www.久久久久|狼友网站av天堂|精品国产无码a片|一级av色欲av|91在线播放视频|亚洲无码主播在线|国产精品草久在线|明星AV网站在线|污污内射久久一区|婷婷综合视频网站

當前位置：首頁 > 公眾號精選 > AI科技大本營

Python?搭建?AI?健身評分系統(tǒng)

時間：2021-10-21 14:38:58
關鍵字： AI   
手機看文章

掃描二維碼
隨時隨地手機看文章

[導讀]作者|李秋鍵來源|AI科技大本營（ID:rgznai100）引言人工智能作為計算機科學的一個分支,其主要是將人的思維與計算機網(wǎng)絡相結合,令整個系統(tǒng)在對某一類事物進行處理時實現(xiàn)人工智能化分析,然后結合內(nèi)部程序的設定,分析出當前事務處理所具備的各類功能如何實現(xiàn)。人工智能作為一項綜合性...

Python?搭建?AI?健身評分系統(tǒng)


作者|李秋鍵來源|AI科技大本營（ID:rgznai100）


Python?搭建?AI?健身評分系統(tǒng)引言人工智能作為計算機科學的一個分支,其主要是將人的思維與計算機網(wǎng)絡相結合,令整個系統(tǒng)在對某一類事物進行處理時實現(xiàn)人工智能化分析,然后結合內(nèi)部程序的設定,分析出當前事務處理所具備的各類功能如何實現(xiàn)。人工智能作為一項綜合性學科,其在發(fā)展過程中可分為低級、中級、高級三個階段,通過技術體系的逐步更新,人們將思維意識與計算機網(wǎng)絡系統(tǒng)形成深度融合,利用人工智能體系在社會事務處理中實現(xiàn)智能化轉變,以此來達到人力資源節(jié)約的效果。


將人工智能與體育產(chǎn)業(yè)的融合是指通過智能化體系的融合,體育產(chǎn)業(yè)以及其關聯(lián)行業(yè)在發(fā)展過程中可對數(shù)據(jù)信息進行精準分辨,尤其是在大數(shù)據(jù)發(fā)掘技術的作用下,各類工作機制的建設可通過行業(yè)領域業(yè)務拓展實現(xiàn)技術性融合。然而,從現(xiàn)階段實際應用趨勢來看,人工智能與體育產(chǎn)業(yè)的融合無法得到有效基準的制定,這就造成相關職能部門在制定規(guī)范制度時,無法將人工智能與體育產(chǎn)業(yè)進行深度分析,令制度本身缺乏有效監(jiān)管性。除此之外,體育產(chǎn)業(yè)作為綜合型項目,人工智能體系的應用,無法覆蓋到整個體育產(chǎn)業(yè)鏈中,只要造成體育項目在實際開展中無法形成合理、科學性的基準,進而令地區(qū)體育項目的發(fā)展無法達成一致,在一定程度上,將令體育產(chǎn)業(yè)形成以地區(qū)為主導的滯后性發(fā)展現(xiàn)象。


本項目使用姿態(tài)估計技術，提取人體關鍵點后，對不同人體肢節(jié)進行組合，實時評估骨骼向量角數(shù)據(jù)，并根據(jù)人體向量角數(shù)據(jù)與建立好的標準動作比對，給出各肢體評分，和總評分。在這里我們以舉啞鈴動作為例，搭建我們的智能健身評分系統(tǒng)：


Python?搭建?AI?健身評分系統(tǒng)



Python?搭建?AI?健身評分系統(tǒng)1、系統(tǒng)使用本系統(tǒng)主要使用的人體姿態(tài)估計技術。需要用到的知識點有openpose姿態(tài)估計算法、向量角組合和計算，評估準則的判定。


