一种基于深度学习的混合动作捕捉系统技术方案

本发明专利技术实施例公开了一种基于深度学习的混合动作捕捉系统，所述系统包括：惯性动作捕捉模块，用于获取对象的惯性姿态信息；光学动作捕捉模块，用于获取所述对象的光学姿态信息；通讯模块，用于发送所述惯性姿态信息、光学姿态信息至分析模块；分析模块，用于根据预设的混合模型对所述惯性姿态信息、光学姿态信息进行融合处理，得到所述对象的最优运动估计。如此，通过综合利用惯性动作捕捉不受遮挡和光学动作捕捉数据准确的特点，并且经过深度学习训练，得到综合了惯性动作捕捉和光学动作捕捉特点的混合模型，保证了最终数据的精确性。

【技术实现步骤摘要】
一种基于深度学习的混合动作捕捉系统
本专利技术涉及计算机
，尤其涉及一种基于深度学习的混合动作捕捉系统。
技术介绍
传统的计算机视觉三维重建具有高精度、高成本、高延时的特点，而虚拟现实采用的动作捕捉技术具有成本低、延时低和高精度的特点。目前国内主要的动作捕捉技术可分为惯性动作捕捉技术，光学动作捕捉技术等运动捕捉方式。惯性动作捕捉技术采用惯性传感器采集运动对象各个关节的运动信息，捕捉精度不高，但是实时性好，可采集遮挡的运动；光学动作捕捉采用一个或多个摄像头拍摄运动对象同一个接收点产生的视差计算其空间位置和旋转信息，捕捉精度高，但是易受动作遮挡影响。
技术实现思路
有鉴于此，本专利技术实施例期望提供一种基于深度学习的混合动作捕捉系统，本专利技术的技术方案是这样实现的：一种基于深度学习的混合动作捕捉系统，所述系统包括：惯性动作捕捉模块，用于获取对象的惯性姿态信息；光学动作捕捉模块，用于获取所述对象的光学姿态信息；通讯模块，用于发送所述惯性姿态信息、光学姿态信息至分析模块；分析模块，用于根据预设的混合模型对所述惯性姿态信息、光学姿态信息进行融合处理，得到所述对象的最优运动估计。上述方案中，本文档来自技高网...

【技术保护点】
1.一种基于深度学习的混合动作捕捉系统，其特征在于，所述系统包括：惯性动作捕捉模块，用于获取对象的惯性姿态信息；光学动作捕捉模块，用于获取所述对象的光学姿态信息；通讯模块，用于发送所述惯性姿态信息、光学姿态信息至分析模块；分析模块，用于根据预设的混合模型对所述惯性姿态信息、光学姿态信息进行融合处理，得到所述对象的最优运动估计。

【技术特征摘要】
1.一种基于深度学习的混合动作捕捉系统，其特征在于，所述系统包括：惯性动作捕捉模块，用于获取对象的惯性姿态信息；光学动作捕捉模块，用于获取所述对象的光学姿态信息；通讯模块，用于发送所述惯性姿态信息、光学姿态信息至分析模块；分析模块，用于根据预设的混合模型对所述惯性姿态信息、光学姿态信息进行融合处理，得到所述对象的最优运动估计。2.根据权利要求1所述的系统，其特征在于，所述惯性动作捕捉模块，包括：惯性测量单元，所述惯性测量单元固定在所述对象上，用于获取所述对象的角速度信息、加速度信息和磁力信息。3.根据权利要求2所述的系统，所述惯性测量单元包括：三轴陀螺仪、三轴加速度计、三轴磁力计。4.根据权利要求1所述的系统，其特征在于，所述光学动作捕捉模块，包括：光学测量标记和光学摄像头，所述光学测量标记贴...

【专利技术属性】
技术研发人员：路晗，
申请(专利权)人：苏州炫感信息科技有限公司，
类型：发明
国别省市：江苏,32