身动作识别装置， 其特 征在于， 包括： 人体姿态估计模块， 基于BlazePose轻量级卷积神经网络对图像进行人体姿态估计， 得 到图像中用户在进行健身时的关节点 位置信息； 提取运动类别 模块， 将关节点位置信息转换为特征向量， 基于KNN分类提取当前运动 类 别； 姿态分析模块， 通过角度分析与距离阈值判断检测用户在 当前运动类别的姿态准确与 否， 并根据结果反馈动作改进建议。 7.根据权利要求6所述的基于BlazePose的健身动作识别装置， 其特征在于， 所述人体 姿态估计模块包括：权　利　要　求　书 1/2 页 2 CN 115393964 A 2将图像输入到BlazePose轻量级卷积神经网络结构中， 得到图像坐标系下各个关节点 坐标信息， 每个 关节点信息表 示为 （x,y,z,v） ； 其中x和y表示为在图像坐标系下关节 点归一 化的坐标位置； z表示以胯部中点深度为原点的关节点深度； v表示关节点可 见的可能性 值。 8.根据权利要求6所述的基于BlazePose的健身动作识别装置， 其特征在于， 所述提取 运动类别模块包括： 将人体左胯与右胯的中心点视为人体中心点， 人体中心点到左肩与右肩的中心点距离 视为人体躯干尺寸； 然后基于人体中心点初始化每个关节点的相对位置， 将每个关节点与 人体中心点的相对距离作为特征的一部 分， 按人体关节关联性规则提取关节之 间的成对距 离作为特 征的另一部分。 9.根据权利要求6所述的基于BlazePose的健身动作识别装置， 其特征在于， 所述提取 运动类别模块还 包括： 将每类运动， 划分为开始姿势和完成姿势两种类别， 即n类运动有2n种姿势类别； 挑选 每类运动的开始姿势图片与完成姿势图片， 将 图片通过步骤S1得到相应的关节点位置信 息， 再将关节点位置信息转化为特征向量作为KNN算法分类器的输入特征， 通过K折交叉验 证法确定K值， 训练得到运动分类模型； 当新的运动姿势样本对 象需要分类时， 通过运动分 类模型， 选择 K个样本中出现最多的类别记为当前运动类别。 10.根据权利 要求6所述的基于BlazePose的健身动作识别 装置， 其特征在于， 所述姿态 分析模块， 包括常态化检测与标准化检测， 其中常态化检测指检测在整个的运动过程中躯 体是否标准， 标准化检测指 检测动作完成度整体是否达标； 当KNN分类结果为当前运动类别 的完成姿势的置信度达到极值时， 进行标准化检测； 所述常态化检测与标准化检测 通过角 度分析与距离阈值判断进行检测， 其中角度与距离阈值 为当前运动类别的运动标准。权　利　要　求　书 2/2 页 3 CN 115393964 A 3