跳绳计数方法、装置、系统、服务器及存储介质

技术领域

本发明涉及人工智能技术领域，尤其涉及一种跳绳计数方法、装置、系统、服务器及存储介质。

背景技术

跳绳是一种常见的体育锻炼运动项目，也是初中和高中体育考试的可选项目之一，随着体育在国民教育中的重要程度逐渐提升，跳绳运动也备受关注。

传统的跳绳计数方式主要采用人工计数的方式，人工计数费时费力且误差较大，尤其在逐渐增量的体育考核中显得繁杂冗余。随着人工智能技术的发展，各类基于人工智能的算法被应用于跳绳计数，使得跳绳计数的智能化程度不断提升。

在相关的智能化跳绳计数方法中，将检测图像输入到神经网络模型中确定检测图像中的人体状态，可以判断人体处于跳绳状态或非跳绳状态；针对处于跳绳状态的人体运动轨迹进行分析预测，确定人体上升或下降的运动趋势，并根据人体运动趋势来进行跳绳计数。由于跳绳时人体的运动姿态差异化较大，仅依靠人体运动趋势进行跳绳计数会导致计数值的误差较大，该跳绳计数方法的准确度较低。

发明内容

本发明提供一种跳绳计数方法、装置、系统、服务器及存储介质，用以解决现有技术中跳绳计数方法的准确度较低的缺陷，实现提高跳绳计数的准确度的目的。

本发明提供一种跳绳计数方法，包括：

在基于目标视频确定目标对象的跳绳模式为有绳跳绳模式的情况下，将所述目标视频输入检测模型中，得到所述检测模型输出的所述目标对象对应的检测信息，所述检测信息包括绳体相对于所述目标对象的第一位置变化信息；所述目标视频包括在检测到相邻两次内所述绳体位于所述目标对象的同一位置的检测过程中采集的至少两帧图像；

在基于所述第一位置变化信息，确定所述绳体相对于所述目标对象从上到下绕体一周，且相邻两次内所述绳体位于所述目标对象的同一位置的时间差小于预设值的情况下，更新所述目标对象的计数结果。

根据本发明提供的一种跳绳计数方法，所述检测信息还包括目标对象双脚的脚部关键点；

所述方法还包括：

确定所述计数结果未更新的目标时长；

在所述目标时长大于预设时长的情况下，基于所述目标对象双脚的脚部关键点，确定所述脚部关键点从上一次计数结果的更新时刻到当前时刻的第二位置变化信息；

基于所述双脚的脚部关键点对应的第二位置变化信息，确定所述目标时长内的目标补充计数值；

基于所述目标补充计数值，对更新后的计数结果进行更新。

根据本发明提供的一种跳绳计数方法，所述基于所述双脚的脚部关键点对应的第二位置变化信息，确定所述目标时长内的目标补充计数值，包括：

确定所述双脚各自对应的第二位置变化信息之间的第一相似度；

在所述第一相似度大于第一预设相似度的情况下，基于所述第二位置变化信息确定所述目标补充计数值。

根据本发明提供的一种跳绳计数方法，所述检测信息还包括所述目标对象的起跳落地状态；

所述基于所述第二位置变化信息确定所述目标补充计数值，包括：

基于所述第二位置变化信息，采用峰值计数法确定第一补充计数值；

基于所述起跳落地状态，确定所述目标对象在所述目标时长内起跳或落地的第一次数，并将所述第一次数确定为第二补充计数值；

在所述第一补充计数值和所述第二补充计数值相同的情况下，将所述第一补充计数值确定为所述目标补充计数值。

根据本发明提供的一种跳绳计数方法，所述方法还包括：

在所述跳绳模式为无绳跳绳模式的情况下，基于所述目标视频，获取所述目标对象双脚的脚部关键点从开始计数时刻到当前时刻的第三位置变化信息；

确定所述双脚各自对应的第三位置变化信息之间的第二相似度；

在所述第二相似度大于第二预设相似度的情况下，基于第三位置变化信息更新所述目标对象的计数结果。

根据本发明提供的一种跳绳计数方法，基于第三位置变化信息更新所述目标对象的计数结果，包括：

基于所述第三位置变化信息，采用峰值计数法确定第一计数值；

基于所述目标视频，确定所述目标对象从所述开始计数时刻到所述当前时刻内起跳或落地的第二次数，并将所述第二次数确定为第二计数值；

在所述第一计数值和所述第二计数值相同的情况下，基于所述第一计数值更新所述目标对象的计数结果。

本发明还提供一种跳绳计数装置，包括：

确定模块，用于在基于目标视频确定目标对象的跳绳模式为有绳跳绳模式的情况下，将所述目标视频输入检测模型中，得到所述检测模型输出的所述目标对象对应的检测信息，所述检测信息包括绳体相对于所述目标对象的第一位置变化信息；目标视频包括在检测到相邻两次内绳体位于目标对象的同一位置的检测过程中采集的至少两帧图像；

更新模块，用于在基于第一位置变化信息，确定绳体相对于目标对象从上到下绕体一周，且相邻两次内绳体位于目标对象的同一位置的时间差小于预设值的情况下，更新目标对象的计数结果。

本发明还提供一种跳绳计数系统，包括：图像采集装置、服务器和显示设备；

所述图像采集装置，用于采集目标视频；

所述服务器，用于在基于目标视频确定目标对象的跳绳模式为有绳跳绳模式的情况下，将所述目标视频输入检测模型中，得到所述检测模型输出的所述目标对象对应的检测信息，所述检测信息包括绳体相对于所述目标对象的第一位置变化信息；所述目标视频包括在检测到相邻两次内所述绳体位于所述目标对象的同一位置的检测过程中采集的至少两帧图像；在基于所述第一位置变化信息，确定所述绳体相对于所述目标对象从上到下绕体一周，且相邻两次内所述绳体位于所述目标对象的同一位置的时间差小于预设值的情况下，更新所述目标对象的计数结果；

所述显示设备，用于输出更新后的计数结果。

本发明还提供一种服务器，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述跳绳计数方法。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述跳绳计数方法。

