基于视频实现肌肉活动分析及可视化的方法、系统和介质与流程

1.本发明涉及运动数据分析处理技术领域，具体涉及一种基于视频实现肌肉活动分析及可视化的方法、系统和介质。


背景技术：

2.随着科学技术的发展，ai动作识别和分析在辅助训练领域应用越来越广泛。
3.现有的运动分析技术，大多是利用骨骼关键点识别技术识别出运动动作和运动数据。然而，在运动分析中，相应肌肉的活动状态对于动作分析、评估及辅助训练具有重要的意义。为此，中国发明专利cn112364785a公开了一种运动训练指导方法、装置、设备及计算机存储介质，该方案通过识别运动员的关节关键点，利用肌肉发力邻接矩阵模型根据骨骼关键点变化得到运动员的肌肉发力数据，并与标准动作的肌肉发力量进行对比，得到肌肉发力建议和锻炼建议。然而该方案存在以下缺点：
4.第一，根据邻接关系矩阵模型得到关节关键点和肌肉活动状态的对应关系，属于在分析过程中实时计算，算法复杂，计算速度慢。
5.第二，肌肉发力数据形式，可视化、直观性较差。
6.有鉴于此，需要对现有的肌肉活动分析方法进行改进，以提高肌肉活动分析的速度和直观性。


技术实现要素：

7.针对上述缺陷，本发明所要解决的技术问题在于提供一种基于视频实现肌肉活动分析及可视化的方法、系统和介质，以解决现有技术中肌肉活动分析的速度慢，直观性较差的问题。
8.为此，本发明提供的基于视频实现肌肉活动分析及可视化的方法，包括以下步骤：
9.构建人体三维骨骼模型和四肢肌肉简化模型，并根据人体解剖结构构建各骨骼和肌肉、骨骼和人体骨骼关键点的适配关系；其中，所述人体骨骼关键点为姿态识别软件用于识别的骨骼关键点，四肢肌肉简化模型中的各块肌肉均简化为纺锤形；
10.构建每块肌肉的肌肉活动对照表，包括肌肉代码、肌肉名称、形变系数和活力值；其中，形变系数为肌肉在运动状态下与放松状态下的形变比值；活力值用于表示肌肉受拉、受压或放松状态，活力值为正值表示肌肉拉伸，活力值为负值表示肌肉收缩；
11.利用姿态识别软件识别待分析运动视频，获得每一帧视频中的人体姿态数据，包括各骨骼关键点的位置和各关节的角度；
12.根据骨骼关键点，利用人体三维骨骼模型和四肢肌肉简化模型创建肌肉活力分析模型，并对人体三维骨骼模型和四肢肌肉简化模型进行缩放适配；
13.根据每一帧视频中各关节的角度计算获得每块肌肉的形变系数，并通过肌肉活动对照表获得每块肌肉的活力值；
14.根据每块肌肉的活力值对肌肉活力分析模型中的每块肌肉进行着色显示。
15.在上述方法中，优选地，所述四肢肌肉简化模型包括：
16.上肢简化肌群，包括肱二头肌、肱肌、肱三头肌、肱桡肌、桡侧腕屈肌和尺侧腕屈肌；
17.下肢简化肌群，包括长收肌、短收肌、大收肌、胫骨前肌和胫骨后肌。
18.在上述方法中，优选地，构建肌肉活动对照表的方法如下：
19.采用无线表面肌电测试系统采集测试人员做出各种运动动作时，每块肌肉的实时emg数值，并同时捕获测试人员做出各种运动动作时的运动视频；
20.根据无线表面肌电测试系统的采集频率，识别运动视频中对应视频帧中各关节的关节角度；
21.根据各关节的关节角度计算获得每块关联肌肉的长度，并获得每块肌肉的形变系数；
22.根据每块肌肉的形变系数和对应的emg数值，构建出肌肉活动对照表。
23.在上述方法中，优选地，
24.捕获测试人员做出各运动项目时的运动视频；
25.识别出运动视频中每帧视频中各关节的关节角度、每块关联骨骼的加速度和每块关联肌肉的长度；
26.根据关节角度和关联骨骼的加速度，采用逆运算法计算获得每块关联肌肉的受力；
27.根据每块肌肉的长度和受力，构建出肌肉活动对照表。
28.在上述方法中，优选地，
29.将每一帧运动视频分析获得的每块肌肉的活力值保存在肌肉活动数据库中，所述肌肉活动数据库包括：
