本申请公开了人体姿态特征实时检测方法、装置、设备及介质，涉及计算机技术领域。该方法包括：获取IMU采集到的目标人体头颈的当前姿态对应的目标运动数据；将所述目标运动数据输入至训练后的预设融合算法模型中进行姿态估计，以得到所述目标人体头颈的当前姿态对应的目标四元数；基于所述目标四元数进行笔画特征提取以得到所述目标人体头颈的当前姿态对应的运动笔画特征；将所述运动笔画特征与预设笔画特征数据库输入至预设最长公共子序列算法中并确定所述预设笔画特征数据库中与所述运动笔画特征匹配的目标笔画特征，然后根据所述目标笔画特征确定所述目标人体头颈的当前姿态。通过上述方案能够在不约束传感器位置的情况下进行姿态特征实时检测。况下进行姿态特征实时检测。况下进行姿态特征实时检测。
【技术实现步骤摘要】
人体姿态特征实时检测方法、装置、设备及介质
[0001]本专利技术涉及计算机
，特别涉及人体姿态特征实时检测方法、装置、设备及介质。
技术介绍
[0002]随着体感游戏、头颈健康监测等智能应用的发展，其中的人机交互技术也面临着越来越多的挑战。目前，基于多传感器融合的惯导算法可以获得非常高精度的运动轨迹估计，然而该方案除了IMU（即Inertial Measurement Unit，惯性测量单元）以外还需要配置摄像头、无线定位系统等传感器，多传感器算法融合需要较高的计算和存储需求，导致硬件成本高，而且对于产品的每个单独设备都需要精确标定多传感器的外参，部署难度高；也可以通过深度神经网络、LSTM算法在高维空间上对运动进行近似逼近，虽然可以达到较高精度，但由于在开发时需要提取大量数据集以做训练，部署时需要较高的算力和存储资源，实时性和效率低下，导致其成本过于高昂；另一方面，这些算法对传感器的位置有一定约束，难以适应随机任意的部署位置。综上，如何能够在不约束传感器位置的情况下进行人体姿态特征实时检测并避免成本过高的问题有待进一步解决。
技术实现思路
[0003]有鉴于此，本专利技术的目的在于提供一种人体姿态特征实时检测方法、装置、设备及介质，能够在不约束传感器位置的情况下进行人体姿态特征实时检测并避免成本过高。其具体方案如下：第一方面，本申请公开了一种人体姿态特征实时检测方法，包括：获取IMU采集到的目标人体头颈的当前姿态对应的目标运动数据；将所述目标运动数据输入至训练后的预设融合算法模型中进行姿态估计，以得到所述目标人体头颈的当前姿态对应的目标四元数；基于所述目标四元数进行笔画特征提取以得到所述目标人体头颈的当前姿态对应的运动笔画特征；将所述运动笔画特征与预设笔画特征数据库输入至预设最长公共子序列算法中并确定所述预设笔画特征数据库中与所述运动笔画特征匹配的目标笔画特征，然后根据所述目标笔画特征确定所述目标人体头颈的当前姿态。
[0004]可选的，所述获取IMU采集到的目标人体头颈的当前姿态对应的目标运动数据之前，还包括：对IMU进行校准并获取所述IMU对应的陀螺仪零点偏移量与加速度计零点偏移量；将所述IMU对应的陀螺仪零点偏移量与加速度计零点偏移量保存至预设传感器参数数据库中。
[0005]可选的，所述基于所述目标四元数进行笔画特征提取以得到所述目标人体头颈的当前姿态对应的运动笔画特征之前，还包括：
基于所述目标四元数与上一笔画的末端姿态对应的四元数确定所述当前姿态与上一笔画的末端姿态的距离进行笔锋检测。
[0006]可选的，所述基于所述目标四元数进行笔画特征提取以得到所述目标人体头颈的当前姿态对应的运动笔画特征，包括：若检测到对应的笔锋，则基于所述目标四元数与上一笔画的末端姿态对应的四元数确定当前笔画的旋转向量；确定所述当前笔画的旋转向量与重力向量的第一夹角，并确定所述当前笔画的旋转向量与所述上一笔画的旋转向量的第二夹角；基于所述第一夹角与所述第二夹角确定所述目标人体头颈的当前姿态对应的运动笔画特征。
[0007]可选的，所述将所述运动笔画特征与预设笔画特征数据库输入至预设最长公共子序列算法中并确定所述预设笔画特征数据库中与所述运动笔画特征匹配的目标笔画特征，包括：将所述运动笔画特征与预设笔画特征数据库输入至预设最长公共子序列算法中并判断是否达到预设字符识别要求；如果满足所述预设字符识别要求，则启用所述预设最长公共子序列算法回溯确定匹配与所述运动笔画特征匹配的目标笔画特征并统计所述目标笔画特征的个数。
[0008]可选的，所述将所述运动笔画特征与预设笔画特征数据库输入至预设最长公共子序列算法中并判断是否达到预设字符识别要求，包括：将所述运动笔画特征与预设笔画特征数据库输入至预设最长公共子序列算法中，并判断是否达到预设动作队列阈值或匹配到所述预设笔画特征数据库中的结尾动作笔画；相应的，所述如果满足所述预设字符识别要求，则启用所述预设最长公共子序列算法回溯确定匹配与所述运动笔画特征匹配的目标笔画特征并统计所述目标笔画特征的个数；如果达到预设动作队列阈值或匹配到所述预设笔画特征数据库中的结尾动作笔画，则启用所述预设最长公共子序列算法回溯确定匹配与所述运动笔画特征匹配的目标笔画特征并统计所述目标笔画特征的个数。
[0009]可选的，所述根据所述目标笔画特征确定所述目标人体头颈的当前姿态，包括：若所述目标笔画特征的个数大于预设笔画阈值，则通过所述预设最长公共子序列算法确定所述目标笔画特征在所述预设笔画特征数据库中匹配的目标字符；根据所述目标字符对应的姿态确定所述目标人体头颈的当前姿态。
