CN105975919A - 一种人体姿势捕捉方法及系统 - Google Patents
一种人体姿势捕捉方法及系统 Download PDFInfo
- Publication number
- CN105975919A CN105975919A CN201610278691.0A CN201610278691A CN105975919A CN 105975919 A CN105975919 A CN 105975919A CN 201610278691 A CN201610278691 A CN 201610278691A CN 105975919 A CN105975919 A CN 105975919A
- Authority
- CN
- China
- Prior art keywords
- posture
- branch road
- node
- point
- pelvis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种人体姿势捕捉方法及系统,其中,人体姿势捕捉方法包括步骤:S1:以骨盆中心节点为第一级节点,依次定位目标节点;S2:识别节点位置,确定节点相对位置,得到人体局部姿势;其中,所述步骤S1中,定位目标节点的步骤具体为:将人体分为若干以所述骨盆中心节点为起始的支路,每个支路设置若干节点,以骨盆中心节点为起点,顺次从高级节点定位至所述目标节点;其中,高级节点相对于所述目标节点更靠近所述骨盆中心节点。本发明所提供的方法简单,能够迅速确定局部姿势,继而还原出人体整体姿势,从而实现人体姿势捕捉。
Description
技术领域
本发明涉及动作捕捉领域,具体为一种人体姿势捕捉方法及系统。
背景技术
人类是能够少数能够直立行走的动物之一,人类在漫长的进化过程中,能够在直立行走过程中保持良好的平衡,并且根据直立行走进化出了相应的骨骼结构。这是一个革命性的飞跃。直立行走的人,视野开阔了,大脑也发达了,但是伴随着由爬行到直立行走的演变,人类的骨骼和相应的各部分肌肉的原有结构和功能也随之发生了变化,用四肢爬行,动物的脊椎就像一座桥,四肢的受力与椎体形成了一种分散压力而保持平衡的关系。但直立起来的人,脊椎骨承受了所有的重力,尤其腰椎承受的压力最大。脊柱是人体的中轴骨骼,是身体的支柱,具有负重、减震、保护和运动等功能。上端承托头颅,胸部与肋骨成胸廓,上肢借肋骨、锁骨和胸骨以及肌肉与脊柱相连,下肢借骨盆与脊柱相连,正常脊柱可作前曲、后伸、侧曲、旋转等运动。上下肢的各种活动,均通过脊柱调节,保持身体平衡,一侧上肢可以持重百余斤,而身体仍能保持平衡,这主要是靠脊柱的平衡作用。
而与此同时,每个人的骨骼姿势都不一样,随着近年来电影、监控、保密识别等领域的技术发展,目前有多个民用领域需要应用到人体姿态的监控,但是日常工作中,又不能够按照传统医学的方式,对人骨骼进行定位,所以,现在亟待一种方法的出现,能够良好的监控人体静态姿势。
鉴于上述缺陷,本发明创作者经过长时间的研究和实践终于获得了本发明。
发明内容
为解决上述技术缺陷,本发明采用的技术方案在于,提供一种人体姿势捕捉方法,其特征在于,包括步骤:
S1:以骨盆中心节点为第一级节点,依次定位目标节点;
S2:识别节点位置,确定节点相对位置,得到人体局部姿势;
其中,所述步骤S1中,定位目标节点的步骤具体为:
将人体分为若干以所述骨盆中心节点为起始的支路,每个支路设置若干节点,以骨盆中心节点为起点,顺次从高级节点定位至所述目标节点;
其中,高级节点相对于所述目标节点更靠近所述骨盆中心节点。
较佳的,还包括步骤:
S3:根据所述步骤S2识别的局部人体姿势计算得到整体人体姿势。
较佳的,所述支路包括左手支路,所述左手支路包括骨盆中心点、脊柱点、肩中点、左肩、左肘、左腕、左手;
所述支路包括右手支路,所述左手支路包括骨盆中心点、脊柱点、肩中点、右肩、右肘、右腕、右手。
较佳的,所述支路包括左脚支路,所述左脚支路包括骨盆中心点、左臀、左膝、左踝、左脚;
所述支路包括右脚支路,所述左脚支路包括骨盆中心点、右臀、右膝、右踝、右脚。
较佳的,所述支路包括头支路,所述头支路包括骨盆中心点、脊柱点、肩中点、头。
较佳的,所述步骤S2包括:计算所述步骤1中定位的一第一节点与一第二节点的相对角度,通过下式进行计算:
