本發(fā)明涉及數(shù)據(jù)業(yè)務技術領域，尤其是涉及一種評價用戶動作標準性的方法及裝置。

背景技術：

規(guī)律的體力活動可以改善心肺功能，降低冠心病、高血壓、高血糖、脂肪代謝紊亂等疾病的發(fā)病率，同時可以增強骨骼強度并減緩骨質(zhì)疏松的進展。此外，活動還可以減少壓力，保持心理健康，防止抑郁癥。相反，缺乏運動，尤其是久坐不動是乳腺癌或結(jié)腸癌、糖尿病和心臟疾病的主要病因。

隨著生活水平的逐漸提高，人們的健身意識不斷增強，越來越多的人意識到運動健身的重要性，但是由于時間、場地和精力的限制，大部分人很難保持規(guī)律的運動。與此同時出現(xiàn)的居家運動可以節(jié)省時間，不需要額外場地，成為越來越多人的選擇。在居家運動中，很多用戶會采用在家里參照視頻教程開展健身運動的運動方式。但是參照視頻教程開展健身運動存在鍛煉枯燥、缺乏有效互動的缺點，這也是在居家運動中xbox等體感游戲機大受歡迎的原因。體感游戲機可以在給用戶示范的同時識別用戶的活動，并為用戶的活動進行打分，衡量用戶的動作是否準確到位。但在實際應用中，體感游戲機存在如下問題：

可參與的活動有限，目前體感游戲只有官方發(fā)布的一些程序，來源單一，種類較少，部分需要用戶花錢購買，難以滿足用戶需求。此外，識別技術復雜，體感游戲機需要綜合光學、景深等數(shù)據(jù)識別用戶的動作、幅度等細節(jié)信息。另外，需要專業(yè)設備，體感游戲機價格昂貴，增加了用戶成本。

綜上所述，目前的居家運動監(jiān)測模式很難滿足用戶的需求。

技術實現(xiàn)要素：

為了解決現(xiàn)有的居家運動監(jiān)測模式很難滿足用戶的需求的問題，本發(fā)明提供了一種評價用戶動作標準性的方法及裝置。

為了解決上述技術問題，本發(fā)明提供了一種評價用戶動作標準性的方法，該方法包括：

根據(jù)幀差累積法，分別從示范視頻中提取第一運動特征數(shù)據(jù)和從采集視頻中提取第二運動特征數(shù)據(jù)，其中，所述采集視頻為用戶參照所述示范視頻完成的動作視頻；

將同一時刻的所述第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)進行匹配，得到每一時刻的所述第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)的匹配結(jié)果；

根據(jù)所述匹配結(jié)果，評價用戶動作的標準性。

可選的，所述根據(jù)幀差累積法，分別從示范視頻中提取第一運動特征數(shù)據(jù)和從采集視頻中提取第二運動特征數(shù)據(jù)中，根據(jù)幀差累積法，從示范視頻中提取第一運動特征數(shù)據(jù)，具體包括：計算所述示范視頻中相鄰兩幀對應像素的像素值差值的絕對值，得到所述示范視頻中每一幀的第一幀差絕對值，其中，所述第一幀差絕對值中包括相鄰兩幀所有對應像素的像素值差值的絕對值；將所述第一幀差絕對值中的每一絕對值與一預設閾值相比較，并將大于所述預設閾值的絕對值對應的像素記錄為所述示范視頻中每一幀的運動點；依據(jù)示范視頻中相鄰兩幀像素的對應關系，將所述示范視頻中每一幀的前后連續(xù)多幀的運動點進行累積，得到所述示范視頻中每一幀的第一運動特征數(shù)據(jù)。

可選的，所述根據(jù)幀差累積法，分別從示范視頻中提取第一運動特征數(shù)據(jù)和從采集視頻中提取第二運動特征數(shù)據(jù)中，根據(jù)幀差累積法，從采集視頻中提取第二運動特征數(shù)據(jù)，具體包括：計算所述采集視頻中相鄰兩幀對應像素的像素值差值的絕對值，得到所述采集視頻中每一幀的第二幀差絕對值，其中，所述第二幀差絕對值中包括相鄰兩幀所有對應像素的像素值差值的絕對值；將所述第二幀差絕對值中的每一絕對值與所述預設閾值相比較，并將大于所述預設閾值的絕對值對應的像素記錄為所述采集視頻中每一幀的運動點；依據(jù)采集視頻中相鄰兩幀像素的對應關系，將所述采集視頻中每一幀的前后連續(xù)多幀的運動點進行累積，得到所述采集視頻中每一幀的第二運動特征數(shù)據(jù)。

