CN117058758B 基于ai技術的智慧體育考試方法及相關裝置 （安徽一視科技有限公司）

基于AI技術的智慧體育考試方法及相關裝置本發明公開了一種基于AI技術的智慧體育育考試項目對應的3D標準動作骨骼模型和3D動括各個預設時間序列對應的關鍵骨骼點的運動的各個關鍵幀圖像提取與考試時間對應的3D骨考試項目成績。本發明根據3D標準動作骨骼模2考生根據人臉識別信息登錄并選擇體育考試項目，其中，所述體加載所述體育考試項目對應的3D標準動作骨骼模述3D標準動作骨骼模型包括各個預設時間序列對應的關鍵骨骼點的采集該考生的體育考試視頻，根據該視頻的各個關鍵幀圖像提取與考試時根據所述3D標準動作骨骼模型、所述3D動作扣分骨骼模型和所述3D體育考試項目骨所述根據所述3D標準動作骨骼模型、所述3D動作扣分骨骼模型和所述3D體育考試項針對所述3D體育考試項目骨骼模型中任一時間序列的關鍵幀3D骨3D骨骼點坐標與對應該時間序列的所述3D標準動作骨骼模型中的關鍵幀3D骨骼點坐標的骨骼模型中的關鍵幀3D骨骼點坐標的第二空間分別根據第一空間距離均方差和第二空間距離均方差計算該考生所有關鍵幀3D骨骼若該第一空間距離均方差總值和第二空間距離均方差總值分別介于第一預設范圍和3D動作扣分骨骼模型包括各個預設時間序列對應頻的各個關鍵幀圖像提取與考試時間對應的3D骨骼將該視頻的各個關鍵幀的2D圖像轉換為I將該ITK數據格式的2D圖像轉換為DI根據skeleton_3D方法提取與考試時間對應的該DICOM格式圖像3.根據權利要求2所述的基于AI技術的智慧體育考試方法，其特征在于，所述根據skeleton_3D方法提取與考試時間對應的該根據skeleton_3D方法提取與考試時間對應的該DICOM格式圖像針對任一時間序列t的關鍵幀2D骨骼點，根據前一個時間序列t_1的關鍵幀2D骨骼點、2D骨骼點輪廓比例和2D骨骼點輪廓位移信息，計算該時間序列t的關鍵幀2D骨骼點對應的依次針對所述3D體育考試項目骨骼模型中任一關鍵幀3D骨骼點，根計算該關鍵幀3D骨骼點與所述3D標準動作骨骼模型中各個關鍵幀3D骨骼點和所述3D動作3針對所述3D體育考試項目骨骼模型中任一關鍵幀的3D骨骼點，計模型加載模塊，用于加載所述體育考試項目對應的3D標準動作骨骼模型和考試采集模塊，用于采集該考生的體育考試視頻，根據該視頻的各成績計算模塊，用于根據所述3D標準動作骨骼模型、所針對所述3D體育考試項目骨骼模型中任一時間序列的關鍵幀3D骨3D骨骼點坐標與對應該時間序列的所述3D標準動作骨骼模型中的關鍵幀3D骨骼點坐標的骨骼模型中的關鍵幀3D骨骼點坐標的第二空間分別根據第一空間距離均方差和第二空間距離均方差計算該考生所有關鍵幀3D骨骼若該第一空間距離均方差總值和第二空間距離均方差總值分別介于第一預設范圍和3D動作扣分骨骼模型包括各個預設時間序列對應所述存儲器用于存放至少一可執行指令，所述可執行指令使所求1_6中任一項所述的基于AI技術的智慧9.一種計算機存儲介質，所述存儲介質中存儲有使處理器執行如權利要求1_6中任一項所述的基于AI技術的智慧體育考試方法對應的操4[0009]加載所述體育考試項目對應的3D標準動作骨骼模型和3D動作扣分骨骼模型，其5鍵幀3D骨骼點坐標與對應該時間序列的所述3D標準動作骨骼模型中的關鍵幀3D骨骼點坐扣分骨骼模型中的關鍵幀3D骨骼點坐標的第二空間距離均[0021]分別根據第一空間距離均方差和第二空間距離均方差計算該考生所有關鍵幀3D骨骼點的第一空間距離均方差總值和第二空間[0022]若該第一空間距離均方差總值和第二空間距離均方差總值分別介于第一預設范算法計算該關鍵幀3D骨骼點與所述3D標準動作骨骼模型中各個關鍵幀3D骨骼點和所述3D6[0037]上述說明僅是本發明技術方案的概述，為了能夠更清楚[0049]圖1示出了本發明實施例的AI技術的智慧體育考試方法的流程示意圖。