可穿戴式惯性体感乒乓运动训练系统及其工作方法技术方案

可穿戴式惯性体感乒乓运动训练系统及其工作方法，利用动作采集模块采集人体的运动数据；利用动作预测模块训练动作预测模型，并将动作采集模块采集的运动数据输入到训练好的动作预测模型中产生对应的动作预测结果；利用动作识别评价模块训练动作评价模型，并根据动作采集模块采集的运动数据作出动作评价结果；利用乒乓球轨迹预测模块建立乒乓球运动轨迹模型；通过显示模块将动作预测模块、动作识别评价模块和乒乓球轨迹预测模块的输出转换为可视化图像，控制虚拟人物跟随使用者做出相应的动作和控制虚拟乒乓球根据计算得到的空间坐标运动，同时还给出使用者动作评价，提高运动体感过程的交互性与游戏的体验感。动体感过程的交互性与游戏的体验感。动体感过程的交互性与游戏的体验感。

【技术实现步骤摘要】
可穿戴式惯性体感乒乓运动训练系统及其工作方法


[0001]本专利技术属于体感互动系统和计算机
，涉及一种可穿戴式惯性体感乒乓运动训练系统及其工作方法。

技术介绍

[0002]在人类社会精神文明的进步和物质文明的飞速发展下，人们的生活方式发生了翻天覆地的变化，但在享受高效、便捷生活同时也面临着严重的个人健康问题。现代人缺乏体育运动是影响健康的重要原因之一，采用有效方法进行运动进而促进身体健康将成为现代生活重要组成部分。
[0003]乒乓球运动强度适用面广且技巧和趣味性高，老少皆宜、爱好者众多。但也正因为乒乓球的灵活性大、技巧性高，普通爱好者掌握起来比较困难，长期错误动作会对身体造成累积损伤；并且不同水平爱好者对弈无法满足运动和情感需求，而同水平爱好者博弈会受到时间和场地限制。因此亟需提出一种体感乒乓运动训练系统，帮助人们科学进行乒乓球训练，并且不会受到时间和场地的限制，随时都可进行乒乓球运动。
[0004]由于乒乓球运动的复杂性，现有的乒乓球动作识别评价系统上存在许多缺陷，如：目前的全身复杂运动动作捕获系统需要全身设置穿戴节点，使用体验较差，同时多节点带来的大量数据也会影响识别速度；乒乓球运动动作速度快、频率高，在动作识别时易出现延迟，因此实时性、连贯性、准确性较差，很难有效提取连续动态数据；乒乓球运动属于全身性复杂运动，目前的乒乓球训练系统缺少相应的动作评估方案；受多种因素影响，乒乓球在飞行过程中受力情况复杂，飞行轨迹复杂难以预判，需要设计一种高精度的乒乓球运动轨迹模型。

