CN109310913A - 三维模拟方法及装置 - Google Patents

三维模拟方法及装置 Download PDF

Info

Publication number
CN109310913A
CN109310913A CN201780037461.8A CN201780037461A CN109310913A CN 109310913 A CN109310913 A CN 109310913A CN 201780037461 A CN201780037461 A CN 201780037461A CN 109310913 A CN109310913 A CN 109310913A
Authority
CN
China
Prior art keywords
mentioned
parameter
dimensional simulation
user
movement locus
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.)
Granted
Application number
CN201780037461.8A
Other languages
English (en)
Other versions
CN109310913B (zh
Inventor
郑株豪
郑畅根
俞成在
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Co Bifres
Original Assignee
Co Bifres
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from KR1020160101489A external-priority patent/KR101926170B1/ko
Priority claimed from KR1020160101491A external-priority patent/KR101830371B1/ko
Priority claimed from KR1020170030394A external-priority patent/KR101995482B1/ko
Priority claimed from KR1020170030402A external-priority patent/KR101995484B1/ko
Priority claimed from KR1020170079255A external-priority patent/KR101970674B1/ko
Application filed by Co Bifres filed Critical Co Bifres
Publication of CN109310913A publication Critical patent/CN109310913A/zh
Application granted granted Critical
Publication of CN109310913B publication Critical patent/CN109310913B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B69/00—Training appliances or apparatus for special sports
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Rehabilitation Tools (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开三维模拟装置及其方法，其特征在于，包括：参数输入部，以外部输入为基础，接收模型参数、姿势参数、动作空间参数及动作时间参数；三维模型生成部，以上述模型参数及上述姿势参数为基础，生成用户的三维模型；动作轨迹生成部，以上述动作空间参数及上述动作时间参数为基础，生成上述用户的动作轨迹；以及三维模拟生成部，在上述三维模型采用上述动作轨迹来生成上述用户的三维模拟。