其中,α为xy平面内主要骨骼偏移角,β为yz平面内主要骨骼偏移角,(x1,y1,z1)为第一节点的空间坐标,(x2,y2,z2)为第二节点的空间坐标,π为圆周率,koffset为补偿常数。
较佳的,koffset是介于1.3至1.6的正数。
一种实现所述方法的姿势捕捉系统,包括一交互单元、一控制单元、一识别单元、一运算单元;
所述控制单元接受所述交互单元的控制信号,继而控制所述识别单元对人体进行节点识别;
所述识别单元将识别得到的信息传送至所述运算单元,完成人体姿势的确定。
较佳的,其还包括一整合单元所述识别单元将识别得到的信息通过所述整合单元进行整合传送至所述运算单元。
较佳的,其还包括一发送单元与一远程服务器;
所述控制单元通过所述发送单元将信息发送至所述远程服务器。
与现有技术相比,本发明的有益效果是:本发明所提供的方法简单,能够迅速确定局部姿势,继而还原出人体整体姿势,从而实现人体姿势捕捉;将人体分成五个不同的支路,能够简明、迅捷地完成人体姿势定位与捕捉;本发明所提供的系统结构简单。
附图说明
图1为本发明人体姿势捕捉方法流程图;
图2为本发明人体姿势捕捉系统结构图。
具体实施方式
以下结合附图,对本发明上述的和另外的技术特征和优点作更详细的说明。
首先需要明确的是,本发明所述的方法,将人体重要关节分为若干节点,人体姿势的识别,是基于这些节点进行的。例如,最基本的节点是骨盆中心点,按照骨盆中心点向下一级延伸,得到脊柱、左臀、右臀三个二级节点,脊柱向下延伸得到肩中点,左臀向下延伸得到左膝,肩中点和左膝就是三级节点每一级节点作为父节点,其向下一级节点作为子节点,子节点与父节点之间围成一块骨骼。
本发明所述的人体姿势捕捉方法,包括以下步骤:
步骤S1:以骨盆中心节点为第一级节点,依次定位人体节点。
本发明所需要的节点,一级节点包括骨盆中心节点,二级节点包括脊柱、左臀、右臀,三级节点包括肩中心点,左右膝关节点,四级节点包括左右踝关节点,左右肩关节点及头,五级节点包括左右脚、左右肘关节,六级节点包括左右腕关节,七级节点包括左右手。
本发明所述的节点,应当由识别设备进行自动识别,识别设备提前预设置好如何将各个节点进行识别,对于节点的识别并不属于本发明中重点阐述的问题,本发明不予赘述。
请参见图1所示,图1为本发明所述方法步骤S1具体的流程图。
步骤S1包括:
步骤S101,定位骨盆中心点;
首先,本发明所述的方法应当至少包括一能够识别人体图像的设备,该设备能够以例如摄像、照相的形式,识别人体的节点。该设备能够根据识别规则识别出人体的骨盆中心点,并且将其作为一级节点。
定位所述骨盆中心点后,继续执行下述步骤S102和/或步骤S113和/或步骤S117。
步骤S102,定位脊柱;
沿所述骨盆中心点向上,定位脊柱(点),脊柱点是脊柱中的一个特殊的点,该点的位置事先预设好,本发明中脊柱上仅需一个点,脊柱点定位完成后,执行下述步骤S103。
步骤S103,定位肩中心点;
沿所述脊柱点向上,定位肩中心点,完成后,执行下述步骤S104和/或S108和/或S112。
步骤S104,定位左肩;沿所述肩中心点向左,定位所述左肩(点)。
步骤S105,定位左肘;沿左肩点向下,定位左肘点。
步骤S106,定位左腕;沿左肘点向下,定位左腕。
步骤S107,定位左手;沿左腕点向下,定位左手。
步骤S108,定位右肩;本步骤紧接所述步骤S103继续,沿所述肩中心点向右,定位所述右肩(点)。
步骤S109,定位右肘;沿右肩点向下,定位右肘点。
步骤S110,定位右腕;沿右肘点向下,定位右腕。
步骤S111,定位右手;沿右腕点向下,定位右手。
步骤S112,定位头;本步骤紧接所述步骤S103继续,沿所述肩中心点向上,定位头。
步骤S113,定位左臀;本步骤紧接所述步骤S101继续,沿所述骨盆中心点定位左臀点。
步骤S114,定位左膝;沿左臀点向下,定位左膝点。
步骤S115,定位左踝;沿左膝点向下,定位左踝点。
步骤S116,定位左脚;沿左踝点向下,定位左脚点。
步骤S117,定位右臀;本步骤紧接所述步骤S101继续,沿所述骨盆中心点定位右臀点。
步骤S118,定位右膝;沿右臀点向下,定位右膝点。
步骤S119,定位右踝;沿右膝点向下,定位右踝点。
步骤S120,定位右脚。沿右踝点向下,定位右脚点。
值得注意的是,上述步骤S101至所述步骤S120将人体整个部分均记录在了其中,实际工作过程中,并不需要将上述20个步骤均一一完成,如果仅仅针对人体的部分姿势进行捕捉的话,只需要部分必要的步骤即可完成人体姿势的捕捉。
