日本黄色一级经典视频|伊人久久精品视频|亚洲黄色色周成人视频九九九|av免费网址黄色小短片|黄色Av无码亚洲成年人|亚洲1区2区3区无码|真人黄片免费观看|无码一级小说欧美日免费三级|日韩中文字幕91在线看|精品久久久无码中文字幕边打电话

當(dāng)前位置：首頁(yè) > > AI科技大本營(yíng)

Python?搭建?AI?健身評(píng)分系統(tǒng)

時(shí)間：2021-10-21 14:38:58
關(guān)鍵字： AI   
手機(jī)看文章

掃描二維碼
隨時(shí)隨地手機(jī)看文章

[導(dǎo)讀]作者|李秋鍵來(lái)源|AI科技大本營(yíng)（ID:rgznai100）引言人工智能作為計(jì)算機(jī)科學(xué)的一個(gè)分支,其主要是將人的思維與計(jì)算機(jī)網(wǎng)絡(luò)相結(jié)合,令整個(gè)系統(tǒng)在對(duì)某一類事物進(jìn)行處理時(shí)實(shí)現(xiàn)人工智能化分析,然后結(jié)合內(nèi)部程序的設(shè)定,分析出當(dāng)前事務(wù)處理所具備的各類功能如何實(shí)現(xiàn)。人工智能作為一項(xiàng)綜合性...

Python?搭建?AI?健身評(píng)分系統(tǒng)


作者|李秋鍵來(lái)源|AI科技大本營(yíng)（ID:rgznai100）


Python?搭建?AI?健身評(píng)分系統(tǒng)引言人工智能作為計(jì)算機(jī)科學(xué)的一個(gè)分支,其主要是將人的思維與計(jì)算機(jī)網(wǎng)絡(luò)相結(jié)合,令整個(gè)系統(tǒng)在對(duì)某一類事物進(jìn)行處理時(shí)實(shí)現(xiàn)人工智能化分析,然后結(jié)合內(nèi)部程序的設(shè)定,分析出當(dāng)前事務(wù)處理所具備的各類功能如何實(shí)現(xiàn)。人工智能作為一項(xiàng)綜合性學(xué)科,其在發(fā)展過(guò)程中可分為低級(jí)、中級(jí)、高級(jí)三個(gè)階段,通過(guò)技術(shù)體系的逐步更新,人們將思維意識(shí)與計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)形成深度融合,利用人工智能體系在社會(huì)事務(wù)處理中實(shí)現(xiàn)智能化轉(zhuǎn)變,以此來(lái)達(dá)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(guò)智能化體系的融合,體育產(chǎn)業(yè)以及其關(guān)聯(lián)行業(yè)在發(fā)展過(guò)程中可對(duì)數(shù)據(jù)信息進(jìn)行精準(zhǔn)分辨,尤其是在大數(shù)據(jù)發(fā)掘技術(shù)的作用下,各類工作機(jī)制的建設(shè)可通過(guò)行業(yè)領(lǐng)域業(yè)務(wù)拓展實(shí)現(xiàn)技術(shù)性融合。然而,從現(xiàn)階段實(shí)際應(yīng)用趨勢(shì)來(lái)看,人工智能與體育產(chǎn)業(yè)的融合無(wú)法得到有效基準(zhǔn)的制定,這就造成相關(guān)職能部門在制定規(guī)范制度時(shí),無(wú)法將人工智能與體育產(chǎn)業(yè)進(jìn)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(xiàng)目,人工智能體系的應(yīng)用,無(wú)法覆蓋到整個(gè)體育產(chǎn)業(yè)鏈中,只要造成體育項(xiàng)目在實(shí)際開展中無(wú)法形成合理、科學(xué)性的基準(zhǔn),進(jìn)而令地區(qū)體育項(xiàng)目的發(fā)展無(wú)法達(dá)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(dǎo)的滯后性發(fā)展現(xiàn)象。