30.时间戳，用于存储当前视频帧的时间；
31.骨骼关键点，用于存储骨骼关键点的位置；
32.骨骼和肌肉，用于存储骨骼名称以及对应肌肉的名称和参数、速度，肌肉的参数包括肌肉的基本尺寸范围、长度、宽度、位置，活力值；
33.根据运动视频的当前时间检索所述肌肉活动数据库，获得骨骼和肌肉的名称和参数，并基于骨骼和肌肉的名称和参数创建三维演示动画。
34.在上述方法中，优选地，形变系数的计算方法如下：
35.使用多个圆球体填充纺锤体形状的肌肉，多个圆球体沿肌肉的长度方向排列成一排，且分别与纺锤体的内壁相切，其中，肌肉放松状态下，相邻圆球之间留有5-15mm的间隙；
36.根据识别获得的骨骼关键点计算获得各关节角度以及关联肌肉的肌肉名称、肌肉形变后的长度；
37.根据肌肉形变后的长度，将该肌肉中填充的每一个圆球沿肌肉长度方向轴向压缩，并根据肌肉形变后的长度将各圆球分别保持体积不变压缩成椭圆球，且椭圆球的长径与肌肉的轴线垂直；
38.根据形变后肌肉中椭圆球的数量和形状生成肌肉的形变外轮廓线，其中肌肉的形变外轮廓线与各椭圆球相切；
39.计算形变外轮廓线所围的体积，并计算与该肌肉放松状态下的初始体积的比值，
获得该肌肉的形变系数。
40.在上述方法中，根据骨骼关键点的位置缩放人体三维骨骼模型和四肢肌肉简化模型。
41.在上述方法中，通过输入待分析运动视频中人物的身体特征，缩放人体三维骨骼模型和四肢肌肉简化模型。
42.本发明还提供了一种基于视频实现肌肉活动分析及可视化的系统，包括：
43.人体三维骨骼模型和四肢肌肉简化模型，且具有根据人体解剖结构构建的骨骼和肌肉、骨骼和人体骨骼关键点的适配关系；其中，所述人体骨骼关键点为姿态识别软件用于识别的骨骼关键点，四肢肌肉简化模型中的各块肌肉均简化为纺锤形；
44.每块肌肉的肌肉活动对照表，包括肌肉代码、肌肉名称、形变系数和活力值；其中，形变系数为肌肉在运动状态下与放松状态下的形变比值；活力值用于表示肌肉受拉、受压或放松状态，活力值为正值表示肌肉拉伸，活力值为负值表示肌肉收缩；
45.运动识别模块，用于识别待分析运动视频，并获得每一帧视频中的人体姿态数据，包括各骨骼关键点的位置和各关节的角度；
46.适配模块，用于根据骨骼关键点，利用人体三维骨骼模型和四肢肌肉简化模型创建肌肉活力分析模型，并对人体三维骨骼模型和四肢肌肉简化模型进行缩放适配；
47.运动分析模块，用于根据每一帧视频中各关节的角度计算获得每块肌肉的形变系数，并通过肌肉活动对照表获得每块肌肉的活力值；
48.可视化模块，用于根据每块肌肉的活力值对肌肉活力分析模型中的每块肌肉进行着色显示。
49.本发明还提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序在由处理器执行时，实施上述的基于视频实现肌肉活动分析及可视化的方法。
50.由上述技术方案可知，本发明提供的基于视频实现肌肉活动分析及可视化的方法、系统和介质，与现有技术相比，具有以下有益效果：
51.第一，利用姿态识别软件识别待分析运动视频，获得每一帧视频中的人体姿态数据，利用人体三维骨骼模型和四肢肌肉简化模型创建肌肉活力分析模型，根据每一帧视频中各关节的角度计算获得肌肉活力分析模型中每块肌肉的形变系数，并通过肌肉活动对照表获得每块肌肉的活力值，可直观地辅助进行动作分析、评估及辅助训练。
52.第二，预先构建每块肌肉的肌肉活动对照表，利用姿态识别软件识别待分析运动视频中的人体姿态数据，根据每一帧视频中各关节的角度计算获得每块肌肉的形变系数，并通过肌肉活动对照表获得每块肌肉的活力值。将复杂的运算转化为查表取值，大大提高了运算速度和分析效率。
53.第三，根据每块肌肉的活力值对每块肌肉进行着色显示，直观地显示了肌肉的活动状态，方便进行动作分析、评估及辅助训练。