本部分对此进行展开描述,本发明将定位分为五条支路,分别称为左手支路、左脚支路、头支路、右手支路与右脚支路。
例如如果需要定位左手,只需要进行骨盆中心点、脊柱、肩中点、左肩点、左肘、左腕继而定位左手,而不需要定位例如右腕、右脚及相关支路上的节点,也就是说,各个支路中存在独立的节点,当定位这些独立的节点可能无需定位其他支路的节点。
例如需要定位右肘,则需要定位骨盆中心点、脊柱、肩中点、右肩、右肘即可,并且不需要继续定位右腕及右手;此处引入高级节点与低级节点的概念:以右手支路为例,整条支路完整的情况是骨盆中心点、脊柱、肩中点、右肩、右肘、右腕及右手,这些节点中,越靠近右手就越是低级节点,越靠近骨盆便是高级节点,当定位任一个节点时,需要定位级别比该节点高的节点,而不需要定位级别比该节点低的节点。以本例所示,当定位右肘时,由于右腕及右手为低级节点,无需进行定位。
步骤S2:识别节点位置,实现局部人体姿势的捕捉。
所述步骤S2的核心方案在于,根据所述步骤S1所识别出的若干人体节点,捕捉到每个节点的位置,从而根据每个节点的位置还原每个主要骨骼的位置,继而还原人体举步姿势。
这里说的还原每根骨骼的位置,并不是指人体中所有的骨骼,而是指能够仪器识别的,通常来说人们穿着衣服能够识别的骨骼,在本专利中,着重指被节点围成的骨骼,例如,左肩点与左肘点围成左大臂,左肘点与左腕点围成左小臂,这里的“左大臂”“左小臂”即是本发明所述的“主要骨骼”的含义。
系统识别器有自己的一套坐标系,所以,在确定了节点之后,各个节点的坐标能够被识别器所捕捉到,那么这个识别器确定各个节点的坐标后,人体的姿势就固定了,但是通过这种方式所固定的姿势是许多空间离散点的集合。实际很多情况需要将这些数据转化成为角度数据,并且相互关联起来。
以两点之间的角度由下是进行计算
其中,α为xy平面内主要骨骼偏移角,β为yz平面内主要骨骼偏移角。(x,y,z)为一个节点的空间坐标,坐标下标代表不同的节点坐标,π为圆周率,koffset为补偿常数。
其中,补偿常数是针对红外传感器的补偿常数,针对不同的传感器性能,设置不同的补偿常数,通常设置的值为1.3至1.6。
例如,捕捉一个扭动腰部的人的身体姿势数据,主要关注左臀点与右臀点,在扭腰的时候,左臀高于右臀,左臀前于左臀,那么首先通过所述步骤S1将骨盆中心点、左臀点和右臀点进行定位,捕捉左臀点的空间坐标与右臀点的空间坐标,并用上式进行计算,得出α为左臀高出右臀的角度,β为左臀比右臀位置靠前的角度。
这里需要着重说明,以上述例子为例,仅仅需要定位骨盆中心点、左臀点、右臀点三个节点,实际应用中需要多少个节点就捕捉定位多少个节点。但是,本发明提供五条分支线,分别是:
1.骨盆、脊柱、肩中心点、左肩、左肘、左腕、左手;
2.骨盆、脊柱、肩中心点、右肩、右肘、右腕、右手;
3.骨盆、脊柱、肩中心点、头;
4.骨盆、左臀、左膝、左踝、左脚;
5.骨盆、右臀、右膝、右踝、右脚。
五条分支线在定位的过程中互不干预,但是若是想定位某一分支中的某一节点,必须将其上级节点全部定位。
例如,现在需要定位左臀与右肩,首先定位骨盆,按上述分支4可以直接定位左臀,然后按上述分支2,必须先定位脊柱、肩中心点才能够定位右肩。
确定α与β后,完成所述步骤S2。
作为一种改进的方案,本发明所述的方法还可以包括步骤:
S3:根据所述步骤S2识别的局部人体姿势还原整体人体姿势,完成人体整体姿势的捕捉。
所述步骤S2中,针对的是两个点的局部人体姿势,在有些实际应用的场合,局部的人体姿势已经足够,但是还可以进一步包括步骤S3,根据所述步骤S2得到的局部人体姿势得到完整的人体姿势。
本发明提供一种人体姿势捕捉系统。
请参见图2所示,其为本发明所述的人体姿势捕捉系统的结构图。本繁忙所述的人体姿势捕捉系统包括一交互单元1、一控制单元2、一识别单元3、一运算单元4、一整合单元5、一发送单元6与一远程服务器7。
所述交互单元1与所述控制单元2相连接,用于接受指令,这种指令可以是使用于特定情况下,对不同的节点进行定位、捕捉的命令。
所述交互单元1将指令发送至所述控制单元2,控制单元2控制所述识别单元3对人体按照所述步骤S1进行识别与捕捉。
所述识别单元3能够识别、捕捉节点,并对节点进行测量,将测量数据送至所述运算单元4中,由所述运算单元4进行运算,并由所述运算单元4将结果送至所述控制单元2中。