Description

三维模拟方法及装置
技术领域
本发明涉及三维(3D)模拟方法及装置，更详细地，涉及三维模拟用户的步行及跑步运动的方法及装置。
背景技术
通常，现代人日常生活中的运动量在维持适当身体健康方面相当不足。由此，与有效促进健康的系统性的运动方法有关的关注度提高。具体地，随着对于系统性地有效迅速锻炼身体的运动、长期观点中的用于促进健康的姿势的校正等的运动及人类寿命的延长，适合于身体能力降低的老人的运动等多种运动的关系提高。作为符合上述多种需求的运动方法中的一种，存在任何人可简单进行的步行运动。
只要是没有身体异常的人，任何人均可进行步行及跑步运动，因此，大部分人以在无意识中熟悉的姿势进行步行。但是，人的身体并非完美对称，因此，在大部分情况下，通常以不均衡且不正确的姿势进行步行。这种错误姿势下的持续步行会导致肌肉和骨骼的歪曲，进而，会成为引发各种全身痛症的原因。对于普通人而言，这种错误的步行姿势会降低身体健康，尤其，对于处在成长期的儿童或身体能力降低的老人而言，体型歪曲或健康下降的问题将更严重。另一方面，对于运动员及舞蹈演员等的比普通人更需要更强大的身体能力的专业人员而言，将造成在身体能力提高方面受限的问题。
这种正确步行及跑步姿势对普通人和专业人员均重要，因此，进行着如何识别步行及跑步姿势、如何有效校正姿势的多种研究。为了校正步行及跑步姿势，识别、检测及分析步行及跑步的技术的要求逐渐增加。
发明内容
技术问题
本发明为了应对上述问题而提供，本发明的目的在于为了实质上解决因现有技术中的局限性和缺点而产生的多种问题而提供三维模拟用户的步行及跑步运动的方法及其装置，本发明提供记录有用于执行上述方法的程序的计算机可读记录介质。
解决问题的方案
根据本发明的一实施例，三维模拟方法包括：以外部输入为基础来接收模型参数、姿势参数、动作空间参数及动作时间参数的步骤；以上述模型参数及上述姿势参数为基础来生成用户的三维模型的步骤；以上述动作空间参数及上述动作时间参数为基础来生成上述用户的动作轨迹的步骤；以及在上述三维模型采用上述动作轨迹来生成上述用户的三维模拟的步骤。
根据本发明的一实施例，上述外部输入为用户输入或者从运动识别装置识别上述用户的运动来进行的输入。
根据本发明的一实施例，上述模型参数为与上述用户的外形有关的参数，上述姿势参数为与上述用户的姿势有关的参数，上述动作空间参数为与上述用户的动作的空间轨迹有关的参数，上述动作时间参数为与上述用户的动作的时间轨迹有关的参数。
根据本发明的一实施例，上述模型参数包含身高、体重、脚长、腿长、年龄、性别及佩戴信息中的至少一种。
根据本发明的一实施例，上述姿势参数包含步伐间隔、步伐角度及上下视线角度中的至少一种。
根据本发明的一实施例，上述动作空间参数包含支撑区间上下振幅、悬空区间上下振幅、最大垂直力负荷率、平均垂直力负荷率、冲击量、左右稳定度、左右平衡度、步幅、落地脚、上下骨盆角、左右骨盆角及左右视线角中的至少一种。
根据本发明的一实施例，上述动作时间参数包含单脚支撑时间、单脚悬空时间及每分钟步数中的至少一种。
根据本发明的一实施例，上述动作空间参数包含单脚区间上下振幅、双脚区间上下振幅、左右稳定度、左右平衡度、步幅、落地脚、上下骨盆角、左右骨盆角及左右视线角中的至少一种。
根据本发明的一实施例，上述动作时间参数包含单脚支撑时间、双脚支撑时间及每分钟步数中的至少一种。
根据本发明的一实施例，在生成上述用户的动作轨迹的步骤中利用对规定的运动动作进行建模而成的运动动作数据以及相对于上述动作空间参数及上述动作时间参数独立的基本动作数据。
根据本发明的一实施例，在上述规定的运动动作为跑步的情况下，上述运动动作数据及上述基本动作数据为包含左脚支撑区间、左脚悬空区间、右脚支撑区间及右脚悬空区间的4步骤数据。
根据本发明的一实施例，在上述规定的运动动作为步行的情况下，上述运动动作数据及上述基本动作数据为包含左脚支撑区间、双脚支撑区间、右脚支撑区间及双脚支撑区间的4步骤数据。
根据本发明的一实施例，上述4步骤数据包含与各个关节有关的上下轴、左右轴及前后轴动作轨迹值。
根据本发明的一实施例，上述关节为脖子、肩膀、腰、膝盖、胳膊、胳膊肘、脚踝及脚趾中的至少一个关节。
根据本发明的一实施例，生成上述用户的动作轨迹的步骤还包括：通过在上述运动动作数据反映以上述动作空间参数为基础的增益值来调节并由此生成第一调节值的步骤；以及通过在上述第一调节值反映以上述动作时间参数为基础的增益值来调节并由此生成第二调节值的步骤。
根据本发明的一实施例，生成上述用户的动作轨迹的步骤还包括：通过在上述运动动作数据反映以上述动作时间参数为基础的增益值来调节并由此生成第一调节值步骤；以及通过在上述第一调节值反映以上述动作空间参数为基础的增益值来调节并由此生成第二调节值步骤。
根据本发明的一实施例，生成上述用户的动作轨迹的步骤还包括合并上述基本动作数据及上述第二调节值的步骤。
并且，根据本发明的一实施例，包括记录有用于执行上述方法的程序的计算机可读记录介质。
并且，根据本发明的一实施例，三维模拟装置包括：参数输入部，以外部输入为基础，接收模型参数、姿势参数、动作空间参数及动作时间参数；三维模型生成部，以上述模型参数及上述姿势参数为基础，生成用户的三维模型；动作轨迹生成部，以上述动作空间参数及上述动作时间参数为基础，生成上述用户的动作轨迹；以及三维模拟生成部，在上述三维模型采用上述动作轨迹来生成上述用户的三维模拟。
发明的效果
根据本发明，以从运动识别装置或从用户输入的模型参数、姿势参数、动作空间参数及动作时间参数为基础生成三维模型及动作轨迹来提供与运动姿势等有关的三维模拟，由此，运动中的用户可有效、准确地识别、检测及分析运动状态。因此，通过本发明的三维模拟，用户可有效、准确地识别自己的步行及跑步等的运动状态，可通过三维模拟分析校正自己的运动姿势。
附图说明
图1示出本发明一实施例的三维模拟结果。
图2为本发明一实施例的三维模拟装置的框图。
图3示出反映本发明一实施例的模型参数的用户的三维模型。
图4示出反映本发明一实施例的姿势参数的用户的三维模型。
图5示出在本发明一实施例的运动动作为跑步的情况下的4步骤运动动作。
图6示出在本发明一实施例的运动动作为步行的情况下的4步骤运动动作。
图7为本发明一实施例的动作轨迹生成部的框图。
图8为在本发明一实施例的运动动作数据反映动作空间参数来调节的例示图。
图9为在本发明一实施例的运动动作数据反映动作时间参数来调节的例示图。
图10为本发明一实施例的三维模拟方法的流程图。
具体实施方式
以下，参照附图，详细说明本发明的优选实施例。图中，相同附图标记为相同结构要素，图中，各个结构要素的大小为了说明的明确性而被放大。
图1示出本发明一实施例的三维模拟结果。