附图说明
54.为了更清楚地说明本发明的实施例或现有技术中的技术方案，下面将对本发明实施例或现有技术描述中所需要使用的附图做出简单地介绍和说明。显而易见地，下面描述中的附图仅仅是本发明的部分实施例，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。
55.图1为本发明提供的基于视频实现肌肉活动分析及可视化的方法流程图；
56.图2为姿态识别软件的17个骨骼关键点示意图；
57.图3为本发明人体三维骨骼和四肢肌肉简化模型示意图；
58.图4为本发明中肌肉着色后的示意图；
59.图5本发明中单根肌肉放松状态下圆球体填充示意图；
60.图6为本发明中单根肌肉活动状态下球体填充示意图。
具体实施方式
61.下面将结合本发明实施例附图，对本发明实施例的技术方案进行清楚、完整地描述，显然，以下所描述的实施例，仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下，所获得的所有其他实施例，都属于本发明保护的范围。
62.为了对本发明的技术方案和实现方式做出更清楚地解释和说明，以下介绍实现本发明技术方案的几个优选的具体实施例。
63.需要说明的是，本文中“内、外”、“前、后”及“左、右”等方位词是以产品使用状态为基准对象进行的表述，显然，相应方位词的使用对本方案的保护范围并非构成限制。
64.本发明提供的基于视频实现肌肉活动分析及可视化的方法、系统和介质，用于根据人体的运动视频分析获得在运动过程中四肢肌肉中每块肌肉的拉伸、压缩、放松三种活动状态，并通过不同的颜色展示各肌肉的活力值。其中，四肢肌肉采用了四肢肌肉简化模型。
65.图1所示为本发明中基于视频的肌肉活动分析及可视化的方法流程图。如图1所示，该方法包括以下步骤：
66.步骤110，构建人体三维骨骼模型和四肢肌肉简化模型，并根据人体解剖结构构建各骨骼和肌肉、骨骼和人体骨骼关键点的适配关系。
67.其中，人体骨骼关键点为姿态识别软件识别的骨骼关键点，例如图2所示的17个骨骼关键点。
68.人体三维骨骼模型采用现有模型，例如artec的3d人体骨架。
69.四肢肌肉简化模型包括上肢简化肌群和下肢简化肌群，如图3所示。其中，上肢简化肌群包括肱二头肌bb、肱肌b、肱三头肌tb、肱桡肌br、桡侧腕屈肌fr和尺侧腕屈肌uw。下肢简化肌群包括长收肌ai、短收肌ab、大收肌am、胫骨前肌ta和胫骨后肌pt。
70.根据人体解剖结构构建各骨骼和肌肉与人体骨骼关键点的适配关系，是指各骨骼和肌肉与人体骨骼关键点之间的位置和连接关系，能够根据此适配关系创建如图3所示的包含骨骼、肌肉和人体骨骼关键点的三维模型。
71.步骤120，构建肌肉活动对照表，该肌肉活动对照表包括各块肌肉的肌肉代码、肌肉名称、形变系数和活力值。
72.其中，形变系数为肌肉在运动状态下与放松状态下的形变比值；活力值用于表示肌肉受拉、受压或放松状态，活力值为正值表示肌肉拉伸，活力值为负值表示肌肉收缩，且数值越大表示肌肉的活动(受力)越大。
73.步骤130，利用姿态识别软件识别待分析运动视频，获得每一帧视频中的人体姿态数据，包括各骨骼关键点的位置和各关节的角度。
74.姿态识别软件可采用openpose等成熟软件。
75.步骤140，根据骨骼关键点，利用人体三维骨骼模型和四肢肌肉简化模型创建肌肉活力分析模型，并对人体三维骨骼模型和四肢肌肉简化模型进行缩放适配。
76.在该步骤中，可以利用视频中人物直立状态下的骨骼关键点的位置，作为缩放适配人体三维骨骼模型和四肢肌肉简化模型的基准。
