基于人工智能和人体生物力学的元宇宙数据孪生算法平台制造技术

本发明专利技术公开了基于人工智能和人体生物力学的元宇宙数据孪生算法平台，使用被测试人的二维照片或图像，生成高度仿真的被测试人的三维模型，且应用被测试人的三维运动捕捉结果，实现应用三维模型在元宇宙中模拟被测试人运动的数据孪生算法平台；本发明专利技术提出的算法平台能够解析、使用多种方法生成的被测试人的三维运动捕捉结果，并能够使用被测试人的三维模型在元宇宙空间中模拟捕捉的三维运动。与现有技术和算法相比，本发明专利技术提出的算法平台实现了被测试人和被测试物的三维运动数据的孪生，解决了元宇宙模型仿真程度和个性化的难点，极大地减小了高仿真建模的复杂性；实现了算法平台的持续自优化、自更新，从而减少了研发、更新算法的成本。的成本。的成本。

【技术实现步骤摘要】
基于人工智能和人体生物力学的元宇宙数据孪生算法平台


[0001]本专利技术属于人工智能、人体生物力学
，具体涉及基于人工智能和人体生物力学的元宇宙数据孪生算法平台。

技术介绍

[0002]现阶段生成个性化的、高仿真的人体全身三维模型的方法，一般采用具有三维扫描和成像的专业设备，其中包括三维CT、三维核磁共振、大型双目X光、大型三维激光扫描仪等。上述设备均极为昂贵，因此数据采集只能在特定的机构中实现。同时，构建个性化的、高仿真的人体全身三维模型需要使用专业的医学或工程类软件，且需耗费大量的手动处理时间。除过Unity等专业软件平台，现阶段的其他人体三维建模软件一般不支持应用动作捕捉数据对人体全身三维模型的运动进行驱动。上述苛刻的硬件、软件要求极大的限制了个性化元宇宙模型在虚拟空间中的孪生，从而限制了元宇宙技术的开发、实现、应用。

