當前位置：首頁 > > 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絡相結合,令整個系統(tǒng)在對某一類事物進行處理時實現人工智能化分析,然后結合內部程序的設定,分析出當前事務處理所具備的各類功能如何實現。人工智能作為一項綜合性...

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絡相結合,令整個系統(tǒng)在對某一類事物進行處理時實現人工智能化分析,然后結合內部程序的設定,分析出當前事務處理所具備的各類功能如何實現。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業(yè)的融合是指通過智能化體系的融合,體育產業(yè)以及其關聯行業(yè)在發(fā)展過程中可對數據信息進行精準分辨,尤其是在大數據發(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)務拓展實現技術性融合。然而,從現階段實際應用趨勢來看,人工智能與體育產業(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,將令體育產業(yè)形成以地區(qū)為主導的滯后性發(fā)展現象。

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據，并根據人體向量角數據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)：

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，再根據相關度連接將得到一個近似度高的棍型圖。所采用的數據集是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，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。為了減少數據集的冗余，系統(tǒng)參考不同身體關節(jié)的視覺效應，根據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。

1.2標準動作

在這里我們設置標準動作如下：

作為標準動作，統(tǒng)計出各個骨骼關鍵點坐標，并根據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據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。

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：

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。

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容真實性等。需要轉載請聯系該專欄作者，如若文章內容侵犯您的權益，請及時聯系本站刪除（郵箱：macysun@21ic.com ）。

換一批

Persona AI 宣布任命 Brian Davis 為全球制造部負責人

前 Amazon Robotics 高管出任全球生產戰(zhàn)略部負責人，助力公司擴張休斯敦, April 01, 2026 (GLOBE NEWSWIRE) -- 具身 AI 領域新一代領軍企業(yè)?Persona AI 今...

關鍵字： VI RS AN AI

[美通社全球TMT]

網龍MSCI ESG評級躍升至A級

可持續(xù)發(fā)展與企業(yè)責任實踐再獲國際資本市場認可香港2026年3月31日 /美通社/ -- 全球領先的互聯網社區(qū)創(chuàng)建者 - 網龍網絡控股有限公司（"網龍"...

關鍵字： MSC AI 可持續(xù)發(fā)展網絡游戲

[極客網]

華為2025年年報拆解：傳統(tǒng)業(yè)務穩(wěn)盤，新興業(yè)務爆發(fā)

2026 年 3 月 31 日，華為投資控股有限公司正式發(fā)布 2025 年年度報告。

關鍵字：華為 2025年年報 AI 云計算

[極客網]

太空數據中心創(chuàng)企Starcloud完成1.7億美元融資，估值11億美元

當地時間 3 月 30 日，專注在軌 AI 數據中心建設的美國初創(chuàng)企業(yè) Starcloud 宣布完成 1.7 億美元融資，投后估值 11 億美元，正式躋身獨角獸行列。

關鍵字：太空數據中心 Starcloud AI 數據中心

[美通社全球TMT]

Cyble榮膺2026年全球信息安全獎與網絡安全卓越獎雙項行業(yè)殊榮

加利福尼亞州庫比蒂諾2026年3月27日 /美通社/ -- 全球領先的AI驅動型網絡安全解決方案提供商Cyble宣布，在兩項業(yè)內最具聲望的獎項評選中榮獲重要表彰。該公司榮獲...

關鍵字：信息安全網絡安全 BLE AI

[美通社全球TMT]

MemoryS 2026｜江波龍首發(fā)SPU及iSA，端側AI存儲創(chuàng)新布局八大看點解讀

深圳2026年3月27日 /美通社/ -- 2026年3月27日，CFM | MemoryS 2026在深圳盛大啟幕，全球存儲產業(yè)鏈精英齊聚，共探AI時代存儲產業(yè)的變革與未來。江波龍董事長、總經理蔡華波先生受邀出席并發(fā)表...

關鍵字： MEMORY AI SSD 集成

[美通社全球TMT]

NOAH | Olive 聯合舉辦 2026 AI Outlook論壇重塑 AI 時代下全球華人資產配置新格局

香港2026年3月30日 /美通社/ -- 諾亞控股有限公司（"NOAH"或"公司"）（紐約證券交易所代碼：NOAH；香港交易所代碼：6686）與旗下全球資產配置平臺 Olive...

關鍵字： AI OUTLOOK MANAGEMENT SE

[美通社全球TMT]

《新銳期刊分區(qū)表2026》發(fā)布：以AI與多維評價重塑全球學術評價新范式

北京2026年3月30日 /美通社/ -- 近日，由新銳學術研制的《新銳期刊分區(qū)表2026》（簡稱"新銳分區(qū)"）正式發(fā)布。該體系以"獨立、公益、免費、開放"為核心理念，在...

關鍵字： AI BSP COM VIEW

[美通社全球TMT]

港深創(chuàng)科園培育計劃正式啟動云集全球龍頭孵化平臺透過特區(qū)政府2億元撥款推動生命健康初創(chuàng)發(fā)展

香港2026年3月30日 /美通社/ -- 港深創(chuàng)新及科技園有限公司（簡稱“港深創(chuàng)科園公司”）今日舉行“港深創(chuàng)科園培育計劃啟動禮暨科技日展覽”，標志著園區(qū)首屆培育計劃正式啟動。港深創(chuàng)科園致力打造世界級產學研平臺，促進創(chuàng)...

關鍵字： SI 人工智能 AI PS

[美通社全球TMT]