1.1 openpose姿態(tài)估計


Open Pose實時姿態(tài)監(jiān)測估計算法是由卡內(nèi)基梅隆大學的一個團隊最先提出的。此算法使用一種叫做人體關鍵點親和域的方法連接人體關鍵點。圖中的網(wǎng)絡結構分支1的S1代表一組關鍵點，分支2的Ll代表連接這些關鍵點的親和向量。重復此步，可以得到一個所有2D關鍵點的集合S和關鍵點相關度的向量集合L，再根據(jù)相關度連接將得到一個近似度高的棍型圖。所采用的數(shù)據(jù)集是COCO和MPI，并且收集了試驗者執(zhí)行的不同活動并與計算機相關聯(lián)，既能檢測人體，也能感知到周圍環(huán)境中的信息。


Open Pose提供了23個精確的身體部位，包括肩膀、肘部、手腕、臀部、膝蓋、腳踝等。為了減少數(shù)據(jù)集的冗余，系統(tǒng)參考不同身體關節(jié)的視覺效應，根據(jù)人體結構和運動特征將關節(jié)分成不同的組，并給每個關節(jié)分配不同的權重。


1)面部五官:面部關節(jié)分布集中密集，活動范圍小。它們很少表現(xiàn)出明顯的獨立運動。


2)軀干關節(jié):軀干關節(jié)包括肩關節(jié)、脊椎中心和臀部，它們體現(xiàn)了身體運動位移的主要趨勢，是連接身體和四肢的樞紐。


3)一級關節(jié):一級關節(jié)包括肘關節(jié)和膝關節(jié)，包含大量關于四肢動作的信息。當身體旋轉和彎曲時，它在視覺上相對軀干關節(jié)有更重要的作用。


4)二級連接:二級連接部位包括手腕和腳踝。手腕和踝關節(jié)比肘關節(jié)和膝蓋點延伸得更長，給人留下更加明顯的視覺印象。


5)三級連接:三級點包含右手、右臀、右腳、左手、左臀和左腳。手和腳是手腕和腳踝的延伸，沒有明顯的視覺印象。


Python?搭建?AI?健身評分系統(tǒng)



1.2標準動作


在這里我們設置標準動作如下：


Python?搭建?AI?健身評分系統(tǒng)


作為標準動作，統(tǒng)計出各個骨骼關鍵點坐標，并根據(jù)不同骨骼坐標點組合形成向量角，并計算不同關節(jié)之間的向量角作為標準。


1.3評估標準


對攝像頭視頻流或者本地視頻流數(shù)據(jù)實時計算各個關鍵點角度，并逐一對比，并可視化。計算公式按照歐氏距離做出最簡單評估即可。


Python?搭建?AI?健身評分系統(tǒng)




Python?搭建?AI?健身評分系統(tǒng)2、模型實驗2.1 環(huán)境搭建


1、首先下載好完整無誤配置好的代碼（包括模型等等，見文末）。


2、整個多目標動作監(jiān)測系統(tǒng)的搭建主要是依賴于openpose的姿態(tài)識別環(huán)境。而openpose的基本環(huán)境依賴于python，CUDA和swig的支持，其中python是作為openpose的代碼編寫和運行工具，CUDA作為調用顯卡訓練測試的必須軟件需要和python版本有一定的關系，swig目的在于給openpose編譯環(huán)境。根據(jù)openpose官方提供的cmu模型、mobilenet_thin模型、mobilenet_v2_large模型和mobilenet_v2_small模型的評價，我們選擇了cmu模型作為姿態(tài)識別的調用模型，主要原因在于cmu具有更高一些的識別精度。


