CN111160166B - 一种面向虚拟网球训练的用户动作采集方法及系统 - Google Patents
一种面向虚拟网球训练的用户动作采集方法及系统 Download PDFInfo
- Publication number
- CN111160166B CN111160166B CN201911310661.3A CN201911310661A CN111160166B CN 111160166 B CN111160166 B CN 111160166B CN 201911310661 A CN201911310661 A CN 201911310661A CN 111160166 B CN111160166 B CN 111160166B
- Authority
- CN
- China
- Prior art keywords
- data
- user
- motion
- action
- tennis
- 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.)
- Active
Links
Images
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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开公开了一种面向虚拟网球训练的用户动作采集方法及系统,通过在用户身上的数据衣上的传感器,采集用户的运动轨迹数据;当用户进行网球的挥拍动作时,通过动作捕捉设备捕捉用户运动的动作,根据已部署动作的骨架模型和采集的用户运动轨迹数据;通过运动轨迹修正算法实时的修正用户运动轨迹数据并将修正后的用户运动轨迹数据通过控制器传给PC端的软件,将数据显示在PC上;根据采集的用户数据与采集的标准动作数据进行对比,我们能用量化的数据看到两组动作的不同。根据采集的数据可以复现成某个动作在虚拟空间表示出来,我们也可以根据空间虚拟人物的动作看出与标准动作的差异。
Description
技术领域
本公开涉及虚拟现实、数据通信、传感器数据处理技术领域,具体涉及一种面向虚拟网球训练的用户动作采集方法及系统。
背景技术
随着虚拟现实技术的发展,越来越的虚拟现实技术融合到人们的生活中来,给人们生活学习带来了很多方便,比如将虚拟现实用在医学方面,数字化人体,使人们能够更容易了解人体的构造和功能;将虚拟现实用在娱乐游戏方面,使人们在打游戏时能更加具有沉浸感和真实感;将虚拟现实用在科技开发方面,能够缩短开发周期,减少费用。将虚拟现实应用在网球动作训练方面更是一个创新,目前除了实际在网球场训练动作之外,人们普遍的训练动作都是看视频学习,所以将虚拟现实与网球训练结合起来,是促进学习网球技术的一个重要方面。将虚拟现实与网球结合起来训练网球动作技术,这就要求采集用户的动作数据,并将它们的数据实时的在PC端显示出来,根据数据建立重现人物动作,供用户学习。
发明内容
本公开提供一种面向虚拟网球训练的用户动作采集方法及系统,通过在用户身上的数据衣上的传感器,采集用户的运动轨迹数据;当用户进行网球的挥拍动作时,通过动作捕捉设备捕捉用户运动的动作,根据已部署动作的骨架模型和采集的用户运动轨迹数据;通过运动轨迹修正算法实时的修正用户运动轨迹数据并将修正后的用户运动轨迹数据通过控制器传给PC端的软件,将数据显示在PC上。
为了实现上述目的,根据本公开的一方面,提供一种面向虚拟网球训练的用户动作采集方法,所述方法包括以下步骤:
S100:载入用户的身体尺寸数据和标准的运动的动作轨迹数据,建立虚拟的骨架模型,然后将对应运动的动作部署到骨架模型上;
S200:通过在用户身上的数据衣上的传感器,采集用户的运动轨迹数据;
S300:当用户进行网球的挥拍动作时,通过传感器采集用户运动数据,根据已部署动作的骨架模型和采集的用户运动轨迹数据;
S400:通过运动轨迹修正算法实时的修正用户运动轨迹数据并将修正后的用户运动轨迹数据通过控制器传给PC端的软件,将数据显示在PC上。
进一步地,在S100中,标准的运动的动作轨迹数据为预先采集好的标准网球的挥拍动作的动作轨迹数据。
进一步地,在S100中,建立虚拟的骨架模型,然后将对应运动的动作部署到骨架模型上的方法为:在PC端通过Axis Neuron软件的Motion Builder功能建立虚拟的骨架模型,导入骨骼已经绑定好了的模型,将模型骨骼与Motion Builder中预设的模型骨骼一一对应,然后将对应运动的动作部署到骨架模型。
进一步地,在S400中,通过运动轨迹修正算法实时的修正用户运动轨迹数据为,假设位于肘关节的传感器和位于膝盖部位的传感器角速度分别是ωl,ωr则得出, 式中,R为肘关节挥动幅度的半径,D为膝盖部位的传感器移动的最大的距离,肘关节挥动幅度和膝盖部位的传感器移动的比值是kp,则有,