所述识别单元3可以选择为红外设备。
作为一种改进的选择,所述运算单元4将数据通过所述整合单元5进行整合之后传送至所述控制单元2中。所述整合单元5进行如所述步骤S3的工序后,由所述整合单元5将数据送至所述控制单元2。
本系统还可以包括发送单元6,所述控制单元2将数据发送至所述发送单元6,并控制所述发送单元将数据发送至其他设备,例如远程服务器7,该远程服务器可以是云端服务器或者是终端设备等。
所述远程服务器7也可以与所述交互单元1相连接,以实现远程控制。
尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种人体姿势捕捉方法,其特征在于,包括步骤:
S1:以骨盆中心节点为第一级节点,依次定位目标节点;
S2:识别节点位置,确定节点相对位置,得到人体局部姿势;
其中,所述步骤S1中,定位目标节点的步骤具体为:
将人体分为若干以所述骨盆中心节点为起始的支路,每个支路设置若干节点,以骨盆中心节点为起点,顺次从高级节点定位至所述目标节点;
其中,高级节点相对于所述目标节点更靠近所述骨盆中心节点。
2.如权利要求1所述的姿势捕捉方法,其特征在于,还包括步骤:
S3:根据所述步骤S2识别的局部人体姿势计算得到整体人体姿势。
3.如权利要求1所述的姿势捕捉方法,其特征在于,
所述支路包括左手支路,所述左手支路包括骨盆中心点、脊柱点、肩中点、左肩、左肘、左腕、左手;
所述支路包括右手支路,所述左手支路包括骨盆中心点、脊柱点、肩中点、右肩、右肘、右腕、右手。
4.如权利要求1所述的姿势捕捉方法,其特征在于,
所述支路包括左脚支路,所述左脚支路包括骨盆中心点、左臀、左膝、左踝、左脚;
所述支路包括右脚支路,所述左脚支路包括骨盆中心点、右臀、右膝、右踝、右脚。
5.如权利要求1所述的姿势捕捉方法,其特征在于,
所述支路包括头支路,所述头支路包括骨盆中心点、脊柱点、肩中点、头。
6.如权利要求1所述的姿势捕捉方法,其特征在于,所述步骤S2包括:计算所述步骤1中定位的一第一节点与一第二节点的相对角度,通过下式进行计算:
其中,α为xy平面内主要骨骼偏移角,β为yz平面内主要骨骼偏移角,(x1,y1,z1)为第一节点的空间坐标,(x2,y2,z2)为第二节点的空间坐标,π为圆周率,koffset为补偿常数。
7.如权利要求6所述的姿势捕捉方法,其特征在于,koffset是介于1.3至1.6的正数。
8.一种实现如权利要求1所述方法的姿势捕捉系统,其特征在于,包括一交互单元、一控制单元、一识别单元、一运算单元;
所述控制单元接受所述交互单元的控制信号,继而控制所述识别单元对人体进行节点识别;
所述识别单元将识别得到的信息传送至所述运算单元,完成人体姿势的确定。
9.如权利要求8所述的姿势捕捉系统,其特征在于,其还包括一整合单元所述识别单元将识别得到的信息通过所述整合单元进行整合传送至所述运算单元。
10.如权利要求9所述的姿势捕捉系统,其特征在于,其还包括一发送单元与一远程服务器;
所述控制单元通过所述发送单元将信息发送至所述远程服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610278691.0A CN105975919A (zh) | 2016-04-28 | 2016-04-28 | 一种人体姿势捕捉方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610278691.0A CN105975919A (zh) | 2016-04-28 | 2016-04-28 | 一种人体姿势捕捉方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105975919A true CN105975919A (zh) | 2016-09-28 |
Family
ID=56994197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610278691.0A Pending CN105975919A (zh) | 2016-04-28 | 2016-04-28 | 一种人体姿势捕捉方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105975919A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563320A (zh) * | 2017-08-24 | 2018-01-09 | 中南大学 | 基于空间位置信息的人体坐姿仪态测试方法及其系统 |