根据本实施例，三维模拟装置200以外部输入为基础来接收模型参数、姿势参数、动作空间参数及动作时间参数，以此为基础来生成运动中的用户的三维模型及动作轨迹，由此生成三维模拟。在示出的例中，以用户的身高、脚长及腿长等的模型数据、步伐间隔及步伐角度等的姿势参数、步幅、左右稳定度及左右平衡度等的动作空间参数、空中悬空时间等的动作时间参数为基础，三维模拟装置200三维模拟用户的步行及跑步运动。
图2为本发明一实施例的三维模拟装置的框图。
三维模拟装置200包括参数输入部210、三维模型生成部230、动作轨迹生成部250及三维模拟生成部270。
参数输入部210以外部输入为基础来接收模型参数211、姿势参数213、动作空间参数215及动作时间参数217。上述外部输入通过用户输入或者从运动识别装置识别用户的运动来输入。与运动识别装置有关的详细内容记录在已申请的韩国专利“用于监控步行及跑步的运动识别方法及装置”(申请号：第10-2016-0101489号，申请日期：2016年08月09日)、“基于压力中心路径的运动姿势导出方法及装置”(申请号：第10-2016-0101491号，申请日期：2016年08月09日)、“用于监控步行及跑步的运动识别方法及装置”(申请号：第10-2017-0030394号，申请日期：2017年03月10日)、“基于压力中心路径的运动姿势导出方法及装置”(申请号：第10-2017-0030402号，申请日期：2017年03月10日)、“跑步时的受伤危险性定量化方法及装置”(申请号：第10-2017-0079255号，申请日期：2017年06月22日)，上述申请专利在本说明书中起到参照作用。
模型参数211为与用户的外形有关的参数，包含身高(Height)、体重(Weight)、脚长(Foot length)、腿长(Leg length)、年龄(Age)、性别(Gender)及佩戴信息中的至少一种。佩戴信息包含用户佩戴的产品的类型、名字及品牌等。用户佩戴的产品包括手表等的饰品、衣服、鞋子等。
姿势参数213为与用户的姿势有关的参数，步伐间隔(Step width)、步伐角度(Step angle)及上下视线角度(Head vertical angle)中的至少一种。步伐间隔为腿之间间隔平均值，步伐角度为腿角度平均值。上下视线角度为头部的上下角度平均值。
动作空间参数215为与用户的动作的空间轨迹(Trajectory)有关的参数，在用户跑步的情况下，包括支撑区间上下振幅(Vertical oscillation during stance)、悬空区间上下振幅(Vertical oscillation during flight)、最大垂直力负荷率(IVLR，Instantaneous Vertical Loading Rate)、平均垂直力负荷率(AVLR，Average VerticalLoading Rate)、冲击量(Impact)、左右稳定度(Stability)、左右平衡度(Balance)、步幅(Step length)、落地脚(Foot strike pattern)、上下骨盆角(Pelvic verticalrotation)、左右骨盆角(Pelvic lateral rotation)及左右视线角(Head lateral angle)中的至少一种。在用户进行步行的情况下，动作空间参数215包含单脚区间上下振幅(Vertical oscillation during single stance)、双脚区间上下振幅(Verticaloscillation during double stance)、左右稳定度、左右平衡度、步幅、落地脚、上下骨盆角、左右骨盆角及左右视线角中的至少一种。
支撑区间上下振幅为支撑区间中的上下移动距离(meter)，悬空区间上下振幅为悬空区间中的上下移动距离。最大垂直力负荷率为瞬间垂直力负荷率(Newton/second)，意味着地面反作用力的支撑区间最大倾斜度。平均垂直力负荷率(Newton/second)为地面反作用力的支撑区间平均倾斜度。冲击量为地面反作用力的支撑区间冲击力(Newton)。
左右稳定度(Stability)为在时间、力等方面是否在左脚及右脚的各个腿一惯地维持运动状态，利用各个腿的变动系数(CV：Coefficient)来以百分比(％)呈现，通过以下式求出。
Stability(Left)＝1－std(Left indices)/mean(Left indices)
Stability(Right)＝1－std(Right indices)/mean(Right indices)
被用作作为评价指标的指数(index)的值包括垂直力最大值、垂直加速度、最大值、支撑区间冲击量、支撑时间、悬空时间、平均垂直力负荷率及最大垂直力负荷率。
左右平衡度(Balance)为左右不平衡度(％)，通过以下式求出。
Balance＝Left index/(Left index+Right index)×100％
步幅(Step length)为支撑区间及悬空区间内前进移动的距离，落地脚(Footstrike pattern)表示用哪只脚着地。例如，落地脚可以为脚尖(Fore foot)、脚后跟(Rearfoot)及脚掌(Mid foot)中的一种。上下骨盆角(Pelvic vertical rotation)及左右骨盆角(Pelvic lateral rotation)分别为骨盆的上下晃动及左右晃动程度。左右视线角(Headlateral angle)为头部的左右角度平均值。
动作时间参数217为与用户的动作时间轨迹有关的参数，在用户进行跑步运动的情况下，包含单脚支撑时间(Single stance time)、单脚悬空时间(Single flight time)及每分钟步数(Cadence)中的至少一种。在用户进行步行运动的情况下，动作时间参数217包含单脚支撑时间(Single stance time)、双脚支撑时间(Double stance time)及每分钟步数中的至少一种。
三维模型生成部230以模型参数211及姿势参数213为基础生成用户的三维模型。
动作轨迹生成部250以动作空间参数215及动作时间参数217为基础来生成用户的动作轨迹。参照图5至图9，详细说明动作轨迹生成部250的详细动作。
三维模拟生成部270在上述三维模型采用上述动作轨迹来生成用户的三维模拟。
图3示出反映本发明一实施例的模型参数的用户的三维模型。
在示出的例中，反映模型参数211中的用户的身高来生成三维模型。
图4示出反映本发明一实施例的姿势参数的用户的三维模型。
在示出的例中，反映姿势参数213中的用户的步伐间隔及步伐角度来生成三维模型。