Openpose的調用在這里通過調用其中設定好的主函數(shù)即可，其中包括模型加載程序、調用程序以及Estimator評估等等。


3、配置好python的cuda環(huán)境，以及opencv、pyqt5等基礎環(huán)境。


4、運行GUI.py主界面，點擊按鈕即可。


2.2 姿態(tài)估計


這里設置默認的標準動作位為'Standard/1.jpg'，默認使用模型為cmu模型。按照標準的姿態(tài)估計配置，設置代碼如下：


parser = argparse.ArgumentParser(description='tf-pose-estimation run')parser.add_argument('--image', type=str, default='Standard/1.jpg')parser.add_argument('--model', type=str, default='cmu', help='cmu / mobilenet_thin / mobilenet_v2_large / mobilenet_v2_small')parser.add_argument('--resize', type=str, default='0x0', help='if provided, resize images before they are processed. ' 'default=0x0, Recommends : 432x368 or 656x368 or 1312x736 ')parser.add_argument('--resize-out-ratio', type=float, default=4.0, help='if provided, resize heatmaps before they are post-processed. default=1.0')args = parser.parse_args()w, h = model_wh(args.resize)if w == 0 or h == 0: e = TfPoseEstimator(get_graph_path(args.model), target_size=(432, 368))else: e = TfPoseEstimator(get_graph_path(args.model), target_size=(w, h))


2.3角度計算


計算需要使用到的關節(jié)角度，分別為右鍵、右手臂、左鍵、左手臂。代碼如下：


image1 = TfPoseEstimator.draw_humans(image, humans, imgcopy=True)cv2.imwrite("../img1.jpg", image1)f = open("../img1.txt", 'w')f.close()line = Vector([0, 100])'''角度'''try: # 右肩5 RShoulder = Vector(list_sub(skeleton[5], skeleton[6])) RShoulder_angel = line.angle_with(RShoulder) Angels[5]=str(round(RShoulder_angel,1)) "°" # 右手臂6 RElbow = Vector(list_sub(skeleton[6], skeleton[7])) RElbow_angel = line.angle_with(RElbow) Angels[6] = str(round(RElbow_angel, 1)) "°" # 左肩3 LShoulder = Vector(list_sub(skeleton[2], skeleton[3])) LShoulder_angel = line.angle_with(LShoulder) Angels[2] = str(round(LShoulder_angel, 1)) "°" # 左手臂4 LElbow = Vector(list_sub(skeleton[3], skeleton[4])) LElbow_angel = line.angle_with(LElbow) Angels[3] = str(round(LElbow_angel, 1)) "°" state=Trueexcept: pass


2.4 評分可視化


在獲取到角度值后，設置各個角度評分為(1 - abs((RShoulder_angel - Standard[i]) / Sum_Standard)) * 100，即最高分為100分，最低分為0分。其中標準對比值由標準動作自行計算，放入數(shù)組即可，代碼如下：


if state: '''評分''' Standard = [150, 10, 150, 10] Sum_Standard = sum(Standard) Score1 = (1 - abs((RShoulder_angel - Standard[0]) / Sum_Standard)) * 100 Score2 = (1 - abs((RElbow_angel - Standard[1]) / Sum_Standard)) * 100 Score3 = (1 - abs((LShoulder_angel - Standard[2]) / Sum_Standard)) * 100 Score4 = (1 - abs((LElbow_angel - Standard[3]) / Sum_Standard)) * 100 Avg_Score=(Score1 Score2 Score3 Score4)/len(Standard) myfont = ImageFont.truetype(r'C:/Windows/SIMLI.TTF', 20) image2 = Image.fromarray(cv2.cvtColor(image2, cv2.COLOR_BGR2RGB)) draw = ImageDraw.Draw(image2) draw.text((10, 10), "總評分：" str(round(Avg_Score,1)), font=myfont, fill=(255, 0, 0)) draw.text((10,50), "右肩評分：" str(round(Score1,1)), font=myfont, fill=(255, 0, 0)) draw.text((10, 90), "右臂評分：" str(round(Score2, 1)), font=myfont, fill=(255, 0, 0)) draw.text((10, 130), "左肩評分：" str(round(Score3, 1)), font=myfont, fill=(255, 0, 0)) draw.text((10, 170), "右臂評分：" str(round(Score4, 1)), font=myfont, fill=(255, 0, 0)) image2 = cv2.cvtColor(np.asarray(image2), cv2.COLOR_RGB2BGR)


運行過程如下可見，在這里通過雙擊“啟動.bat”即可直接運行：


Python?搭建?AI?健身評分系統(tǒng)