77.另外，还可以根据待分析运动视频中人物的身体特征，对人体三维骨骼模型和四肢肌肉简化模型进行比例缩放适配。人物的身体特征可由身高和体重特征限定，还可以包括上臂、下臂、大腿、小腿的长度等精准特征，显然，身体特征参数越多，三维骨骼模型和四肢肌肉简化模型的缩放适配的结果越准确。
78.步骤150，根据每一帧视频中各关节的角度计算获得肌肉活力分析模型中每块肌肉的形变系数，并通过肌肉活动对照表获得每块肌肉的活力值。
79.步骤160，根据活力值是否超过预设值将肌肉划分为三种状态，拉伸受力、压缩受力和放松状态，并根据每块肌肉的状态对肌肉活力分析模型中的每块肌肉进行着色显示。其中，拉伸受力可着色为红色，压缩受力可着色为蓝色，未超过预设值可着色为绿色。并且，活力值的数值越大，颜色越深。如图4所示。
80.简单来说，首先，利用姿态识别软件识别出对应视频帧中的骨骼关键点，然后将骨骼关键点适配到人体三维骨骼模型上，再将四肢肌肉简化模型适配到人体三维骨骼模型上，创建出肌肉活力分析模型，最后根据每一帧视频中各关节的角度计算获得每块肌肉的活力值，并着色显示在肌肉活力分析模型。
81.在步骤120中，可采用无线表面肌电测试系统配合姿态识别软件构建肌肉活动对照表，具体方法如下：
82.步骤121，采用无线表面肌电测试系统采集测试人员做出各运动项目的运动动作时，每块肌肉的实时emg数值，并同时捕获测试人员做出各运动项目时的运动视频。其中，无线表面肌电测试系统，例如cometa miniwave可以通过无线方式采集测试人员的emg，并且不影响测试人员的运动动作。
83.步骤122，采用姿态识别软件，根据无线表面肌电测试系统的采集频率，识别运动视频中对应视频帧中各关节的关节角度。
84.步骤123，根据各关节的关节角度计算获得每块肌肉的长度，进而获得每块肌肉的形变系数。
85.例如：根据肩关节、肘关节和腕关节的角度，分别计算获得上肢简化肌群中肱二头肌、肱肌、肱三头肌、肱桡肌、桡侧腕屈肌和尺侧腕屈肌的长度，再根据各块肌肉的长度获得每块肌肉的形变系数。
86.步骤124，根据每块肌肉的形变系数和对应的emg数值，构建出肌肉活动对照表。
87.显然，采集到的测试人员的emg数据，应当经过人工校正、标记、噪声去除等处理，此为现有技术，在此不再赘述。
88.本发明中，还可以采用逆向动力学算法构建肌肉活动对照表。逆向动力学算法通过已知各关节的位置、关节速度及关节加速度，求解此时各块肌肉的作用力，该方法为现有
技术，例如：基于动作捕捉数据和肌肉骨骼人体模型的人机界面体感计算(nakamura,y.,yamane,k.,fujita,y.and suzuki,i.,2005.somatosensory computation for man-machine interface frommotion-capture data and musculoskeletal human model.ieee transactions on robotics,21(1),pp.58-66)。
89.当然，也可以采用无线表面肌电测试系统与逆向动力学算法相结合的方式，构建肌肉活动对照表。其中，逆向动力学算法作为无线表面肌电测试系统的补充。
90.在上述步骤123中，根据每块肌肉活动时的长度获得每块肌肉的形变系数，通过查询肌肉形变系数查找表获得，其中，肌肉形变系数查找表中，肌肉形变系数的计算方法如下：
91.步骤1231，使用多个圆球体填充纺锤体形状的肌肉，多个圆球体沿肌肉的长度方向排列成一排，且分别与纺锤体的内壁相切，其中，肌肉放松状态下，相邻圆球之间留有5-15mm的间隙，图5所示的单根肌肉放松状态下圆球体填充示意图。
92.步骤1232，根据识别获得的骨骼关键点计算获得各关节角度以及关联肌肉的肌肉名称、肌肉形变后的长度。
