一种基于Kinect骨骼数据的运动量监测方法、装置及系统

摘要

本发明涉及体育训练设备技术领域，公开了一种基于Kinect骨骼数据的运动量监测方法、装置及系统，其方法是先接收由Kinect设备对目标运动人员实时采集的Kinect骨骼数据，然后根据该数据确定各个人体部位的实时质心坐标，再然后针对所述各个人体部位，根据对应的重量值和实时质心坐标，计算得到对应的且在当前运动瞬间所具有的机械能，再然后将整个人体在相邻两运动瞬间的机械能增量视为运动量瞬态值，进而将累加所得的机械能总增量视为从起始运动瞬间至所述当前运动瞬间的总运动量，最后通过阈值比较方式来判断运动量是否已达标，并进行提醒，如此不但可以解决现有运动量监测方式所存在佩戴体验不好和运动不自由的问题，还可以提升运动量监测结果的准确性。

说明书

技术领域

本发明属于体育训练设备技术领域，具体地涉及一种基于Kinect骨骼数据的运动量监测方法、装置及系统。

背景技术

体育教育在中小学及高校教育中举足轻重，而体育课则是高校体育教育的主要组织形式和重要载体，是所有专业的基础课程之一。运动量(Amount of exercise)也称“运动负荷”，指人体在体育活动中所承受的生理、心理负荷量以及消耗的热量，由完成练习的运动强度与持续时间，以及动作的准确性和运动项目特点等因素来决定运动量的大小。在体育锻炼过程中，有必要及时掌握运动员在锻炼时所产生的运动量(即消耗的热量)，以防止因运动量不足而达不到锻炼效果，以及避免因运动过量而给运动员身体带来伤害。但是，目前的运动量监测方式主要是基于诸如姿态传感器或运动传感器等佩戴式传感器所采集的数据来分析得到运动量数值，存在佩戴体验不好、运动不自由和监测结果不准等问题，有必要另辟捷径。

发明内容

为了解决现有运动量监测方式所存在佩戴体验不好、运动不自由和监测结果不准的问题，本发明目的在于提供一种基于Kinect骨骼数据的运动量监测方法、装置、系统、计算机设备及计算机可读存储介质。

第一方面，本发明提供了一种基于Kinect骨骼数据的运动量监测方法，包括：

获取目标运动人员的且在多个人体部位中各个人体部位的重量值，其中，所述多个人体部位包括有人体头部、人体颈部、躯干上部、躯干下部、左上臂、左前臂、左手、左大腿、左小腿、左足、右上臂、右前臂、右手、右大腿、右小腿和右足；

接收由Kinect设备对所述目标运动人员实时采集的Kinect骨骼数据，其中，所述Kinect 骨骼数据包含有多个人体关节点的三维坐标，所述多个人体关节点包括有头部关节点、颈部关节点、脊柱肩膀关节点、脊柱中间关节点、脊柱基底关节点、左肩关节点、左肘关节点、左腕关节点、左手关节点、左臀关节点、左膝关节点、左踝关节点、左足关节点、右肩关节点、右肘关节点、右腕关节点、右手关节点、右臀关节点、右膝关节点、右踝关节点和右足关节点；