Python?搭建?AI?健身評分系統(tǒng)


完整代碼：


附行為安全監(jiān)測系統(tǒng)見文章


https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/120299561。



姿態(tài)估計代碼：
鏈接：


https://pan.baidu.com/s/1vkc1EQuaAUMqoaegkdZ_pA


提取碼：i46w



健身評分系統(tǒng)代碼：


https://download.csdn.net/download/qq_42279468/33154887


李秋鍵，CSDN博客專家，CSDN達人課作者。碩士在讀于中國礦業(yè)大學，開發(fā)有taptap競賽獲獎等。


Python?搭建?AI?健身評分系統(tǒng)





本站聲明： 本文章由作者或相關機構授權發(fā)布，目的在于傳遞更多信息，并不代表本站贊同其觀點，本站亦不保證或承諾內(nèi)容真實性等。需要轉載請聯(lián)系該專欄作者，如若文章內(nèi)容侵犯您的權益，請及時聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息，不造車的華為或將催生出更大的獨角獸公司，隨著阿維塔和賽力斯的入局，華為引望愈發(fā)顯得引人矚目。

關鍵字： 阿維塔 塞力斯 華為

加利福尼亞州圣克拉拉縣2024年8月30日 /美通社/ -- 數(shù)字化轉型技術解決方案公司Trianz今天宣布，該公司與Amazon Web Services （AWS）簽訂了...

關鍵字： AWS AN BSP 數(shù)字化

倫敦2024年8月29日 /美通社/ -- 英國汽車技術公司SODA.Auto推出其旗艦產(chǎn)品SODA V，這是全球首款涵蓋汽車工程師從創(chuàng)意到認證的所有需求的工具，可用于創(chuàng)建軟件定義汽車。 SODA V工具的開發(fā)耗時1.5...

關鍵字： 汽車 人工智能 智能驅動 BSP

北京2024年8月28日 /美通社/ -- 越來越多用戶希望企業(yè)業(yè)務能7×24不間斷運行，同時企業(yè)卻面臨越來越多業(yè)務中斷的風險，如企業(yè)系統(tǒng)復雜性的增加，頻繁的功能更新和發(fā)布等。如何確保業(yè)務連續(xù)性，提升韌性，成...

關鍵字： 亞馬遜 解密 控制平面 BSP

8月30日消息，據(jù)媒體報道，騰訊和網(wǎng)易近期正在縮減他們對日本游戲市場的投資。

關鍵字： 騰訊 編碼器 CPU

8月28日消息，今天上午，2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會開幕式在貴陽舉行，華為董事、質量流程IT總裁陶景文發(fā)表了演講。

關鍵字： 華為 12nm EDA 半導體

8月28日消息，在2024中國國際大數(shù)據(jù)產(chǎn)業(yè)博覽會上，華為常務董事、華為云CEO張平安發(fā)表演講稱，數(shù)字世界的話語權最終是由生態(tài)的繁榮決定的。

關鍵字： 華為 12nm 手機 衛(wèi)星通信

要點： 有效應對環(huán)境變化，經(jīng)營業(yè)績穩(wěn)中有升 落實提質增效舉措，毛利潤率延續(xù)升勢 戰(zhàn)略布局成效顯著，戰(zhàn)新業(yè)務引領增長 以科技創(chuàng)新為引領，提升企業(yè)核心競爭力 堅持高質量發(fā)展策略，塑強核心競爭優(yōu)勢...

關鍵字： 通信 BSP 電信運營商 數(shù)字經(jīng)濟

北京2024年8月27日 /美通社/ -- 8月21日，由中央廣播電視總臺與中國電影電視技術學會聯(lián)合牽頭組建的NVI技術創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會上宣布正式成立。 活動現(xiàn)場 NVI技術創(chuàng)新聯(lián)...

關鍵字： VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會上，軟通動力信息技術（集團）股份有限公司（以下簡稱"軟通動力"）與長三角投資（上海）有限...

關鍵字： BSP 信息技術
關閉
關閉