图5示出在本发明一实施例的运动动作为跑步的情况下的4步骤运动动作。
在进行跑步运动的情况下，运动动作反复进行包括左脚支撑区间、左脚悬空区间、右脚支撑区间及右脚悬空区间的4步骤。
图6示出在本发明一实施例的运动动作为步行的情况下的4步骤运动动作。
在进行步行运动的情况下，运动动作反复进行包括左脚支撑区间、双脚支撑区间、右脚支撑区间及双脚支撑区间的4步骤。
图7为本发明一实施例的动作轨迹生成部的框图。
动作轨迹生成部700包括运动动作数据720及基本动作数据730。运动动作数据720为对规定的运动动作进行建模并已存储的数据，基本动作数据730为相对于动作空间参数715及动作时间参数717独立的数据，属于已存储的数据。例如，基本动作数据730可为与移动变动少的胳膊移动或上体晃动等的移动有关的数据。
在规定的运动动作为跑步的情况下，运动动作数据720及基本动作数据730为包含左脚支撑区间、左脚悬空区间、右脚支撑区间及右脚悬空区间的4步骤数据。在规定的运动动作为步行的情况下，运动动作数据720及基本动作数据730为包含左脚支撑区间、双脚支撑区间、右脚支撑区间及双脚支撑区间的4步骤数据。在跑步或步行运动中，上述4步骤反复进行。各个步骤包含与各个关节有关的上下轴(Z轴)、左右轴(y轴)及前后轴(x轴)的3轴动作轨迹值。上述关节为脖子、肩膀、腰、膝盖、胳膊、胳膊肘、脚踝及脚趾中的至少一个。
动作轨迹生成部700还包括动作空间参数调节部750及动作时间参数调节部770。
动作空间参数调节部750在运动动作数据720反映以动作空间参数715为基础的增益值来调节，由此生成第一调节值。例如，当作为动作空间参数的“悬空区间上下振幅”的值为C、对应值的最大可能值为Cmax、最小可能值为Cmin时，基于“悬空区间上下振幅”值的增益值可以被设定为(C－Cmin)/(Cmax－Cmin)。因此，增益值的范围为0≤增益值≤1。以上例示了增益值设定，通过另一方法设定增益值对本发明所属技术领域的普通技术人员来说是显而易见的。动作时间参数调节部770在上述第一调节值反映以动作时间参数717为基础的增益值来调节，由此生成第二调节值。
另一方面，根据本发明的另一实施例，动作时间参数调节部770在运动动作数据720反映以动作时间参数717为基础的增益值来调节，由此生成第一调节值。动作空间参数调节部750在上述第一调节值反映以动作空间参数715为基础的增益值来调节，由此生成第二调节值。
动作轨迹生成部700还包括动作轨迹合并部790。动作轨迹合并部790合并基本动作数据及上述第二调节值来生成用户的动作轨迹。
图8为在本发明一实施例的运动动作数据反映动作空间参数来调节的例示图。
在示出的例示中，在跑步运动的情况下，存储于运动动作数据720的普通的腰3轴动作轨迹值通过蓝色实线示出。动作空间参数调节部750在腰的3轴动作轨迹值反映以动作空间参数715为基础的增益值来调节，由此生成第一调节值。在示出的例中，在腰的3轴动作轨迹值中，与存储于运动动作数据720的普通的腰3轴动作轨迹值相比，z轴的第一调节值的振幅减少。
图9为在本发明一实施例的运动动作数据反映动作时间参数来调节的例示图。
在示出的例示中，在跑步运动的情况下，存储于运动动作数据720的普通的腰3轴动作轨迹值通过蓝色实线示出。动作时间参数调节部在腰的3轴动作轨迹值反映以动作时间参数为基础的增益值来调节，由此生成第一调节值。在示出的例中，腰的3轴动作轨迹值中，与存储于运动动作数据的普通的腰3轴动作轨迹值相比，z轴的第一调节值的右脚支撑时间减少。
图10为本发明一实施例的三维模拟方法的流程图。
在步骤1010中，本发明一实施例的三维模拟装置200以外部输入为基础接收模型参数、姿势参数、动作空间参数及动作时间参数。上述外部输入为用户输入或者从运动识别装置识别上述用户的运动来进行的输入。
在步骤1020中，本发明一实施例的三维模拟装置200以上述模型参数及上述姿势参数为基础生成用户的三维模型。
在步骤1030中，本发明实施例的三维模拟装置200以上述动作空间参数及上述动作时间参数为基础生成上述用户的动作轨迹。生成上述用户的动作轨迹的步骤利用对规定的运动动作建模的运动动作数据及与上述动作空间参数及上述动作时间参数独立的基本动作数据。
在上述规定的运动动作为跑步的情况下，上述运动动作数据及上述基本动作数据为包含左脚支撑区间、左脚悬空区间、右脚支撑区间及右脚悬空区间的4步骤数据。在上述规定的运动动作为步行的情况下，上述运动动作数据及上述基本动作数据为包含左脚支撑区间、双脚支撑区间、右脚支撑区间及双脚支撑区间的4步骤数据。上述4步骤数据包括与各个关节有关的上下轴、左右轴及前后轴动作轨迹值。上述关节为脖子、肩膀、腰、膝盖、胳膊、胳膊肘、脚踝及脚趾中的至少一个关节。
在生成上述用户的动作轨迹的步骤中，在上述运动动作数据反应以上述动作空间参数为基础的增益值来调节，由此生成第一调节值，在上述第一调节值反映以上述动作时间参数为基础的增益值来调节，由此生成第二调节值。
根据本发明的另一实施例，在生成上述用户的动作轨迹的步骤中，在上述运动动作数据反映以上述动作时间参数为基础的增益值来调节，由此生成第一调节值，在上述第一调节值反映以上述动作空间参数为基础的增益值来调节，由此生成第二调节值。
生成本发明一实施例的上述用户的动作轨迹的步骤还包括合并上述基本动作数据及上述第二调节值的步骤。
在步骤1040中，本发明一实施例的三维模拟装置200在上述三维模型采用上述动作轨迹来生成上述用户的三维模拟。
以上，详细记述了本发明的优选实施例，本发明的范围并不局限于此，可具有多种变形及等同的其他实施例。因此，本发明的真正技术保护范围通过发明要求保护范围确定。
例如，本发明的例示性实施例的装置可包括与各个单元偶联的总线、与上述总线偶联的至少一个处理器，可包括为了存储指令、所接收的信息或所生成的信息而与上述总线偶联并与为了执行上述指令的至少一个处理器偶联的存储器。
并且，本发明的系统可在计算机可读记录介质由计算机可读代码体现。计算机可读记录介质包括存储可通过计算机系统读取的数据的所有种类的记录装置。上述计算机可读记录介质包括磁存储介质(例如，只读存储器、软盘、硬盘等)及光学读取介质(例如，只读光盘、数字多功能光碟等)。并且，计算机可读记录介质分散在通过网络连接的计算机系统，来以分散方式存储并执行计算机可读的代码。
产业上的可利用性
根据本发明，以通过运动识别装置或用户输入的模型参数、姿势参数、动作空间参数及动作时间参数为基础来生成三维模型及动作轨迹并提供与运动姿势等有关的三维模拟，由此，运动中的用户可有效且准确地识别、检测及分析运动状态。因此，通过本发明的三维模拟，用户可有效且准确地识别自己的步行及跑步等的运动状态，通过三维模拟分析校正自己的运动姿势。