根据所述Kinect骨骼数据，按照如下方式(A)～(J)确定所述各个人体部位的实时质心坐标：

(A)根据头部关节点的实时三维坐标，确定人体头部的实时质心坐标；

(B)根据颈部关节点的实时三维坐标，确定人体颈部的实时质心坐标；

(C)根据脊柱肩膀关节点、脊柱中间关节点、左肩关节点和右肩关节点的实时三维坐标，确定躯干上部的实时质心坐标；

(D)根据脊柱中间关节点、脊柱基底关节点、左臀关节点和右臀关节点的实时三维坐标，确定躯干下部的实时质心坐标；

(E)根据左肩关节点和左肘关节点的实时三维坐标，确定左上臂的实时质心坐标，以及根据右肩关节点和右肘关节点的实时三维坐标，确定右上臂的实时质心坐标；

(F)根据左肘关节点和左腕关节点的实时三维坐标，确定左前臂的实时质心坐标，以及根据右肘关节点和右腕关节点的实时三维坐标，确定右前臂的实时质心坐标；

(G)根据左手关节点的实时三维坐标，确定左手的实时质心坐标，以及根据右手关节点的实时三维坐标，确定右手的实时质心坐标；

(H)根据左臀关节点和左膝关节点的实时三维坐标，确定左大腿的实时质心坐标，以及根据右臀关节点和右膝关节点的实时三维坐标，确定右大腿的实时质心坐标；

(I)根据左膝关节点和左踝关节点的实时三维坐标，确定左小腿的实时质心坐标，以及根据右膝关节点和右踝关节点的实时三维坐标，确定右小腿的实时质心坐标；

(J)根据左足关节点的实时三维坐标，确定左足的实时质心坐标，以及根据右足关节点的实时三维坐标，确定右足的实时质心坐标；

针对所述各个人体部位，根据对应的重量值和实时质心坐标，计算得到对应的且在当前运动瞬间所具有的机械能，其中，所述机械能包括有动能和重力势能；

根据所述各个人体部位在从起始运动瞬间至所述当前运动瞬间的各个运动瞬间所具有的机械能，按照如下公式计算得到各对相邻两运动瞬间的机械能增量ΔE：

式中，K表示所述多个人体部位的人体部位总数，k表示自然数，E

累加计算从所述起始运动瞬间至所述当前运动瞬间的所有相邻两运动瞬间的机械能增量，得到实时的机械能总增量；

判断所述机械能总增量是否已达到预设的第一阈值；

若是，则确定所述目标运动人员的运动量已达标，并触发提示设备播报运动达标提示消息。

基于上述发明内容，可提供一种无需佩戴传感器也能准确监测运动人员运动量的新方案，即先接收由Kinect设备对目标运动人员实时采集的Kinect骨骼数据，然后根据所述 Kinect骨骼数据，确定各个人体部位的实时质心坐标，再然后针对所述各个人体部位，根据对应的重量值和实时质心坐标，计算得到对应的且在当前运动瞬间所具有的机械能，再然后将整个人体在相邻两运动瞬间的机械能增量视为运动量瞬态值，进而将累加所得的机械能总增量视为从起始运动瞬间至所述当前运动瞬间的总运动量，最后通过阈值比较方式来判断运动量是否已达标/和已过度，并进行相应的运动量监测提醒，如此不但可以解决现有运动量监测方式所存在佩戴体验不好和运动不自由的问题，还可以提升运动量监测结果的准确性，便于实际应用和推广。

在一个可能的设计中，获取目标运动人员的且在多个人体部位中各个人体部位的重量值，包括：

获取目标运动人员的体重值；

根据所述体重值和各个人体部位重量占总体重的比例，计算得到所述目标运动人员的且在多个人体部位中各个人体部位的重量值，其中，所述多个人体部位包括有人体头部、人体颈部、躯干上部、躯干下部、左上臂、左前臂、左手、左大腿、左小腿、左足、右上臂、右前臂、右手、右大腿、右小腿和右足。

在一个可能的设计中，根据所述体重值和各个人体部位重量占总体重的比例，计算得到所述目标运动人员的且在多个人体部位中各个人体部位的重量值，包括：

接收由摄像设备对所述目标运动人员采集的人脸图像；

将所述人脸图像输入基于深度学习技术的且已完成预训练的人脸性别识别模型中，输出得到所述目标运动人员的性别识别结果；

根据所述体重值和与所述性别识别结果对应的且各个人体部位重量占总体重的比例，计算得到所述目标运动人员的且在多个人体部位中各个人体部位的重量值，其中，所述多个人体部位包括有人体头部、人体颈部、躯干上部、躯干下部、左上臂、左前臂、左手、左大腿、左小腿、左足、右上臂、右前臂、右手、右大腿、右小腿和右足。

在一个可能的设计中，在确定所述目标运动人员的运动量已达标之后，所述方法还包括：

判断所述机械能总增量是否已超过预设的第二阈值，其中，所述第二阈值大于所述第一阈值；

若是，则确定所述目标运动人员的运动量已过度，并触发所述提示设备播报运动过度警示消息。

第二方面，本发明提供了一种基于Kinect骨骼数据的运动量监测装置，包括有重量数据获取模块、骨骼数据接收模块、质心坐标确定模块、机械能计算模块、机械能增量计算模块、增量累加计算模块、判断模块和触发模块；

所述重量数据获取模块，用于获取目标运动人员的且在多个人体部位中各个人体部位的重量值，其中，所述多个人体部位包括有人体头部、人体颈部、躯干上部、躯干下部、左上臂、左前臂、左手、左大腿、左小腿、左足、右上臂、右前臂、右手、右大腿、右小腿和右足；

所述骨骼数据接收模块，用于接收由Kinect设备对所述目标运动人员实时采集的Kinect 骨骼数据，其中，所述Kinect骨骼数据包含有多个人体关节点的三维坐标，所述多个人体关节点包括有头部关节点、颈部关节点、脊柱肩膀关节点、脊柱中间关节点、脊柱基底关节点、左肩关节点、左肘关节点、左腕关节点、左手关节点、左臀关节点、左膝关节点、左踝关节点、左足关节点、右肩关节点、右肘关节点、右腕关节点、右手关节点、右臀关节点、右膝关节点、右踝关节点和右足关节点；

所述质心坐标确定模块，通信连接所述骨骼数据接收模块，用于根据所述Kinect骨骼数据，按照如下方式(A)～(J)确定所述各个人体部位的实时质心坐标：

(A)根据头部关节点的实时三维坐标，确定人体头部的实时质心坐标；

(B)根据颈部关节点的实时三维坐标，确定人体颈部的实时质心坐标；

(C)根据脊柱肩膀关节点、脊柱中间关节点、左肩关节点和右肩关节点的实时三维坐标，确定躯干上部的实时质心坐标；

(D)根据脊柱中间关节点、脊柱基底关节点、左臀关节点和右臀关节点的实时三维坐标，确定躯干下部的实时质心坐标；

(E)根据左肩关节点和左肘关节点的实时三维坐标，确定左上臂的实时质心坐标，以及根据右肩关节点和右肘关节点的实时三维坐标，确定右上臂的实时质心坐标；

(F)根据左肘关节点和左腕关节点的实时三维坐标，确定左前臂的实时质心坐标，以及根据右肘关节点和右腕关节点的实时三维坐标，确定右前臂的实时质心坐标；

(G)根据左手关节点的实时三维坐标，确定左手的实时质心坐标，以及根据右手关节点的实时三维坐标，确定右手的实时质心坐标；

(H)根据左臀关节点和左膝关节点的实时三维坐标，确定左大腿的实时质心坐标，以及根据右臀关节点和右膝关节点的实时三维坐标，确定右大腿的实时质心坐标；

(I)根据左膝关节点和左踝关节点的实时三维坐标，确定左小腿的实时质心坐标，以及根据右膝关节点和右踝关节点的实时三维坐标，确定右小腿的实时质心坐标；

(J)根据左足关节点的实时三维坐标，确定左足的实时质心坐标，以及根据右足关节点的实时三维坐标，确定右足的实时质心坐标；

所述机械能计算模块，分别通信连接所述重量数据获取模块和所述质心坐标确定模块，用于针对所述各个人体部位，根据对应的重量值和实时质心坐标，计算得到对应的且在当前运动瞬间所具有的机械能，其中，所述机械能包括有动能和重力势能；