技术实现思路

[0003]本专利技术的目的在于提供基于人工智能和人体生物力学的元宇宙数据孪生算法平台，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：基于人工智能和人体生物力学的元宇宙数据孪生算法平台，包括集成算法平台的计算机软件；所述计算机软件集成了机器学习算法和人体生物力学算法，以对被测试人的二维图像进行分析；
[0005]所述计算机软件应用深度卷积神经网络算法，在被测试人的全正面、全侧面二维图像中识别被测试人的头部、躯干和四肢结构；
[0006]所述计算机软件应用机器学习算法中的人脸建模算法，分析被测试人的面部结构，生成具备被测试人面部特征的、高仿真的个体化头部三维皮肤模型；
[0007]所述计算机软件依据人体生物力学原理中人体躯干和四肢的结构和相互关联的特性,分析被测试人的全正面和全侧面二维图像，识别被测试人躯干和四肢中的主要关节点位；
[0008]所述计算机软件依据人体生物力学原理中人体躯干和四肢关节的相互关联的特性，连接被测试人躯干和四肢中的主要关节点位，生成被测试人的三维骨骼模型；
[0009]所述计算机软件依据人体生物力学原理、人体运动解刨学原理，进一步分析、拟合被测试人躯干和四肢的二维图像，包装前述的被测试人三维骨骼模型，生成以三维骨骼模型为构架的躯干和四肢的三维皮肤模型；
[0010]所述计算机软件依据人体运动解刨学原理，组合头部三维皮肤模型、躯干和四肢的三维皮肤模型，生成高度仿真的被测试人全身三维模型。
[0011]优选的，所述生物力学算法、深度卷积神经网络算法集成于所述的计算机软件中；可解析以标记点的三维位移为结果的三维动作捕捉数据；所述计算机软件应用深度卷积神经网络算法，集成了人体生物力学算法中的反向节律算法，结合标记点位在被测试人全身
三维模型上的位置、标记点的三维位移数据，计算被测试人的三维关节节律。
[0012]优选的，可解析以传感器所得的角速度、加速度、位移为结果的三维动作捕捉；所述计算机软件应用深度卷积神经网络算法，在被测试人全身三维模型上还原惯性传感器在被测试人身体上的位置；所述计算机软件集成了传感器融合算法、人体生物力学算法中的反向节律算法，结合惯性传感器在被测试人身体上的位置和传感器所得的角速度、加速度、位移结果，计算被测试人的三维关节节律。
[0013]优选的，生物力学算法集成了人体生物力学算法，应用被侧人的三维关节节律数据，驱动被测试人全身三维模型。
[0014]优选的，还包括整合生物力学算法的元宇宙应用；应用可集成于元宇宙平台之中；所述应用接受上传的被测试人的全身三维模型、被测试人的三维关节节律数据；所述应用集成了生物力学算法，使用被测试人的三维关节节律驱动被测试人的全身三维模型，实现了在元宇宙中孪生被测试人的三维运动数据。
[0015]优选的，智能优化算法利用现有已验证三维人体模型，计算与算法平台所得的被测试人的三维全身模型之间的误差；所述智能优化算法依据所得模型与现有已验证模型之间的三维形状误差，调整所述机器学习建模算法中的层级关系，逐步缩小所得模型的误差；所述智能优化算法用被优化的机器学习算法更新本算法平台，实现了算法的自优化、自更新。
[0016]与现有技术相比，本专利技术的有益效果是：本专利技术提出的算法平台能够解析、使用多种方法生成的被测试人的三维运动捕捉结果，并能够使用被测试人的三维模型在元宇宙空间中模拟捕捉的三维运动；与现有技术和算法相比，本专利技术提出的算法平台实现了被测试人和被测试物的三维运动数据的孪生，解决了元宇宙模型仿真程度和个性化的难点，极大地减小了高仿真建模的复杂性；同时，本专利技术提出了在持续处理、收集的人体三维模型数据的同时，研发智能优化算法以优化、更新现有算法平台中的机器学习算法，实现了算法平台的持续自优化、自更新，从而极大地减少了研发、更新算法的成本。
附图说明
[0017]图1为本专利技术实现被测试人三维运动数据孪生，以及实现算法平台自优化、自更新的流程图。
具体实施方式
[0018]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]请参阅图1，本专利技术提供一种技术方案：
[0020]基于人工智能和人体生物力学的元宇宙数据孪生算法平台；包括以下几个部分：
[0021]一、获取被测试人的全正面、全侧面的静态二维图像。被测试人的全正面、全侧面的静态二维图像应清晰包括被测试的全身，以及面部。
[0022]二、被测试人的全正面、全侧面的静态二维图像被导入集成了融合生物力学算法、
机器学习算法的算法平台的计算机端软件。
[0023]三、所述计算机端软件应用机器学习算法中的人脸建模算法，生成具备被测试人面部特征的、高仿真的个体化头部三维皮肤模型。
[0024]四、所述计算机端软件应用集成于软件中的深度卷积神经网络算法，同时依据集成于算法中的人体生物力学原理，识别被测试人躯干和四肢中的主要关节点位，并生成被测试人的三维骨骼模型。
[0025]五、所述计算机端软件应用集成于软件中的深度卷积神经网络算法，同时依据集成于算法中的人体生物力学原理、人体运动解刨学原理，生成以步骤四中所述三维骨骼模型为构架的躯干和四肢的三维皮肤模型。
[0026]六、所述计算机端软件依据集成于算法平台中的人体运动解刨学原理，组合步骤三、步骤五中所述头部三维皮肤模型、躯干和四肢的三维皮肤模型，生成高度仿真的被测试人全身三维模型。
[0027]七、所述计算机端软件集成了融合人体生物力学算法、深度卷积神经网络算法的算法平台，可对多渠道生成的被测试人三维动作捕捉结果进行解析、处理。
[0028]八、如被测试人三维动作捕捉以标记点的三维位移为结果(如使用红外摄像机所得的三维动作捕捉结果)，所述计算机端软件通过在步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能和人体生物力学的元宇宙数据孪生算法平台，其特征在于：包括集成算法平台的计算机软件；所述计算机软件集成了机器学习算法和人体生物力学算法，以对被测试人的二维图像进行分析；所述计算机软件应用深度卷积神经网络算法，在被测试人的全正面、全侧面二维图像中识别被测试人的头部、躯干和四肢结构；所述计算机软件应用机器学习算法中的人脸建模算法，分析被测试人的面部结构，生成具备被测试人面部特征的、高仿真的个体化头部三维皮肤模型；所述计算机软件依据人体生物力学原理中人体躯干和四肢的结构和相互关联的特性,分析被测试人的全正面和全侧面二维图像，识别被测试人躯干和四肢中的主要关节点位；所述计算机软件依据人体生物力学原理中人体躯干和四肢关节的相互关联的特性，连接被测试人躯干和四肢中的主要关节点位，生成被测试人的三维骨骼模型；所述计算机软件依据人体生物力学原理、人体运动解刨学原理，进一步分析、拟合被测试人躯干和四肢的二维图像，包装前述的被测试人三维骨骼模型，生成以三维骨骼模型为构架的躯干和四肢的三维皮肤模型；所述计算机软件依据人体运动解刨学原理，组合头部三维皮肤模型、躯干和四肢的三维皮肤模型，生成高度仿真的被测试人全身三维模型。2.根据权利要求1所述的基于人工智能和人体生物力学的元宇宙数据孪生算法平台，其特征在于：所述生物力学算法、深度卷积神经网络算法集成于所述的计算机软件中；可解析以标记点的三维位移为结果的三维动作捕捉数据；所述计算机软件应用深度卷积神经网络算法，集成了人体生物力学算法中的反向节律算法，结合标记点位在被测试人全身三维模型上的位置、标记点的三维位移数据，计算被测试人...

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