当kp=1时,则有ωl=ωr,此时,如果当前网球的挥拍动作的运动轨迹不为直线,则将运动轨迹修正为网球的挥拍动作直线的轨迹数据;
当kp>1时,则有ωl<ωr,此时,如果当前网球的挥拍动作的运动轨迹不为左转弯,则将运动轨迹修正为网球的挥拍动作左转弯轨迹数据;
当kp<1时,则有ωl>ωr,此时,如果当前网球的挥拍动作的运动轨迹不为右转弯,则将运动轨迹修正为网球的挥拍动作右转弯轨迹数据;
进一步地,通过串口与PC连接,装置与PC一直保持通信状态,用户每次挥拍的数据都能实时的传输到PC并显示出来,然后根据数据之间的比较和将数据复现的图像与标准动作进行比较,或使用预先准备的数据集训练的模型进行比较得出相似度。
本公开还提供了一种面向虚拟网球训练的用户动作采集系统,所述系统包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下系统的单元中:
骨架初始化单元,用于载入用户的身体尺寸数据和标准的运动的动作轨迹数据,建立虚拟的骨架模型,然后将对应运动的动作部署到骨架模型上;
运动采集单元,用于通过在用户身上的数据衣上的传感器,采集用户的运动轨迹数据;
模型采集单元,用于当用户进行网球的挥拍动作时,通过动作捕捉设备捕捉用户运动的动作,根据已部署动作的骨架模型和采集的用户运动轨迹数据;
数据修正单元,用于通过运动轨迹修正算法实时的修正用户运动轨迹数据并将修正后的用户运动轨迹数据通过控制器传给PC端的软件,将数据显示在PC上。
本公开的有益效果为:本公开提供一种面向虚拟网球训练的用户动作采集方法及系统,根据采集的用户数据与采集的标准动作数据进行对比,我们能用量化的数据看到两组动作的不同。根据采集的数据可以复现成某个动作在虚拟空间表示出来,我们也可以根据空间虚拟人物的动作看出与标准动作的差异。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本公开的上述以及其他特征将更加明显,本公开附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,在附图中:
图1所示为一种面向虚拟网球训练的用户动作采集方法的流程图;
图2所示为一种面向虚拟网球训练的用户动作采集系统结构图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本公开的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为根据本公开的一种面向虚拟网球训练的用户动作采集方法的流程图,下面结合图1来阐述根据本公开的实施方式的一种面向虚拟网球训练的用户动作采集方法。
本公开提出一种面向虚拟网球训练的用户动作采集方法,具体包括以下步骤:
S100:载入用户的身体尺寸数据和标准的运动的动作轨迹数据,建立虚拟的骨架模型,然后将对应运动的动作部署到骨架模型上;
S200:通过在用户身上的动捕力反馈服上的传感器,采集用户的运动轨迹数据;所述传感器包括但不限于陀螺仪传感器,传感器的位置位于肘关节和膝盖部位;
S300:当用户进行网球的挥拍动作时,通过动作捕捉设备捕捉用户运动的动作,根据已部署动作的骨架模型和采集的用户运动轨迹数据;
S400:通过运动轨迹修正算法实时的修正用户运动轨迹数据并将修正后的用户运动轨迹数据通过控制器传给PC端的软件,将数据显示在PC上。
进一步地,在S100中,标准的运动的动作轨迹数据为预先采集好的标准网球的挥拍动作的动作轨迹数据。
进一步地,在S100中,建立虚拟的骨架模型,然后将对应运动的动作部署到骨架模型上的方法为:在PC端通过Axis Neuron软件的Motion Builder功能建立虚拟的骨架模型,导入骨骼已经绑定好了的模型,将模型骨骼与Motion Builder中预设的模型骨骼一一对应,然后将对应运动的动作部署到骨架模型。
进一步地,在S400中,通过运动轨迹修正算法实时的修正用户运动轨迹数据为,假设位于肘关节的传感器和位于膝盖部位的传感器角速度分别是ωl,ωr则得出, 式中,R为肘关节挥动幅度的半径,D为膝盖部位的传感器移动的最大的距离,肘关节挥动幅度和膝盖部位的传感器移动的比值是kp,则有,
当kp=1时,则有ωl=ωr,此时,如果当前网球的挥拍动作的运动轨迹不为直线,则将运动轨迹修正为网球的挥拍动作直线的轨迹数据;
当kp>1时,则有ωl<ωr,此时,如果当前网球的挥拍动作的运动轨迹不为左转弯,则将运动轨迹修正为网球的挥拍动作左转弯轨迹数据;
当kp<1时,则有ωl>ωr,此时,如果当前网球的挥拍动作的运动轨迹不为右转弯,则将运动轨迹修正为网球的挥拍动作右转弯轨迹数据;
进一步地,通过串口与PC连接,装置与PC一直保持通信状态,用户每次挥拍的数据都能实时的传输到PC并显示出来,然后根据数据之间的比较和将数据复现的图像与标准动作进行比较,或使用预先准备的数据集进行比较得出相似度。
进一步地,预先准备的数据集为预先录制的标准的用户每次挥拍的轨迹数据;