技术实现思路
<br/>[0005]本专利技术的目的是针对现有技术中的不足，提供一种可穿戴式惯性体感乒乓运动训练系统，只需要选取少量节点设置动作捕获设备就可实现高准确度的动作预测；增加动作评估功能，帮助使用者校正错误姿势，并且能够实现准确高效地提取动作关键帧。
[0006]为实现上述目的，本专利技术采取的技术方案是：
[0007]一种可穿戴式惯性体感乒乓运动训练系统，包括：
[0008]动作采集模块，用于采集人体的运动数据；
[0009]动作预测模块，用于训练动作预测模型，并将所述动作采集模块采集的运动数据输入到训练好的动作预测模型中产生对应的动作预测结果；
[0010]动作识别评价模块，用于训练动作评价模型，并根据所述动作采集模块采集的运动数据作出动作评价结果；
[0011]乒乓球轨迹预测模块，用于建立乒乓球运动轨迹模型；
[0012]显示模块，用于将所述动作预测模块、动作识别评价模块和乒乓球轨迹预测模块的输出转换为可视化图像；
[0013]所述动作识别评价模块包括动作关键帧提取单元和模型建立单元，所述动作采集模块采集的运动数据通过先进先出的方式存储到所述动作关键帧提取单元的第一层滑动窗口中；所述第一层滑动窗口的尾部设置第二层探测窗口，所述动作关键帧提取单元用于在检测到所述第二层探测窗口内的数据发生突变时产生第三层动作窗口，所述第三层动作窗口的起点为突变发生点；所述动作关键帧提取单元从所述第三层动作窗口中获取动作关键帧输出到所述模型建立单元中构成所述动作评估模型的训练样本。
[0014]进一步地，所述动作采集模块按照每秒30帧的速率采集人体不同部位的运动数据，所述第一层滑动窗口的长度为120帧
‑
180帧，所述第二层探测窗口的长度为3帧
‑
10帧，所述第三层动作窗口的长度为45帧
‑
75帧，所述动作关键帧的长度为36帧
‑
44帧。
[0015]进一步地，所述动作预测模块包括局部姿态预测单元和全身动作预测单元，
[0016]所述局部姿态预测单元利用人体运动数据集进行模型训练，估计出人体中N处不同部位的关节位置，并进一步估计出所述N个关节中的M个关节的旋转情况，其中N和M均为正整数且N≥M；
[0017]所述全身动作预测单元利用所述人体运动数据集和所述局部姿态预测单元的预测结果进行模型训练，得到人体的全身姿态位移网络。
[0018]进一步地，所述动作采集模块从所述N个关节中选择K个关节并在所选关节附近布置第一动作捕获设备，其中K为正整数，所述动作预测模块将所述第一动作捕获设备采集的运动数据输入到训练好的动作预测模型中，产生对应的动作预测结果。
[0019]进一步地，所述N＝23，所述23个关节分别为左臀部、右臀部、左膝盖、右膝盖、左脚踝、右脚踝、脊柱上三个不同位置、左脚、右脚、脖子、左领、右领、头、左肩、右肩、左肘、右肘、左手腕、右手腕、左手和右手处的关节，所述全身姿态位移网络包括人体中23个关节的位置信息、加速度值、旋转向量和全局位移数据；
[0020]所述M＝15，所述局部姿态预测单元估计出左臀部、右臀部、左膝盖、右膝盖、脊柱上三个不同位置、脖子、左领、右领、头、左肩、右肩、左肘和右肘处关节的旋转情况；
[0021]所述K＝6，6个所述第一动作捕获设备分别设置在左膝盖、右膝盖、左脚踝、右脚踝、使用者持拍手的手腕和所述脊柱上三个不同位置中的任意一个共六个位置处的关节附近。
[0022]进一步地，所述动作采集模块还在所述K个关节之外的位置设置有第二动作捕获设备，将所述第二动作捕获设备的采集数据代替所述动作预测模型输出结果中与所述第二动作捕获设备对应位置的预测数据。
[0023]进一步地，所述第二动作捕获设置在使用者持拍手的大臂上。
[0024]进一步地，所述第一动作捕获设备和第二动作捕获设备为惯性传感器，采集的运动数据包括加速度和四元数数据。
[0025]本专利技术的再一目的是，提供上述可穿戴式惯性体感乒乓运动训练系统的工作方法，针对其中进行人体的动作预测和动作识别评价以及乒乓球运动轨迹预测的相应模块提出对应的实现方法。
[0026]为实现上述第二个目的，本专利技术采取的技术方案是：
[0027]一种可穿戴式惯性体感乒乓运动训练系统的工作方法，基于上述的可穿戴式惯性体感乒乓运动训练系统，并在所述关键帧提取单元检测到所述第二层探测窗口内的数据发
生突变产生第三层动作窗口时，检测所述第三层动作窗口内的数据长度是否小于所述第三层动作窗口的长度，若是则放弃当前所述第三层动作窗口内的数据并继续检测所述第二层探测窗口内的数据，否则取所述第三层动作窗口内数据的最大值处左右两侧的数据作为所述动作关键帧。
[0028]进一步地，采用阈值法和差值法判断所述第二层探测窗口内的数据是否发生突变。
[0029]进一步地，所述局部姿态预测单元的工作方法为：
[0030]A1、利用所述人体运动数据集进行模型训练，估计出所述N个关节中Q个关节的位置信息，其中Q为正整数且Q&lt;N；
[0031]A2、利用所述人体运动数据集和步骤A1获得的所述Q个关节的位置信息进行模型训练，估计出所述N个关节的位置信息；