CN107783654A (zh) * | 2017-11-08 | 2018-03-09 | 吉林大学 | 一种虚拟装配操作中身体弯曲类动作检测方法 |
CN113259172A (zh) * | 2021-06-03 | 2021-08-13 | 北京诺亦腾科技有限公司 | 姿态数据发送方法、获取方法、装置、电子设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MD2298F1 (en) * | 2003-01-30 | 2003-11-30 | Univ Nicolae Testemitanu | Device for reposition and fixation of pelvic bones |
US20150105852A1 (en) * | 2013-10-16 | 2015-04-16 | Covidien Lp | Vascular Stent |
CN104523282A (zh) * | 2015-01-09 | 2015-04-22 | 大连理工大学 | 一种穿戴式人马动作监测方法和系统 |
CN104778661A (zh) * | 2014-01-10 | 2015-07-15 | 北京三星通信技术研究有限公司 | 在姿态估计中使用的骨架平滑方法和设备 |
-
2016
- 2016-04-28 CN CN201610278691.0A patent/CN105975919A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MD2298F1 (en) * | 2003-01-30 | 2003-11-30 | Univ Nicolae Testemitanu | Device for reposition and fixation of pelvic bones |
US20150105852A1 (en) * | 2013-10-16 | 2015-04-16 | Covidien Lp | Vascular Stent |
CN104778661A (zh) * | 2014-01-10 | 2015-07-15 | 北京三星通信技术研究有限公司 | 在姿态估计中使用的骨架平滑方法和设备 |
CN104523282A (zh) * | 2015-01-09 | 2015-04-22 | 大连理工大学 | 一种穿戴式人马动作监测方法和系统 |
Non-Patent Citations (1)
Title |
---|
石祥滨等: "基于关节联动特征的运动捕获数据分割方法", 《系统仿真学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563320A (zh) * | 2017-08-24 | 2018-01-09 | 中南大学 | 基于空间位置信息的人体坐姿仪态测试方法及其系统 |
CN107563320B (zh) * | 2017-08-24 | 2021-04-23 | 中南大学 | 基于空间位置信息的人体坐姿仪态测试方法及其系统 |
CN107783654A (zh) * | 2017-11-08 | 2018-03-09 | 吉林大学 | 一种虚拟装配操作中身体弯曲类动作检测方法 |
CN107783654B (zh) * | 2017-11-08 | 2018-07-31 | 吉林大学 | 一种虚拟装配操作中身体弯曲类动作检测方法 |
CN113259172A (zh) * | 2021-06-03 | 2021-08-13 | 北京诺亦腾科技有限公司 | 姿态数据发送方法、获取方法、装置、电子设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tadano et al. | Gait characterization for osteoarthritis patients using wearable gait sensors (H-Gait systems) | |
Da Gama et al. | Motor rehabilitation using Kinect: a systematic review | |
Rab et al. | A method for determination of upper extremity kinematics | |
US20150201867A1 (en) | Electronic free-space motion monitoring and assessments | |
Hebert et al. | Normative data for modified Box and Blocks test measuring upper-limb function via motion capture | |
King et al. | Does maximising ball speed in cricket fast bowling necessitate higher ground reaction forces? | |
CN110072678A (zh) | 用于运动辅助的人类意图检测系统 | |
CN108242261A (zh) | 康复训练方案制定系统和方法 | |
CN105975919A (zh) | 一种人体姿势捕捉方法及系统 | |
CN106372294A (zh) | 一种姿势矫正方法和装置 | |
Sun et al. | Inertial sensor-based motion analysis of lower limbs for rehabilitation treatments | |
CN110404243A (zh) | 一种基于体态测量的康复方法及康复系统 | |
Liu et al. | A new IMMU-based data glove for hand motion capture with optimized sensor layout | |
Digo et al. | Evaluation of spinal posture during gait with inertial measurement units | |
Mihcin et al. | Database covering the prayer movements which were not available previously | |
CN116999034B (zh) | 一种评估系统及评估方法 | |
Kainz et al. | Human body description format | |
JP3860076B2 (ja) | 身体モデル生成方法、身体モデル生成プログラム及びそれを記録した記録媒体、身体モデルデータを記録した記録媒体 | |
Serbest et al. | Biomechanical effects of daily physical activities on the lower limb | |
Perez-Rizo et al. | Application of a model to analyze shoulder biomechanics in adult patients with spinal cord injury when walking with crutches in two different gait patterns | |
KR20170019667A (ko) | 근골격계 진단 장치 | |
CN112294599B (zh) | 基于人体参数的训练轨迹生成模型构建方法、系统、装置 | |
Barri et al. | Path reference generation for upper-limb rehabilitation with kinematic model | |
Uhlenberg et al. | IMUAngle: Joint Angle Estimation with Inertial Sensors in Daily Activities | |
CN205608743U (zh) | 一种人体姿势捕捉系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160928 |