本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述跳绳计数方法。

本发明提供的跳绳计数方法、装置、系统、服务器及存储介质，该方法在基于目标视频确定目标对象的跳绳模式为有绳跳绳模式的情况下，将目标视频输入检测模型中，得到检测模型输出的目标对象对应的检测信息，检测信息包括绳体相对于目标对象的第一位置变化信息；基于第一位置变化信息，确定绳体相对于目标对象从上到下绕体一周。根据跳绳运动中绳体绕跳绳者身体一周进行一次计数的基本计数规则，通过确定绳体相对于目标对象从上到下绕体一周进行计数，能排除误计数或空跳作弊等绳体未绕体一周而进行计数导致的计数误差，并且，在相邻两次内绳体位于目标对象的同一位置的时间差小于预设值的情况下，更新目标对象的计数结果，可以避免跳绳中断后续跳导致的计数错误累加的情况，因此，本方法减少了计数误差和错误计数，能提高有绳跳绳计数的准确度。

附图说明

为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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是本发明实施例提供的跳绳计数方法的流程示意图；

图2是本发明实施例提供的改进的Head的结构示意框图；

图3是本发明实施例提供的跳绳计数方法的示意框图；

图4是本发明实施例提供的跳绳计数装置的结构示意图；

图5是本发明实施例提供的跳绳计数系统的结构示意图；

图6是本发明实施例提供的服务器的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。

需要说明的是，本发明中为描述的对象所编序号本身，例如“第一”，“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。

跳绳时人工计数存在效率低、公平性差等方面的缺陷，因此，探索准确、高效、可靠的智能化跳绳计数方法是一个具有实用意义的改进方向。近年来，随着软硬件系统设备的技术升级以及人工智能算法的普及，各种应用于自动化跳绳计数的方法逐步推广。

例如，依靠硬件装置的跳绳计数方法或设备，主要采用机械结构或传感器实现自动计数，如通过齿轮转动、压力传感器或霍尔传感器等装置获取运动信号，通过信号的变化次数进行计数，该计数方式的优点是制作较为简单成本较低，缺点是当空摇、迈过绳子等跳绳过程中产生的复杂现象时，计数的准确性无法得到保证。

又例如，基于人工智能的自动计数，主要采用人体姿态检测技术进行自动计数，如通过人体变化趋势进行计数，该自动计数的方式仅关注跳绳过程中跳绳者身体的运动情况，并没有关注绳体的运动情况，更没有获取绳体与人体间的位置变化信息，其无法排除绳体没有完成绕体一周时的误计数，也无法排除单手握绳或空跳作弊的计数误差，不能避免跳绳中断后续跳导致的错误计数累加，因此，现有的跳绳计数方法的准确度较低。

针对上述问题，本发明实施例提供一种跳绳计数方法，在有绳跳绳模式下，可以根据跳绳运动中绳体绕跳绳者身体一周进行一次计数的基本计数规则，该方法在对计数结果进行更新时，基于绳体相对于目标对象的第一位置变化信息，确定绳体相对于目标对象从上到下绕体一周，且相邻两次内绳体位于目标对象的同一位置的时间差小于预设值，从而可以减少计数误差和错误计数，能提高有绳跳绳计数的准确度。

下面结合图1至图3对本发明实施例提供的跳绳计数方法进行描述。图1是本发明实施例提供的跳绳计数方法的流程示意图，本方法的执行主体可以是手机、平板电脑、智能摄像头、计算机、跳绳计数系统、服务器或专门设计的跳绳计数设备等电子设备，也可以是设置在该电子设备中的跳绳计数装置，该跳绳计数装置可以通过软件、硬件或两者的结合来实现。如图1所示，该跳绳计数方法包括步骤110和步骤120。

步骤110，在基于目标视频确定目标对象的跳绳模式为有绳跳绳模式的情况下，将目标视频输入检测模型中，得到检测模型输出的目标对象对应的检测信息，检测信息包括绳体相对于目标对象的第一位置变化信息；目标视频包括在检测到相邻两次内绳体位于目标对象的同一位置的检测过程中采集的至少两帧图像。

具体地，目标对象可以是被计数的跳绳者，通过视频采集设备采集目标对象从开始跳绳到单次跳绳结束时的完整跳绳视频，在该完整跳绳视频中可以确定出至少一个目标视频。其中，视频采集设备例如可以是手机、摄像机或摄像头等。例如，可以通过手机中的跳绳计数应用程序调用手机摄像头对目标对象进行视频采集，当检测出在划定的测试区域内匹配到目标对象时即开始录制视频；当检测出目标对象不在检测区域内，或目标对象结束跳绳时即停止录制视频，基于此，可以采集到目标对象的完整跳绳视频。

示例性的，检测模型可以是能对图像进行图像处理、信息预测以及预测结果分析的神经网络模型，检测模型可以基于视频样本和视频样本对应的标签信息对初始检测模型进行训练得到的。其中，视频样本可以是包括跳绳视频的样本数据，跳绳视频包括至少两帧跳绳者跳绳的图像；视频样本对应的标签信息可以是对跳绳者跳绳的图像进行信息标注的标签值。

基于视频样本，对视频样本中跳绳者跳绳的图像进行信息标注时，可以对绳体相对于跳绳者的位置标注对应的标签值，以得到视频样本对应的标签信息。例如，可以将绳体相对于跳绳者的位置分为若干个不同的类别，分别赋予各类别不同的标签值。

举例来说，将绳体相对于跳绳者的位置分为七个不同的类别，分别为：绳体在人体上方、绳体在人体正面的中间、绳体在人体正面的下方、绳体在人体下方、绳体在人体背面的下方、绳体在人体背面的中间和无绳及其他类别。其中，无绳及其他类别可以表示无法确定绳体或者无法确定绳体相对于跳绳者的位置；在模型应用阶段，可以基于无绳及其他类别确定出目标对象的跳绳模式为无绳跳绳模式，或者目标对象的跳绳动作为单手摇绳、单脚跳绳或其他违规动作。

基于视频样本和视频样本对应的标签信息对初始检测模型进行训练，可以得到检测模型，训练后的检测模型能对目标视频中的各帧图像进行图像处理、信息预测以及预测结果分析，输出目标对象对应的检测信息。图像处理例如是对图像进行特征提取及特征融合等；信息预测例如是基于图像特征中的信息进行模型预测，并得到预测结果等；预测结果分析例如是基于预测结果进行数据分析，并输出分析结果等；检测模型输出的分析结果即为检测信息，其中包括绳体相对于目标对象的第一位置变化信息。

