(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210855742.7 (22)申请日 2022.07.21 (65)同一申请的已公布的文献号 申请公布号 CN 114937230 A (43)申请公布日 2022.08.23 (73)专利权人 海门市三德体 育用品有限公司 地址 226000 江苏省南 通市海门市余 东镇 木桩村 (72)发明人 郑小琴　丁文芹　 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/762(2022.01) G06V 10/25(2022.01) 审查员 李慧 (54)发明名称 一种基于计算机视觉的健身动作危险性评 估方法及系统 (57)摘要 本发明涉及计算机视觉技术领域， 具体涉及 一种基于计算机视觉的健身动作危险性评估方 法及系统， 该方法首先提取出感兴趣区域， 检测 感兴趣区域中的关键点， 由关键点构建特征多面 体； 获取特征多面体的特征值， 根据特征值和特 征多面体对应的健身视频图像帧数构建特征矩 阵； 计算特征矩阵对应的第一异常特征值、 第二 异常特征值和第三异常特征值， 大于预设异常阈 值的第三异常特征值为异常特征值； 对异常特征 值进行聚类得到多个异常类别， 得到异常特征值 的离散程度和密度； 根据离散程度和密度得到健 身人员动作的危害程度。 本发明利用健身人员的 特征多面体的特征值变化获得异常特征值， 达到 了提高其对健身动作危害程度评估的可靠性的 目的。 权利要求书2页 说明书8页 附图1页 CN 114937230 B 2022.10.04 CN 114937230 B 1.一种基于计算机视觉的健身动作危险性评估方法， 其特征在于， 该方法包括以下步 骤： 采集多帧健身视频图像， 提取 出健身人员和健身器械作为感兴趣区域； 检测所述感兴趣区域中的关键点， 由所述关键点构建特征多面体； 获取所述特征多面 体的特征值， 所述特征值包括边数、 面数和凸性； 根据所述特征值和特征多面体对应的健身 视频图像 帧数构建特征矩阵； 所述特征矩阵的列为三个所述特征值， 行为所述特征多面体 对应的健身视频图像帧数； 所述特征矩阵的行划分为多个周期， 计算每个周期内所述特征矩阵每列的排列熵， 相 邻周期中每列的排列 熵的差值的绝对值作为第一异常特征值； 计算相 邻行所述特征值之间 的关联特征值， 每个相邻周期同一位置处的所述关联特征值的差值的绝对值作为第二异常 特征值； 所述第一异常特征值和所述第二异常特征值相加得到第三异常特征值， 大于预设 异常阈值的第三异常特 征值为异常特 征值； 根据所述异常特征值在特征矩阵中的行列数对所述异常特征值进行聚类得到多个异 常类别， 由异常类别得到所述异常特征值的离散程度和密度； 根据所述离散程度和所述密 度得到健身人员动作的危害程度； 其中， 由所述关键点构建特征多面体的方法为： 所述关键点包括健身人员关键点和健 身器械关键点； 对健身视频图像进行连续帧光流分析， 获取每 帧健身视频图像中所述关键 点对应的光流信息； 选取所述健身人员关键点中的头部关键点、 膝部关键点和腰部关键点 作为聚类中心点， 根据各关键点的距离对所述关键点进行聚类得到三个关键点类别； 基于 三个关键点类别， 将有光流信息的关键点所在的关键点类别作为 目标关键点类别； 由所述 目标关键点类别中的关键点构建特 征多面体。 2.根据权利要求1所述的一种基于计算机视觉的健身动作危险性评估方法， 其特征在 于， 所述检测所述 感兴趣区域中的关键点的关键点检测网络为： OpenPose网络或者3D  Pose 网络。 3.根据权利要求1所述的一种基于计算机视觉的健身动作危险性评估方法， 其特征在 于， 所述构建特征多面体的方法为： 各所述关键点均与相邻的关键点两两相连构建特征多 面体。 4.根据权利要求1所述的一种基于计算机视觉的健身动作危险性评估方法， 其特征在 于， 所述特 征矩阵的行划分为多个周期， 包括： 对特征矩阵的行进行任意划分周期得到多个周期序列， 获取每个周期序列对应的排列 熵； 迭代选取最优目标排列熵， 以目标排列熵对应的周期序列中元素的数量为周期对特征 矩阵的行划分为多个周期。 5.根据权利要求1所述的一种基于计算机视觉的健身动作危险性评估方法， 其特征在 于， 所述计算相邻行 所述特征值之间的关联 特征值， 包括： 计算每行边数和面数之差作为第 一特征值差、 边数和凸性之差作为第 二特征值差以及 面数和凸性之差作为第三特征值差； 计算相邻两行第一特征值差的差值、 第二特征值差的 差值和第三特 征值差的差值的均值作为所述关联 特征值。 6.根据权利要求1所述的一种基于计算机视觉的健身动作危险性评估方法， 其特征在权　利　要　求　书 1/2 页 2 CN 114937230 B 2于， 所述由异常类别得到所述异常特 征值的离 散程度和密度， 包括： 获取异常特征值的数量作为第一数量， 所述异常类别中包括多个离散点和多个异常 簇； 对于所述离散点， 获取离散点到各异常簇中心点的最小距离， 各离散点对应的所述最 小距离之和作为所述离 散程度； 对于所述异常簇， 获取异常簇内异常特征值的数量作为第二数量， 所述第二数量和所 述第一数量的比值作为所述密度。 7.根据权利要求1所述的一种基于计算机视觉的健身动作危险性评估方法， 其特征在 于， 所述根据所述离 散程度和所述密度得到健身人员动作的危害程度， 包括： 所述离散程度和预设距离约束系数相乘得到第一 危害程度； 所述第一 危害程度和所述密度之和为 危害程度。 8.一种基于计算机视觉的健身动作危险性评估系统， 包括存储器、 处理器以及存储在 所述存储器中并可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述 计算机程序时实现如权利要求1~7任意一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114937230 B 3