[0010]第二方面，本申请公开了一种人体姿态特征实时检测装置，包括：运动数据获取模块，用于获取IMU采集到的目标人体头颈的当前姿态对应的目标运动数据；四元数确定模块，用于将所述目标运动数据输入至训练后的预设融合算法模型中进行姿态估计，以得到所述目标人体头颈的当前姿态对应的目标四元数；笔画特征确定模块，用于基于所述目标四元数进行笔画特征提取以得到所述目标人体头颈的当前姿态对应的运动笔画特征；姿态确定模块，用于将所述运动笔画特征与预设笔画特征数据库输入至预设最长
公共子序列算法中并确定所述预设笔画特征数据库中与所述运动笔画特征匹配的目标笔画特征，然后根据所述目标笔画特征确定所述目标人体头颈的当前姿态。
[0011]第三方面，本申请公开了一种电子设备，包括：存储器，用于保存计算机程序；处理器，用于执行所述计算机程序，以实现前述公开的所述的人体姿态特征实时检测方法的步骤。
[0012]第四方面，本申请公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的所述的人体姿态特征实时检测方法的步骤。
[0013]本申请在进行人体姿态特征实时检测时，获取IMU采集到的目标人体头颈的当前姿态对应的目标运动数据，并将所述目标运动数据输入至训练后的预设融合算法模型中进行姿态估计，以得到所述目标人体头颈的当前姿态对应的目标四元数，然后基于所述目标四元数进行笔画特征提取以得到所述目标人体头颈的当前姿态对应的运动笔画特征，将所述运动笔画特征与预设笔画特征数据库输入至预设最长公共子序列算法中并确定所述预设笔画特征数据库中与所述运动笔画特征匹配的目标笔画特征，然后根据所述目标笔画特征确定所述目标人体头颈的当前姿态。可见，本申请在进行人体姿态特征实时检测时，首先通过IMU采集当前姿态对应的目标运动数据，并通过训练后的预设融合算法模型获取当前姿态对应的目标四元数，然后通过所述目标四元数进行笔画特征提取以得到当前姿态对应的运动笔画特征并将运动笔画特征与预设笔画特征数据库进行匹配，从而确定目标人体头颈的当前姿态。由此，本申请在进行人体姿态特征实时检测时，将由传感器获取到的目标运动数据进行姿态识别并将当前姿态转换为对应的笔画特征，通过提取与旋转平移无关的姿态特征用于表征头颈运动的笔画并与预设笔画特征数据库进行匹配，一方面其识别精度较高，鲁棒性和实时性强；另一方面其资源本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人体姿态特征实时检测方法，其特征在于，包括：获取IMU采集到的目标人体头颈的当前姿态对应的目标运动数据；将所述目标运动数据输入至训练后的预设融合算法模型中进行姿态估计，以得到所述目标人体头颈的当前姿态对应的目标四元数；基于所述目标四元数进行笔画特征提取以得到所述目标人体头颈的当前姿态对应的运动笔画特征；将所述运动笔画特征与预设笔画特征数据库输入至预设最长公共子序列算法中并确定所述预设笔画特征数据库中与所述运动笔画特征匹配的目标笔画特征，然后根据所述目标笔画特征确定所述目标人体头颈的当前姿态。2.根据权利要求1所述的人体姿态特征实时检测方法，其特征在于，所述获取IMU采集到的目标人体头颈的当前姿态对应的目标运动数据之前，还包括：对IMU进行校准并获取所述IMU对应的陀螺仪零点偏移量与加速度计零点偏移量；将所述IMU对应的陀螺仪零点偏移量与加速度计零点偏移量保存至预设传感器参数数据库中。3.根据权利要求1所述的人体姿态特征实时检测方法，其特征在于，所述基于所述目标四元数进行笔画特征提取以得到所述目标人体头颈的当前姿态对应的运动笔画特征之前，还包括：基于所述目标四元数与上一笔画的末端姿态对应的四元数确定所述当前姿态与上一笔画的末端姿态的距离进行笔锋检测。4.根据权利要求3所述的人体姿态特征实时检测方法，其特征在于，所述基于所述目标四元数进行笔画特征提取以得到所述目标人体头颈的当前姿态对应的运动笔画特征，包括：若检测到对应的笔锋，则基于所述目标四元数与上一笔画的末端姿态对应的四元数确定当前笔画的旋转向量；确定所述当前笔画的旋转向量与重力向量的第一夹角，并确定所述当前笔画的旋转向量与所述上一笔画的旋转向量的第二夹角；基于所述第一夹角与所述第二夹角确定所述目标人体头颈的当前姿态对应的运动笔画特征。5.根据权利要求1至4中任一项所述的人体姿态特征实时检测方法，其特征在于，所述将所述运动笔画特征与预设笔画特征数据库输入至预设最长公共子序列算法中并确定所述预设笔画特征数据库中与所述运动笔画特征匹配的目标笔画特征，包括：将所述运动笔画特征与预设笔画特征数据库输入至预设最长公共子序列算法中并判断是否达到预设字符识别要求；如果满足所述预设字符识别要求，则启用所述预设最长公共子序列算法回溯确定匹配与所述运动笔画特征匹配的目标笔...
【专利技术属性】
技术研发人员：张磊，何宇泉，
申请(专利权)人：中科物栖北京科技有限责任公司，
类型：发明
国别省市：
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。