示例性的，检测模型对目标视频中的图像进行图像处理后可以得到针对各帧图像的特征序列，对特征序列进行信息预测后，可以得到各预测结果，各预测结果中包括绳体相对于跳绳者的位置的类别，基于预测结果进行数据分析，分析随时间变化下绳体相对于跳绳者的位置，可以得到分析结果，该分析结果中即包括绳体相对于目标对象的第一位置变化信息。

初始检测模型可以是初态的神经网络模型，初始检测模型可以包括卷积神经网络(Convolutional Neural Network，CNN)、循环神经网络(Recurrent Neural Networks，RNN)、长短期记忆(Long short-termmemory，LSTM)神经网络和深度神经网络(Deep NeuralNetworks，DNN)等其中的至少一种神经网络组成的模型，也可以是YOLOX模型或改进的YOLOX模型等，但不限于此。

其中，YOLOX模型是一种高效、易训练、高精度、可扩展和开源的目标检测算法模型，具有广泛的应用前景，在计算机视觉领域得到了广泛的关注和应用。以初始检测模型为YOLOX模型举例，对训练得到检测模型的过程进行描述。

YOLOX模型可以包括主干网络层Backbone、特征融合层Neck和预测输出层Head。在包括多个视频样本的数据集中抽取至少一个视频样本，将抽取的视频样本输入YOLOX模型的主干网络层Backbone中进行特征提取，可以从视频样本的图像中提取到至少一个初始特征图。将提取到的各初始特征图输入特征融合层Neck中，对各初始特征图中的信息进行融合提取，可以得到特征融合层Neck输出的融合特征图。将融合特征图输入预测输出层Head中对融合特征图中的信息进行预测，得到训练预测结果，基于该训练预测结果以及该视频样本对应的标签信息计算损失函数值。基于该损失函数值对YOLOX模型的模型参数进行优化调整，即完成一次模型迭代运算。经过多次模型迭代运算后，当计算得到的损失函数值小于收敛阈值时，模型的收敛效果达到预期，不再对模型参数进行调整，此时得到的模型即为检测模型。

目标视频包括在检测到相邻两次内绳体位于目标对象的同一位置的检测过程中采集的至少两帧图像，可以理解为，目标视频是能表征目标对象完成绳体绕身体一周动作的视频，该目标视频中包括两帧或两帧以上的图像。其中，同一位置可以理解为绳体与目标对象身体的相对位置为大致相同的位置，例如，同一位置可以是绳体位于目标对象身体上方的位置、绳体位于目标对象身体下方的位置、绳体位于目标对象身体前方的位置或者绳体位于目标对象身体后方的位置等。

示例性的，可以对目标视频中的图像进行图像识别，以识别图像中是否存在绳体，且判断绳体是否绕目标对象的身体运动，即可确定目标对象的跳绳模式是否为有绳跳绳模式。例如，通过具有图像处理功能的网络模型，将目标视频中的图像输入该网络模型中，利用网络模型对图像进行物体分割、物体识别以及运动轨迹计算等处理，得到处理结果，再对处理结果进行数据分析后，可以确定目标对象的跳绳模式是否为有绳跳绳模式。

示例性的，第一位置变化信息可以是表征绳体相对于目标对象所处的位置随时间变化的信息，也可以理解为，表征绳体相对于目标对象的运动轨迹的信息。例如，绳体相对于目标对象从目标对象的头顶上方运动到目标对象的正前方，能表征该过程中绳体位置变化的信息即为第一位置变化信息；又例如，绳体相对于目标对象从目标对象的头顶上方经正前方运动到目标对象的脚部下方，能表征该过程中绳体位置变化的信息即为第一位置变化信息；还例如，绳体相对于目标对象从目标对象的头顶上方经目标对象的正前方、脚下及背后，运动回到目标对象的头顶上方，能表征该过程中绳体位置变化的信息即为第一位置变化信息。第一位置变化信息可以表示为基于绳体的位置和处于该位置时的时刻而获得的数组，也可以表示为基于绳体的位置获得的以时间为横坐标以绳体高度极值为纵坐标的图形，还可以以其他的形式表示。

举例来说，基于目标视频，确定绳体相对于目标对象的第一位置变化信息，例如可以是，先基于图像识别的方法，通过对目标视频中各帧图像进行识别，分别确定绳体相对于目标对象的位置，并将各位置的位置值分别表示出来；再按照目标视频中各帧图像的时间顺序对各位置进行排序，可以得到绳体相对于目标对象所处的位置随时间变化的信息，即得到第一位置变化信息，该第一位置变化信息可以由时刻与位置值相对应的数组来表示。

步骤120，在基于第一位置变化信息，确定绳体相对于目标对象从上到下绕体一周，且相邻两次内绳体位于目标对象的同一位置的时间差小于预设值的情况下，更新目标对象的计数结果。

具体地，计数结果可以是目标对象跳过绳体的次数值。更新目标对象的计数结果可以理解为，在目标对象的跳绳动作符合预设条件时，对目标对象的计数结果进行更新，即对次数值进行累加，得到累加后的次数值，其中，预设条件即为绳体相对于目标对象从上到下绕体一周，且相邻两次内绳体位于目标对象的同一位置的时间差小于预设值。对目标对象的跳绳动作进行连续判定，并对计数结果进行持续更新，当目标对象的跳绳动作不符合预设条件时，则不对计数结果进行更新。

在有绳跳绳的计数规则中，跳绳者跳过绳体使绳体绕跳绳者身体一周累加一个次数值。跳绳的过程中，绳体的运动轨迹是周期性的、连续的运动轨迹，绳体在每个运动轨迹周期内，会从相对于目标对象的一个起始位置绕体一周后再次回到该起始位置。各运动轨迹周期的时长可能相同也可能不同，各运动轨迹周期的时长会在一定的时长范围内。若运动轨迹周期的时长大于或等于该时长范围的上限时，表明该次跳绳过程可能出现了中断，在跳绳计数中，需要避免跳绳中断后继续更新计数结果的错误计数。