所述机械能增量计算模块，通信连接所述机械能计算模块，用于根据所述各个人体部位在从起始运动瞬间至所述当前运动瞬间的各个运动瞬间所具有的机械能，按照如下公式计算得到各对相邻两运动瞬间的机械能增量ΔE：

式中，K表示所述多个人体部位的人体部位总数，k表示自然数，E

所述增量累加计算模块，通信连接所述机械能增量计算模块，用于累加计算从所述起始运动瞬间至所述当前运动瞬间的所有相邻两运动瞬间的机械能增量，得到实时的机械能总增量；

所述判断模块，通信连接所述增量累加计算模块，用于判断所述机械能总增量是否已达到预设的第一阈值；

所述触发模块，通信连接所述判断模块，用于在判定所述机械能总增量已达到所述第一阈值时，确定所述目标运动人员的运动量已达标，并触发提示设备播报运动达标提示消息。

第三方面，本发明提供了一种运动量监测系统，包括有Kinect设备、提示设备和控制设备，其中，所述Kinect设备的数据输出端通信连接所述控制设备的数据输入端，所述控制设备的输出端通信连接所述提示设备的受控端；

所述Kinect设备，用于实时采集目标运动人员的Kinect骨骼数据，其中，所述Kinect 骨骼数据包含有多个人体关节点的三维坐标，所述多个人体关节点包括有头部关节点、颈部关节点、脊柱肩膀关节点、脊柱中间关节点、脊柱基底关节点、左肩关节点、左肘关节点、左腕关节点、左手关节点、左臀关节点、左膝关节点、左踝关节点、左足关节点、右肩关节点、右肘关节点、右腕关节点、右手关节点、右臀关节点、右膝关节点、右踝关节点和右足关节点；

所述提示设备，用于在所述控制设备的控制下播报消息；

所述控制设备，用于执行如第一方面或第一方面中任意一种可能设计所述的运动量监测方法。

在一个可能的设计中，还包括有通信连接所述控制设备的称重设备；

所述称重设备，用于采集获取所述目标运动人员的体重值，并将该体重值传送至所述控制设备。

在一个可能的设计中，还包括有分别通信连接所述称重设备和所述控制设备的摄像设备；

所述摄像设备，用于在所述称重设备采集获取到所述目标运动人员的体重值时，联动采集获取所述目标运动人员的人脸图像，并将该人脸图像传送至所述控制设备。

第四方面，本发明提供了一种计算机设备，包括有依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面或第一方面中任意一种可能设计所述的运动量监测方法。

第五方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如上第一方面或第一方面中任意一种可能设计的所述的运动量监测方法。

第六方面，本发明提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如上第一方面或第一方面中任意一种可能设计的所述的运动量监测方法。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的基于Kinect骨骼数据的运动量监测方法的流程示意图。

图2是本发明提供的在Kinect骨骼数据中25个人体关节点的示例图。

图3是本发明提供的基于Kinect骨骼数据的运动量监测装置的结构示意图。

图4是本发明提供的运动量监测系统的结构示意图。

图5是本发明提供的计算机设备的结构示意图。

具体实施方式

下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明虽然是用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明示例的实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。

应当理解，尽管本文可能使用术语第一和第二等等来描述各种对象，但是这些对象不应当受到这些术语的限制。这些术语仅用于区分一个对象和另一个对象。例如可以将第一对象称作第二对象,并且类似地可以将第二对象称作第一对象，同时不脱离本发明的示例实施例的范围。

应当理解，对于本文中可能出现的术语“和/或”，其仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A、单独存在B或者同时存在A和B等三种情况；对于本文中可能出现的术语“/和”，其是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A或者同时存在A和B等两种情况；另外，对于本文中可能出现的字符“/”，一般表示前后关联对象是一种“或”关系。

如图1所示，本实施例第一方面提供的且基于Kinect骨骼数据的运动量监测方法，可以但不限于由具有一定计算资源的且通信连接有Kinect设备(其是一种由微软开发的现有深度体感摄影机，“Kinect”为动力学——Kinetics加上连接——Connection两字所自创的新词汇)和提示设备的计算机设备执行，例如由单片机、个人计算机(PersonalComputer， PC，指一种大小、价格和性能适用于个人使用的多用途计算机；台式机、笔记本电脑到小型笔记本电脑和平板电脑以及超级本等都属于个人计算机)、智能手机、个人数字助理 (Personal digital assistant，PAD)、可穿戴设备或平台服务器等电子设备执行，以便提供一种无需佩戴传感器也能准确监测运动人员运动量的新方案，既可以解决现有运动量监测方式所存在佩戴体验不好和运动不自由的问题，还可以提升运动量监测结果的准确性，便于实际应用和推广。如图1所示，所述基于Kinect骨骼数据的运动量监测方法，可以但不限于包括有如下步骤S1～S8。

S1.获取目标运动人员的且在多个人体部位中各个人体部位的重量值，其中，所述多个人体部位包括但不限于有人体头部、人体颈部、躯干上部(即胸部及以上的部位)、躯干下部(即腹部及以下的部位)、左上臂、左前臂、左手、左大腿、左小腿、左足、右上臂、右前臂、右手、右大腿、右小腿和右足等。