可選的，所述將同一時刻的所述第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)進行匹配，得到每一時刻的所述第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)的匹配結(jié)果，具體包括：根據(jù)相關系數(shù)公式計算所述示范視頻中第一幀的第一運動特征數(shù)據(jù)和所述采集視頻中與所述第一幀相對應的第二幀的第二運動特征數(shù)據(jù)之間的相關系數(shù)，其中，在相關系數(shù)公式中，r表示相關系數(shù)，xij表示示范視頻中第一幀的第i行、第j列像素的像素值，表示示范視頻中第一幀所有像素的像素值的平均值，yij表示采集視頻中第二幀的第i行、第j列像素的像素值，表示采集視頻中第二幀所有像素的像素值的平均值，m表示第一幀或第二幀中像素的總行數(shù)，n表示第一幀或第二幀中像素的總列數(shù)，i表示第一幀或第二幀中的第i行像素，j表示第一幀或第二幀中的第j列像素，其中，m、n、i和j均為正整數(shù)；根據(jù)所述相關系數(shù)，將每一時刻的相關系數(shù)作為每一時刻的第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)的匹配結(jié)果。

可選的，所述根據(jù)所述匹配結(jié)果，評價用戶動作的標準性，具體為：統(tǒng)計一預設時間段內(nèi)的多個相關系數(shù)，并計算所述多個相關系數(shù)的平均值；根據(jù)所述平均值，評價用戶動作的標準性，其中，所述平均值的值越大，用戶動作的標準性越高。

依據(jù)本發(fā)明的另一個方面，本發(fā)明還提供了一種評價用戶動作標準性的裝置，所述裝置包括：

提取模塊，用于根據(jù)幀差累積法，分別從示范視頻中提取第一運動特征數(shù)據(jù)和從采集視頻中提取第二運動特征數(shù)據(jù)，其中，所述采集視頻為用戶參照所述示范視頻完成的動作視頻；

匹配模塊，用于將同一時刻的所述第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)進行匹配，得到每一時刻的所述第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)的匹配結(jié)果；

評價模塊，用于根據(jù)所述匹配結(jié)果，評價用戶動作的標準性。

可選的，所述提取模塊具體用于，計算所述示范視頻中相鄰兩幀對應像素的像素值差值的絕對值，得到所述示范視頻中每一幀的第一幀差絕對值，其中，所述第一幀差絕對值中包括相鄰兩幀所有對應像素的像素值差值的絕對值；將所述第一幀差絕對值中的每一絕對值與一預設閾值相比較，并將大于所述預設閾值的絕對值對應的像素記錄為所述示范視頻中每一幀的運動點；依據(jù)示范視頻中相鄰兩幀像素的對應關系，將所述示范視頻中每一幀的前后連續(xù)多幀的運動點進行累積，得到所述示范視頻中每一幀的第一運動特征數(shù)據(jù)。

可選的，所述提取模塊還用于，計算所述采集視頻中相鄰兩幀對應像素的像素值差值的絕對值，得到所述采集視頻中每一幀的第二幀差絕對值，其中，所述第二幀差絕對值中包括相鄰兩幀所有對應像素的像素值差值的絕對值；將所述第二幀差絕對值中的每一絕對值與所述預設閾值相比較，并將大于所述預設閾值的絕對值對應的像素記錄為所述采集視頻中每一幀的運動點；依據(jù)采集視頻中相鄰兩幀像素的對應關系，將所述采集視頻中每一幀的前后連續(xù)多幀的運動點進行累積，得到所述采集視頻中每一幀的第二運動特征數(shù)據(jù)。

可選的，所述匹配模塊具體用于，根據(jù)相關系數(shù)公式計算所述示范視頻中第一幀的第一運動特征數(shù)據(jù)和所述采集視頻中與所述第一幀相對應的第二幀的第二運動特征數(shù)據(jù)之間的相關系數(shù)，其中，在相關系數(shù)公式中，r表示相關系數(shù)，xij表示示范視頻中第一幀的第i行、第j列像素的像素值，表示示范視頻中第一幀所有像素的像素值的平均值，yij表示采集視頻中第二幀的第i行、第j列像素的像素值，表示采集視頻中第二幀所有像素的像素值的平均值，m表示第一幀或第二幀中像素的總行數(shù)，n表示第一幀或第二幀中像素的總列數(shù)，i表示第一幀或第二幀中的第i行像素，j表示第一幀或第二幀中的第j列像素，其中，m、n、i和j均為正整數(shù)；根據(jù)所述相關系數(shù)，將每一時刻的相關系數(shù)作為每一時刻的第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)的匹配結(jié)果。

可選的，所述評價模塊具體用于，統(tǒng)計一預設時間段內(nèi)的多個相關系數(shù)，并計算所述多個相關系數(shù)的平均值；根據(jù)所述平均值，評價用戶動作的標準性，其中，所述平均值的值越大，用戶動作的標準性越高。

本發(fā)明的有益效果是：

本發(fā)明提供的評價用戶動作標準性的方法，首先根據(jù)幀差累積法，分別從示范視頻中提取第一運動特征數(shù)據(jù)和從采集視頻中提取第二運動特征數(shù)據(jù)，然后將同一時刻的第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)直接進行匹配，得到每一時刻的第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)的匹配結(jié)果，最后根據(jù)匹配結(jié)果，評價用戶動作的標準性。本發(fā)明通過視頻采集設備采集用戶運動過程中的視頻數(shù)據(jù)，進行運動特征數(shù)據(jù)提取，通過對運動特征數(shù)據(jù)直接匹配，評價用戶運動與示范視頻的匹配程度，本發(fā)明對運動設備和運動種類均沒有限制，并且在對運動特征數(shù)據(jù)匹配時不需要進行動作識別，實現(xiàn)了居家運動評價，幫助用戶養(yǎng)成良好的鍛煉習慣，節(jié)約了成本，滿足了居家運動中用戶的需求，提高了用戶體驗。

附圖說明

圖1表示本發(fā)明的第一實施例中評價用戶動作標準性的方法的步驟流程圖；

圖2表示本發(fā)明的第二實施例中評價用戶動作標準性的方法的步驟流程圖；

圖3表示本發(fā)明的第二實施例的示范視頻中其中一幀的圖像及依據(jù)該幀的第一運動特征數(shù)據(jù)得到的運動特征結(jié)果；

圖4表示第二實施例的采集視頻中與圖3相同時刻的一幀的圖像及依據(jù)采集視頻中該幀的第二運動特征數(shù)據(jù)得到的運動特征結(jié)果；

圖5表示本發(fā)明的第三實施例中評價用戶動作標準性的裝置的結(jié)構(gòu)框圖。

具體實施方式

下面將參照附圖更詳細地描述本公開的示例性實施例。雖然附圖中顯示了本公開的示例性實施例，然而應當理解，可以以各種形式實現(xiàn)本公開而不應被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達給本領域的技術人員。

第一實施例：

如圖1所示，為本發(fā)明的第一實施例中評價用戶動作標準性的方法的步驟流程圖，該方法包括：

步驟101，根據(jù)幀差累積法，分別從示范視頻中提取第一運動特征數(shù)據(jù)和從采集視頻中提取第二運動特征數(shù)據(jù)。

在本步驟中，分別根據(jù)幀差累積法從示范視頻中提取第一運動特征數(shù)據(jù)，并根據(jù)幀差累積法從采集視頻中提取第二運動特征。具體的，采集視頻為用戶參照示范視頻完成的動作視頻。另外，具體的，在根據(jù)幀差累積法提取第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)時，還可以采用形態(tài)學方法輔助提取第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)。

此外，采集視頻可以通過智能手機、平板電腦、智能電視等各種智能設備實現(xiàn)視頻的播放和采集。具體的，可以通過智能電視或平板電腦等終端播放示范視頻，然后在智能電視或平板電腦的攝像頭前參照示范視頻完成相同的動作，攝像頭采集用戶的視頻數(shù)據(jù)。另外，在此需要說明的是，示范視頻不僅指傳統(tǒng)體感游戲中制作的動畫，也可以是教練或其它用戶采用相同方式錄制的運動視頻。另外需要說明的是，在提取運動特征數(shù)據(jù)時，可以只提取示范視頻及采集視頻中的運動信息，光照、色彩等信息造成的影響幾乎可以忽略不計。

步驟102，將同一時刻的第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)進行匹配，得到每一時刻的第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)的匹配結(jié)果。

在本步驟中，具體的，在將同一時刻的示范視頻的第一運動特征數(shù)據(jù)和采集視頻的第二運動特征數(shù)據(jù)進行匹配時，可以利用同一時刻的第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)之間的相關性來表征匹配結(jié)果。此外，可選的，也可以利用運動的形狀輪廓、橫向或縱向累積值等多種特征來進行匹配。

步驟103，根據(jù)匹配結(jié)果，評價用戶動作的標準性。

在本步驟中，在得到每一時刻的第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)時，可以根據(jù)每一時刻的匹配結(jié)果，評價用戶動作的標準性。具體的，在評價用戶動作的標準性時，可以將多個時刻的匹配結(jié)果相累加然后取平均值，評價用戶動作的標準性，也可以取多個時刻的匹配結(jié)果的中位數(shù)，評價用戶動作的標準性，即可以根據(jù)具體情況，調(diào)整評價用戶動作標準性的策略。

在本實施例中，通過幀差累積法提取示范視頻的第一運動特征數(shù)據(jù)和采集視頻的第二運動特征數(shù)據(jù)，并對同一時刻的第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)直接匹配，得到每一時刻的匹配結(jié)果，最后根據(jù)匹配結(jié)果，評價用戶動作的標準性。本實施例中的示范視頻不限定特定活動，用戶可以采用任何同樣方式采集的運動視頻作為示范視頻，即任何人都可以生成示范視頻，使得示范視頻的種類豐富；此外，通過幀差累積法提取第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)，去除了背景、前景、光照、色彩等復雜內(nèi)容的干擾，提高了運動特征數(shù)據(jù)的準確性；另外，本實施例不需要專業(yè)設備，節(jié)約了成本，滿足了居家運動中用戶的需求，提高了用戶體驗。

第二實施例：

如圖2所示，為本發(fā)明的第二實施例中評價用戶動作標準性的方法的步驟流程圖，該方法包括：

步驟201，根據(jù)幀差累積法，從示范視頻中提取第一運動特征數(shù)據(jù)。

在本步驟中，具體的，在根據(jù)幀差累積法，從示范視頻中提取第一運動特征數(shù)據(jù)時，還可以采用形態(tài)學的方法輔助對第一運動特征進行提取。

具體的，根據(jù)幀差累積法從示范視頻中提取第一運動特征數(shù)據(jù)時，可以先計算示范視頻中相鄰兩幀對應像素的像素值差值的絕對值，得到示范視頻中每一幀的第一幀差絕對值，其中，第一幀差絕對值中包括相鄰兩幀所有對應像素的像素值差值的絕對值；然后將第一幀差絕對值中的每一絕對值與一預設閾值相比較，并將大于預設閾值的絕對值對應的像素記錄為示范視頻中每一幀的運動點；最后依據(jù)示范視頻中相鄰兩幀像素的對應關系，將示范視頻中每一幀的前后連續(xù)多幀的運動點進行累計，得到示范視頻中每一幀的第一運動特征數(shù)據(jù)。

具體的，在根據(jù)幀差累積法從示范視頻中提取第一運動特征數(shù)據(jù)的同時，還可以確定運動目標的范圍，實現(xiàn)運動目標的定位，并獲取每一幀中運動區(qū)域的大小和形狀等信息。

下面對從示范視頻中提取第一運動特征數(shù)據(jù)，進行解釋說明。

假設示范視頻中每一幀的大小為100×100，即每一幀的像素行數(shù)和列數(shù)均為100，則首先得到示范視頻中每一幀的第一幀差絕對值。例如，示范視頻中第五幀的第2行第10列的像素與示范視頻中第六幀的第2行第10列的像素相對應，則計算第五幀的第2行第10列的像素的像素值與第六幀的第2行第10列的像素的像素值的像素值差值的絕對值。依據(jù)該計算方式，計算第五幀和第六幀的所有對應像素的像素值差值的絕對值，并將計算得到的第五幀和第六幀的所有對應像素的像素值差值的絕對值作為示范視頻中第五幀或第六幀的第一幀差絕對值。然后將第一幀差絕對值中的每一絕對值與一預設閾值相比較，并將大于預設閾值的絕對值對應的像素記錄為示范視頻中每一幀的運動點，例如，第五幀的第一幀差絕對值中的第2行第5列的絕對值大于一預設閾值，則將第一幀差絕對值中第2行第5列的絕對值對應的像素記錄為示范視頻中第五幀的運動點。最后依據(jù)示范視頻中相鄰兩幀像素的對應關系，將示范視頻中每一幀的前后連續(xù)多幀的運動點進行累積，得到示范視頻中每一幀的第一運動特征數(shù)據(jù)，例如，依據(jù)示范視頻中相鄰兩幀像素的對應關系，將示范視頻的第六幀的前面連續(xù)五幀和后面連續(xù)五幀的運動點進行累計，即將示范視頻的第一幀至第十一幀的運動點進行累計，假設第一幀、第五幀、第七幀的第2行第5列的像素相對應且均為運動點，則將第一幀、第五幀、第七幀的第2行第5列的像素相累計，得到示范視頻中第六幀的第一運動特征數(shù)據(jù)。如圖3所示，為示范視頻中其中一幀的圖像及依據(jù)該幀的第一運動特征數(shù)據(jù)得到的運動特征結(jié)果，其中，箭頭指向的為依據(jù)該幀的第一運動特征數(shù)據(jù)得到的運動特征結(jié)果。

步驟202，根據(jù)幀差累積法，從采集視頻中提取第二運動特征數(shù)據(jù)。

在本步驟中，具體的，在根據(jù)幀差累積法，從采集視頻中提取第二運動特征數(shù)據(jù)時，還可以采用形態(tài)學的方法輔助對第二運動特征進行提取。

具體的，根據(jù)幀差累積法從采集視頻中提取第二運動特征數(shù)據(jù)時，可以先計算采集視頻中相鄰兩幀對應像素的像素值差值的絕對值，得到采集視頻中每一幀的第二幀差絕對值，其中，第二幀差絕對值中包括相鄰兩幀所有對應像素的像素值差值的絕對值；然后將第二幀差絕對值中的每一絕對值與一預設閾值相比較，并將大于預設閾值的絕對值對應的像素記錄為采集視頻中每一幀的運動點；最后依據(jù)采集視頻中相鄰兩幀像素的對應關系，將采集視頻中每一幀的前后連續(xù)多幀的運動點進行累計，得到采集視頻中每一幀的第二運動特征數(shù)據(jù)。

具體的，在根據(jù)幀差累積法從采集視頻中提取第二運動特征數(shù)據(jù)的同時，還可以確定運動目標的范圍，實現(xiàn)運動目標的定位，并獲取每一幀中運動區(qū)域的大小和形狀等信息。

下面對從采集視頻中提取第二運動特征數(shù)據(jù)，進行解釋說明。

假設采集視頻中每一幀的大小為100×100，即每一幀的像素行數(shù)和列數(shù)均為100，則首先得到采集視頻中每一幀的第二幀差絕對值。例如，采集視頻中第五幀的第2行第10列的像素與采集視頻中第六幀的第2行第10列的像素相對應，則計算第五幀的第2行第10列的像素的像素值與第六幀的第2行第10列的像素值的像素值差值的絕對值。依據(jù)該計算方式，計算第五幀和第六幀的所有對應像素的像素值差值的絕對值，并將計算得到的第五幀和第六幀的所有對應像素的像素值差值的絕對值作為采集視頻中第五幀或第六幀的第二幀差絕對值。然后將第二幀差絕對值中的每一絕對值與一預設閾值相比較，并將大于預設閾值的絕對值對應的像素記錄為采集視頻中每一幀的運動點，例如，第五幀的第二幀差絕對值中的第2行第5列的絕對值大于該預設閾值，則將第二幀差絕對值中第2行第5列的絕對值對應的像素記錄為采集視頻中第五幀的運動點。最后依據(jù)采集視頻中相鄰兩幀像素的對應關系，將采集視頻中每一幀的前后連續(xù)多幀的運動點進行累積，得到采集視頻中每一幀的第二運動特征數(shù)據(jù)，例如，依據(jù)采集視頻中相鄰兩幀像素的對應關系，將采集視頻的第六幀的前面連續(xù)五幀和后面連續(xù)五幀的運動點進行累計，即將采集視頻的第一幀至第十一幀的運動點進行累計，假設第一幀、第五幀、第七幀的第2行第5列的像素相對應且均為運動點，則將第一幀、第五幀、第七幀的第2行第5列的像素相累計，得到采集視頻中第六幀的第二運動特征數(shù)據(jù)。如圖4所示，為采集視頻中與圖3相同時刻的一幀的圖像及依據(jù)采集視頻中該幀的第二運動特征數(shù)據(jù)得到的運動特征結(jié)果，其中，箭頭指向的為依據(jù)該幀的第二運動特征數(shù)據(jù)得到的運動特征結(jié)果。

步驟203，根據(jù)相關系數(shù)公式，計算示范視頻中第一幀的第一運動特征數(shù)據(jù)和采集視頻中與第一幀相對應的第二幀的第二運動特征數(shù)據(jù)之間的相關系數(shù)。

在本步驟中，具體的，相關系數(shù)公式為：

在上述相關系數(shù)公式中，r表示相關系數(shù)，xij表示示范視頻中第一幀的第i行、第j列像素的像素值，表示示范視頻中第一幀所有像素的像素值的平均值，yij表示采集視頻中第二幀的第i行、第j列像素的像素值，表示采集視頻中第二幀所有像素的像素值的平均值，m表示第一幀或第二幀中像素的總行數(shù)，n表示第一幀或第二幀中像素的總列數(shù)，i表示第一幀或第二幀中的第i行像素，j表示第一幀或第二幀中的第j列像素，其中，m、n、i和j均為正整數(shù)。根據(jù)該相關系數(shù)，可以計算出示范視頻中第一幀的第一運動特征數(shù)據(jù)和采集視頻中與第一幀相同時刻的第二幀的第二運動特征數(shù)據(jù)之間的相關系數(shù)。

此外，可選的，同樣也可以利用運動的形狀輪廓、橫向或縱向累積值等多種特征對第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)進行匹配。

步驟204，根據(jù)相關系數(shù)，將每一時刻的相關系數(shù)作為每一時刻的第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)的匹配結(jié)果。

在本步驟中，具體的，根據(jù)計算得到的示范視頻中第一幀的第一運動特征數(shù)據(jù)和采集視頻中與第一幀相對應的第二幀的第二運動特征數(shù)據(jù)之間的相關系數(shù)，可以將每一時刻的相關系數(shù)作為每一時刻的第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)的匹配結(jié)果。

步驟205，統(tǒng)計一預設時間段內(nèi)的多個相關系數(shù)，計算多個相關系數(shù)的平均值，并根據(jù)平均值，評價用戶動作的標準性。

在本步驟中，具體的，在統(tǒng)計得到一預設時間段內(nèi)的多個相關系數(shù)之后，可以根據(jù)相關系數(shù)對一預設時間段內(nèi)的用戶動作進行評價。具體的，可以計算該預設時間段內(nèi)的多個相關系數(shù)的平均值，并根據(jù)平均值評價用戶動作的標準性，其中，平均值的值越大，用戶動作的標準性越高。

此外，具體的，也可以取該預設時間段內(nèi)的多個相關系數(shù)的中位數(shù)，評價用戶動作的標準性，其中，中位數(shù)的值越大，也同樣說明用戶動作的標準性越高；也可以取該預設時間段內(nèi)的多個相關系數(shù)的九分分位點等，即本步驟可以根據(jù)具體情況，調(diào)整評價用戶動作標準性的策略。

另外，在此需要說明的是，預設時間段可以是整段采集視頻，也可以是采集視頻中的任意長度的一段，在此并不做具體限定，即可以根據(jù)相關系數(shù)幫助用戶知道整套動作中哪一段動作比較差，以幫助用戶針對性的提高動作的標準性。