因此，在该步骤中，针对跳绳动作设置的预设条件中，预设值可以是用于判定跳绳过程中绳体运动轨迹连续性的判断阈值，若相邻两次内绳体位于目标对象的同一位置的时间差大于或等于预设值，表明该次跳绳过程可能出现了中断。

示例性的，第一位置变化信息可以表征绳体相对于目标对象的位置变化情况，进而可以基于第一位置变化信息确定出绳体相对于目标对象是否从上到下绕体一周运动。

通过第一位置变化信息，可以确定出绳体相对于目标对象的位置变化。例如，若绳体相对于目标对象的位置变化依次为，绳体位于目标对象的头顶上方、绳体位于目标对象的正面前方、绳体位于目标对象的脚部下方以及绳体回到目标对象的头顶上方，则可以确定绳体相对于目标对象从上到下绕体一周。又例如，若绳体相对于目标对象的位置变化依次为，绳体位于目标对象的头顶上方、绳体位于目标对象的背部后方、绳体位于目标对象的脚部下方以及绳体回到目标对象的头顶上方，则可以确定绳体相对于目标对象从上到下绕体一周。通过具有图像处理功能的网络模型对绳体位置变化进行识别，得到识别结果，并通过数据分析算法对识别结果进行分析，可以确定出第一位置变化信息，进而可以基于第一位置变化信息，确定出绳体相对于目标对象是否从上到下绕体一周，以及确定出相邻两次内绳体位于目标对象的同一位置的时间差是否小于预设值。

示例性的，上述预设值可以为任意时长，例如预设值为0.5秒或1秒。基于第一位置变化信息，通过分析图像中绳体位置变化进行时长计算，确定出相邻两次内绳体位于目标对象的同一位置的时间差，基于该时间差与预设值进行比较，可以确定出该时间差是否小于预设值。

在确定出绳体相对于目标对象从上到下绕体一周，且相邻两次内绳体位于目标对象的同一位置的时间差小于预设值的情况下，对当前的计数结果进行更新，更新时可以是在前一计数结果的基础上累加指定的计数值，指定的计数值例如可以是1或其他数值。

例如，在完整跳绳视频中确定出开始跳绳后的第一个目标视频及其相邻的第二个目标视频，基于第一个目标视频确定出其对应的第一位置变化信息，并基于该第一位置变化信息更新目标对象的计数结果，该计数结果为1；基于第二个目标视频确定出其对应的第一位置变化信息，并基于该第一位置变化信息更新目标对象的计数结果，即，在上一计数结果1的基础上累加指定的计数值1，此时，更新后的计数结果为2。

本发明实施例提供的跳绳计数方法，该方法在基于目标视频确定目标对象的跳绳模式为有绳跳绳模式的情况下，将目标视频输入检测模型中，得到检测模型输出的目标对象对应的检测信息，检测信息包括绳体相对于目标对象的第一位置变化信息；基于第一位置变化信息，确定绳体相对于目标对象从上到下绕体一周。根据跳绳运动中绳体绕跳绳者身体一周进行一次计数的基本计数规则，通过确定绳体相对于目标对象从上到下绕体一周进行计数，能排除误计数或空跳作弊等绳体未绕体一周而进行计数导致的计数误差，并且，在相邻两次内绳体位于目标对象的同一位置的时间差小于预设值的情况下，更新目标对象的计数结果，可以避免跳绳中断后续跳导致的计数错误累加的情况，因此，本方法减少了计数误差和错误计数，能提高跳绳计数的准确度。

进一步地，在YOLOX模型的基础上，通过去除对小目标敏感的解码头，对Head部分进行裁剪，在不改变检测效果的同时能提高计算效率，因为跳绳者一般属于大目标，不存在漏检的情况。对YOLOX模型进行改进，将YOLOX模型中的三个Head裁剪为两个Head，得到改进的YOLOX模型，改进的YOLOX模型相较于YOLOX模型计算速度更快，运行效率更高。改进的YOLOX模型在模型训练时可以采用与训练YOLOX模型类似的方式，以得到检测模型。

可选地，相关技术中的YOLOX模型仅可以对目标对象所在的目标框进行回归，无法执行其他任务。对相关技术中的YOLOX模型进行改进，在模型中增加回归分支，以实现多任务检测，得到多种类型的预测结果。例如，可以在模型中增加对跳绳者身体关键点进行检测，或者增加对跳绳者的起跳落地状态进行检测，或者增加对跳绳者与测试区域的匹配度进行检测等。通过增加多个回归分支能同时执行多个任务，提高了模型的运行效率。

对跳绳者身体关键点进行检测，例如可以是对跳绳者的左右脚踝点、左右脚尖点、左右脚后跟点等身体关键点进行检测，利用身体关键点对跳绳者的跳绳动作进行分析判定，可以实现辅助计数以提高计数结果的准确度。跳绳者的起跳落地状态例如可以包括腾空和落地，对跳绳者的起跳落地状态进行检测，也可以用以辅助计数。对跳绳者与测试区域的匹配度进行检测，例如是通过跳绳者的脚部关键点信息获取双脚脚部框，在指定的测试区域内检测是否存在跳绳者的双脚脚部框，若测试区域内检测到跳绳者的双脚脚部框则可以开始计数或更新计数结果；若测试区域内未检测到跳绳者的双脚脚部框则可以不启动计数或停止更新计数结果。

图2是本发明实施例提供的改进的Head的结构示意框图，如图2所示，将YOLOX模型中的三个Head裁剪为两个Head，FMAP1和FMAP2分别表示经过Backbone和Neck后提取得到的不同的融合特征图，其中FMAP1的大小为20*20像素，FMAP2的大小为40*40像素。CBS模块为Head中的功能模块，可以基于融合特征图进行预测。CBS模块可以包括一个卷积层、一个归一化层和一个SILU激活函数，其中，Conv表示一个卷积层，Sigmoid表示概率输出函数。CLS1、CLS2、OBJ、BBOX和FKPT为输出的各预测结果，其中，CLS1表示绳体相对于跳绳者的位置的类别，例如是上述七种类别之一；CLS2表示跳绳者的起跳落地状态，例如是腾空或落地；OBJ表示跳绳者与测试区域的匹配概率，可以表征各预测结果的置信度；BBOX表示输出的目标框，例如是在图像中框选跳绳者的显示框；FKPT表示输出的脚部关键点。