Claims (35)

1.一种三维模拟装置，其特征在于，包括：
参数输入部，以外部输入为基础，接收模型参数、姿势参数、动作空间参数及动作时间参数；
三维模型生成部，以上述模型参数及上述姿势参数为基础，生成用户的三维模型；
动作轨迹生成部，以上述动作空间参数及上述动作时间参数为基础，生成上述用户的动作轨迹；以及
三维模拟生成部，在上述三维模型采用上述动作轨迹来生成上述用户的三维模拟。
2.根据权利要求1所述的三维模拟装置，其特征在于，上述外部输入为用户输入或者从运动识别装置识别上述用户的运动来进行的输入。
3.根据权利要求1所述的三维模拟装置，其特征在于，
上述模型参数为与上述用户的外形有关的参数，
上述姿势参数为与上述用户的姿势有关的参数，
上述动作空间参数为与上述用户的动作的空间轨迹有关的参数，
上述动作时间参数为与上述用户的动作的时间轨迹有关的参数。
4.根据权利要求1所述的三维模拟装置，其特征在于，上述模型参数包含身高、体重、脚长、腿长、年龄、性别及佩戴信息中的至少一种。
5.根据权利要求1所述的三维模拟装置，其特征在于，上述姿势参数包含步伐间隔、步伐角度及上下视线角度中的至少一种。
6.根据权利要求1所述的三维模拟装置，其特征在于，上述动作空间参数包含支撑区间上下振幅、悬空区间上下振幅、最大垂直力负荷率、平均垂直力负荷率、冲击量、左右稳定度、左右平衡度、步幅、落地脚、上下骨盆角、左右骨盆角及左右视线角中的至少一种。
7.根据权利要求1所述的三维模拟装置，其特征在于，上述动作时间参数包含单脚支撑时间、单脚悬空时间及每分钟步数中的至少一种。
8.根据权利要求1所述的三维模拟装置，其特征在于，上述动作空间参数包含单脚区间上下振幅、双脚区间上下振幅、左右稳定度、左右平衡度、步幅、落地脚、上下骨盆角、左右骨盆角及左右视线角中的至少一种。
9.根据权利要求1所述的三维模拟装置，其特征在于，上述动作时间参数包含单脚支撑时间、双脚支撑时间及每分钟步数中的至少一种。
10.根据权利要求1所述的三维模拟装置，其特征在于，上述动作轨迹生成部包含：
运动动作数据，对规定的运动动作进行建模；以及
相对于上述动作空间参数及上述动作时间参数独立的基本动作数据。
11.根据权利要求10所述的三维模拟装置，其特征在于，在上述规定的运动动作为跑步的情况下，上述运动动作数据及上述基本动作数据为包含左脚支撑区间、左脚悬空区间、右脚支撑区间及右脚悬空区间的4步骤数据。
12.根据权利要求10所述的三维模拟装置，其特征在于，在上述规定的运动动作为步行的情况下，上述运动动作数据及上述基本动作数据为包含左脚支撑区间、双脚支撑区间、右脚支撑区间及双脚支撑区间的4步骤数据。
13.根据权利要求11或12所述的三维模拟装置，其特征在于，上述4步骤数据包含与各个关节有关的上下轴、左右轴及前后轴动作轨迹值。
14.根据权利要求13所述的三维模拟装置，其特征在于，上述关节为脖子、肩膀、腰、膝盖、胳膊、胳膊肘、脚踝及脚趾中的至少一个关节。
15.根据权利要求10所述的三维模拟装置，其特征在于，上述动作轨迹生成部还包括：
动作空间参数调节部，在上述运动动作数据反映以上述动作空间参数为基础的增益值来调节，由此生成第一调节值；以及
动作时间参数调节部，在上述第一调节值反映以上述动作时间参数为基础的增益值来调节，由此生成第二调节值。
16.根据权利要求10所述的三维模拟装置，其特征在于，上述动作轨迹生成部还包括：
动作时间参数调节部，在上述运动动作数据反映以上述动作时间参数为基础的增益值来调节，由此生成第一调节值；以及
动作空间参数调节部，在上述第一调节值反映以上述动作空间参数为基础的增益值来调节，由此生成第二调节值。
17.根据权利要求15或16所述的三维模拟装置，其特征在于，上述动作轨迹生成部还包括动作轨迹合并部，用于合并上述基本动作数据及上述第二调节值。
18.一种三维模拟方法，其特征在于，包括：
以外部输入为基础来接收模型参数、姿势参数、动作空间参数及动作时间参数的步骤；
以上述模型参数及上述姿势参数为基础来生成用户的三维模型的步骤；
以上述动作空间参数及上述动作时间参数为基础来生成上述用户的动作轨迹的步骤；以及
在上述三维模型采用上述动作轨迹来生成上述用户的三维模拟的步骤。
19.根据权利要求18所述的三维模拟方法，其特征在于，上述外部输入为用户输入或者从运动识别装置识别上述用户的运动来进行的输入。
20.根据权利要求18所述的三维模拟方法，其特征在于，
上述模型参数为与上述用户的外形有关的参数，
上述姿势参数为与上述用户的姿势有关的参数，
上述动作空间参数为与上述用户的动作的空间轨迹有关的参数，
上述动作时间参数为与上述用户的动作的时间轨迹有关的参数。
21.根据权利要求18所述的三维模拟方法，其特征在于，上述模型参数包含身高、体重、脚长、腿长、年龄、性别及佩戴信息中的至少一种。
22.根据权利要求18所述的三维模拟方法，其特征在于，上述姿势参数包含步伐间隔、步伐角度及上下视线角度中的至少一种。
23.根据权利要求18所述的三维模拟方法，其特征在于，上述动作空间参数包含支撑区间上下振幅、悬空区间上下振幅、最大垂直力负荷率、平均垂直力负荷率、冲击量、左右稳定度、左右平衡度、步幅、落地脚、上下骨盆角、左右骨盆角及左右视线角中的至少一种。
24.根据权利要求18所述的三维模拟方法，其特征在于，上述动作时间参数包含单脚支撑时间、单脚悬空时间及每分钟步数中的至少一种。
25.根据权利要求18所述的三维模拟方法，其特征在于，上述动作空间参数包含单脚区间上下振幅、双脚区间上下振幅、左右稳定度、左右平衡度、步幅、落地脚、上下骨盆角、左右骨盆角及左右视线角中的至少一种。
26.根据权利要求18所述的三维模拟方法，其特征在于，上述动作时间参数包含单脚支撑时间、双脚支撑时间及每分钟步数中的至少一种。
27.根据权利要求18所述的三维模拟方法，其特征在于，在生成上述用户的动作轨迹的步骤中利用对规定的运动动作进行建模而成的运动动作数据以及相对于上述动作空间参数及上述动作时间参数独立的基本动作数据。
28.根据权利要求27所述的三维模拟方法，其特征在于，在上述规定的运动动作为跑步的情况下，上述运动动作数据及上述基本动作数据为包含左脚支撑区间、左脚悬空区间、右脚支撑区间及右脚悬空区间的4步骤数据。
29.根据权利要求27所述的三维模拟方法，其特征在于，在上述规定的运动动作为步行的情况下，上述运动动作数据及上述基本动作数据为包含左脚支撑区间、双脚支撑区间、右脚支撑区间及双脚支撑区间的4步骤数据。
30.根据权利要求28或29所述的三维模拟方法，其特征在于，上述4步骤数据包含与各个关节有关的上下轴、左右轴及前后轴动作轨迹值。
31.根据权利要求30所述的三维模拟方法，其特征在于，上述关节为脖子、肩膀、腰、膝盖、胳膊、胳膊肘、脚踝及脚趾中的至少一个关节。
32.根据权利要求27所述的三维模拟方法，其特征在于，生成上述用户的动作轨迹的步骤还包括：
通过在上述运动动作数据反映以上述动作空间参数为基础的增益值来调节并由此生成第一调节值的步骤；以及
通过在上述第一调节值反映以上述动作时间参数为基础的增益值来调节并由此生成第二调节值的步骤。
33.根据权利要求27所述的三维模拟方法，其特征在于，生成上述用户的动作轨迹的步骤还包括：
通过在上述运动动作数据反映以上述动作时间参数为基础的增益值来调节并由此生成第一调节值步骤；以及
通过在上述第一调节值反映以上述动作空间参数为基础的增益值来调节并由此生成第二调节值步骤。
34.根据权利要求32或33所述的三维模拟方法，其特征在于，生成上述用户的动作轨迹的步骤还包括合并上述基本动作数据及上述第二调节值的步骤。
35.一种计算机可读记录介质，其特征在于，记录有用于执行权利要求18至34中任一项所述的三维模拟方法的程序。
CN201780037461.8A 2016-08-09 2017-08-07 三维模拟方法及装置 Active CN109310913B (zh)