本項(xiàng)目使用姿態(tài)估計(jì)技術(shù)，提取人體關(guān)鍵點(diǎn)后，對(duì)不同人體肢節(jié)進(jìn)行組合，實(shí)時(shí)評(píng)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(biāo)準(zhǔn)動(dòng)作比對(duì)，給出各肢體評(píng)分，和總評(píng)分。在這里我們以舉啞鈴動(dòng)作為例，搭建我們的智能健身評(píng)分系統(tǒng)：


Python?搭建?AI?健身評(píng)分系統(tǒng)



Python?搭建?AI?健身評(píng)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(jì)技術(shù)。需要用到的知識(shí)點(diǎn)有openpose姿態(tài)估計(jì)算法、向量角組合和計(jì)算，評(píng)估準(zhǔn)則的判定。


1.1 openpose姿態(tài)估計(jì)


Open Pose實(shí)時(shí)姿態(tài)監(jiān)測(cè)估計(jì)算法是由卡內(nèi)基梅隆大學(xué)的一個(gè)團(tuán)隊(duì)最先提出的。此算法使用一種叫做人體關(guān)鍵點(diǎn)親和域的方法連接人體關(guān)鍵點(diǎn)。圖中的網(wǎng)絡(luò)結(jié)構(gòu)分支1的S1代表一組關(guān)鍵點(diǎn)，分支2的Ll代表連接這些關(guān)鍵點(diǎn)的親和向量。重復(fù)此步，可以得到一個(gè)所有2D關(guān)鍵點(diǎn)的集合S和關(guān)鍵點(diǎn)相關(guān)度的向量集合L，再根據(jù)相關(guān)度連接將得到一個(gè)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(yàn)者執(zhí)行的不同活動(dòng)并與計(jì)算機(jī)相關(guān)聯(lián)，既能檢測(cè)人體，也能感知到周圍環(huán)境中的信息。


Open Pose提供了23個(gè)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(guān)節(jié)的視覺效應(yīng)，根據(jù)人體結(jié)構(gòu)和運(yùn)動(dòng)特征將關(guān)節(jié)分成不同的組，并給每個(gè)關(guān)節(jié)分配不同的權(quán)重。


1)面部五官:面部關(guān)節(jié)分布集中密集，活動(dòng)范圍小。它們很少表現(xiàn)出明顯的獨(dú)立運(yùn)動(dòng)。


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


3)一級(jí)關(guān)節(jié):一級(jí)關(guān)節(jié)包括肘關(guān)節(jié)和膝關(guān)節(jié)，包含大量關(guān)于四肢動(dòng)作的信息。當(dāng)身體旋轉(zhuǎn)和彎曲時(shí)，它在視覺上相對(duì)軀干關(guān)節(jié)有更重要的作用。


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


5)三級(jí)連接:三級(jí)點(diǎn)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(píng)分系統(tǒng)



1.2標(biāo)準(zhǔn)動(dòng)作


在這里我們?cè)O(shè)置標(biāo)準(zhǔn)動(dòng)作如下：


Python?搭建?AI?健身評(píng)分系統(tǒng)


作為標(biāo)準(zhǔn)動(dòng)作，統(tǒng)計(jì)出各個(gè)骨骼關(guān)鍵點(diǎn)坐標(biāo)，并根據(jù)不同骨骼坐標(biāo)點(diǎn)組合形成向量角，并計(jì)算不同關(guān)節(jié)之間的向量角作為標(biāo)準(zhǔn)。


1.3評(píng)估標(biāo)準(zhǔn)


對(duì)攝像頭視頻流或者本地視頻流數(shù)據(jù)實(shí)時(shí)計(jì)算各個(gè)關(guān)鍵點(diǎn)角度，并逐一對(duì)比，并可視化。計(jì)算公式按照歐氏距離做出最簡(jiǎn)單評(píng)估即可。


Python?搭建?AI?健身評(píng)分系統(tǒng)