在所述步骤S1中，所述多个人体部位即构成所述目标运动人员的完整身体(此处不考虑运动人员为残疾人士的情况)。具体的，获取目标运动人员的且在多个人体部位中各个人体部位的重量值，包括但不限于有如下步骤：先获取目标运动人员的体重值；然后根据所述体重值和各个人体部位重量占总体重的比例，计算得到所述目标运动人员的且在多个人体部位中各个人体部位的重量值，其中，所述多个人体部位包括但不限于有人体头部、人体颈部、躯干上部、躯干下部、左上臂、左前臂、左手、左大腿、左小腿、左足、右上臂、右前臂、右手、右大腿、右小腿和右足等。所述体重值可以人工输入得到，也可以通过称重设备即时采集得到；所述各个人体部位重量占总体重的比例为人体医学研究所得的公知常识，如下表 1所示：

表1.各个人体部位重量占总体重的比例

由此根据所述体重值和各个人体部位重量占总体重的比例，可通过常规方式计算得到所述目标运动人员的各个人体部位的重量值。

在所述步骤S1中，进一步考虑在上述表1中不同性别人体的各个人体部位的重量占比不尽相同，为了准确得到所述目标运动人员的各个人体部位的重量值，优先的，根据所述体重值和各个人体部位重量占总体重的比例，计算得到所述目标运动人员的且在多个人体部位中各个人体部位的重量值，包括但不限于有如下步骤S121～S123。

S121.接收由摄像设备对所述目标运动人员采集的人脸图像。

在所述步骤S121中，所述摄像设备可以是所述Kinect设备中的一个特定摄像头，也可以是一个独立摄像头，用于采集获取所述目标运动人员的人脸图像。

S122.将所述人脸图像输入基于深度学习技术的且已完成预训练的人脸性别识别模型中，输出得到所述目标运动人员的性别识别结果。

在所述步骤S122中，所述深度学习(Deep Learning)技术是机器学习技术的一个分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法，至今已有数种深度学习框架，如卷积神经网络、深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别和生物信息学等领域，并获取了极好的效果，因此可以基于卷积神经网络、深度置信网络和递归神经网络等深度学习网络，通过常规的学习训练方式预训练得到所述人脸性别识别模型，使得其在输入人脸图像后，可以输出对应的二分类性别识别结果：男性或女性。

S123.根据所述体重值和与所述性别识别结果对应的且各个人体部位重量占总体重的比例，计算得到所述目标运动人员的且在多个人体部位中各个人体部位的重量值，其中，所述多个人体部位包括但不限于有人体头部、人体颈部、躯干上部、躯干下部、左上臂、左前臂、左手、左大腿、左小腿、左足、右上臂、右前臂、右手、右大腿、右小腿和右足等。

在所述步骤S123中，举例的，当所述性别识别结果为女性且所述体重值为50千克时，可计算得到所述人体头部的重量值为1.85千克、所述人体颈部的重量值为1.30千克、所述躯干上部的重量值为10.65千克、所述躯干下部的重量值为13.60千克、所述左上臂的重量值为1.30千克、所述左前臂的重量值为0.65千克、所述左手的重量值为0.30千克、所述左大腿的重量值为5.60千克、所述左小腿的重量值为2.70千克、所述左足的重量值为0.75 千克、所述右上臂的重量值为1.30千克、所述右前臂的重量值为0.65千克、所述右手的重量值为0.30千克、所述右大腿的重量值为5.60千克、所述右小腿的重量值为2.70千克和所述右足的重量值为0.75千克。

S2.接收由Kinect设备对所述目标运动人员实时采集的Kinect骨骼数据，其中，所述 Kinect骨骼数据包含但不限于有多个人体关节点的三维坐标，所述多个人体关节点包括有头部关节点、颈部关节点、脊柱肩膀关节点、脊柱中间关节点、脊柱基底关节点、左肩关节点、左肘关节点、左腕关节点、左手关节点、左臀关节点、左膝关节点、左踝关节点、左足关节点、右肩关节点、右肘关节点、右腕关节点、右手关节点、右臀关节点、右膝关节点、右踝关节点和右足关节点等。

在所述步骤S2中，所述Kinect设备优选为第二代的Kinect V2设备，其相对于第一代 Kinect设备有改进的4阵列麦克风(零点平衡)、新的主动式红外检测和1080P高清视频等，同时可利用改进之后的骨骼追踪识别技术，对深度图像前景和背景进行分离，然后通过基于深度图像特征的骨骼关节点跟踪6个完整骨骼和25个关节点(如图2所示，有头部关节点1 ——Head、颈部关节点2——Neck、脊柱肩膀关节点3——SpineShoulder、脊柱中间关节点 4——SpineMid、脊柱基底关节点5——SpineBase、左肩关节点6——ShoulderLeft、左肘关节点7——ElbowLeft、左腕关节点8——WristLeft、左手关节点9——HandLeft、左拇指关节点10——ThumbLeft、左指尖关节点11——HandTipLeft、左臀关节点12——HipLeft、左膝关节点13——KneeLeft、左踝关节点14——AnkleLeft、左足关节点15——FootLeft、右肩关节点16——ShoulderRight、右肘关节点17——ElbowRight、右腕关节点18—— WristRight、右手关节点19——HandRight、右拇指关节点20——ThumbRight、右指尖关节点21——HandTipRight、右臀关节点22——HipRight、右膝关节点23——KneeRight、右踝关节点24——AnkleRight和右足关节点25——FootRight等)，最后以约30fps的传输速度输出Kinect骨骼数据，使得追踪的姿势更加精确和稳定。由于所述Kinect设备会对所述 25个关节点进行追踪，因此追踪所得的Kinect骨骼数据必然包含有所述多个人体关节点的三维坐标。

