(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 202210300103.4 (22)申请日 2022.03.25 (71)申请人 中国人民解 放军国防科技大 学 地址 410073 湖南省长 沙市开福区德雅路 109号 (72)发明人 孙国庆　林忠伟　王成　郑超　 安蓓　兰志林　刘阔　张前　 (74)专利代理 机构 中国和平利用军工技 术协会 专利中心 1 1215 专利代理师 刘光德 (51)Int.Cl. G06V 40/20(2022.01) G06V 20/40(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种用于跑步姿态 识别的方法和系统 (57)摘要 本发明提出一种用于跑步姿态识别的方法 和系统。 包括： 由位于不同位置上的多个数据采 集装置， 采集多组包含跑步者的跑步姿态的视频 数据， 作为待识别数据； 对所述待识别数据进行 预处理， 以从所述待识别数据中获取经归一化的 关键帧数据； 利用卷积神经网络， 从所述经归一 化的关键帧数据中确定所述跑步者的关节特征 信息， 所述 关节特征信息为所述经归一化的关键 帧数据中的所述跑步者的各个关节的位置信息； 根据所述各个 关节的位置信息， 有序连接所述各 个关节， 以从经有序连接的关节线图中确定有效 夹角； 通过计算所述有效夹角与标准姿态夹角之 间的差值， 确定所述跑步者的跑步姿态与标准跑 步姿态之间的相似度， 所述相似度用于纠正所述 跑步者的跑步姿态。 权利要求书3页 说明书11页 附图5页 CN 114639168 A 2022.06.17 CN 114639168 A 1.一种用于跑步姿态 识别的方法， 其特 征在于， 所述方法包括： 步骤S1、 由位于不同位置上的多个数据采集装置， 采集多组包含跑步者的跑步姿态 的 视频数据， 作为待识别数据； 步骤S2、 对所述待识别数据进行预处理， 以从所述待识别数据中获取经归一化的关键 帧数据； 步骤S3、 利用卷积神经网络， 从所述经归一化的关键帧数据中确定所述跑步者的关节 特征信息， 所述关节特征信息为所述经归一化的关键帧数据中的所述跑步者的各个关节的 位置信息； 步骤S4、 根据所述各个关节的位置信 息， 有序连接所述各个关节， 以从经有序 连接的关 节线图中确定有效夹角， 所述有效夹角通过以下 方式描述： 第一关节与第二关节通过第一线段连接， 所述第二关节与第三关节通过第二线段连 接， 所述第一线段与所述第二线段构成的小于180度的角被确定为所述有效夹角； 步骤S5、 通过计算所述有效夹角与标准姿态夹角之间的差值， 确定所述跑步者的跑步 姿态与标准跑步姿态之间的相似度， 所述相似度用于纠正所述跑步 者的跑步姿态。 2.根据权利要求1所述的一种用于跑步姿态 识别的方法， 其特 征在于， 其中： 所述多个数据采集装置安装于跑道边的支架上， 所述支架与所述跑道边的滑道连接， 当所述跑步者处于跑动状态时， 所述支架跟踪采集所述包含跑步者的跑步姿态的视频数 据， 所述支架包含位于不同高度上 的支架结构， 各个支架结构上安装有若干个从不同角度 采集所述视频 数据的数据采集装置 。 3.根据权利要求2所述的一种用于跑步姿态识别的方法， 其特征在于， 所述步骤S2具体 包括： 以固定采样的方式对所述待识别数据进行采样处 理， 以获取采样帧集 合； 从所述采样帧集 合中提取包 含至少一个完整跑步动作的若干连续帧； 对所述若干连续帧中的每一帧进行傅里叶变换和高斯滤波， 并利用统计平均的方法对 所述每一帧进行归一 化处理。 4.