本方法根7[0052]考生根據人臉識別信息注冊和登錄體育考試系統APP，并選擇相應的體育考試項等。3D動作扣分骨骼模型包括各個預設時間序列對應的關鍵骨骼點的常見錯誤運動軌跡，關鍵幀的骨骼點坐標信息及相應的時間序列。8[0062]通過穿戴設備對標準動作和/或扣分動作繪制3D動畫模型，并導出各個關鍵幀的僅根據重復動作設置相應的預設時間序列。[0071]將該ITK數據格式的2D圖像轉換為DICOM格式圖像。單張DICOM中的關鍵骨骼能包輪廓比例和輪廓位移信息計算時間序列t_1的關鍵幀2D骨骼點的三維坐標變換，對三維坐9鍵幀3D骨骼點坐標與對應該時間序列的所述3D標準動作骨骼模型中的關鍵幀3D骨骼點坐扣分骨骼模型中的關鍵幀3D骨骼點坐標的第二空間距離均[0082]分別根據第一空間距離均方差和第二空間距離均方差計算該考生所有關鍵幀3D骨骼點的第一空間距離均方差總值和第二空間[0083]若該第一空間距離均方差總值和第二空間距離均方差總值分別介于第一預設范[0084]具體地，針對所述3D體育考試項目骨骼模型中任一時間序計算該關鍵幀3D骨骼點坐標與對應該時間序列的所述3D標準動作骨骼模型中的關鍵幀3D[0085]分別根據第一空間距離均方差和第二空間距離均方差計算該考生所有關鍵幀3D[0086]判斷該第一空間距離均方差總值和第二空間距離均方差若該第一空間距離均方差總值和第二空間距離均方差總值分別介于第一預設范圍和第二算法計算該關鍵幀3D骨骼點與所述3D標準動作骨骼模型中各個關鍵幀3D骨骼點和所述3D聚類算法計算該關鍵幀3D骨骼點與所述3D標準動作骨骼模型中各個關鍵幀3D骨骼點和所密度聚類(DBSCAN)的無監督機器學習算法，如果數據點的相互距離小于或等于指定的[0097]本發明上述實施例提供的方案，考生根據人臉識別信息登錄并選擇體育考試項[0098]圖7示出了本發明實施例的基于AI技術的智慧體育考試裝置的結構示意圖。基于[0100]所述模型加載模塊720，用于加載所述體育考試項目對應的3D標準動作骨骼模型鍵幀3D骨骼點坐標與對應該時間序列的所述3D標準動作骨骼模型中的關鍵幀3D骨骼點坐扣分骨骼模型中的關鍵幀3D骨骼點坐標的第二空間距離均[0112]分別根據第一空間距離均方差和第二空間距離均方差計算該考生所有關鍵幀3D骨骼點的第一空間距離均方差總值和第二空間[0113]若該第一空間距離均方差總值和第二空間距離均方差總值分別介于第一預設范算法計算該關鍵幀3D骨骼點與所述3D標準動作骨骼模型中各個關鍵幀3D骨骼點和所述3D[0122]本發明上述實施例提供的方案，考生根據人臉識別信息登錄并選擇體育考試項[0123]圖8示出了本發明計算設備實施例的結構示意圖，本發明具體實施例并不對計算于執行程序810，具體可以執行上述基于AI技術的智慧體育考試方法實施例中的相關模塊[0127]處理器802可能是中央處理器CPU，或者是特定集成電路ASIC(Application[0130]在此提供的算法或顯示不與任何特定計算機、虛擬系統或者其它設備固有相下面的權利要求書所反映的那樣，發明方面在于少于前面公開的單個實施例的所有特征。微處理器或者數字信號處理器(DSP)來實現根據本發明實施例的一些或者全部部件的一些域技術