S3.根据所述Kinect骨骼数据，按照如下方式(A)～(J)确定所述各个人体部位的实时质心坐标。

(A)根据头部关节点的实时三维坐标，确定人体头部的实时质心坐标。

在上述方式(A)中，可以基于头部关节点与人体头部质心的已知相对位置关系(其提前通过人体医学研究得到)，根据所述头部关节点的实时三维坐标，确定所述人体头部的实时质心坐标，也可以直接将所述头部关节点的实时三维坐标近似作为所述人体头部的实时质心坐标。此外，所述人体头部的实时质心坐标为大地坐标系下的坐标位置，若所述头部关节点的实时三维坐标是处于所述Kinect设备的物体坐标系下的坐标位置，则需要在确定过程中通过常规的坐标变换算法，先将所述头部关节点的实时三维坐标换算为处于所述大地坐标系下的实时三维坐标，然后再确定出所述人体头部的实时质心坐标。

(B)根据颈部关节点的实时三维坐标，确定人体颈部的实时质心坐标。

在上述方式(B)中，可以基于颈部关节点与人体颈部质心的已知相对位置关系(其提前通过人体医学研究得到)，根据所述颈部关节点的实时三维坐标，确定所述人体颈部的实时质心坐标，也可以直接将所述颈部关节点的实时三维坐标近似作为所述人体颈部的实时质心坐标。此外，所述人体颈部的实时质心坐标为大地坐标系下的坐标位置，若所述颈部关节点的实时三维坐标是处于所述Kinect设备的物体坐标系下的坐标位置，则需要在确定过程中通过常规的坐标变换算法，先将所述颈部关节点的实时三维坐标换算为处于所述大地坐标系下的实时三维坐标，然后再确定出所述人体颈部的实时质心坐标。

(C)根据脊柱肩膀关节点、脊柱中间关节点、左肩关节点和右肩关节点的实时三维坐标，确定躯干上部的实时质心坐标。

在上述方式(C)中，可以基于脊柱肩膀关节点、脊柱中间关节点、左肩关节点和右肩关节点与躯干上部质心的已知相对位置关系(其提前通过人体医学研究得到)，根据所述脊柱肩膀关节点、所述脊柱中间关节点、所述左肩关节点和所述右肩关节点的实时三维坐标，确定所述躯干上部的实时质心坐标，也可以直接将所述脊柱肩膀关节点、所述脊柱中间关节点、所述左肩关节点和所述右肩关节点的实时中心点三维坐标近似作为所述躯干上部的实时质心坐标。此外，所述躯干上部的实时质心坐标为大地坐标系下的坐标位置，若所述脊柱肩膀关节点、所述脊柱中间关节点、所述左肩关节点和所述右肩关节点的实时三维坐标是处于所述Kinect设备的物体坐标系下的坐标位置，则需要在确定过程中通过常规的坐标变换算法，先将所述脊柱肩膀关节点、所述脊柱中间关节点、所述左肩关节点和所述右肩关节点的实时三维坐标换算为处于所述大地坐标系下的实时三维坐标，然后再确定出所述躯干上部的实时质心坐标。

(D)根据脊柱中间关节点、脊柱基底关节点、左臀关节点和右臀关节点的实时三维坐标，确定躯干下部的实时质心坐标。

在上述方式(D)中，可以基于脊柱中间关节点、脊柱基底关节点、左臀关节点和右臀关节点与躯干下部质心的已知相对位置关系(其提前通过人体医学研究得到)，根据所述脊柱中间关节点、所述脊柱基底关节点、所述左臀关节点和所述右臀关节点的实时三维坐标，确定所述躯干下部的实时质心坐标，也可以直接将所述脊柱中间关节点、所述脊柱基底关节点、所述左臀关节点和所述右臀关节点的实时中心点三维坐标近似作为所述躯干下部的实时质心坐标。此外，所述躯干下部的实时质心坐标为大地坐标系下的坐标位置，若所述脊柱中间关节点、所述脊柱基底关节点、所述左臀关节点和所述右臀关节点的实时三维坐标是处于所述Kinect设备的物体坐标系下的坐标位置，则需要在确定过程中通过常规的坐标变换算法，先将所述脊柱中间关节点、所述脊柱基底关节点、所述左臀关节点和所述右臀关节点的实时三维坐标换算为处于所述大地坐标系下的实时三维坐标，然后再确定出所述躯干下部的实时质心坐标。

(E)根据左肩关节点和左肘关节点的实时三维坐标，确定左上臂的实时质心坐标，以及根据右肩关节点和右肘关节点的实时三维坐标，确定右上臂的实时质心坐标。

在上述方式(E)中，可以基于肩关节点和肘关节点与上臂质心的已知相对位置关系(其提前通过人体医学研究得到)，根据所述左肩关节点和所述左肘关节点的实时三维坐标，确定所述左上臂的实时质心坐标，以及根据所述右肩关节点和所述右肘关节点的实时三维坐标，确定所述右上臂的实时质心坐标，也可以直接将所述左肩关节点和所述左肘关节点的实时中心点三维坐标近似作为所述左上臂的实时质心坐标，以及将所述右肩关节点和所述右肘关节点的实时中心点三维坐标近似作为所述右上臂的实时质心坐标。此外，所述左/右上臂的实时质心坐标为大地坐标系下的坐标位置，若所述左肩关节点、所述左肘关节点、所述右肩关节点和右肘关节点的实时三维坐标是处于所述Kinect设备的物体坐标系下的坐标位置，则需要在确定过程中通过常规的坐标变换算法，先将所述左肩关节点、所述左肘关节点、所述右肩关节点和右肘关节点的实时三维坐标换算为处于所述大地坐标系下的实时三维坐标，然后再确定出所述左/右上臂的实时质心坐标。

