-
公开(公告)号：CN118942164A
公开(公告)日：2024-11-12
申请号：CN202411428219.1
申请日：2024-10-14
申请人： 珠海市芯未科技有限公司
IPC分类号： G06V40/20 , G06V10/30 , G06V10/42 , G06V10/762
摘要： 本申请涉及一种智能匹配步态评估方法、计算机设备和存储介质。所述方法包括：获取与评估区域对应的步态数据子集；识别步态数据子集中的步态周期的边界点，并根据步态周期的边界点获取虚拟采样点；基于修正量对步态数据子集进行优化，获取步态数据优化子集；从步态数据优化子集提取与评估区域对应的关键步态指标；对关键步态指标进行时间序列分析获取时间序列数据；提取学生步态的动态特征谱；根据关键频率成分、时变模式和评估区域对应的步态评估标准，进行匹配分析，生成步态评估反馈。本申请利用先进的计算机视觉技术，对学生的跑步过程进行精细化分析；自动捕捉学生跑步时的连续动作数据，提取关键的步态指标并进行数据处理和分析。
-
公开(公告)号：CN118865503A
公开(公告)日：2024-10-29
申请号：CN202411312571.9
申请日：2024-09-20
申请人： 珠海市芯未科技有限公司
IPC分类号： G06V40/20 , G06V20/40 , G06V10/26 , G06V10/762 , G06Q50/20 , A63B69/00 , A63B71/06 , G08B21/24 , G08B7/06
摘要： 本申请涉及一种基于动作识别的学生跑步姿态实时反馈方法和计算机设备。所述方法包括：构建第一跑步姿态数据集；确定姿态异常的高发区域；根据第一聚类处理结果将目标跑道区域划分为M个初始子区域；构建第二跑步姿态数据集，并根据第二聚类处理结果将初始子区域划分为N个精细子区域；根据典型姿态问题和姿态数据密度分布确定主要问题区域；在精细子区域内确定候选反馈位置；选择综合评估得分最高且覆盖主要问题区域的候选反馈位置作为反馈系统布设位置；确定反馈系统布设位置的有效反馈范围；触发反馈系统基于典型姿态问题向学生进行跑姿反馈。将特定的跑道区域结合跑步过程进行分析，使得跑步姿态分析更具有针对性。
-
公开(公告)号：CN118942018A
公开(公告)日：2024-11-12
申请号：CN202411421508.9
申请日：2024-10-12
申请人： 珠海市芯未科技有限公司
摘要： 本申请涉及一种计算机视觉体育技能评估方法、计算机设备和存储介质。所述方法包括：获取多个初始视频帧，得到多个特征点位移数据；得到背景运动特征集；得到全局运动估计矩阵；得到稳定视频数据序列；得到初始运动轨迹序列，并分解初始运动轨迹序列得到运动分量信号；确定运动分量信号的筛选因子，并根据筛选因子筛选运动分量信号，得到异常分量信号；对异常分量信号进行特征提取，得到权重特征向量；确定异常分量信号对应的权重；确定异常分量信号的修正权重，对初始运动轨迹序列进行修正，得到修正运动轨迹序列；将修正运动轨迹序列与预设标准动作模板进行比对，生成综合评估报告。本申请能及时获得对动作的精确反馈，提高训练质量。
-
公开(公告)号：CN118781527A
公开(公告)日：2024-10-15
申请号：CN202411262506.X
申请日：2024-09-10
申请人： 珠海市芯未科技有限公司
IPC分类号： G06V20/40 , G06V40/20 , G06V10/42 , G06V10/52 , G06V10/62 , G06V10/77 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N5/047 , A63B71/06
摘要： 本申请涉及一种融合AI与规则引擎的立定跳远犯规行为智能审判方法。所述方法包括：按照预设采样频率从动作视频信号中采样得到非整周期采样数据；对非整周期采样数据进行预处理和标准化得到整周期采样数据；利用补偿曲线对整周期采样数据进行优化；获得反映立定跳远者跳远特性的幅度、相位和尺度特征；基于幅度、相位和尺度特征，提取立定跳远者的关键动作特征；获取立定跳远者的综合动作表现指标；基于幅度，提取立定跳远者的高频动作特征；构建增强型动作特征描述符；将增强型动作特征描述符与规则引擎中预设犯规判定标准进行逻辑比对生成犯规判定结果。本申请能够应对学生立定跳远动作的多样性和不确定性，避免误判或漏判。
-
公开(公告)号：CN118887738A
公开(公告)日：2024-11-01
申请号：CN202411372460.7
申请日：2024-09-29
申请人： 珠海市芯未科技有限公司
摘要： 本申请涉及一种运动过程多维度智能分析方法、计算机设备和存储介质。所述方法包括：从视频数据解析出成像参数；提取视频数据中的辅助信息；根据学生位置、运动轨迹和第二类标识符检测视频数据中的无效数据；对待处理状态的视频片段进行数据补偿处理，获取完整数据集；提取学生运动过程中的姿态点序列；计算运动技术动作的完成度得分；根据运动技术动作和完成度得分，生成综合分析报告。本申请在视频数据处理时对成像参数深入解析，提升了动作识别的精确性，对辅助信息的分析，提升了动作识别的针对性，对无效数据的处理，提升了动作识别的准确性以及对数据补偿，提升动作识别的可靠性和有效性。
