CN117058758B 基于ai技术的智慧体育考试方法及相关装置 （安徽一视科技有限公司）

基于AI技术的智慧体育考试方法及相关装置本发明公开了一种基于AI技术的智慧体育育考试项目对应的3D标准动作骨骼模型和3D动括各个预设时间序列对应的关键骨骼点的运动的各个关键帧图像提取与考试时间对应的3D骨考试项目成绩。本发明根据3D标准动作骨骼模2考生根据人脸识别信息登录并选择体育考试项目，其中，所述体加载所述体育考试项目对应的3D标准动作骨骼模述3D标准动作骨骼模型包括各个预设时间序列对应的关键骨骼点的采集该考生的体育考试视频，根据该视频的各个关键帧图像提取与考试时根据所述3D标准动作骨骼模型、所述3D动作扣分骨骼模型和所述3D体育考试项目骨所述根据所述3D标准动作骨骼模型、所述3D动作扣分骨骼模型和所述3D体育考试项针对所述3D体育考试项目骨骼模型中任一时间序列的关键帧3D骨3D骨骼点坐标与对应该时间序列的所述3D标准动作骨骼模型中的关键帧3D骨骼点坐标的骨骼模型中的关键帧3D骨骼点坐标的第二空间分别根据第一空间距离均方差和第二空间距离均方差计算该考生所有关键帧3D骨骼若该第一空间距离均方差总值和第二空间距离均方差总值分别介于第一预设范围和3D动作扣分骨骼模型包括各个预设时间序列对应频的各个关键帧图像提取与考试时间对应的3D骨骼将该视频的各个关键帧的2D图像转换为I将该ITK数据格式的2D图像转换为DI根据skeleton_3D方法提取与考试时间对应的该DICOM格式图像3.根据权利要求2所述的基于AI技术的智慧体育考试方法，其特征在于，所述根据skeleton_3D方法提取与考试时间对应的该根据skeleton_3D方法提取与考试时间对应的该DICOM格式图像针对任一时间序列t的关键帧2D骨骼点，根据前一个时间序列t_1的关键帧2D骨骼点、2D骨骼点轮廓比例和2D骨骼点轮廓位移信息，计算该时间序列t的关键帧2D骨骼点对应的依次针对所述3D体育考试项目骨骼模型中任一关键帧3D骨骼点，根计算该关键帧3D骨骼点与所述3D标准动作骨骼模型中各个关键帧3D骨骼点和所述3D动作3针对所述3D体育考试项目骨骼模型中任一关键帧的3D骨骼点，计模型加载模块，用于加载所述体育考试项目对应的3D标准动作骨骼模型和考试采集模块，用于采集该考生的体育考试视频，根据该视频的各成绩计算模块，用于根据所述3D标准动作骨骼模型、所针对所述3D体育考试项目骨骼模型中任一时间序列的关键帧3D骨3D骨骼点坐标与对应该时间序列的所述3D标准动作骨骼模型中的关键帧3D骨骼点坐标的骨骼模型中的关键帧3D骨骼点坐标的第二空间分别根据第一空间距离均方差和第二空间距离均方差计算该考生所有关键帧3D骨骼若该第一空间距离均方差总值和第二空间距离均方差总值分别介于第一预设范围和3D动作扣分骨骼模型包括各个预设时间序列对应所述存储器用于存放至少一可执行指令，所述可执行指令使所求1_6中任一项所述的基于AI技术的智慧9.一种计算机存储介质，所述存储介质中存储有使处理器执行如权利要求1_6中任一项所述的基于AI技术的智慧体育考试方法对应的操4[0009]加载所述体育考试项目对应的3D标准动作骨骼模型和3D动作扣分骨骼模型，其5键帧3D骨骼点坐标与对应该时间序列的所述3D标准动作骨骼模型中的关键帧3D骨骼点坐扣分骨骼模型中的关键帧3D骨骼点坐标的第二空间距离均[0021]分别根据第一空间距离均方差和第二空间距离均方差计算该考生所有关键帧3D骨骼点的第一空间距离均方差总值和第二空间[0022]若该第一空间距离均方差总值和第二空间距离均方差总值分别介于第一预设范算法计算该关键帧3D骨骼点与所述3D标准动作骨骼模型中各个关键帧3D骨骼点和所述3D6[0037]上述说明仅是本发明技术方案的概述，为了能够更清楚[0049]图1示出了本发明实施例的AI技术的智慧体育考试方法的流程示意图。