(F)根据左肘关节点和左腕关节点的实时三维坐标，确定左前臂的实时质心坐标，以及根据右肘关节点和右腕关节点的实时三维坐标，确定右前臂的实时质心坐标。

在上述方式(F)中，可以基于肘关节点和腕关节点与前臂质心的已知相对位置关系(其提前通过人体医学研究得到)，根据所述左肘关节点和所述左腕关节点的实时三维坐标，确定所述左前臂的实时质心坐标，以及根据所述右肘关节点和所述右腕关节点的实时三维坐标，确定所述右前臂的实时质心坐标，也可以直接将所述左肘关节点和所述左腕关节点的实时中心点三维坐标近似作为所述左前臂的实时质心坐标，以及将所述右肘关节点和所述右腕关节点的实时中心点三维坐标近似作为所述右前臂的实时质心坐标。此外，所述左/右前臂的实时质心坐标为大地坐标系下的坐标位置，若所述左肘关节点、所述左腕关节点、所述右肘关节点和所述右腕关节点的实时三维坐标是处于所述Kinect设备的物体坐标系下的坐标位置，则需要在确定过程中通过常规的坐标变换算法，先将所述左肘关节点、所述左腕关节点、所述右肘关节点和所述右腕关节点的实时三维坐标换算为处于所述大地坐标系下的实时三维坐标，然后再确定出所述左/右前臂的实时质心坐标。

(G)根据左手关节点的实时三维坐标，确定左手的实时质心坐标，以及根据右手关节点的实时三维坐标，确定右手的实时质心坐标。

在上述方式(G)中，可以基于手关节点与手部质心的已知相对位置关系(其提前通过人体医学研究得到)，根据所述左手关节点的实时三维坐标，确定所述左手的实时质心坐标，以及根据所述右手关节点的实时三维坐标，确定所述右手的实时质心坐标，也可以直接将所述左手关节点的实时三维坐标近似作为所述左手的实时质心坐标，以及直接将所述右手关节点的实时三维坐标近似作为所述右手的实时质心坐标。此外，所述左/右手的实时质心坐标为大地坐标系下的坐标位置，若所述左手关节点和所述右手关节点的实时三维坐标是处于所述Kinect设备的物体坐标系下的坐标位置，则需要在确定过程中通过常规的坐标变换算法，先将所述左手关节点和所述右手关节点的实时三维坐标换算为处于所述大地坐标系下的实时三维坐标，然后再确定出所述左/右手的实时质心坐标。

(H)根据左臀关节点和左膝关节点的实时三维坐标，确定左大腿的实时质心坐标，以及根据右臀关节点和右膝关节点的实时三维坐标，确定右大腿的实时质心坐标。

在上述方式(H)中，可以基于臀关节点和膝关节点与大腿质心的已知相对位置关系(其提前通过人体医学研究得到)，根据所述左臀关节点和所述左膝关节点的实时三维坐标，确定所述左大腿的实时质心坐标，以及根据所述右臀关节点和所述右膝关节点的实时三维坐标，确定所述右大腿的实时质心坐标，也可以直接将所述左臀关节点和所述左膝关节点的实时中心点三维坐标近似作为所述左大腿的实时质心坐标，以及将所述右臀关节点和所述右膝关节点的实时中心点三维坐标近似作为所述右大腿的实时质心坐标。此外，所述左/右大腿的实时质心坐标为大地坐标系下的坐标位置，若所述左臀关节点、所述左膝关节点、所述右臀关节点和所述右膝关节点的实时三维坐标是处于所述Kinect设备的物体坐标系下的坐标位置，则需要在确定过程中通过常规的坐标变换算法，先将所述左臀关节点、所述左膝关节点、所述右臀关节点和所述右膝关节点的实时三维坐标换算为处于所述大地坐标系下的实时三维坐标，然后再确定出所述左/右大腿的实时质心坐标。

(I)根据左膝关节点和左踝关节点的实时三维坐标，确定左小腿的实时质心坐标，以及根据右膝关节点和右踝关节点的实时三维坐标，确定右小腿的实时质心坐标。

在上述方式(I)中，可以基于膝关节点和踝关节点与小腿质心的已知相对位置关系(其提前通过人体医学研究得到)，根据所述左膝关节点和所述左踝关节点的实时三维坐标，确定所述左小腿的实时质心坐标，以及根据所述右膝关节点和所述右踝关节点的实时三维坐标，确定所述右小腿的实时质心坐标，也可以直接将所述左膝关节点和所述左踝关节点的实时中心点三维坐标近似作为所述左小腿的实时质心坐标，以及将所述右膝关节点和所述右踝关节点的实时中心点三维坐标近似作为所述右小腿的实时质心坐标。此外，所述左/右小腿的实时质心坐标为大地坐标系下的坐标位置，若所述左膝关节点、所述左踝关节点、所述右膝关节点和所述右踝关节点的实时三维坐标是处于所述Kinect设备的物体坐标系下的坐标位置，则需要在确定过程中通过常规的坐标变换算法，先将所述左膝关节点、所述左踝关节点、所述右膝关节点和所述右踝关节点的实时三维坐标换算为处于所述大地坐标系下的实时三维坐标，然后再确定出所述左/右小腿的实时质心坐标。

(J)根据左足关节点的实时三维坐标，确定左足的实时质心坐标，以及根据右足关节点的实时三维坐标，确定右足的实时质心坐标。

在上述方式(J)中，可以基于足关节点与足部质心的已知相对位置关系(其提前通过人体医学研究得到)，根据所述左足关节点的实时三维坐标，确定所述左足的实时质心坐标，以及根据所述右足关节点的实时三维坐标，确定所述右足的实时质心坐标，也可以直接将所述左足关节点的实时三维坐标近似作为所述左足的实时质心坐标，以及直接将所述右足关节点的实时三维坐标近似作为所述右足的实时质心坐标。此外，所述左/右足的实时质心坐标为大地坐标系下的坐标位置，若所述左足关节点和所述右足关节点的实时三维坐标是处于所述Kinect设备的物体坐标系下的坐标位置，则需要在确定过程中通过常规的坐标变换算法，先将所述左足关节点和所述右足关节点的实时三维坐标换算为处于所述大地坐标系下的实时三维坐标，然后再确定出所述左/右足的实时质心坐标。

