【技术实现步骤摘要】
本专利技术涉及运动状态监测及姿态推演，具体是涉及一种运动荷载结构体的空间姿态反向推演人体姿态的方法。
技术介绍
1、在体育运动中，当运动者(人体)需要驱动、驾驭、借助或连接一类非机械式简单器具，来完成运动过程时，这一类运动器具，定义为运动荷载结构体，包括且不限于：滑雪板、冲浪板、滑板车、滑翔伞、降落伞、单体帆船和山地车。
2、现有的人体姿态推演方式对人体运动姿态的记录大多是以视频的方式进行展现，对于运动过程的还原较为单一，而直接采用惯性或光学动捕的方式采集人体姿态，其使用成本高昂，且对运动空间范围有限制，不便满足实际的采集需求。
3、因此，需要提供一种运动荷载结构体的空间姿态反向推演人体姿态的方法，旨在解决上述问题。
技术实现思路
1、针对现有技术存在的不足，本专利技术实施例的目的在于提供一种运动荷载结构体的空间姿态反向推演人体姿态的方法，以解决上述
技术介绍
中的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种运动荷载结构体的空间姿态反向推演人体姿态的方法，包括以下步骤：
4、步骤s1、训练数据采集；
5、步骤s2、基于深度学习框架的人工智能模型预训练；
6、步骤s3、模型部署和人体姿态的反向推演。
7、作为本专利技术进一步的方案，所述步骤s1中训练数据采集包括采集运动荷载结构体运动过程的时空数据，以及对运动者的身体姿态捕捉和动作捕捉，采集运动者运动过程中的姿态数据，其中
8、作为本专利技术进一步的方案，对输入的人体图像数据进行识别，提取人体的骨骼关节位置，并将相关关节点位以人体生理构造进行连接后形成单帧的人体骨骼姿态数据，通过时序卷积算法，生成三维空间内的连续人体骨骼姿态。
9、作为本专利技术进一步的方案，所述输入数据和标签数据在采集和处理后，形成训练人工智能模型的训练数据集，其中，对运动荷载结构体运动时空数据进行特征工程，即将时序欧拉角数据处理和转换为对运动荷载结构体运动过程空间姿态的诠释，并通过该时空数据对运动荷载结构体运动过程中所处力场、形变、摩擦系数、阻力和应力波变化进行特征工程处理。
10、作为本专利技术进一步的方案，所述步骤s2中的人工智能模型预训练包括以运动荷载结构体运动时空数据作为输入，以全身动捕服采集的具有人体关节继承关系和结构化特征的运动者人体姿态数据作为输入数据的标签，通过深度学习算法进行模型预训练，在训练集中分割出5％-8％的数据作为验证数据集，对训练过程中的模型中间态进行拟合度和收敛校验，直到得到预测精度达到90％的预训练模型。
11、作为本专利技术进一步的方案，所述步骤s3中的模型部署和人体姿态的反向推演包括在预训练模型训练完毕后，将模型部署于云端或边缘设备，以运动荷载结构体运动时空数据作为输入，进行人体姿态的反向推演，其中，安装于运动荷载结构体上的设备采集运动荷载结构体运动过程中产生的时空数据，此数据作为输入进入已经完成预训练的人工智能模型中，预训练人工智能模型输出反向推演的对应运动过程的人体姿态数据，该数据反馈到终端后进行运动者姿态的三维还原。
12、作为本专利技术进一步的方案，所述运动者姿态的三维还原包括在预训练人工智能模型通过推演计算，得到具体运动荷载结构体运动时空数据所对应的运动者姿态推演结果数据，将该数据在三维空间内做视觉还原，形成该运动事件的三维数字化具象表达。
13、作为本专利技术进一步的方案，所述运动荷载结构体设为板载类运动器材。
14、作为本专利技术进一步的方案，所述身体姿态捕捉，首先通过摄像机(包括板载摄像头、无人机定距航拍、人工跟随滑行等方式)采集运动者姿态视频，再压缩姿态视频，将视频每帧保存为一张图片，然后对保存的图片进行时间顺序的标记处理，通过人体区域检测算法、人体姿态识别算法检测图片人体区域位置，识别人体骨骼姿态，建立人体骨骼姿态模型，对通过检测的图片标注人体关骨骼节位置并对每张图片标注人体关节位置的相邻的两个关节点依次连接，得到运动者在三维空间内的人体骨骼关节连续运动所产生的身体姿态。
15、综上所述，本专利技术实施例与现有技术相比具有以下有益效果：
16、本专利技术通过动捕服将运动员的关节位置的空间数据进行采集，再将采集数据传递至数据接收及处理设备，实现了动捕服和数据接收及处理设备的一体化，在实际滑雪场景下对运动者活动无影响，实现了运动状态、过程和姿态的精准推演和孪生，具备数据采集不受空间限制、精准推演和孪生、多维度和高精度的效果。
17、为更清楚地阐述本专利技术的结构特征和功效，下面结合附图与具体实施例来对本专利技术进行详细说明。
本文档来自技高网...【技术保护点】
1.一种运动荷载结构体的空间姿态反向推演人体姿态的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的运动荷载结构体的空间姿态反向推演人体姿态的方法，其特征在于，所述输入数据和标签数据在采集和处理后，形成训练人工智能模型的训练数据集，其中，对运动荷载结构体运动时空数据进行特征工程，即将时序欧拉角数据处理和转换为对运动荷载结构体运动过程空间姿态的诠释，并通过该时空数据对运动荷载结构体运动过程中所处力场、形变、摩擦系数、阻力和应力波变化进行特征工程处理。
3.根据权利要求1所述的运动荷载结构体的空间姿态反向推演人体姿态的方法，其特征在于，所述运动者姿态的三维还原包括在预训练人工智能模型通过推演计算，得到具体运动荷载结构体运动时空数据所对应的运动者姿态推演结果数据，将该数据在三维空间内做视觉还原，形成该运动事件的三维数字化具象表达。
4.根据权利要求1所述的运动荷载结构体的空间姿态反向推演人体姿态的方法，其特征在于，所述运动荷载结构体设为板载类运动器材。
5.根据权利要求1所述的运动荷载结构体的空间姿态反向推演人体姿态的方法，其特征
6.根据权利要求5所述的运动荷载结构体的空间姿态反向推演人体姿态的方法，其特征在于，所述摄像采集包括但不限于板载摄像头、无人机定距航拍、人工跟随滑行摄像。
...【技术特征摘要】
1.一种运动荷载结构体的空间姿态反向推演人体姿态的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的运动荷载结构体的空间姿态反向推演人体姿态的方法，其特征在于，所述输入数据和标签数据在采集和处理后，形成训练人工智能模型的训练数据集，其中，对运动荷载结构体运动时空数据进行特征工程，即将时序欧拉角数据处理和转换为对运动荷载结构体运动过程空间姿态的诠释，并通过该时空数据对运动荷载结构体运动过程中所处力场、形变、摩擦系数、阻力和应力波变化进行特征工程处理。
3.根据权利要求1所述的运动荷载结构体的空间姿态反向推演人体姿态的方法，其特征在于，所述运动者姿态的三维还原包括在预训练人工智能模型通过推演计算，得到具体运动荷载结构体运动时空数据所对应的运动者姿态推演结果数据，将该数据在三维空间内做视觉还原，形成该运动事件的三维数字化具象表达。
【专利技术属性】
技术研发人员：王熙博，徐翔，孟繁盛，
申请(专利权)人：麦特沃斯杭州数字科技有限公司，
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。