基于体感识别学生引体向上训练系统.docVIP

基于体感识别学生引体向上训练系统 　　摘 要：学生体质状态一直以来都是社会关注的热点，其中力量问题尤为明显，而目前尚未有合理有效的办法改善这一状况。文中提出的引体向上训练系统，结合物联网技术和机器视觉中的体感识别技术，利用云服务搭建了完整的解决方案架构，实现了学生日常引体向上训练的自动化和数据化，同时使得管理更科学、简单。系统主要运用Kinect V2智能摄像头传感器提取运动骨骼数据，使用步态识别算法与设计的有限状态机运动模板匹配进行引体向上运动识别，将用户个人信息以及运动结果在Web端显示。研究工作也为日常运动识别和训练提供了新的研究角度和方向。 　　关键词：物联网；体感识别；Kinect V2；引体向上；步态识别 　　中图分类号：TP393 文献标识码：A 文章编号：2095-1302（2018）02-00-03 　　0 引 言 　　随着经济的飞速发展，我国的GDP总量已位居世界第二，人民生活质量得到了很大改善。但安逸的生活方式背后却隐藏着严重的健康隐患，其中学生的体质问题尤为突出。学生是21世纪我国发展的中坚力量，学生体质关系到祖国的未来，党和政府一直都非常重视学生的体质问题。 　　基于2000～2014年我国四次国民体质健康监测数据资料，结合历年《全国学生体质与健康调研》和《全国学生体质健康监测》报告及前人研究文献[1]，使用文献分析和数理统计方法对近15年我国青少年体质状况进行分析。研究发现：我国青少年身体形态呈现持续增长趋势，肥胖检出率持续上升；肺活量和绝大多数身体素质指标在2005年以前持续下降，2010年开始止“跌”回升。 　　近年来，国家对青少年体质的高度重视与体育事业的蓬勃发展，尤其是2008年阳光体育运动的开展，使学生耐力素质得到了极大改善，但学生的力量、爆发力、平衡等问题却仍止步不前。当前，各校都在采取相应的措施和方案来鼓励大学生在体育课外，利用业余时间积极投入到体育锻炼中，但尚未找到行之有效的办法。 　　随着机器视觉技术的崛起，采用智能摄像头结合适用于相应应用的识别算法高效解决生活、生产中出现的问题前景广阔[2]。 　　依据《国家学生体质健康标准》，本系统运用微软KinectV2智能摄像头开发出了一套解决学生日常引体向上运动训练难以管理、指导的问题，可有效改善学生上肢力量差的现状。 　　1 关键技术介绍 　　1.1 机器视觉 　　机器视觉作为人工智能领域的一个分支，即机器模拟人类的视觉认知处理能力，将摄取的图像信息传送至图像处理系统，在无需人为干预的情况下挖掘处理图像视频中低层次的数字化数据，并转译为高层次信息输出，以达到近似人类对视觉信号的理解能力。该技术起源于上世纪60年代，但由于图像采集和计算机计算能力的局限性，直到2010年才迎来爆发式的增长，目前在智能化视频监控、基于内容的视频检索、医疗领域、人机交互、体育领域等行业中有着广泛的应用前景和价值，国内外众多知名高校以及研究机构进行了大量研究，同时科技公司也积极投入人力物力挖掘其市场应用场景和社会价值[3，4]。 　　1.2 Kinect V2 　　2014年10月微软发布了Kinect for Windows新一代产品Kinect V2[5]。与2012年发布的第一代产品相比，有了重大的性能提升。Kinect是一种3D体感摄影机，主要包含麦克风阵列、深度图像所使用的红外线发射器和红外接收器及RGB摄像头。Kinect V2组成如图1所示。 　　Kinect运用分隔策略将人体从背景中分离出来，并将分离出的人体部分图像再通过一个由微软开发的以TB计的数据输入到集群系统训练出的人体各部位识别模型中，生产出25关节点的人体骨架模型，以约30 f/s的速度输出骨骼数据，最多可同时识别6人[5，6]。Kinect智能摄像头所输出的骨骼关节数据为人体动作识别提供了基础，解决了计算机视觉对于人体运动时空序列数据提取的难题。 　　2 硬件组成 　　本系统硬件设备包括Kinect V2摄像头传感器、计算机、RFID读卡器、显示设备及云服务器。硬件连接组成如图2所示。 　　本系统使用的Kinect V2传感器已包含电源线和USB 3.0数据线。待连接的计算机需满足以下条件[7]： 　　（1）CPU必须支持64位系统。 　　（2）USB需满足USB 3.0的要求，USB 3.0可以通过PCIE扩展口安装。 　　（3）显卡需支持DirectX 11。 　　（4）操作系统为64位，Win8版本及以上。 　　（5）内存需达到4 G以上。 　　计算机为处理前端读卡器和Kinect摄像头所需的硬件平台，可方便用户输入数据，也可通过与自行开发的配套软件相结合，实时检测用户引体向上的情况，同时还可将用户数据上传至云端服务器进行处理。