将FMAP1和FMAP2分别输入Head的各自解码头，可以得到各解码头分别输出的预测结果Out1和Out2。以FMAP1进行举例，将FMAP1输入其对应的解码头后，首先经过一个CBS模块进行特征提取，输出对应的特征图，再将CBS模块输出的特征图一分为三，分别再输入对应的CBS模块，然后通过卷积和Sigmoid函数处理，可以分别得到预测结果CLS1、CLS2、OBJ、BBOX和FKPT，将各预测结果汇总后进而得到Out1。针对两个解码头各自输出的Out1和Out2进行融合及筛选，可以得到Head的输出结果Output，该输出结果Output即为检测信息。

示例性的，在相关技术中的YOLOX模型的损失函数中，是通过一个边界框损失函数、分类损失函数、目标损失函数进行共同监督。原损失函数如下的公式(1)。

L

其中，L

改进的YOLOX模型的损失函数可以由边界框损失函数、两个分类损失函数、目标损失函数以及关键点损失函数进行共同监督。改进的损失函数如下的公式(2)。

L

其中，L

改进的YOLOX模型，不仅可以支持绳体相对于跳绳者的位置的类别进行检测，也可以支持对跳绳者的起跳落地状态进行检测，还可以支持其他任务检测。相比仅支持一种任务检测的单任务模式，支持多任务模式的改进模型在推理应用时，得到的预测结果更丰富，多任务并行也使得模型的运行效率得到了提升。

示例性的，跳绳过程中人体和绳体均处于快速运动状态，因此，目标视频中的图像可能存在背景或运动模糊的情况，导致图像中的绳体可见性较差，仅基于第一位置变化信息对计数结果进行更新时可能出现跳绳次数遗漏的情况。为能提高跳绳计数的准确度，可以通过脚部关键点对应的第二位置变化信息进行辅助性的补充计数，以减小遗漏次数带来的误差。

在一实施例中，检测信息还包括目标对象双脚的脚部关键点；该跳绳计数方法还包括：

确定计数结果未更新的目标时长；在目标时长大于预设时长的情况下，基于目标对象双脚的脚部关键点，确定脚部关键点从上一次计数结果的更新时刻到当前时刻的第二位置变化信息；基于双脚的脚部关键点对应的第二位置变化信息，确定目标时长内的目标补充计数值；基于目标补充计数值，对更新后的计数结果进行更新。

具体地，检测信息包括目标对象双脚的脚部关键点，可以通过检测模型输出检测信息获取其中的目标对象双脚的脚部关键点，如通过前述实施例中所述的YOLOX模型输出脚部关键点。基于目标视频中的至少两帧图像可以确定目标对象双脚的脚部关键点对应的第二位置变化信息。第二位置变化信息可以是表征从上一次计数结果的更新时刻到当前时刻，目标对象脚部关键点的位置随时间变化的信息。其中，脚部关键点可以是在目标对象脚部的任意位置确定的点位，例如可以是脚踝中部的脚踝点、脚尖处的脚尖点和脚后跟处的脚后跟点中的至少之一。

示例性的，目标时长为没有对计数结果进行更新所持续的时长，可以通过计算当前时刻与最后一次更新计数结果的时刻之间的时间差来确定目标时长。预设时长可以是用于对目标时长进行判定的预设阈值，预设时长可以是任意时长，例如预设时长为0.5秒、1秒或2秒等。当确定出目标时长后，基于目标时长和预设时长进行比较，在目标时长大于预设时长时，表明未更新计数结果的时间跨度较大，该情况可能存在因绳体运动模糊，导致基于第一位置变化对计数结果更新的中断，该情况遗漏了至少一部分的计数值，需要进行补充计数以修正计数结果。因此，在目标时长大于预设时长的情况下，确定第二位置变化信息，并基于第二位置变化信息确定目标时长内的目标补充计数值。

目标补充计数值可以是在目标时长内确定出的对上一次计数结果进行修正的修正值。基于双脚的脚部关键点对应的第二位置变化信息，可以确定目标时长内的目标补充计数值。例如，基于第二位置变化信息，计算目标对象双脚的脚部关键点距离地面的高度值可以确定目标补充计数值。具体地，以脚部关键点为脚踝点为例，当目标对象的双脚着地时，脚踝点距地面的高度值最小；当目标对象的双脚跃起跳绳时，脚踝点距地面的高度值相较于双脚着地时的高度值较大，计算脚踝点距地面的最大值，则一个高度最小值与其临近的一个高度最大值可以构成一次跳跃周期，统计跳跃周期的次数，可以将该跳跃周期的次数确定为目标补充计数值。

基于目标补充计数值，对更新后的计数结果进行更新，可以是将目标补充计数值与目标时长前最后一次更新的计数结果进行累加，得到当前时刻的计数结果。

在本实施例中，基于目标时长和预设时长能对是否进行补充计数进行准确判断，并基于第二位置变化信息确定出的目标补充计数值对计数结果进行更新，可以弥补计数结果更新中断时遗漏的计数值，实现辅助补充计数，能提高跳绳计数的准确度。

进一步地，跳绳过程中身体各部位的动作规律变化，如果出现动作变形或动作幅度变化较大的情况，表明跳绳过程中可能出现了跳断。跳断时若进行补充计数，将导致计数结果错误。因此，在确定目标补充计数值时，需要判断是否发生跳断。因跳断时双脚脚部动作变化较明显，因此可以基于双脚的脚部关键点进行跳断判断。在未发生跳断的情况下，可以确定出准确度较高的目标补充计数值。

在一实施例中，基于双脚的脚部关键点对应的第二位置变化信息，确定目标时长内的目标补充计数值，具体可以通过如下方式实现：

确定双脚各自对应的第二位置变化信息之间的第一相似度；在第一相似度大于第一预设相似度的情况下，基于第二位置变化信息确定目标补充计数值。

具体地，第一相似度可以是表征目标对象双脚各自对应的第二位置变化信息之间的相似程度。例如，可以通过计算左脚对应的第二位置变化信息与右脚对应的第二位置变化信息之间的相似度，得到第一相似度。

示例性的，将左脚对应的第二位置变化信息和右脚对应的第二位置变化信息均转换为向量的形式，通过计算两组向量间的向量相似度可以得到第一相似度。其中，计算两组向量间的向量相似度可以采用任意的计算向量相似度的方法，例如可以采用余弦相似度公式或欧拉公式等进行计算。

第一预设相似度可以是用于对第一相似度进行判定的预设判定阈值，第一预设相似度可以是任意数值，例如第一预设相似度为0.4、0.5或0.6等。

在确定出双脚各自对应的第二位置变化信息之间的第一相似度后，基于第一预设相似度对第一相似度进行判定，在第一相似度大于第一预设相似度的情况下，基于第二位置变化信息确定目标补充计数值。

在本实施例中，确定目标补充计数值时，需要先确定双脚各自对应的第二位置变化信息之间的第一相似度，在第一相似度大于第一预设相似度的情况下，再基于第二位置变化信息确定目标补充计数值。这样，可以克服跳断等跳绳中断的情况下确定的目标补充计数值准确度较低的缺陷，能提高目标补充计数值的准确度，进而可以提高跳绳计数的准确度。

在跳绳过程中，目标对象的一次起跳或落地动作对应了一次脚部关键点的跳跃周期，基于此，为了进一步提高目标补充计数值的准确度，可以通过检测信息中目标对象的起跳落地状态确定的第二补充计数值，对基于第二位置变化信息确定的第一补充计数值进行验证，将验证后的第一补充计数值确定为目标补充计数值，可以提高确定出的目标补充计数值的准确度。

在一实施例中，检测信息还包括目标对象的起跳落地状态；基于第二位置变化信息确定目标补充计数值，具体可以通过如下方式实现：

基于第二位置变化信息，采用峰值计数法确定第一补充计数值；基于起跳落地状态，确定目标对象在目标时长内起跳或落地的第一次数，并将第一次数确定为第二补充计数值；在第一补充计数值和第二补充计数值相同的情况下，将第一补充计数值确定为目标补充计数值。

具体地，检测信息中包括目标对象的起跳落地状态，可分为腾空和落地两类状态类型，腾空状态即起跳状态，可以通过检测模型获取目标对象的起跳落地状态。第一次数可以是基于起跳落地状态确定的目标对象在目标时长内起跳或落地的次数，例如，确定目标时长内起跳的次数即得到第一次数，将第一次数确定为第二补充计数值，该第二补充计数值可以作为对第一补充计数值进行验证的参考数据。

第一补充计数值可以是基于第二位置变化信息确定的、在目标时长内对上一次计数结果进行修正的待验证的修正值，需要基于第二补充计数值对其进行验证通过后，将该第一补充计数值确定为目标补充计数值。第一补充计数值和第二补充计数值相同时即验证通过。第一补充计数值和第二补充计数值相同时，表明通过脚部关键点确定的补充计数值和通过目标对象的起跳落地状态确定的补充计数值一致，此时，第一补充计数值的可信度较高，可以将第一补充计数值确定为目标补充计数值。

基于第二位置变化信息，可以采用峰值计数法确定出第一补充计数值。峰值计数法可以是利用数据中的峰值进行计数的方法。例如，基于第二位置变化信息，确定目标对象双脚的脚部关键点距离地面的各高度峰值，并计算目标时长内高度峰值的个数，将该高度峰值的个数确定为第一补充计数值。双脚的脚部关键点距离地面的各高度峰值，可以通过脚部关键点在图像中的像素点位置进行确定。可选地，通过计算高度峰值的个数确定第一补充计数值时，可以先对脚部关键点的各高度数据进行平滑处理，以减小数据中存在的误差值，提高确定的第一补充计数值的准确度。

在本实施例中，确定目标补充计数值时，先通过第二补充计数值对第一补充计数值进行验证，在第一补充计数值和第二补充计数值相同的情况下，将第一补充计数值确定为目标补充计数值，可以降低目标补充计数值不准确的概率，提高目标补充计数值的准确度，进而提高跳绳计算的准确度。

另外，在跳绳运动中也存在无绳跳绳的模式，针对无绳跳绳的模式进行跳绳计数时，可以基于目标对象双脚的脚部关键点进行跳绳计数。

在一实施例中，该跳绳计数方法还包括：在跳绳模式为无绳跳绳模式的情况下，基于目标视频，获取目标对象双脚的脚部关键点从开始计数时刻到当前时刻的第三位置变化信息；确定双脚各自对应的第三位置变化信息之间的第二相似度；在第二相似度大于第二预设相似度的情况下，基于第三位置变化信息更新目标对象的计数结果。

具体地，可以对目标视频中的图像进行图像识别，以识别图像中是否存在绳体，当未识别出绳体或者识别出绳体未绕目标对象的身体运动时，可以确定目标对象的跳绳模式为无绳跳绳模式。

示例性的，第三位置变化信息可以是表征无绳跳绳模式下从开始计数时刻到当前时刻之间，目标对象双脚的脚部关键点的位置随时间变化的信息。第二相似度可以是表征目标对象双脚各自对应的第三位置变化信息之间的相似程度。例如，可以通过计算左脚对应的第三位置变化信息与右脚对应的第三位置变化信息之间的相似度，得到第二相似度。确定第二相似度的方法可以与确定第一相似度的方法相同，此处不再赘述。

第二预设相似度可以是用于对第二相似度进行判定的预设判定阈值，第二预设相似度可以是任意数值，例如第二预设相似度为0.4、0.5或0.6等。

在无绳跳绳时可能出现中止跳跃的跳绳中断情况，此时即认为该次跳绳结束，应停止计数。基于第二预设相似度对第二相似度进行判定，可以对无绳跳绳过程中的跳绳中断行为进行判定。在确定出双脚各自对应的第三位置变化信息之间的第二相似度后，基于第二预设相似度对第二相似度进行判定，在第二相似度大于第二预设相似度时，表明未发生跳绳中断；在第二相似度小于或等于第二预设相似度时，表明发生了跳绳中断。在第二相似度大于第二预设相似度的情况下，基于第三位置变化信息更新目标对象的计数结果。

在一种实现方式中，基于第三位置变化信息更新目标对象的计数结果，具体可以通过如下方式实现：

基于第三位置变化信息，采用峰值计数法确定第一计数值；基于目标视频，确定目标对象从开始计数时刻到当前时刻内起跳或落地的第二次数，并将第二次数确定为第二计数值；在第一计数值和第二计数值相同的情况下，基于第一计数值更新目标对象的计数结果。

具体地，第一计数值可以是基于第三位置变化信息确定的、目标对象的脚部关键点位置变化的数值。类似于上述确定第一补充计数值的峰值计数法，可以基于第三位置变化信息，对目标对象的脚部关键点的位置变化数据进行峰值数量计算，将得到的峰值数量确定为第一计数值。

第二计数值可以是基于目标视频确定的、目标对象从开始计数时刻到当前时刻内起跳或落地的次数，类似于上述确定第二补充计数值的方法，可以基于目标视频确定出第二计数值。

第一计数值和第二计数值相同的情况，可以理解为，通过脚部关键点确定的计数值和通过目标对象的起跳落地状态确定的计数值一致，此时，第一计数值的可信度较高，可以基于该第一计数值更新目标对象的计数结果。基于第一计数值更新目标对象的计数结果，可以是将第一计数值确定为目标对象的计数结果。

在本实施例中，当目标对象为无绳跳绳的模式时，可以基于目标视频，通过获取的第三位置变化信息进行跳绳计数，并且在更新计数结果时，基于第二相似度和第二预设相似度对是否存在跳绳中断的情况进行判断，提高了计数结果的准确性；进一步地，在更新计数结果时，会基于第二计数值和第一计数值是否相同进行判定，能对第一计数值的准确度进行检验，以得到准确度较高的第一计数值，并基于第一计数值更新目标对象的计数结果，可以提高计数结果的准确度。

图3是本发明实施例提供的跳绳计数方法的示意框图，如图3所示，在跳绳计数开始后，基于目标视频，逐帧检测跳绳状态，例如对绳体相对于目标对象的位置的类别、起跳落地状态、目标对象的双脚脚部关键点进行检测。根据脚部关键点以及目标区域匹配目标对象，匹配目标对象，并收集状态，当存在绳子在人体上方时，开始收集其它状态，当再一次出现绳子在人体上方时，查看两次绳子在人体上方之间是否出现绳子在人体正面或背面的中间、绳子在人体正面或背面的下方、绳子在人脚下状态，如果出现则计数结果加1，否则不计数。完成上述过程后，对当前周期状态列表初始化，重新收集状态进行循环计数。

根据绳体相对于目标对象的位置的类别判断是否进入有绳跳绳模式。若进入有绳跳绳模式，则使用绳体状态周期变化进行计数，即基于第一位置变化信息对计数结果进行更新，同时需要判断不计数间隔是否大于阈值，若不大于阈值则持续使用绳体状态周期变化进行计数，直至跳绳终止时得出有绳跳绳计数结果，并结束计数；若大于阈值则启动起跳落地状态周期变化、双脚关键点起伏变化联合计数，跳绳终止时输出有绳跳绳计数结果，结束计数。若进入无绳跳绳模式，通过起跳落地状态周期变化、双脚关键点起伏变化联合计数，跳绳终止时输出无绳跳绳计数结果，结束计数。

本发明实施例提供的跳绳计数方法，提出一种图像与姿态联合计数的机制，可以实现在有绳跳绳和无绳跳绳的模式下进行跳绳计数，并能对有绳跳绳和无绳跳绳模式进行自动切换。该方法适用于对至少一个目标对象进行跳绳计数，能实现多人精准跳绳计数。通过图像分类联合关键点的方式进行跳绳计数，可以减小因视差、起跳状态多种多样导致的仅依靠关键点计数时的误差，可以减小因对起跳落地临界状态识别误差带来的计数误差，保证了计数结果的准确性。

示例性的，可以通过远程摄像头，获取跳绳视频流，即包括目标对象的完整跳绳视频，使用无线传输方式将跳绳视频流上传至云端服务器。云端服务器中可以设置已集成的跳绳计数服务，当获取到跳绳视频流时，使用跳绳计数服务对目标对象进行跳绳计数，并将计数结果返回到客户端。云端服务器中设置的跳绳计数的过程，可以参照前述任一实施例中所述的跳绳计数方法，具体的实现过程和技术效果，此处不再赘述。

本发明实施例提供的跳绳计数方法，对无绳跳绳和有绳跳绳的情况均可适用。该方法可以通过改进的YOLOX模型，输出目标视频对应的绳体相对于目标对象的位置的类别、起跳落地状态、双脚脚部关键点等检测结果。

该方法通过脚部关键点绑定在现有测试区域，收集测试区域中的跳绳者的绳体相对于目标对象的位置的类别、起跳落地状态、双脚脚部关键点等，通过连续帧的绳体位置变化信息判断是否进入有绳跳绳模式或者无绳跳绳模式。针对有绳跳绳，通过绳体类别的周期变化进行计数，计数过程中存在绳体可见性较低时，通过跳绳者关键点起伏变化以及跳绳者起跳落地的周期变化联合计数。该方法主要依靠绳体的位置变化信息进行计数，可以有效避免仅基于脚部关键点进行计数时，受视差影响而产生的误差。针对有绳跳绳，依靠绳体的位置进行状态分类，绳体相对于人的位置是固定的，类别分辨度高，有效避免了跳绳过程中跳绳者姿态多种多样，仅依靠关键点识别泛化性要求较高的问题，同时，当存在绳体可见性较低时，可以通过跳绳者的起跳落地状态进行补充计数，避免了绳体成像效果的影响。该方法可以将多任务集中在检测模型中，使得模型应用时使用与维护都较为简单，模型运算效率得到提升。针对无绳跳绳模式，通过跳绳者关键点起伏变化以及跳绳者起跳落地的周期变化联合计数，提高了计数结果的准确度。

下面对本发明实施例提供的跳绳计数装置进行描述，下文描述的跳绳计数装置与上文描述的跳绳计数方法可相互对应参照。

图4是本发明实施例提供的跳绳计数装置的结构示意图，参照图4所示，跳绳计数装置400包括：

确定模块410，用于在基于目标视频确定目标对象的跳绳模式为有绳跳绳模式的情况下，将目标视频输入检测模型中，得到检测模型输出的目标对象对应的检测信息，检测信息包括绳体相对于目标对象的第一位置变化信息；目标视频包括在检测到相邻两次内绳体位于目标对象的同一位置的检测过程中采集的至少两帧图像；

更新模块420，用于在基于第一位置变化信息，确定绳体相对于目标对象从上到下绕体一周，且相邻两次内绳体位于目标对象的同一位置的时间差小于预设值的情况下，更新目标对象的计数结果。

在一种示例实施例中，确定模块410具体用于：

将目标视频输入检测模型中，得到检测模型输出的目标对象对应的检测信息，检测信息包括绳体相对于目标对象的第一位置变化信息；检测模型为基于视频样本和视频样本对应的标签信息对初始检测模型进行训练得到的。

在一种示例实施例中，检测信息还包括目标对象双脚的脚部关键点；更新模块420还用于：

确定计数结果未更新的目标时长；

在目标时长大于预设时长的情况下，基于目标对象双脚的脚部关键点，确定脚部关键点从上一次计数结果的更新时刻到当前时刻的第二位置变化信息；

基于双脚的脚部关键点对应的第二位置变化信息，确定目标时长内的目标补充计数值；

基于目标补充计数值，对更新后的计数结果进行更新。

在一种示例实施例中，更新模块420具体用于：

确定双脚各自对应的第二位置变化信息之间的第一相似度；

在第一相似度大于第一预设相似度的情况下，基于第二位置变化信息确定目标补充计数值。

在一种示例实施例中，检测信息还包括目标对象的起跳落地状态；更新模块420具体用于：

基于第二位置变化信息，采用峰值计数法确定第一补充计数值；

基于起跳落地状态，确定目标对象在目标时长内起跳或落地的第一次数，并将第一次数确定为第二补充计数值；

在第一补充计数值和第二补充计数值相同的情况下，将第一补充计数值确定为目标补充计数值。

在一种示例实施例中，更新模块420还用于：

在跳绳模式为无绳跳绳模式的情况下，基于目标视频，获取目标对象双脚的脚部关键点从开始计数时刻到当前时刻的第三位置变化信息；

确定双脚各自对应的第三位置变化信息之间的第二相似度；

在第二相似度大于第二预设相似度的情况下，基于第三位置变化信息更新目标对象的计数结果。

在一种示例实施例中，更新模块420具体用于：

基于第三位置变化信息，采用峰值计数法确定第一计数值；

基于目标视频，确定目标对象从开始计数时刻到当前时刻内起跳或落地的第二次数，并将第二次数确定为第二计数值；

在第一计数值和第二计数值相同的情况下，基于第一计数值更新目标对象的计数结果。

本实施例的装置，可以用于执行跳绳计数方法侧实施例中任一实施例的方法，其具体实现过程与技术效果与跳绳计数方法侧实施例中类似，具体可以参见跳绳计数方法侧实施例中的详细介绍，此处不再赘述。

图5是本发明实施例提供的跳绳计数系统的结构示意图，如图5所示，该跳绳计数系统，包括：图像采集装置、服务器和显示设备；图像采集装置，用于采集目标视频；服务器，用于在基于目标视频确定目标对象的跳绳模式为有绳跳绳模式的情况下，将目标视频输入检测模型中，得到检测模型输出的目标对象对应的检测信息，检测信息包括绳体相对于目标对象的第一位置变化信息；目标视频包括在检测到相邻两次内绳体位于目标对象的同一位置的检测过程中采集的至少两帧图像；在基于第一位置变化信息，确定绳体相对于目标对象从上到下绕体一周，且相邻两次内绳体位于目标对象的同一位置的时间差小于预设值的情况下，更新目标对象的计数结果；显示设备，用于输出更新后的计数结果。

本实施例的跳绳计数系统，可以用于执行跳绳计数方法侧实施例中任一实施例的方法，其具体实现过程与技术效果与跳绳计数方法侧实施例中类似，具体可以参见跳绳计数方法侧实施例中的详细介绍，此处不再赘述。

图6是本发明实施例提供的服务器的结构示意图，如图6所示，该服务器可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行跳绳计数方法，该方法包括：在基于目标视频确定目标对象的跳绳模式为有绳跳绳模式的情况下，将目标视频输入检测模型中，得到检测模型输出的目标对象对应的检测信息，检测信息包括绳体相对于目标对象的第一位置变化信息；目标视频包括在检测到相邻两次内绳体位于目标对象的同一位置的检测过程中采集的至少两帧图像；在基于第一位置变化信息，确定绳体相对于目标对象从上到下绕体一周，且相邻两次内绳体位于目标对象的同一位置的时间差小于预设值的情况下，更新目标对象的计数结果。

此外，上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的跳绳计数方法，该方法包括：在基于目标视频确定目标对象的跳绳模式为有绳跳绳模式的情况下，将目标视频输入检测模型中，得到检测模型输出的目标对象对应的检测信息，检测信息包括绳体相对于目标对象的第一位置变化信息；目标视频包括在检测到相邻两次内绳体位于目标对象的同一位置的检测过程中采集的至少两帧图像；在基于第一位置变化信息，确定绳体相对于目标对象从上到下绕体一周，且相邻两次内绳体位于目标对象的同一位置的时间差小于预设值的情况下，更新目标对象的计数结果。

又一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的跳绳计数方法，该方法包括：在基于目标视频确定目标对象的跳绳模式为有绳跳绳模式的情况下，将目标视频输入检测模型中，得到检测模型输出的目标对象对应的检测信息，检测信息包括绳体相对于目标对象的第一位置变化信息；目标视频包括在检测到相邻两次内绳体位于目标对象的同一位置的检测过程中采集的至少两帧图像；在基于第一位置变化信息，确定绳体相对于目标对象从上到下绕体一周，且相邻两次内绳体位于目标对象的同一位置的时间差小于预设值的情况下，更新目标对象的计数结果。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。