-
公开(公告)号：CN118823879A
公开(公告)日：2024-10-22
申请号：CN202411274833.7
申请日：2024-09-12
申请人： 珠海市芯未科技有限公司
IPC分类号： G06V40/20 , G06V20/40 , G06V10/25 , G06V10/74 , G06V10/766 , G06V10/82 , G06N3/0464 , G08B31/00 , A63B71/06
摘要： 本申请涉及一种基于行为识别的智能跳绳运动安全预警方法和计算机设备。所述方法包括：采集跳绳者在跳绳活动中的视频数据并进行预处理；从预处理后的视频数据中提取关键特征，并根据关键特征获取跳绳状况类别；构建数据溯源关系网络；设计数据检查机制，并为关键参数分别设置对应的深入分析条件和触发机制，实施深入分析流程得到深入分析结果；基于动态调整后的风险评估参数计算综合安全指标；根据综合安全指标和深入分析结果，执行预警和建议措施。本申请通过对跳绳者的视频数据进行一系列分析，获取跳绳者在跳绳过程中潜在的风险，并向跳绳者进行预警和建议，从而实现对跳绳活动进行安全监控，有效识别和预警潜在的安全风险。
-
公开(公告)号：CN118799964A
公开(公告)日：2024-10-18
申请号：CN202411274894.3
申请日：2024-09-12
申请人： 珠海市芯未科技有限公司
IPC分类号： G06V40/20 , G06V10/44 , G06V10/48 , G06V10/62 , G06V10/82 , G06V20/40 , G06N3/045 , G06N3/0464 , G06N3/042 , G06N3/049 , G06N3/0442 , A63B71/06
摘要： 本申请涉及一种基于动作识别的智能跳绳评分方法。该方法包括，获得第一数据集、第二数据集和绳索运动状态数据；基于第一数据集，获取等效跳绳指标：获取等效动作得分；基于第二数据集和等效动作得分，获取融合动作评分；根据绳索张力数据判断当前动作类型；若姿态稳定性指数满足预设条件，则获取跳绳者出现动作失误的判断结果；获取跳绳者跳绳过程中不同时段的得分结果，并根据得分结果计算综合跳绳评分。实现统一评分标准，避免传统人工评分的主观因素，能够捕捉跳绳动作的细节，结合跳绳动作的质量和难度，对跳绳进行更加精细地评分。
-
公开(公告)号：CN118762310A
公开(公告)日：2024-10-11
申请号：CN202411218847.7
申请日：2024-09-02
申请人： 珠海市芯未科技有限公司
IPC分类号： G06V20/40 , G06V40/20 , G06V10/50 , G06V10/40 , G06V10/762 , G06V10/764 , G06V10/77 , G06V10/772 , G06T7/73 , A63B71/06
摘要： 本申请涉及一种基于稀疏表示的立定跳远关键帧提取及成绩估计方法。所述方法包括：确定运动特征分布；利用运动特征分布将测试场地划分为多个功能区域；构建立定跳远者的过完备字典；基于过完备字典对测量立定跳远视频数据得到稀疏表示系数；选取测量立定跳远视频数据中的候选关键帧位置；评估候选关键帧位置对应的重构误差和稀疏度；在重构误差和稀疏度之间的关系满足预设条件的情况下，从候选关键帧位置中确定出最优关键帧位置；从稀疏表示系数中恢复出跳远过程的关键动作帧；计算立定跳远者的起跳点的空间坐标和落地点的空间坐标，测算立定跳远者的跳远距离。本申请显著提高了测量效率。
-
公开(公告)号：CN118735966A
公开(公告)日：2024-10-01
申请号：CN202411208701.4
申请日：2024-08-30
申请人： 珠海市芯未科技有限公司
IPC分类号： G06T7/269 , G06T7/246 , G06T5/70 , G06T5/80 , G06T5/90 , G06V20/40 , G06V40/20 , G06V10/62 , G06V10/764 , G06F18/2411 , G06F18/243 , A63B71/06
摘要： 本申请涉及一种基于光流分析的立定跳远落地瞬间自动识别方法通过以下步骤：对高帧率视频序列依次进行预处理获取高帧率视频优化序列；计算高帧率视频优化序列的相邻帧之间的像素级动态光流场序列；对像素级动态光流场序列递归分解获取运动分量；计算运动分量对应的复杂度指标时间序列；基于复杂度指标时间序列识别关键运动特征；基于多层级启发式决策树模型处理关键运动特征识别落地瞬间帧；基于环境因素和像素级动态光流场序列，构建环境补偿模型；基于环境补偿模型处理潜在的落地瞬间帧和像素级动态光流场序列，获取落地关键帧，并基于落地关键帧计算跳跃者的跳远成绩，从而实现全程高效自动化，全面精细地分析动作，到达精确客观地测量成绩。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.04 秒)