Applications Claiming Priority (11)

Application Number Priority Date Filing Date Title
KR1020160101489A KR101926170B1 (ko) 2016-08-09 2016-08-09 보행 및 주행 모니터링을 위한 운동 인식 방법 및 장치
KR10-2016-0101491 2016-08-09
KR1020160101491A KR101830371B1 (ko) 2016-08-09 2016-08-09 압력 중심 경로 기반 운동 자세 도출 방법 및 장치
KR10-2016-0101489 2016-08-09
KR1020170030394A KR101995482B1 (ko) 2017-03-10 2017-03-10 보행 및 주행 모니터링을 위한 운동 인식 방법 및 장치
KR10-2017-0030402 2017-03-10
KR10-2017-0030394 2017-03-10
KR1020170030402A KR101995484B1 (ko) 2017-03-10 2017-03-10 압력 중심 경로 기반 운동 자세 도출 방법 및 장치
KR10-2017-0079255 2017-06-22
KR1020170079255A KR101970674B1 (ko) 2017-06-22 2017-06-22 주행 시 부상 위험성 정량화 방법 및 장치
PCT/KR2017/008506 WO2018030734A1 (ko) 2016-08-09 2017-08-07 3d 시뮬레이션 방법 및 장치

Publications (2)

Publication Number Publication Date
CN109310913A true CN109310913A (zh) 2019-02-05
CN109310913B CN109310913B (zh) 2021-07-06

Family

ID=61162849

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201780037461.8A Active CN109310913B (zh) 2016-08-09 2017-08-07 三维模拟方法及装置
CN201780037342.2A Active CN109414608B (zh) 2016-08-09 2017-08-08 运动识别方法及装置

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201780037342.2A Active CN109414608B (zh) 2016-08-09 2017-08-08 运动识别方法及装置

Country Status (3)