S4.针对所述各个人体部位，根据对应的重量值和实时质心坐标，计算得到对应的且在当前运动瞬间所具有的机械能，其中，所述机械能包括有动能和重力势能。

在所述步骤S4中，由于已确定所述各个人体部位的实时质心坐标，因此可以基于运动瞬间前后时刻的两质心坐标确定所述各个人体部位的运动距离，然后针对所述各个人体部位，可按照如下公式计算对应的且在当前运动瞬间所具有的机械能E：

式中，m表示人体部位的重量值(其单位为千克)，d表示人体部位在所述当前运动瞬间的运动距离(其单位为米)，τ

S5.根据所述各个人体部位在从起始运动瞬间至所述当前运动瞬间的各个运动瞬间所具有的机械能，按照如下公式计算得到各对相邻两运动瞬间的机械能增量ΔE：

式中，K表示所述多个人体部位的人体部位总数，k表示自然数，E

在所述步骤S5中，考虑所述目标运动人员在进行诸如体操、跳绳、篮球和兵乓球等的常规体育运动中，由于不会有外部助力作用于人体，因此基于能量守恒定律，前述所得的机械能增量ΔE必然与人体在相邻两运动瞬间所消耗的热量正相关且贴近，可以视为运动量瞬态值。此外同样的，所述起始运动瞬间可以精确到首个Kinect骨骼数据帧的采集时间戳至次个Kinect骨骼数据帧的采集时间戳的时间间隙，所述运动瞬间可以精确到前一个Kinect 骨骼数据帧的采集时间戳至后一个Kinect骨骼数据帧的采集时间戳的时间间隙。

S6.累加计算从所述起始运动瞬间至所述当前运动瞬间的所有相邻两运动瞬间的机械能增量，得到实时的机械能总增量。

在所述步骤S6中，由于各对相邻两运动瞬间的机械能增量ΔE已视为对应的运动量瞬态值，因此累加所得的所述机械能总增量可视为从所述起始运动瞬间至所述当前运动瞬间的总运动量。

S7.判断所述机械能总增量是否已达到预设的第一阈值。

在所述步骤S7中，所述第一阈值用于作为判断所述目标运动人员是否运动量已达标的预设依据，可以因人而异地进行提前设定。

S8.若是，则确定所述目标运动人员的运动量已达标，并触发提示设备播报运动达标提示消息。

在所述步骤S8中，所述提示设备可以但不限于包括有语音喇叭和/或指示灯等，以便正常播报所述运动达标提示消息，实现及时提醒所述目标运动人员的目的，进而可以防止因运动量不足而达不到锻炼效果。此外，为了进一步避免因运动过量而给运动员身体带来伤害，在确定所述目标运动人员的运动量已达标之后，所述方法还包括但不限于有：判断所述机械能总增量是否已超过预设的第二阈值，其中，所述第二阈值大于所述第一阈值；若是，则确定所述目标运动人员的运动量已过度，并触发所述提示设备播报运动过度警示消息。前述第二阈值用于作为判断所述目标运动人员是否运动量已过度的预设依据，也可以因人而异地进行提前设定。

由此通过前述步骤S1～S8所描述的且基于Kinect骨骼数据的运动量监测方法，提供了一种无需佩戴传感器也能准确监测运动人员运动量的新方案，即先接收由Kinect设备对目标运动人员实时采集的Kinect骨骼数据，然后根据所述Kinect骨骼数据，确定各个人体部位的实时质心坐标，再然后针对所述各个人体部位，根据对应的重量值和实时质心坐标，计算得到对应的且在当前运动瞬间所具有的机械能，再然后将整个人体在相邻两运动瞬间的机械能增量视为运动量瞬态值，进而将累加所得的机械能总增量视为从起始运动瞬间至所述当前运动瞬间的总运动量，最后通过阈值比较方式来判断运动量是否已达标/和已过度，并进行相应的运动量监测提醒，如此不但可以解决现有运动量监测方式所存在佩戴体验不好和运动不自由的问题，还可以提升运动量监测结果的准确性，便于实际应用和推广。

如图3所示，本实施例第二方面提供了一种实现第一方面所述的运动量监测方法的虚拟装置，包括有重量数据获取模块、骨骼数据接收模块、质心坐标确定模块、机械能计算模块、机械能增量计算模块、增量累加计算模块、判断模块和触发模块；

所述重量数据获取模块，用于获取目标运动人员的且在多个人体部位中各个人体部位的重量值，其中，所述多个人体部位包括有人体头部、人体颈部、躯干上部、躯干下部、左上臂、左前臂、左手、左大腿、左小腿、左足、右上臂、右前臂、右手、右大腿、右小腿和右足；

所述骨骼数据接收模块，用于接收由Kinect设备对所述目标运动人员实时采集的Kinect 骨骼数据，其中，所述Kinect骨骼数据包含有多个人体关节点的三维坐标，所述多个人体关节点包括有头部关节点、颈部关节点、脊柱肩膀关节点、脊柱中间关节点、脊柱基底关节点、左肩关节点、左肘关节点、左腕关节点、左手关节点、左臀关节点、左膝关节点、左踝关节点、左足关节点、右肩关节点、右肘关节点、右腕关节点、右手关节点、右臀关节点、右膝关节点、右踝关节点和右足关节点；

