动作评分方法、装置及可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112597933A(43)申请公布日2021.04.02(21)申请号202011589442.6G06F16/36(2019.01)(22)申请日2020.12.29G06N3/04(2006.01)G06N3/08(2006.01)(71)申请人咪咕互动娱乐有限公司G06Q10/06(2012.01)地址210041江苏省南京市建邺区雨润大街88-1号申请人咪咕文化科技有限公司中国移动通信集团有限公司(72)发明人张晓飞徐廷辉金炜盖之慧秦菊(74)专利代理机构北京银龙知识产权代理有限公司11243代理人许静曹娜(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)权利要求书2页说明书10页附图3页(54)发明名称动作评分方法、装置及可读存储介质(57)摘要本发明提供了一种动作评分方法、装置及可读存储介质，解决目前的线上健身教学方式无法使用户及时的了解自身的健身动作是否标准的问题。其方法包括：基于参照动作数据，生成用户动作序列，所述参照动作数据中包括：按照预设规则形成的参照动作序列；将所述用户动作序列与所述参照动作数据中的参照动作序列进行语义匹配，获取语义匹配结果；基于所述语义匹配结果，输出动作评分结果。通过将生成的用户动作序列与参照动作序列进行语义匹配，根据匹配结果进行动作打分，使得用户通过对动作的评分，能够及时的了解健身动作是否标准，以此实现了对用户健身动作的指导，提高了用户健身动作的准确性，进而提升了用户健身积极性。CN112597933ACN112597933A权利要求书1/2页1.一种动作评分方法，其特征在于，包括：基于参照动作数据，生成用户动作序列，所述参照动作数据中包括：按照预设规则形成的参照动作序列；将所述用户动作序列与所述参照动作数据中的参照动作序列进行语义匹配，获取语义匹配结果；基于所述语义匹配结果，输出动作评分结果。2.根据权利要求1所述的动作评分方法，其特征在于，所述基于参照动作数据，生成用户动作序列，包括：基于参照动作数据中的构成参照动作序列的参照关键点，提取用户图像帧中的关键点信息；根据所述关键点信息，生成用户动作序列。3.根据权利要求2所述的动作评分方法，其特征在于，所述根据所述关键点信息，生成用户动作序列，包括：根据所述关键点信息，确定用户图像帧中的用户姿态信息，所述用户姿态信息包括至少一个部位，所述部位包括至少一个关键点；根据所述用户姿态信息，确定用户动作序列，所述用户动作序列包括多个用户姿态的排列关系。4.根据权利要求1所述的动作评分方法，其特征在于，所述将所述用户动作序列与所述参照动作数据中的参照动作序列进行语义匹配，获取语义匹配结果，包括：确定所述用户动作序列对应的动作语义；遍历参照动作数据中的参照动作序列，确定所述参照动作序列中是否存在与所述动作语义匹配的关系路径，获取语义匹配结果；其中，所述关系路径为同一动作中的至少两个姿态间的排列关系。5.根据权利要求4所述的动作评分方法，其特征在于，所述基于所述语义匹配结果，输出动作评分结果，包括：若所述语义匹配结果为参照动作序列中存在与所述动作语义匹配的关系路径，则对所述动作语义对应的用户动作进行评分，并输出动作评分结果。6.根据权利要求5所述的动作评分方法，其特征在于，所述对所述动作语义对应的用户动作进行评分，并输出动作评分结果，包括：根据所述动作语义，确定用于进行评分的目标姿态信息；根据所述目标姿态信息，对所述动作语义对应的用户动作进行评分，并输出动作评分结果。7.根据权利要求1所述的动作评分方法，其特征在于，所述参照动作数据的获取方式，包括：在基于Python及MobileNet神经网络模型的环境下，根据实时输入的来源于参照动作的视频数据，生成参照关键点信息；根据运动姿态特征，由所述参照关键点信息确定部位语义候选集，所述部位语义候选集包括：参照关键点组成的部位和部位状态，所述部位状态由参照关键点之间的角度确定；根据所述部位语义候选集，生成参照动作数据；2CN112597933A权利要求书2/2页其中，所述参照动作数据的实体包括：部位、姿态和动作，所述实体间的语义关系包括：多个部位构成姿态以及多个姿态构成动作。8.根据权利要求1所述的动作评分方法，其特征在于，在所述基于所述语义匹配结果，输出动作评分结果之后，还包括：根据每个动作的动作评分结果，确定用户连续动作的得分。9.一种动作评分装置，其特征在于，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的动作评分方法的步骤。10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机