Country Link
JP (1) JP6765505B2 (zh)
CN (2) CN109310913B (zh)
WO (2) WO2018030734A1 (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102022942B1 (ko) * 2018-05-10 2019-09-19 주식회사 비플렉스 상하 지면 반력 힘의 기울기 예측 방법 및 이를 이용하는 주행 시 부상 위험성 정량화 장치
CN109621331A (zh) * 2018-12-13 2019-04-16 深圳壹账通智能科技有限公司 辅助健身方法、装置及存储介质、服务器
CN111790133B (zh) * 2019-04-03 2021-06-08 杭州乾博科技有限公司 一种智能搏击球训练结束识别方法及系统
ES2928789T3 (es) * 2019-05-07 2022-11-22 Bodytone Int Sport S L Cinta ergométrica para entrenamiento deportivo
KR102304300B1 (ko) * 2019-05-08 2021-09-23 주식회사 비플렉스 머리부 가속도 센서를 통한 보행인자 검출 방법 및 장치
CN110180158B (zh) * 2019-07-02 2021-04-23 乐跑体育互联网（武汉）有限公司 一种跑步状态识别方法、系统及终端设备
CN113509173A (zh) * 2020-04-10 2021-10-19 华为技术有限公司 运动姿势识别方法、终端设备及存储介质
CN111569397B (zh) * 2020-04-30 2021-06-15 东莞全创光电实业有限公司 手柄类运动计数方法及终端
TWI741724B (zh) * 2020-08-05 2021-10-01 美律實業股份有限公司 身體質量指數區間估測裝置及其操作方法
CN112130677B (zh) * 2020-09-23 2023-05-12 深圳市爱都科技有限公司 一种可穿戴终端及其举手识别方法
JP2022120517A (ja) * 2021-02-05 2022-08-18 パナソニックＩｐマネジメント株式会社 音響装置および音響制御方法
WO2023128511A1 (ko) * 2021-12-28 2023-07-06 주식회사 디랙스 운동 자세 분석 장치 및 이를 포함하는 스마트 운동 기기
CN116491935B (zh) * 2023-06-29 2023-08-29 深圳市微克科技有限公司 一种智能穿戴设备的运动健康监测方法、系统及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09330424A (ja) * 1996-06-07 1997-12-22 Matsushita Electric Ind Co Ltd ３次元骨格構造の動き変換装置
CN1290590A (zh) * 1999-09-20 2001-04-11 索尼公司 机器人的步行控制装置和步行控制方法
WO2005021107A1 (en) * 2003-08-27 2005-03-10 Steffan Klein Personel training system and method
CN102139714A (zh) * 2010-01-18 2011-08-03 三星电子株式会社 仿人机器人及其步行控制方法
KR20120059824A (ko) * 2010-12-01 2012-06-11 경희대학교 산학협력단 복합 센서를 이용한 실시간 모션 정보 획득 방법 및 시스템
US8503086B2 (en) * 1995-11-06 2013-08-06 Impulse Technology Ltd. System and method for tracking and assessing movement skills in multidimensional space
CN103729614A (zh) * 2012-10-16 2014-04-16 上海唐里信息技术有限公司 基于视频图像的人物识别方法及人物识别装置
CN103842036A (zh) * 2011-09-23 2014-06-04 可利爱驰有限公司 利用照相机拍摄移动的被拍摄体并根据拍摄图像来获取被拍摄体的实际移动轨迹的方法及系统
CN104023799A (zh) * 2011-10-25 2014-09-03 阿奎默有限公司 使用移动装置的动作传感器对体育动作进行分析的方法和系统

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100620118B1 (ko) * 2004-03-31 2006-09-13 학교법인 대양학원 관성센서를 이용한 보행패턴 분석장치 및 그 방법
JP5028751B2 (ja) * 2005-06-09 2012-09-19 ソニー株式会社 行動認識装置
GB0602127D0 (en) * 2006-02-02 2006-03-15 Imp Innovations Ltd Gait analysis
US7561960B2 (en) * 2006-04-20 2009-07-14 Honeywell International Inc. Motion classification methods for personal navigation
US7610166B1 (en) * 2006-07-21 2009-10-27 James Solinsky Geolocation system and method for determining mammal locomotion movement
KR100894895B1 (ko) * 2007-05-21 2009-04-30 연세대학교 산학협력단 운동, 균형 및 보행측정방법 및 치료시스템
KR100962530B1 (ko) * 2007-09-28 2010-06-14 한국전자통신연구원 생체신호 측정 장치 및 방법
JP2009204568A (ja) * 2008-02-29 2009-09-10 Seiko Instruments Inc 歩行シミュレーション装置
CN101881625B (zh) * 2008-08-19 2012-09-12 幻音科技(深圳)有限公司 步幅校正方法、测距方法及计步装置
EP2335231B1 (en) * 2008-09-04 2012-12-26 Koninklijke Philips Electronics N.V. Fall prevention system
KR101101003B1 (ko) * 2009-12-14 2011-12-29 대구대학교 산학협력단 센서노드를 이용한 신체의 움직임 및 균형 감지 시스템 및 방법
US9307932B2 (en) * 2010-07-14 2016-04-12 Ecole Polytechnique Federale De Lausanne (Epfl) System and method for 3D gait assessment
JP2012024275A (ja) * 2010-07-22 2012-02-09 Omron Healthcare Co Ltd 歩行姿勢判定装置
EP2422698A1 (en) * 2010-08-26 2012-02-29 Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO Method and system for determining the walking or running speed of a person
WO2012177077A2 (en) * 2011-06-22 2012-12-27 Golfzon Co., Ltd. Virtual golf simulation apparatus for providing user-customized practice environment, server connected with the same through network, and user-customized practice environment provision method using virtual golf simulation
JP5915285B2 (ja) * 2012-03-15 2016-05-11 セイコーエプソン株式会社 状態検出装置、電子機器、測定システム及びプログラム
JP2014236774A (ja) * 2013-06-06 2014-12-18 セイコーエプソン株式会社 生体情報処理装置および生体情報処理方法
JP6358889B2 (ja) * 2013-09-26 2018-07-18 株式会社メガチップス 歩行者観測システム、プログラムおよび進行方向推定方法
JP6134680B2 (ja) * 2014-03-19 2017-05-24 日本電信電話株式会社 歩行支援装置、歩容計測装置、方法及びプログラム
JP2016034480A (ja) * 2014-07-31 2016-03-17 セイコーエプソン株式会社 報知装置、運動解析システム、報知方法、報知プログラム、運動支援方法及び運動支援装置
JP2016034481A (ja) * 2014-07-31 2016-03-17 セイコーエプソン株式会社 情報分析装置、運動解析システム、情報分析方法、分析プログラム、画像生成装置、画像生成方法、画像生成プログラム、情報表示装置、情報表示システム、情報表示プログラム及び情報表示方法
JP6080078B2 (ja) * 2014-08-18 2017-02-15 高知県公立大学法人 姿勢および歩行状態推定装置
HK1203120A2 (zh) * 2014-08-26 2015-10-16 高平 步態偵察器與偵察步態的方法
US10448867B2 (en) * 2014-09-05 2019-10-22 Vision Service Plan Wearable gait monitoring apparatus, systems, and related methods
TWM499888U (zh) * 2014-11-10 2015-05-01 Alexandave Ind Co Ltd 姿勢穩定度之評估與復健系統
CN104382599B (zh) * 2014-12-05 2017-01-18 京东方科技集团股份有限公司 用于测量颈椎活动的方法、设备和可穿戴装置
JPWO2016092912A1 (ja) * 2014-12-11 2017-09-21 ソニー株式会社 プログラム及び情報処理システム