所述质心坐标确定模块，通信连接所述骨骼数据接收模块，用于根据所述Kinect骨骼数据，按照如下方式(A)～(J)确定所述各个人体部位的实时质心坐标：

(A)根据头部关节点的实时三维坐标，确定人体头部的实时质心坐标；

(B)根据颈部关节点的实时三维坐标，确定人体颈部的实时质心坐标；

(C)根据脊柱肩膀关节点、脊柱中间关节点、左肩关节点和右肩关节点的实时三维坐标，确定躯干上部的实时质心坐标；

(D)根据脊柱中间关节点、脊柱基底关节点、左臀关节点和右臀关节点的实时三维坐标，确定躯干下部的实时质心坐标；

(E)根据左肩关节点和左肘关节点的实时三维坐标，确定左上臂的实时质心坐标，以及根据右肩关节点和右肘关节点的实时三维坐标，确定右上臂的实时质心坐标；

(F)根据左肘关节点和左腕关节点的实时三维坐标，确定左前臂的实时质心坐标，以及根据右肘关节点和右腕关节点的实时三维坐标，确定右前臂的实时质心坐标；

(G)根据左手关节点的实时三维坐标，确定左手的实时质心坐标，以及根据右手关节点的实时三维坐标，确定右手的实时质心坐标；

(H)根据左臀关节点和左膝关节点的实时三维坐标，确定左大腿的实时质心坐标，以及根据右臀关节点和右膝关节点的实时三维坐标，确定右大腿的实时质心坐标；

(I)根据左膝关节点和左踝关节点的实时三维坐标，确定左小腿的实时质心坐标，以及根据右膝关节点和右踝关节点的实时三维坐标，确定右小腿的实时质心坐标；

(J)根据左足关节点的实时三维坐标，确定左足的实时质心坐标，以及根据右足关节点的实时三维坐标，确定右足的实时质心坐标；

所述机械能计算模块，分别通信连接所述重量数据获取模块和所述质心坐标确定模块，用于针对所述各个人体部位，根据对应的重量值和实时质心坐标，计算得到对应的且在当前运动瞬间所具有的机械能，其中，所述机械能包括有动能和重力势能；

所述机械能增量计算模块，通信连接所述机械能计算模块，用于根据所述各个人体部位在从起始运动瞬间至所述当前运动瞬间的各个运动瞬间所具有的机械能，按照如下公式计算得到各对相邻两运动瞬间的机械能增量ΔE：

式中，K表示所述多个人体部位的人体部位总数，k表示自然数，E

所述增量累加计算模块，通信连接所述机械能增量计算模块，用于累加计算从所述起始运动瞬间至所述当前运动瞬间的所有相邻两运动瞬间的机械能增量，得到实时的机械能总增量；

所述判断模块，通信连接所述增量累加计算模块，用于判断所述机械能总增量是否已达到预设的第一阈值；

所述触发模块，通信连接所述判断模块，用于在判定所述机械能总增量已达到所述第一阈值时，确定所述目标运动人员的运动量已达标，并触发提示设备播报运动达标提示消息。

本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果，可以参见第一方面或第一方面中任意一种可能设计所述的方法，于此不再赘述。

如图4所示，本实施例第三方面提供了一种应用第一方面所述运动量监测方法的运动量监测系统，包括有Kinect设备、提示设备和控制设备，其中，所述Kinect设备的数据输出端通信连接所述控制设备的数据输入端，所述控制设备的输出端通信连接所述提示设备的受控端；所述Kinect设备，用于实时采集目标运动人员的Kinect骨骼数据，其中，所述Kinect 骨骼数据包含有多个人体关节点的三维坐标，所述多个人体关节点包括有头部关节点、颈部关节点、脊柱肩膀关节点、脊柱中间关节点、脊柱基底关节点、左肩关节点、左肘关节点、左腕关节点、左手关节点、左臀关节点、左膝关节点、左踝关节点、左足关节点、右肩关节点、右肘关节点、右腕关节点、右手关节点、右臀关节点、右膝关节点、右踝关节点和右足关节点；所述提示设备，用于在所述控制设备的控制下播报消息；所述控制设备，用于执行如第一方面所述的运动量监测方法。

在一种可能的设计中，还包括有通信连接所述控制设备的称重设备；所述称重设备，用于采集获取所述目标运动人员的体重值，并将该体重值传送至所述控制设备。

在一种可能的设计中，还包括有分别通信连接所述称重设备和所述控制设备的摄像设备；所述摄像设备，用于在所述称重设备采集获取到所述目标运动人员的体重值时，联动采集获取所述目标运动人员的人脸图像，并将该人脸图像传送至所述控制设备。

本实施例第三方面提供的前述系统的工作过程、工作细节和技术效果，可以参见第一方面所述的运动量监测方法，于此不再赘述。

如图5所示，本实施例第四方面提供了一种执行如第一方面所述的运动量监测方法的计算机设备，包括有依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面所述的运动量监测方法。具体举例的，所述存储器可以但不限于包括随机存取存储器 (Random-AccessMemory，RAM)、只读存储器(Read-Only Memory，ROM)、闪存(FlashMemory)、先进先出存储器(First Input First Output，FIFO)和/或先进后出存储器(First Input Last Output，FILO)等等；所述处理器可以但不限于采用型号为STM32F105系列的微处理器。此外，所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。

本实施例第四方面提供的前述计算机设备的工作过程、工作细节和技术效果，可以参见第一方面所述的运动量监测方法，于此不再赘述。

本实施例第五方面提供了一种存储包含如第一方面所述的运动量监测方法的指令的计算机可读存储介质，即所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面所述的运动量监测方法。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(MemoryStick)等计算机可读存储介质，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。

本实施例第五方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果，可以参见如第一方面所述的运动量监测方法，于此不再赘述。

本实施例第六方面提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面所述的运动量监测方法。其中，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。

最后应说明的是，本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。