本方法根7[0052]考生根据人脸识别信息注册和登录体育考试系统APP，并选择相应的体育考试项等。3D动作扣分骨骼模型包括各个预设时间序列对应的关键骨骼点的常见错误运动轨迹，关键帧的骨骼点坐标信息及相应的时间序列。8[0062]通过穿戴设备对标准动作和/或扣分动作绘制3D动画模型，并导出各个关键帧的仅根据重复动作设置相应的预设时间序列。[0071]将该ITK数据格式的2D图像转换为DICOM格式图像。单张DICOM中的关键骨骼能包轮廓比例和轮廓位移信息计算时间序列t_1的关键帧2D骨骼点的三维坐标变换，对三维坐9键帧3D骨骼点坐标与对应该时间序列的所述3D标准动作骨骼模型中的关键帧3D骨骼点坐扣分骨骼模型中的关键帧3D骨骼点坐标的第二空间距离均[0082]分别根据第一空间距离均方差和第二空间距离均方差计算该考生所有关键帧3D骨骼点的第一空间距离均方差总值和第二空间[0083]若该第一空间距离均方差总值和第二空间距离均方差总值分别介于第一预设范[0084]具体地，针对所述3D体育考试项目骨骼模型中任一时间序计算该关键帧3D骨骼点坐标与对应该时间序列的所述3D标准动作骨骼模型中的关键帧3D[0085]分别根据第一空间距离均方差和第二空间距离均方差计算该考生所有关键帧3D[0086]判断该第一空间距离均方差总值和第二空间距离均方差若该第一空间距离均方差总值和第二空间距离均方差总值分别介于第一预设范围和第二算法计算该关键帧3D骨骼点与所述3D标准动作骨骼模型中各个关键帧3D骨骼点和所述3D聚类算法计算该关键帧3D骨骼点与所述3D标准动作骨骼模型中各个关键帧3D骨骼点和所密度聚类(DBSCAN)的无监督机器学习算法，如果数据点的相互距离小于或等于指定的[0097]本发明上述实施例提供的方案，考生根据人脸识别信息登录并选择体育考试项[0098]图7示出了本发明实施例的基于AI技术的智慧体育考试装置的结构示意图。基于[0100]所述模型加载模块720，用于加载所述体育考试项目对应的3D标准动作骨骼模型键帧3D骨骼点坐标与对应该时间序列的所述3D标准动作骨骼模型中的关键帧3D骨骼点坐扣分骨骼模型中的关键帧3D骨骼点坐标的第二空间距离均[0112]分别根据第一空间距离均方差和第二空间距离均方差计算该考生所有关键帧3D骨骼点的第一空间距离均方差总值和第二空间[0113]若该第一空间距离均方差总值和第二空间距离均方差总值分别介于第一预设范算法计算该关键帧3D骨骼点与所述3D标准动作骨骼模型中各个关键帧3D骨骼点和所述3D[0122]本发明上述实施例提供的方案，考生根据人脸识别信息登录并选择体育考试项[0123]图8示出了本发明计算设备实施例的结构示意图，本发明具体实施例并不对计算于执行程序810，具体可以执行上述基于AI技术的智慧体育考试方法实施例中的相关模块[0127]处理器802可能是中央处理器CPU，或者是特定集成电路ASIC(Application[0130]在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些域技术