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8503086B2 (en) * 1995-11-06 2013-08-06 Impulse Technology Ltd. System and method for tracking and assessing movement skills in multidimensional space
JPH09330424A (ja) * 1996-06-07 1997-12-22 Matsushita Electric Ind Co Ltd ３次元骨格構造の動き変換装置
CN1290590A (zh) * 1999-09-20 2001-04-11 索尼公司 机器人的步行控制装置和步行控制方法
WO2005021107A1 (en) * 2003-08-27 2005-03-10 Steffan Klein Personel training system and method
CN102139714A (zh) * 2010-01-18 2011-08-03 三星电子株式会社 仿人机器人及其步行控制方法
KR20120059824A (ko) * 2010-12-01 2012-06-11 경희대학교 산학협력단 복합 센서를 이용한 실시간 모션 정보 획득 방법 및 시스템
CN103842036A (zh) * 2011-09-23 2014-06-04 可利爱驰有限公司 利用照相机拍摄移动的被拍摄体并根据拍摄图像来获取被拍摄体的实际移动轨迹的方法及系统
CN104023799A (zh) * 2011-10-25 2014-09-03 阿奎默有限公司 使用移动装置的动作传感器对体育动作进行分析的方法和系统
CN103729614A (zh) * 2012-10-16 2014-04-16 上海唐里信息技术有限公司 基于视频图像的人物识别方法及人物识别装置

Also Published As

Publication number Publication date
WO2018030743A1 (ko) 2018-02-15
WO2018030734A1 (ko) 2018-02-15
JP6765505B2 (ja) 2020-10-07
CN109414608A (zh) 2019-03-01
CN109310913B (zh) 2021-07-06
JP2019531772A (ja) 2019-11-07
CN109414608B (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
CN109310913A (zh) 三维模拟方法及装置
US11023950B2 (en) Systems and methods for analyzing lower body movement to recommend footwear
Yang et al. Predicted threshold against backward balance loss following a slip in gait
Choi et al. Ground reaction forces predicted by using artificial neural network during asymmetric movements
Hof et al. A stricter condition for standing balance after unexpected perturbations
KR20150096509A (ko) 사용자 맞춤형 신발, 및 그 설계와 제조 방법
White et al. A comparison of three-dimensional breast displacement and breast comfort during overground and treadmill running
Lugrís et al. Solution methods for the double-support indeterminacy in human gait
JP6649323B2 (ja) 歩行解析システム及び方法
Choi et al. Machine learning approach to predict center of pressure trajectories in a complete gait cycle: a feedforward neural network vs. LSTM network
Azizan et al. Leg length discrepancy: dynamic balance response during gait
Rosenblatt et al. Sensitivity of dynamic stability to changes in step width during treadmill walking by young adults
Emonds et al. Comparison of sprinting with and without running-specific prostheses using optimal control techniques
KR102418958B1 (ko) 3d 시뮬레이션 방법 및 장치
CA3193817A1 (en) System and method for generating a virtual avatar
Hong et al. Transition versus continuous slope walking: adaptation to change center of mass velocity in young men
Park et al. Multi-segment foot modeling for human animation
Maldonado et al. From biomechanics to robotics
KR20220140178A (ko) 강화학습모델을 이용한 보행 동작 정보 출력 방법 및 서비스 장치
Geijtenbeek Animating virtual characters using physics-based simulation
Kanjilal et al. A review of applications and developments of biomechanics in sports
Loredo et al. Influence of high heels on walking motion: gait analysis
Stoica et al. Study of Customized Plastic High Heels Footwear
Sinitski Transtibial Amputee and Able-bodied Walking Strategies for Maintaining Stable Gait in a Multi-terrain Virtual Environment
Pantazis Tracking human walking using marg sensors

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant