【技术实现步骤摘要】
基于体态识别和人体生物力学的骨骼肌肉受力估计方法
本公开总体上涉及肌肉骨骼生物力学
，尤其涉及基于体态识别和人体生物力学的骨骼肌肉受力估计方法。
技术介绍
在日常生活中人们通过协调控制肌肉、关节、骨骼等运动器官产生各种动作去完成各项任务。人体通过关节将骨骼联接在一起，通过肌肉的舒张和收缩控制身体的姿势。为了更好地指导人们有效工作和健康生活，有关于人体运动生物力学的研究不断突破。其方向包括，研究人体各部分肌肉和关节的力量、负载限度、活动范围和速度，人体器官和骨骼对于进行不同动作所受到的阻力，以及动作的舒适度等问题。肌肉骨骼受力分析建模已在各行业得到广泛应用，特别是与人体生物力学相关的航空航天、康复医疗、汽车运输、动画建模等领域。然而，传统的肌肉骨骼受力分析技术依赖人为地标记身体关键点并输入肌肉骨骼生物力学模型中进行受力分析。为了记录人体动作进行肌骨受力分析，通常人们将空间定位传感器贴在被监测目标身上的感兴趣部位，例如四肢、关节等。然后实时追踪这些传感器传输出的数据，并输入生物力学模型中进行分析。这种方法虽然精度高...
【技术保护点】
1.一种基于体态识别和人体生物力学的骨骼肌肉受力估计方法，其特征在于包括如下步骤：/n通过图像数据采集装置获取至少一个目标用户的图像数据；/n通过将所述目标用户的图像数据输入到身体关键特征点监测深度学习神经网络，输出预测的身体关键特征点数据，其中所述预测的身体关键特征点是对所述目标用户的感兴趣部位进行人体生物力学分析所需要的关键特征点；/n对所述目标用户的图像数据和所述预测的身体关键特征点数据进行处理，得到估计的人体三维姿态信息；以及/n通过将所述人体三维姿态信息输入到预先建立的人体受力分析模型，分析出所述感兴趣部位的受力状态。/n
【技术特征摘要】
1.一种基于体态识别和人体生物力学的骨骼肌肉受力估计方法，其特征在于包括如下步骤：
通过图像数据采集装置获取至少一个目标用户的图像数据；
通过将所述目标用户的图像数据输入到身体关键特征点监测深度学习神经网络，输出预测的身体关键特征点数据，其中所述预测的身体关键特征点是对所述目标用户的感兴趣部位进行人体生物力学分析所需要的关键特征点；
对所述目标用户的图像数据和所述预测的身体关键特征点数据进行处理，得到估计的人体三维姿态信息；以及
通过将所述人体三维姿态信息输入到预先建立的人体受力分析模型，分析出所述感兴趣部位的受力状态。
2.根据权利要求1所述的方法，其特征在于所述图像数据采集装置包括以下至少一种：一个或多个平面摄像头、深度摄像头、红外摄像头或热成像仪，其中所述深度摄像头包括至少一种：时间飞行摄像头、结构光摄像头或双目摄像头。
3.根据权利要求1所述的方法，其特征在于还包括对所述图像数据进行预处理以提高分析所述受力状态的准确度，其中对所述图像数据进行预处理包括以下至少一种：
对图像进行翻转、平移、裁剪或亮度调节，或者
计算所述目标用户的位置、图像光流信息和图像深度信息。
4.根据权利要求1所述的方法，其特征在于所述输出预测的身体关键特征点数据进一步包括：
确定至少一个所述预测的身体关键特征点在所述图像中的位置坐标；
确定至少一个所述预测的身体关键特征点的类别信息，其中所述类别信息包括：感兴趣的身体特征信息，所述感兴趣的身体特征信息包括：针对不同应用的人体监测任务和人体生物力学模型分析所需要的人体部位关键特征点，其中所述人体部位关键特征点包括以下至少一种：骨骼特征点、关节特征点和/或肌肉特征点；以及
确定至少一个所述预测的身体关键特征点的状态信息，其中所述状态信息包括：可见、不可见、以及不在图像视野内或不可推测。
5.根据权利要求1所述的方法，其特征在于所述身体关键特征点监测深度学习神经网络的训练过程包括：
准备人体姿态图像集，其中所述人体姿态图像集包括人体姿态图像数据，以及根据所述人体姿态图像数据标注的身体关键特征点数据；以及
利用所述人体姿态图像集对深度学习模型进行训练，通过误差反向传播更新所述身体关键特征点监测深度学习神经网络的参数直至收敛，得到训练完备的所述身体关键特征点监测深度学习神经网络。
6.根据权利要求1所述的方法，其特征在于所述身体关键特征点监测深度学习神经网络通过自上而下的方式或者自下而上的方式实现，其中
所述自下而上的实现方式是指先监测图像中所有的身体关键特征点，然后将所述所有的身...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。