93.步骤1233，根据肌肉形变后的长度，将该肌肉中填充的每一个圆球沿肌肉长度方向轴向压缩，针对根据肌肉形变后的长度各圆球之间需要受压变形，将各圆球分别保持体积不变压缩成椭圆球，且椭圆球的长径与肌肉的轴线垂直，如图6所示。
94.步骤1234，根据形变后肌肉中椭圆球的数量和形状生成肌肉的形变外轮廓线，其中肌肉的形变外轮廓线与各椭圆球相切。
95.步骤1235，计算形变外轮廓线所围的体积，并计算与该肌肉放松状态下的初始体积的比值，获得该肌肉的形变系数。
96.采用上述方法计算获得每一块肌肉的肌肉形变系数，并针对每块肌肉分别构造一个肌肉形变系数查找表，包括肌肉代码、肌肉名称、填充圆球数量、填充圆球体积、放松状态肌肉长度、放松状态体积、活动状态肌肉长度、形变系数，例如肱二头肌的肌肉形变系数查找表如下表所示。
97.表1，肌肉形变系数查找表。
98.99.当根据关节角度计算获得肌肉长度后，可以通过肌肉形变系数查找表快速获得肌肉的形变系数，进而再利用形变系数通过肌肉活动对照表快速查询获得肌肉的活力值，不
需要通过复杂的算法计算活力值，提高了获得活力值的速度。
100.本发明方法，将每一帧运动视频中每块肌肉的活动状态保存在肌肉活动数据库中，这样，在分析完成后，可以在播放运动视频的过程中，根据运动视频的时间戳，实时查询肌肉活动数据库，获取每块肌肉的活动状态，并实时着色显示。
101.肌肉活动数据库的数据格式如下：
102.字段1：时间戳关键字，用于存储当前视频帧的时间；
103.字段2：骨骼关键点1，......，骨骼关键点n，用于存储骨骼关键点的位置；
104.字段3：骨骼和肌肉1，......，骨骼和肌肉n，用于存储骨骼名称以及对应肌肉的名称和参数、速度，肌肉的参数包括肌肉的基本尺寸范围、长度、宽度、位置，活力值；
105.字段4：关节位置和角度，速度和加速度；
106.还包括若干预留字段，用于后续功能扩展。
107.上述数据库，可以通过对时间戳关键字进行检索，快速实时显示活力值的动态变化，实现运动员训练变化提升的记录，预防伤病和康复管理的数据支持。
108.基于上述方法，本发明还提供了一种基于视频实现肌肉活动分析及可视化的系统，包括：
109.人体三维骨骼模型和四肢肌肉简化模型，且具有根据人体解剖结构构建的骨骼和肌肉、骨骼和人体骨骼关键点的适配关系；其中，所述人体骨骼关键点为姿态识别软件用于识别的骨骼关键点，四肢肌肉简化模型中的各块肌肉均简化为纺锤形；
110.每块肌肉的肌肉活动对照表，包括肌肉代码、肌肉名称、形变系数和活力值；其中，形变系数为肌肉在运动状态下与放松状态下的形变比值；活力值用于表示肌肉受拉、受压或放松状态，活力值为正值表示肌肉拉伸，活力值为负值表示肌肉收缩；
111.运动识别模块，用于识别待分析运动视频，并获得每一帧视频中的人体姿态数据，包括各骨骼关键点的位置和各关节的角度；
112.适配模块，用于根据骨骼关键点，利用人体三维骨骼模型和四肢肌肉简化模型创建肌肉活力分析模型，并对人体三维骨骼模型和四肢肌肉简化模型进行缩放适配；
113.运动分析模块，用于根据每一帧视频中各关节的角度计算获得每块肌肉的形变系数，并通过肌肉活动对照表获得每块肌肉的活力值；
114.可视化模块，用于根据每块肌肉的活力值对肌肉活力分析模型中的每块肌肉进行着色显示。
115.上述的基于视频实现肌肉活动分析及可视化的系统，还包括肌肉活动数据库和3d动画引擎，肌肉活动数据库为前述的肌肉活动数据库，3d动画引擎可采用unity游戏引擎，将肌肉活动数据库中的数据和人体姿态数据转换为unity游戏引擎的数据格式，并在unity游戏引擎中实时显示。
116.本发明中的基于视频实现肌肉活动分析及可视化的方法，可以被实现为计算机软件程序。例如，本发明还提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序在由处理器执行时，实施上述的基于视频实现肌肉活动分析及可视化的方法。
117.综合以上具体实施例的描述，本发明提供的，与现有技术相比，具有如下优点：
118.第一，预先构建每块肌肉的肌肉活动对照表，利用姿态识别软件识别待分析运动视频中的人体姿态数据，根据每一帧视频中各关节的角度计算获得每块肌肉的形变系数，
并通过肌肉活动对照表获得每块肌肉的活力值。将复杂的运算转化为查表取值，大大提高了运算速度，实时性强。
119.第二，根据每块肌肉的活力值对每块肌肉进行着色显示，直观地显示了肌肉的活动状态，方便进行动作分析、评估及辅助训练。
120.第三，将每一帧运动视频中每块肌肉的活动状态保存在肌肉活动数据库中，可以在播放运动视频时，通过对时间戳关键字进行检索，快速实时显示每块肌肉活力值的动态变化，并实时着色，直观地实时显示，实现运动员训练变化提升的记录，预防伤病和康复管理的数据支持。
121.最后，还需要说明的是，在本文中使用的术语"包括"、"包含"或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句"包括一个
…
"限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
122.本发明并不局限于上述最佳实施方式，任何人应该得知在本发明的启示下做出的结构变化，凡是与本发明具有相同或相近的技术方案，均落入本发明的保护范围之内。

技术特征：
1.一种基于视频实现肌肉活动分析及可视化的方法，其特征在于，包括以下步骤：构建人体三维骨骼模型和四肢肌肉简化模型，并根据人体解剖结构构建骨骼和肌肉、骨骼和人体骨骼关键点的适配关系；其中，所述人体骨骼关键点为姿态识别软件用于识别的骨骼关键点，四肢肌肉简化模型中的各块肌肉均简化为纺锤形；构建每块肌肉的肌肉活动对照表，包括肌肉代码、肌肉名称、形变系数和活力值；其中，形变系数为肌肉在运动状态下与放松状态下的形变比值；活力值用于表示肌肉受拉、受压或放松状态，活力值为正值表示肌肉拉伸，活力值为负值表示肌肉收缩；利用姿态识别软件识别待分析运动视频，获得每一帧视频中的人体姿态数据，包括各骨骼关键点的位置和各关节的角度；根据骨骼关键点，利用人体三维骨骼模型和四肢肌肉简化模型创建肌肉活力分析模型，并对人体三维骨骼模型和四肢肌肉简化模型进行缩放适配；根据每一帧视频中各关节的角度计算获得每块肌肉的形变系数，并通过肌肉活动对照表获得每块肌肉的活力值；根据每块肌肉的活力值对肌肉活力分析模型中的每块肌肉进行着色显示。2.根据权利要求1所述的方法，其特征在于，所述四肢肌肉简化模型包括：上肢简化肌群，包括肱二头肌、肱肌、肱三头肌、肱桡肌、桡侧腕屈肌和尺侧腕屈肌；下肢简化肌群，包括长收肌、短收肌、大收肌、胫骨前肌和胫骨后肌。3.根据权利要求1所述的方法，其特征在于，构建肌肉活动对照表的方法如下：采用无线表面肌电测试系统采集测试人员做出各种运动动作时，每块肌肉的实时emg数值，并同时捕获测试人员做出各种运动动作时的运动视频；根据无线表面肌电测试系统的采集频率，识别运动视频中对应视频帧中各关节的关节角度；根据各关节的关节角度计算获得每块关联肌肉的长度，并获得每块肌肉的形变系数；根据每块肌肉的形变系数和对应的emg数值，构建出肌肉活动对照表。4.根据权利要求1所述的方法，其特征在于，捕获测试人员做出各运动项目时的运动视频；识别出运动视频中每帧视频中各关节的关节角度、每块关联骨骼的加速度和每块关联肌肉的长度；根据关节角度和关联骨骼的加速度，采用逆向动力学算法计算获得每块关联肌肉的受力；根据每块肌肉的长度和受力，构建出肌肉活动对照表。5.根据权利要求1所述的方法，其特征在于，将每一帧运动视频分析获得的每块肌肉的活力值保存在肌肉活动数据库中，所述肌肉活动数据库包括：时间戳，用于存储当前视频帧的时间；骨骼关键点，用于存储骨骼关键点的位置；骨骼和肌肉，用于存储骨骼名称以及对应肌肉的名称和参数、速度，肌肉的参数包括肌肉的基本尺寸范围、长度、宽度、位置，活力值；根据运动视频的当前时间检索所述肌肉活动数据库，获得骨骼和肌肉的名称和参数，
并基于骨骼和肌肉的名称和参数创建三维演示动画。6.根据权利要求3所述的方法，其特征在于，形变系数的计算方法如下：使用多个圆球体填充纺锤体形状的肌肉，多个圆球体沿肌肉的长度方向排列成一排，且分别与纺锤体的内壁相切，其中，肌肉放松状态下，相邻圆球之间留有5-15mm的间隙；根据识别获得的骨骼关键点计算获得各关节角度以及关联肌肉的肌肉名称、肌肉形变后的长度；根据肌肉形变后的长度，将该肌肉中填充的每一个圆球沿肌肉长度方向轴向压缩，并根据肌肉形变后的长度将各圆球分别保持体积不变压缩成椭圆球，且椭圆球的长径与肌肉的轴线垂直；根据形变后肌肉中椭圆球的数量和形状生成肌肉的形变外轮廓线，其中肌肉的形变外轮廓线与各椭圆球相切；计算形变外轮廓线所围的体积，并计算与该肌肉放松状态下的初始体积的比值，获得该肌肉的形变系数。7.根据权利要求1所述的方法，其特征在于，根据骨骼关键点的位置缩放人体三维骨骼模型和四肢肌肉简化模型。8.根据权利要求1所述的方法，其特征在于，通过输入待分析运动视频中人物的身体特征，缩放人体三维骨骼模型和四肢肌肉简化模型。9.一种基于视频实现肌肉活动分析及可视化的系统，其特征在于，包括：人体三维骨骼模型和四肢肌肉简化模型，且具有根据人体解剖结构构建的骨骼和肌肉、骨骼和人体骨骼关键点的适配关系；其中，所述人体骨骼关键点为姿态识别软件用于识别的骨骼关键点，四肢肌肉简化模型中的各块肌肉均简化为纺锤形；每块肌肉的肌肉活动对照表，包括肌肉代码、肌肉名称、形变系数和活力值；其中，形变系数为肌肉在运动状态下与放松状态下的形变比值；活力值用于表示肌肉受拉、受压或放松状态，活力值为正值表示肌肉拉伸，活力值为负值表示肌肉收缩；运动识别模块，用于识别待分析运动视频，并获得每一帧视频中的人体姿态数据，包括各骨骼关键点的位置和各关节的角度；适配模块，用于根据骨骼关键点，利用人体三维骨骼模型和四肢肌肉简化模型创建肌肉活力分析模型，并对人体三维骨骼模型和四肢肌肉简化模型进行缩放适配；运动分析模块，用于根据每一帧视频中各关节的角度计算获得每块肌肉的形变系数，并通过肌肉活动对照表获得每块肌肉的活力值；可视化模块，用于根据每块肌肉的活力值对肌肉活力分析模型中的每块肌肉进行着色显示。10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序在由处理器执行时，实施如权利要求1至8中任一项所述的基于视频实现肌肉活动分析及可视化的方法。

技术总结
本发明公开了一种基于视频实现肌肉活动分析及可视化的方法、系统和介质，该方法包括：构建人体三维骨骼和四肢肌肉简化模型，构建每块肌肉的肌肉活动对照表，利用姿态识别软件识别待分析运动视频中的人体姿态数据，根据骨骼关键点，利用人体三维骨骼模型和四肢肌肉简化模型创建肌肉活力分析模型，并进行缩放适配，根据视频中各关节的角度计算获得每块肌肉的形变系数，并通过肌肉活动对照表获得每块肌肉的活力值，进行着色显示。本发明，预先构建每块肌肉的肌肉活动对照表，通过肌肉活动对照表查表获得每块肌肉的活力值，将复杂的运算转化为查表取值，提高了运算速度，并且直观地显示了肌肉的活动状态，方便进行动作分析、评估及辅助训练。助训练。助训练。


技术研发人员：林平 李瀚懿
受保护的技术使用者：壹体技术有限公司
技术研发日：2023.01.03
技术公布日：2023/8/9