Python?搭建?AI?健身評(píng)分系統(tǒng)2、模型實(shí)驗(yàn)2.1 環(huán)境搭建


1、首先下載好完整無(wú)誤配置好的代碼（包括模型等等，見文末）。


2、整個(gè)多目標(biāo)動(dòng)作監(jiān)測(cè)系統(tǒng)的搭建主要是依賴于openpose的姿態(tài)識(shí)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(yùn)行工具，CUDA作為調(diào)用顯卡訓(xùn)練測(cè)試的必須軟件需要和python版本有一定的關(guān)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(píng)價(jià)，我們選擇了cmu模型作為姿態(tài)識(shí)別的調(diào)用模型，主要原因在于cmu具有更高一些的識(shí)別精度。


Openpose的調(diào)用在這里通過(guò)調(diào)用其中設(shè)定好的主函數(shù)即可，其中包括模型加載程序、調(diào)用程序以及Estimator評(píng)估等等。


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


4、運(yùn)行GUI.py主界面，點(diǎn)擊按鈕即可。


2.2 姿態(tài)估計(jì)


這里設(shè)置默認(rèn)的標(biāo)準(zhǔn)動(dòng)作位為'Standard/1.jpg'，默認(rèn)使用模型為cmu模型。按照標(biāo)準(zhǔn)的姿態(tài)估計(jì)配置，設(shè)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(jì)算


計(jì)算需要使用到的關(guān)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(píng)分可視化


在獲取到角度值后，設(shè)置各個(gè)角度評(píng)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(biāo)準(zhǔn)對(duì)比值由標(biāo)準(zhǔn)動(dòng)作自行計(jì)算，放入數(shù)組即可，代碼如下：


if state: '''評(píng)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(píng)分：" str(round(Avg_Score,1)), font=myfont, fill=(255, 0, 0)) draw.text((10,50), "右肩評(píng)分：" str(round(Score1,1)), font=myfont, fill=(255, 0, 0)) draw.text((10, 90), "右臂評(píng)分：" str(round(Score2, 1)), font=myfont, fill=(255, 0, 0)) draw.text((10, 130), "左肩評(píng)分：" str(round(Score3, 1)), font=myfont, fill=(255, 0, 0)) draw.text((10, 170), "右臂評(píng)分：" str(round(Score4, 1)), font=myfont, fill=(255, 0, 0)) image2 = cv2.cvtColor(np.asarray(image2), cv2.COLOR_RGB2BGR)


運(yùn)行過(guò)程如下可見，在這里通過(guò)雙擊“啟動(dòng).bat”即可直接運(yùn)行：


Python?搭建?AI?健身評(píng)分系統(tǒng)



Python?搭建?AI?健身評(píng)分系統(tǒng)


完整代碼：


附行為安全監(jiān)測(cè)系統(tǒng)見文章


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



姿態(tài)估計(jì)代碼：
鏈接：


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


提取碼：i46w



健身評(píng)分系統(tǒng)代碼：


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


李秋鍵，CSDN博客專家，CSDN達(dá)人課作者。碩士在讀于中國(guó)礦業(yè)大學(xué)，開發(fā)有taptap競(jìng)賽獲獎(jiǎng)等。


Python?搭建?AI?健身評(píng)分系統(tǒng)





本站聲明： 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布，目的在于傳遞更多信息，并不代表本站贊同其觀點(diǎn)，本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請(qǐng)聯(lián)系該專欄作者，如若文章內(nèi)容侵犯您的權(quán)益，請(qǐng)及時(shí)聯(lián)系本站刪除。
換一批
延伸閱讀

LED驅(qū)動(dòng)電源的輸入包括高壓工頻交流(即市電)、低壓直流、高壓直流、低壓高頻交流(如電子變壓器的輸出)等。

關(guān)鍵字： 驅(qū)動(dòng)電源

在工業(yè)自動(dòng)化蓬勃發(fā)展的當(dāng)下，工業(yè)電機(jī)作為核心動(dòng)力設(shè)備，其驅(qū)動(dòng)電源的性能直接關(guān)系到整個(gè)系統(tǒng)的穩(wěn)定性和可靠性。其中，反電動(dòng)勢(shì)抑制與過(guò)流保護(hù)是驅(qū)動(dòng)電源設(shè)計(jì)中至關(guān)重要的兩個(gè)環(huán)節(jié)，集成化方案的設(shè)計(jì)成為提升電機(jī)驅(qū)動(dòng)性能的關(guān)鍵。

關(guān)鍵字： 工業(yè)電機(jī) 驅(qū)動(dòng)電源

LED 驅(qū)動(dòng)電源作為 LED 照明系統(tǒng)的 “心臟”，其穩(wěn)定性直接決定了整個(gè)照明設(shè)備的使用壽命。然而，在實(shí)際應(yīng)用中，LED 驅(qū)動(dòng)電源易損壞的問(wèn)題卻十分常見，不僅增加了維護(hù)成本，還影響了用戶體驗(yàn)。要解決這一問(wèn)題，需從設(shè)計(jì)、生...

關(guān)鍵字： 驅(qū)動(dòng)電源 照明系統(tǒng) 散熱

根據(jù)LED驅(qū)動(dòng)電源的公式，電感內(nèi)電流波動(dòng)大小和電感值成反比，輸出紋波和輸出電容值成反比。所以加大電感值和輸出電容值可以減小紋波。

關(guān)鍵字： LED 設(shè)計(jì) 驅(qū)動(dòng)電源

電動(dòng)汽車(EV)作為新能源汽車的重要代表，正逐漸成為全球汽車產(chǎn)業(yè)的重要發(fā)展方向。電動(dòng)汽車的核心技術(shù)之一是電機(jī)驅(qū)動(dòng)控制系統(tǒng)，而絕緣柵雙極型晶體管(IGBT)作為電機(jī)驅(qū)動(dòng)系統(tǒng)中的關(guān)鍵元件，其性能直接影響到電動(dòng)汽車的動(dòng)力性能和...

關(guān)鍵字： 電動(dòng)汽車 新能源 驅(qū)動(dòng)電源

在現(xiàn)代城市建設(shè)中，街道及停車場(chǎng)照明作為基礎(chǔ)設(shè)施的重要組成部分，其質(zhì)量和效率直接關(guān)系到城市的公共安全、居民生活質(zhì)量和能源利用效率。隨著科技的進(jìn)步，高亮度白光發(fā)光二極管(LED)因其獨(dú)特的優(yōu)勢(shì)逐漸取代傳統(tǒng)光源，成為大功率區(qū)域...

關(guān)鍵字： 發(fā)光二極管 驅(qū)動(dòng)電源 LED

LED通用照明設(shè)計(jì)工程師會(huì)遇到許多挑戰(zhàn)，如功率密度、功率因數(shù)校正(PFC)、空間受限和可靠性等。

關(guān)鍵字： LED 驅(qū)動(dòng)電源 功率因數(shù)校正

在LED照明技術(shù)日益普及的今天，LED驅(qū)動(dòng)電源的電磁干擾(EMI)問(wèn)題成為了一個(gè)不可忽視的挑戰(zhàn)。電磁干擾不僅會(huì)影響LED燈具的正常工作，還可能對(duì)周圍電子設(shè)備造成不利影響，甚至引發(fā)系統(tǒng)故障。因此，采取有效的硬件措施來(lái)解決L...

關(guān)鍵字： LED照明技術(shù) 電磁干擾 驅(qū)動(dòng)電源

開關(guān)電源具有效率高的特性,而且開關(guān)電源的變壓器體積比串聯(lián)穩(wěn)壓型電源的要小得多,電源電路比較整潔,整機(jī)重量也有所下降,所以,現(xiàn)在的LED驅(qū)動(dòng)電源

關(guān)鍵字： LED 驅(qū)動(dòng)電源 開關(guān)電源

LED驅(qū)動(dòng)電源是把電源供應(yīng)轉(zhuǎn)換為特定的電壓電流以驅(qū)動(dòng)LED發(fā)光的電壓轉(zhuǎn)換器，通常情況下：LED驅(qū)動(dòng)電源的輸入包括高壓工頻交流(即市電)、低壓直流、高壓直流、低壓高頻交流(如電子變壓器的輸出)等。

關(guān)鍵字： LED 隧道燈 驅(qū)動(dòng)電源
關(guān)閉