一种基于物联网的手臂弯曲度检测方法技术

本发明专利技术公开了一种基于物联网的手臂弯曲度检测方法，涉及了动作捕获技术领域，被检测者通过穿戴手臂检测设备进行数据的采集，并根据自身用户数据生成反馈信号建立佩戴模型；对手臂检测设备采集到的传感器数据进行多点分析处理，对实时显示画板记录的画板图像数据进行逐帧分析处理、图像切割处理并建立手臂模型；通过与云端数据库存储的手臂模型进行匹配操作，若匹配成功，则获取其对应的弯曲度，若匹配失败，则根据生成的手臂模型进行弯曲度计算操作。操作。操作。

【技术实现步骤摘要】
一种基于物联网的手臂弯曲度检测方法


[0001]本专利技术涉及动作捕获
，具体是一种基于物联网的手臂弯曲度检测方法。

技术介绍

[0002]动作捕获(Motion capture,简称Mocap)是在运动对象的关键部位设置跟踪器，该技术涉及尺寸测量、物理空间里物体的定位及方位测定等方面，是可以由计算机直接理解处理的数据；在运动物体的关键部位设置跟踪器，由Motion capture系统捕捉跟踪器位置，再经过计算机处理后得到三维空间坐标的数据；当数据被计算机识别后，可以应用在动画制作、步态分析、生物力学以及人机工程学等领域。
[0003]采用动作捕获技术来获取手臂部位的弯曲度，采集到的弯曲度数据可用于进行后续的人体工程学分析，传统的手臂弯曲度检测通过在手臂的关节区域、非关节区域以及二者的结合区域布置对应的压力传感器、速度传感器和角度传感器进行，布置方式固定且布置完成后无法根据不同手臂形态进行对应调整；获取到传感器中的数据后只能以计算数据这种单一的方式获取弯曲度，没有考虑到接入云端并与已有相似度接近的手臂模型进行匹配从而间接获取弯曲度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的手臂弯曲度检测方法，其特征在于，包括以下步骤：步骤S1：被检测者穿戴手臂检测设备进行数据的采集，被检测者输入自身用户数据结合反馈信号建立佩戴模型，所述手臂检测设备包括传感器系统和实时显示画板；步骤S2：对手臂检测设备采集到的传感器数据进行多点分析处理，对实时显示画板记录的画板图像数据进行逐帧分析处理、图像切割处理和手臂模型建立；步骤S3：通过联网获取各种其他被检测者上传在云端数据库中的用户数据和手臂模型，设置登录单元输入自身用户数据及其关联的手臂模型，对自身用户数据产生的手臂模型和云端数据库中的手臂模型进行匹配操作，若匹配成功，则将云端数据库中手臂模型对应的弯曲度获取，作为本次手臂检测的弯曲度；若匹配失败，则根据检测生成的手臂模型获取本次手臂检测的弯曲度，将本次检测生成的手臂模型和自身用户数据上传至云端数据库存储。2.根据权利要求1所述的一种基于物联网的手臂弯曲度检测方法，其特征在于，所述被检测者穿戴手臂检测设备进行数据采集的过程包括：所述手臂检测设备由传感器系统和实时显示画板组成；所述传感器系统由数量若干的压力传感器、速度传感器和角度传感器组成，采集对应传感器类型的信号；所述实时显示画板用于进行画板图像数据的实时显示、不同模型的建立和反馈信号的显示。3.根据权利要求2所述的一种基于物联网的手臂弯曲度检测方法，其特征在于，所述传感器系统进行各类型信号采集的过程包括：通过压力传感器采集手臂非关节区域的压力信号，速度传感器采集手臂的关节区域和非关节区域的速度信号，角度传感器采集关节区域的角度信号；所述压力信号、速度信号和角度信号通过手臂检测设备内的微动单元进行微动化处理，将压力信号、速度信号和角度信号划分为若干个子信号；所述压力信号、速度信号和角度信号都设置有校准阈值和标准数值范围；当各类传感器采集的数值大于等于校准阈值时进行自动校准，当采集到的子信号数值大于等于或者小于等于标准数值范围则进行自动剔除。4.根据权利要求2所述的一种基于物联网的手臂弯曲度检测方法，其特征在于，所述佩戴模型生成的过程包括：被检测者通过手臂检测设备设置的输入单元进行自身用户数据的输入；所述自身用户数据包括手臂长度，手臂围度、手腕围度、关节转动部位至手腕的距离和静止状态的手臂压力信号；先根据自身用户数据建立初始佩戴模型，再根据自身用户数据中的静止状态的手臂压力信号结合压力信号生成反馈信号；根据反馈信号对初始佩戴模型进行相应调整操作，将获取到的所有反馈信号对应的调整操作完成后，初始佩戴模型转变为佩戴模型。5.根据权利要求4所述的一种基于物联网的手臂弯曲度检测方法，其特征在于，对所述传感器数据进行多点分析处理的过程包括：获取各类型传感器采集到子信号的数目并进行向上取整操作，根据获得的整数生成对
应数目的数据文件夹；将每个数据文件夹作为一个连接点，连接点两两之间进行互联，当所有连接点互联完成后生成压力信号网络架构、速度信号网络架构和角度信号网络架构；对连接点进行多点分析，若连接点中的数据出现异常，则将其标记为F，获取连接点总数，将连接点总数作为分母，出现异常的连接点数目作为分子获取比值，若比值大于等于1/2，则销毁其对应类型的网络架构；将比值小于1/2的各类型网络架构保存并作为画板图像数据生成的基础数据。6.根据权利要求5所述的一种基于物联网的手臂弯曲度检测方法，其特征在于，对所述画板图像数据进行逐帧分析处理和图像切割处理的过程包括：获取各类型网络架构并产生画板图像数据显示于实时显示画板上；所述画板图像数据每隔设置的时间间隔T生成一次，获取若干个T生成的若干张画板图像数据，将每张画板...

【专利技术属性】
技术研发人员：夏猛，喻翀，唐贵文，郑惠，
申请(专利权)人：南京鹰视星大数据科技有限公司，
类型：发明
国别省市：