一种基于图像分析计算跳远距离的系统及其方法

本发明涉及人工智能，具体涉及一种基于图像分析计算跳远距离的系统及其方法。背景技术：1、随着人工智能技术、大数据分析技术的不断成熟和发展，人工智能取代传统体育教学已成趋势。2、传统跳远成绩统计,距离采用人工统计，成绩采用人工录入，因此测试和整理数据均耗费了大量的时间和精力，且由于没有长期的跳远成绩统计记录，无法实现数据跟踪。3、现有技术中，发明专利cn113137923a公开了立定跳远运动成绩测量方法，其通过设置测试区域和运动参数，采集用户测试视频，分析用户测试视频获取成绩。4、但是，现有技术依旧存在以下弊端：仅使用人体姿态关键节点检测脚进行估计算法，可能在非站立姿态下计算距离，降低了检测误差。同时由于校园场地复杂，人员较多，干扰较多，需要进行抗干扰处理。5、基于此，本发明设计了一种基于图像分析计算跳远距离的系统及其方法以解决上述问题。技术实现思路1、针对现有技术所存在的上述缺点，本发明提供了一种基于图像分析计算跳远距离的系统及其方法。2、为实现以上目的，本发明通过以下技术方案予以实现：3、一种基于图像分析计算跳远距离的系统，包括：4、测试人员信息录入模块，接收本次测试的测试人员信息，并将测试人员信息发送至边缘计算工控机；5、视频监控模块，用于实时采集视频，并将视频实时传输给边缘计算工控机；6、边缘计算工控机，接收视频监控模块发送的视频，当视频监控模块监测到测试人员进入视频画面时，边缘计算工控机向人脸识别模块发送启动指令，获取测试人员信息，发送语音播报指令a给语音播放设备；边缘计算工控机调用人体分析模块实时跟踪判断测试人员是否到达起点，在到达起点时，发送语音播报指令b给语音播放设备；调用人体分析模块实时判断跳远运动中脚踝的稳定性是否满足要求，以及判断测试人员落地时的姿态是否为站立状态，将判断为站立状态下的第一帧图像作为落地图像；对落地图像进行轮廓提取和差异化二值化处理，并计算轮廓点的具体值，处于跳远有效区域且距离起点线距离最小的轮廓点认为是落地点，轮廓点的具体值即为跳远距离；保存跳远成绩；7、各位测试人员的跳远成绩可以长期保存，有利于实现数据跟踪；8、人脸识别模块，接收边缘计算工控机的启动指令后，进行人脸捕捉分析，识别出测试人员信息，并发送至边缘计算工控机；9、语音播放设备，接收到边缘计算工控机发送的语音播报指令a后，语音播报提示测试人员进入测试起点；接收到边缘计算工控机发送的语音播报指令b后，语音播报提示测试开始，之后测试人员进行跳远测试；10、视频监控模块和边缘计算工控机分别与路由器连接，边缘计算工控机与语音播放设备连接。11、更进一步的，所述视频监控模块通过rtsp协议将视频实时传输给边缘计算工控机。12、更进一步的，所述人体分析模块包括人体姿态检测模块、图像处理单元。13、更进一步的，所述人体姿态检测模块采用tensorflow lite姿态检测模型，实时采集视频中脚踝、膝盖、臀部关键点。14、更进一步的，图像处理单元实时跟踪判断测试人员的脚踝关键点右侧是否刚好接触起点线，若是，则此时发送语音播报指令b给语音播放设备，同时此处作为脚踝跳远轨迹记录初始点。15、更进一步的，跳远运动中，图像处理单元实时利用标准差公式判断脚踝的稳定性是否满足要求，以判断落地点：将距离起点最近的横向坐标、脚踝的纵向坐标在图像上达到最大的点作为落地点。16、更进一步的，还包括站立姿态估计模块，站立姿态估计模块与边缘计算工控机连接，在脚踝的稳定性满足要求时，还需要结合站立姿态估计模块判断测试人员落地时的姿态是否为站立状态；边缘计算工控机将脚踝的稳定性满足要求、且处于站立状态下的第一帧图像作为落地图像；若一帧图像中，脚踝的稳定性满足要求，但判定为非站立状态，则继续判断下一帧图像，直至判定为站立状态，将该帧图像作为落地图像。17、更进一步的，图像处理单元对落地图像进行轮廓提取和差异化二值化处理；之后对轮廓点遍历，轮廓点落在不同的跳远游标刻度内，计算轮廓点的具体值；处于跳远有效区域且距离起点线距离最小的轮廓点认为是落地点，轮廓点的具体值即为跳远距离。18、更进一步的，还包括抗干扰模块，抗干扰模块与边缘计算工控机连接，在对落地图像进行轮廓提取和差异化二值化处理之前，抗干扰模块预先对落地图像进行切割处理。19、一种基于图像分析计算跳远距离自动统计方法，包括以下步骤：20、(1)测试人员信息录入模块接收本次测试的测试人员的信息，并将测试人员信息发送至边缘计算工控机；21、(2)视频监控模块实时采集视频，并通过rtsp协议，将视频实时传输给边缘计算工控机；22、(3)当视频监控模块监测到测试人员进入视频画面时，边缘计算工控机向人脸识别模块发送启动指令，人脸识别模块进行人脸捕捉分析，识别出测试人员的信息，语音播放设备语音播报提示测试人员进入测试起点；23、(4)边缘计算工控机接收视频，通过人体姿态检测模块实时采集视频中人体脚踝、膝盖、臀部关键点关键点；通过图像处理单元实时跟踪判断测试人员的脚踝关键点右侧是否刚好接触起点线，若是，则测试人员到达起点，此处作为脚踝跳远轨迹记录初始点；此时语音播放设备语音播报提示测试开始，之后测试人员进行跳远测试；24、(5)图像处理单元实时利用标准差公式判断跳远运动中脚踝的稳定性是否满足要求；将距离起点最近的横向坐标、脚踝的纵向坐标在图像上达到最大的点作为落地点；25、(6)在稳定性满足要求后，图像处理单元通过站立姿态估计模块判断测试人员落地时一帧图像的姿态是否为站立状态；边缘计算工控机将脚踝的稳定性满足要求、且处于站立状态下的第一帧图像作为落地图像；26、若一帧图像中，脚踝的稳定性满足要求，但判定为非站立状态，则继续判断下一帧图像，直至判定为站立状态，将该帧图像作为落地图像；27、(7)抗干扰模块预先对落地图像进行切割处理；28、(8)图像处理单元对抗干扰处理后的落地图像进行轮廓提取和差异化二值化处理，计算得到轮廓点的具体值；处于跳远有效区域且距离起点线距离最小的轮廓点认为是落地点，轮廓点的具体值即为跳远距离。29、有益效果30、本发明基于图像分析计算获知跳远成绩，利用标准差公式判断跳远运动中脚踝的稳定性是否满足要求，以判断落地点，同时结合站立姿态估计，选择处于站立姿态的第一帧图像作为落地图像，进行落地计算，有利于降低成绩计算误差；通过对轮廓点遍历，轮廓点落在不同的游标刻度内，再精确为具体值，当某个轮廓点距离起点最小，认为是落地点，对应的距离为跳远的距离，检测准确；本发明考虑到校园场地复杂，人员较多，进行了抗干扰处理，实现指定范围的图像处理，既保证了人体关键点的完整性，又避免了外界的干扰；本发明可应用于智慧体育中自动统计跳远成绩。