[0032]A3、利用所述人体运动数据集和步骤A2获得的所述N个关节的位置信息进行模型训练，估计出所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可穿戴式惯性体感乒乓运动训练系统，包括：动作采集模块，用于采集人体的运动数据；动作预测模块，用于训练动作预测模型，并将所述动作采集模块采集的运动数据输入到训练好的动作预测模型中产生对应的动作预测结果；动作识别评价模块，用于训练动作评价模型，并根据所述动作采集模块采集的运动数据作出动作评价结果；乒乓球轨迹预测模块，用于建立乒乓球运动轨迹模型；显示模块，用于将所述动作预测模块、动作识别评价模块和乒乓球轨迹预测模块的输出转换为可视化图像；其特征在于，所述动作识别评价模块包括动作关键帧提取单元和模型建立单元，所述动作采集模块采集的运动数据通过先进先出的方式存储到所述动作关键帧提取单元的第一层滑动窗口中；所述第一层滑动窗口的尾部设置第二层探测窗口，所述动作关键帧提取单元用于在检测到所述第二层探测窗口内的数据发生突变时产生第三层动作窗口，所述第三层动作窗口的起点为突变发生点；所述动作关键帧提取单元从所述第三层动作窗口中获取动作关键帧输出到所述模型建立单元中构成所述动作评估模型的训练样本。2.根据权利要求1所述的可穿戴式惯性体感乒乓运动训练系统，其特征在于，所述动作采集模块按照每秒30帧的速率采集人体不同部位的运动数据，所述第一层滑动窗口的长度为120帧
‑
180帧，所述第二层探测窗口的长度为3帧
‑
10帧，所述第三层动作窗口的长度为45帧
‑
75帧，所述动作关键帧的长度为36帧
‑
44帧。3.根据权利要求1所述的可穿戴式惯性体感乒乓运动训练系统，其特征在于，所述动作预测模块包括局部姿态预测单元和全身动作预测单元，所述局部姿态预测单元利用人体运动数据集进行模型训练，估计出人体中N处不同部位的关节位置，并进一步估计出所述N个关节中的M个关节的旋转情况，其中N和M均为正整数且N≥M；所述全身动作预测单元利用所述人体运动数据集和所述局部姿态预测单元的预测结果进行模型训练，得到人体的全身姿态位移网络。4.根据权利要求3所述的可穿戴式惯性体感乒乓运动训练系统，其特征在于，所述动作采集模块从所述N个关节中选择K个关节并在所选关节附近布置第一动作捕获设备，其中K为正整数，所述动作预测模块将所述第一动作捕获设备采集的运动数据输入到训练好的动作预测模型中，产生对应的动作预测结果。5.根据权利要求4所述的可穿戴式惯性体感乒乓运动训练系统，其特征在于，所述N＝23，所述23个关节分别为左臀部、右臀部、左膝盖、右膝盖、左脚踝、右脚踝、脊柱上三个不同位置、左脚、右脚、脖子、左领、右领、头、左肩、右肩、左肘、右肘、左手腕、右手腕、左手和右手处的关节，所述全身姿态位移网络包括人体中23个关节的位置信息、加速度值、旋转向量和全局位移数据；所述M＝15，所述局部姿态预测单元估计出左臀部、右臀部、左膝盖、右膝盖、脊柱上三个不同位置、脖子、左领、右领、头、左肩、右肩、左肘和右肘处关节的旋转情况；所述K＝6，6个所述第一动作捕获设备分别设置在左膝盖、右膝盖、左脚踝、右脚踝、使用者持拍手的手腕和所述脊柱上三个不同位置中的任意一个共六个位置处的关节附近。
6.根据权利要求4或5所述的可穿戴式惯性体感乒乓运动训练系统，其特征在于，所述动作采集模块还在所述K个关节之外的位置设置有第二动作捕获设备，将所述第二动作捕获设备的采集数据代替所述动作预测模型输出结果中与所述第二动作捕获设备对应位置的预测数据。7.根据权利要求6所述的可穿戴式惯性体感乒乓运动训练系统，其特征在于，所述第二动作捕获设置在使用者持拍手的大臂上。8.根据权利要求7所述的可穿戴式惯性体感乒乓运动训练系统，其特征在于，所述第一动作捕获设备和第二动作捕获设备为惯性传感器，采集的运动数据包括加速度和四元数数据。9.一种可穿戴式惯性体感乒乓运动训练系统的工作方法，其特征在于，基于权利要求1
‑
8任一项所述的可穿戴式惯性体感乒乓运动训练系统，并在所述关键帧提取单元检测到所述第二层探测窗口内的数据发生突变产生第三层动作窗口时，检测所述第三层动作窗口内的数据长度是否小于所述第三层动作窗口的长度，若是则放弃当前所述第三层动作窗口内的数据并继续检测所述第二层探测窗口内的数据，否则取所述第三层动作窗口内数据的最大值处左右两侧的数据作为所述动作关键帧。10.根据权利要求9所述的可穿戴式惯性体感乒乓运动训练系统的工作方法，其特征在于，采用阈值法和差值法判断所述第二层探测窗口内的数据是否发生突变。11.根据权利要求9所述的可穿戴式惯性体感乒乓运动训练系统的工作方法，其特征在于，所述局部姿态预测单元的工作方法为：A1、利用所述人体运动数据集进行模型训练，估计出所述N个关节中Q个关节的位置信息，其中Q为正整数且Q&lt;N；A2、利用所述人体运动数据集和步骤A1获得的所述...

【专利技术属性】
技术研发人员：张衡，刘敬伟，
申请(专利权)人：刘敬伟，
类型：发明
国别省市：