在本實施例中，采用幀差累積法分別得到示范視頻的第一運動特征數(shù)據(jù)和采集視頻的第二運動特征數(shù)據(jù)，并利用相關系數(shù)公式計算示范視頻中第一幀的第一運動特征數(shù)據(jù)和采集視頻中與第一幀相同時刻的第二幀的第二運動特征數(shù)據(jù)之間的相關系數(shù)，然后將示范視頻和采集視頻的相對應的幀的相關系數(shù)作為每一時刻的匹配結(jié)果來評價用戶動作的標準性。本實施例不需要活動識別即可實現(xiàn)評價用戶動作標準性的功能，節(jié)約了成本，滿足了居家運動中用戶的需求，提高了用戶體驗。

第三實施例：

如圖3所示，為本發(fā)明的第三實施例中評價用戶動作標準性的裝置的結(jié)構(gòu)框圖，該裝置包括：

提取模塊301，用于根據(jù)幀差累積法，分別從示范視頻中提取第一運動特征數(shù)據(jù)和從采集視頻中提取第二運動特征數(shù)據(jù)，其中，采集視頻為用戶參照示范視頻完成的動作視頻；

匹配模塊302，用于將同一時刻的第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)進行匹配，得到每一時刻的第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)的匹配結(jié)果；

評價模塊303，用于根據(jù)匹配結(jié)果，評價用戶動作的標準性。

可選的，提取模塊301具體用于，計算示范視頻中相鄰兩幀對應像素的像素值差值的絕對值，得到示范視頻中每一幀的第一幀差絕對值，其中，第一幀差絕對值中包括相鄰兩幀所有對應像素的像素值差值的絕對值；將第一幀差絕對值中的每一絕對值與一預設閾值相比較，并將大于預設閾值的絕對值對應的像素記錄為示范視頻中每一幀的運動點；依據(jù)示范視頻中相鄰兩幀像素的對應關系，將示范視頻中每一幀的前后連續(xù)多幀的運動點進行累積，得到示范視頻中每一幀的第一運動特征數(shù)據(jù)。

可選的，提取模塊301還用于，計算采集視頻中相鄰兩幀對應像素的像素值差值的絕對值，得到采集視頻中每一幀的第二幀差絕對值，其中，第二幀差絕對值中包括相鄰兩幀所有對應像素的像素值差值的絕對值；將第二幀差絕對值中的每一絕對值與預設閾值相比較，并將大于預設閾值的絕對值對應的像素記錄為采集視頻中每一幀的運動點；依據(jù)采集視頻中相鄰兩幀像素的對應關系，將采集視頻中每一幀的前后連續(xù)多幀的運動點進行累積，得到采集視頻中每一幀的第二運動特征數(shù)據(jù)。

可選的，匹配模塊302具體用于，根據(jù)相關系數(shù)公式計算示范視頻中第一幀的第一運動特征數(shù)據(jù)和采集視頻中與第一幀相對應的第二幀的第二運動特征數(shù)據(jù)之間的相關系數(shù)，其中，在相關系數(shù)公式中，r表示相關系數(shù)，xij表示示范視頻中第一幀的第i行、第j列像素的像素值，表示示范視頻中第一幀所有像素的像素值的平均值，yij表示采集視頻中第二幀的第i行、第j列像素的像素值，表示采集視頻中第二幀所有像素的像素值的平均值，m表示第一幀或第二幀中像素的總行數(shù)，n表示第一幀或第二幀中像素的總列數(shù)，i表示第一幀或第二幀中的第i行像素，j表示第一幀或第二幀中的第j列像素，其中，m、n、i和j均為正整數(shù)；根據(jù)相關系數(shù)，將每一時刻的相關系數(shù)作為每一時刻的第一運動特征數(shù)據(jù)和第二運動特征數(shù)據(jù)的匹配結(jié)果。

可選的，評價模塊303具體用于，統(tǒng)計一預設時間段內(nèi)的多個相關系數(shù)，并計算多個相關系數(shù)的平均值；根據(jù)平均值，評價用戶動作的標準性，其中，平均值的值越大，用戶動作的標準性越高。

以上所述的是本發(fā)明的優(yōu)選實施方式，應當指出對于本技術領域的普通人員來說，在不脫離本發(fā)明所述的原理前提下還可以作出若干改進和潤飾，這些改進和潤飾也在本發(fā)明的保護范圍內(nèi)。