本發明公開了一種基于BP神經網絡的人體屈體角度識別方法及設備，其中，該方法包括：建立BP神經網絡模型；提取待測試者的坐位體前屈側面圖像的前景目標，得到提取前景目標之后的坐位體前屈側面圖像；將所述坐位體前屈側面圖像輸入至所述BP神經網絡模型中進行體前屈角度識別；輸出待測試者的體前屈角度。通過本發明，能夠克服因肢體長度不同而產生的測量誤差，使得測量結果更加精確，進而提高了檢測效率。

技術領域

本發明涉及人體柔韌性檢測領域，特別涉及一種基于BP神經網絡的人體屈體角度識別方法及設備。

背景技術

目前我國測試人體的柔韌性通常都是采用坐位體前屈和立位體前屈的方法，評價指標是手指前伸可達到的最大距離，用屈體時手指或頭部前伸的距離代替關節活動的角度進行測量。但是，在實踐中發現，這種測量方式存在著嚴重缺陷，因為不同的人會因為肢體長度不同而對手指前伸的距離產生影響，這樣就增大了測量誤差，進而影響檢測的效率。

發明內容

本發明提供一種基于BP神經網絡的人體屈體角度識別方法及設備，能夠克服因肢體長度不同而產生的測量誤差，使得測量結果更加精確，進而提高了檢測效率。

根據本發明的一個方面，提供了一種基于BP神經網絡的人體屈體角度識別方法，包括以下步驟：建立BP神經網絡模型；提取待測試者的坐位體前屈側面圖像的前景目標，得到提取前景目標之后的坐位體前屈側面圖像；將坐位體前屈側面圖像輸入至BP神經網絡模型中進行體前屈角度識別；輸出待測試者的體前屈角度。

優選地，建立BP神經網絡模型，包括以下步驟：獲取多個測試者的坐位體前屈側面圖像；通過對多個測試者的坐位體前屈側面圖像進行特征標記，得到多個測試者的體前屈角度；對多個帶特征標記的坐位體前屈側面圖像進行預處理，得到多個預處理后的坐位體前屈圖像；調取BP神經網絡；將多個測試者的體前屈角度與多個預處理后的坐位體前屈圖像輸入至BP神經網絡中；根據多個測試者的體前屈角度與多個預處理后的坐位體前屈圖像，對BP神經網絡進行訓練，以建立BP神經網絡模型。

優選地，通過對多個測試者的坐位體前屈側面圖像進行特征標記，得到多個測試者的體前屈角度，包括以下步驟：對多個坐位體前屈側面圖像中的每一個坐位體前屈側面圖像都進行特征點標記；上述特征點為肩部、髖部和踝關節；測量每一個坐位體前屈側面圖像上標記的特征點形成的夾角的角度值；上述夾角的頂點為髖部；將測量的多個角度值作為多個測試者的體前屈角度進行記錄。

優選地，對多個帶特征標記的坐位體前屈側面圖像進行預處理，得到多個預處理后的坐位體前屈圖像，包括以下步驟：對多個帶特征標記的坐位體前屈側面圖像中的每一個帶特征標記的坐位體前屈側面圖像進行前景目標提取；將提取過前景目標的多個帶特征標記的坐位體前屈側面圖像進行歸一化處理，得到多個28*28的像素矩陣；通過逐像素法在多個28*28的像素矩陣的每一個28*28的像素矩陣中提取像素特征；對每一個28*28的像素矩陣中的像素特征進行標記，并將多個帶標記的28*28的像素矩陣作為多個預處理后的坐位體前屈圖像。

優選地，對多個帶特征標記的坐位體前屈側面圖像中的每一個帶特征標記的坐位體前屈側面圖像進行前景目標提取，包括以下步驟：對多個帶特征標記的坐位體前屈側面圖像中的每一個帶特征標記的坐位體前屈側面圖像進行前景目標提取；通過背景差分法獲取多個帶特征標記的坐位體前屈側面圖像的前景目標的二值圖像；

將提取過前景目標的多個帶特征標記的坐位體前屈側面圖像進行歸一化處理，得到多個28*28的像素矩陣，具體為：將多個二值圖像進行歸一化處理，得到多個28*28的像素矩陣。

根據本發明的另一個方面，還提供了一種基于BP神經網絡的人體屈體角度識別設備，包括：模型建立單元，用于建立BP神經網絡模型；提取單元，用于提取待測試者的坐位體前屈側面圖像的前景目標，得到提取前景目標之后的坐位體前屈側面圖像；輸入單元，用于將坐位體前屈側面圖像輸入至BP神經網絡模型中進行體前屈角度識別；輸出單元，用于輸出待測試者的體前屈角度。