根据权利要求3所述的一种用于跑步姿态识别的方法， 其特征在于， 所述卷积神经网 络包括四个卷积层、 两个池化层、 一个全连接层， 所述 步骤S3具体包括： 利用第一卷积层， 通过设置时域信息卷积步长和 空间信息卷积步长， 将所述经归一化 的关键帧数据转换为灰度图； 利用第一池化层从所述灰度图中提取权 重大于第一阈值的图像特 征； 利用第二、 三、 四对所述权 重大于第一阈值的图像特 征进行升维处 理； 利用第二池化层对经升维处理 的图像特征进行二 次升维处理， 以输出经二 次升维处理 的图像特 征； 利用全连接层对所述经二次升维处理的图像特征中确定所述经归一化的关键帧数据 中的各个关节； 利用损失函数提取 所述各个关节的坐标值作为所述关节特 征信息； 其中， 在所述 二次升维处 理中： 获取所述经升维处理 的图像特征在分辨率上的多尺度表示的子网， 对于所述多尺度表 示的子网中的每 个子网， 依次串行 连接所述子网中的特 征；权　利　要　求　书 1/3 页 2 CN 114639168 A 2在深度进程上从高分辨率到低分辨率依次并行连接各个尺度表示子网； 具体包括： 第i 层子网中的第j 个特征与第i +1层子网中的第 j+1个和第j+2个特征融合后被馈送至所述第i 层子网中的第j+4个特征， 1≤i≤M， M表 示从所述高分辨率到所述低分辨率依次排列的所述 多尺度表示的子网的层数， 1≤j≤N， N表示所述没层子网中的特 征数。 5.根据权利要求4所述的一种用于跑步姿态识别的方法， 其特征在于， 在所述步骤S4 中， 利用如下公式计算所述有效夹角： 其中， 为所述第一关节的坐标， 为所述第二关节的坐标， 为所 述第三关节的坐标。 6.根据权利要求5所述的一种用于跑步姿态识别的方法， 其特征在于， 在所述步骤S5 中， 当所述相似度大于第二阈值时， 判定所述跑步者的跑步姿态为标准姿态； 当所述相似度 不大于所述第二阈值时， 判定所述跑步 者的跑步姿态为非标准姿态， 并生成纠正 提示信息。 7.根据权利要求6所述的一种用于跑步姿态识别的方法， 其特征在于， 所述方法还包括 步骤S6， 利用修正相似度来对所述跑步者的关节运动进行评估， 所述修正相似度 由以下公 式来描述： 其中， 表示所述经有序连接的关节线图中的有效夹角的集合， 表示 所述有效夹角的个数， 表示所述经有序连接的关节线图中的各个有效夹角的平均有效 夹角， 表示与所述经有序 连接的关节线图对应的标准关节线图中的所述 标准姿态夹角的集 合， 表示各个标准有效夹角的平均有效夹角； 当所述修正相似度大于第三阈值时， 判定所述跑步者的跑步姿态为标准姿态； 当所述 修正相似度不大于所述第三阈值时， 判定所述跑步者的跑步姿态为非标准姿态， 并生成纠 正提示信息。 8.一种用于跑步姿态 识别的系统， 其特 征在于， 所述系统包括： 第一处理单元， 被配置为， 调用位于不同位置上的多个数据采集装置， 采集多组包含跑 步者的跑步姿态的视频 数据， 作为待识别数据； 第二处理单元， 被配置为， 对所述待识别数据进行预处理， 以从所述待识别数据中获取 经归一化的关键帧数据； 第三处理单元， 被配置为， 利用卷积神经网络， 从所述经归一化的关键帧数据中确定所 述跑步者的关节特征信息， 所述关节特征信息为所述经归一化的关键帧数据中的所述跑步 者的各个关节的位置信息； 第四处理单元， 被配置为， 根据所述各个关节 的位置信息， 有序连接所述各个关节， 以 从经有序连接的关节线图中确定有效夹角， 所述有效夹角通过以下 方式描述： 第一关节与第二关节通过第一线段连接， 所述第二关节与第三关节通过第二线段连权　利　要　求　书 2/3 页 3 CN 114639168 A 3