徐菲，陶青川，吴玲，敬倩

（四川大学电子信息学院，成都610065）

0 引言

当前体能训练中普遍需要将俯卧撑计数作为考核成绩[1]，俯卧撑测试的成绩测量大都采用人工计数或红外设备测量，这些测量方式均存在测试标准不一致、测试效率低、裁判员工作负荷大等问题。

基于红外设备的俯卧撑计数系统主要由红外发射器、红外接收器等设备组成[2]。原理是测试人员撑起和俯卧时阻断红外发射器和红外接收器之间的信号，接收器无法接收到信号时，判定相应俯卧撑动作并进行计数。但当红外线被非测量对象遮挡后，系统也会判定是被运动员肢体遮挡，从而出现计数错误。所以红外传感测量设备普遍存在的问题是容易被异物干扰而误报成绩。

因此，采用基于机器视觉的智能算法对俯卧撑这一类传统体能训练项目进行检测计数，具有重大意义。人体姿态检测是视频智能监控的关键应用领域之一，由于人体肢体自由度较高，当人在做不同的运动时，肢体也呈现不同的状态[3]。传统人体姿态识别框架OpenPose是基于卷积神经网络和监督学习的框架上开发的开源库，可以在多种场合下实现对人体复杂姿态的估计，在机器视觉领域有广泛的应用[4]。但由于卷积神经网络复杂度过大，导致该训练框架在运行速度、内存空间诸多方面的限制，且不利于后续计数模块衔接。

针对上述问题，本文设计了一种基于机器视觉的俯卧撑计数算法，如图1所示，该算法由两个部分组成，图像采集模块和智能计数模块，图像采集模块中由摄像机完成图像采集。……