进一步地,使用预先准备的数据集进行比较得出相似度的方法为:通过余弦相似度的计算方法计算用户的实际轨迹数据和预先准备的数据集中的轨迹数据的余弦相似度作为相似度;或者计算用户的实际轨迹数据和预先准备的数据集中的轨迹数据的Jaccard相似系数作为相似度。
本公开的实施例提供的一种面向虚拟网球训练的用户动作采集系统,如图2所示为本公开的一种面向虚拟网球训练的用户动作采集系统结构图,该实施例的一种面向虚拟网球训练的用户动作采集系统包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种面向虚拟网球训练的用户动作采集系统实施例中的步骤。
所述系统包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下系统的单元中:
骨架初始化单元,用于载入用户的身体尺寸数据和标准的运动的动作轨迹数据,建立虚拟的骨架模型,然后将对应运动的动作部署到骨架模型上;
运动采集单元,用于通过在用户身上的数据衣上的传感器,采集用户的运动轨迹数据;
模型采集单元,用于当用户进行网球的挥拍动作时,通过动作捕捉设备捕捉用户运动的动作,根据已部署动作的骨架模型和采集的用户运动轨迹数据;
数据修正单元,用于通过运动轨迹修正算法实时的修正用户运动轨迹数据并将修正后的用户运动轨迹数据通过控制器传给PC端的软件,将数据显示在PC上。
所述一种面向虚拟网球训练的用户动作采集系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种面向虚拟网球训练的用户动作采集系统,可运行的系统可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种面向虚拟网球训练的用户动作采集系统的示例,并不构成对一种面向虚拟网球训练的用户动作采集系统的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种面向虚拟网球训练的用户动作采集系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种面向虚拟网球训练的用户动作采集系统运行系统的控制中心,利用各种接口和线路连接整个一种面向虚拟网球训练的用户动作采集系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种面向虚拟网球训练的用户动作采集系统的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMediaCard,SMC),安全数字(SecureDigital,SD)卡,闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本公开的预定范围。此外,上文以发明人可预见的实施例对本公开进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (5)
1.一种面向虚拟网球训练的用户动作采集方法,其特征在于,所述方法包括以下步骤:
S100:载入用户的身体尺寸数据和标准的运动的动作轨迹数据,建立虚拟的骨架模型,然后将对应运动的动作部署到骨架模型上;
S200:通过在用户身上的数据衣上的传感器,采集用户的运动轨迹数据;
S300:当用户进行网球的挥拍动作时,通过传感器采集用户运动数据,根据已部署动作的骨架模型和采集的用户运动轨迹数据;
S400:通过运动轨迹修正算法实时的修正用户运动轨迹数据并将修正后的用户运动轨迹数据通过控制器传给PC端的软件,将数据显示在PC上;
在S400中,通过运动轨迹修正算法实时的修正用户运动轨迹数据为,假设位于肘关节的传感器和位于膝盖部位的传感器角速度分别是ωl,ωr则得出,式中,R为肘关节挥动幅度的半径,D为膝盖部位的传感器移动的最大的距离,肘关节挥动幅度和膝盖部位的传感器移动的比值是kp,则有,
当kp=1时,则有ωl=ωr,此时,如果当前网球的挥拍动作的运动轨迹不为直线,则将运动轨迹修正为网球的挥拍动作直线的轨迹数据;
当kp>1时,则有ωl<ωr,此时,如果当前网球的挥拍动作的运动轨迹不为左转弯,则将运动轨迹修正为网球的挥拍动作左转弯轨迹数据;
当kp<1时,则有ωl>ωr,此时,如果当前网球的挥拍动作的运动轨迹不为右转弯,则将运动轨迹修正为网球的挥拍动作右转弯轨迹数据。
2.根据权利要求1所述的一种面向虚拟网球训练的用户动作采集方法,其特征在于,在S100中,标准的运动的动作轨迹数据为预先采集好的标准网球的挥拍动作的动作轨迹数据。
3.根据权利要求1所述的一种面向虚拟网球训练的用户动作采集方法,其特征在于,在S100中,建立虚拟的骨架模型,然后将对应运动的动作部署到骨架模型上的方法为:在PC端通过Axis Neuron软件的Motion Builder功能建立虚拟的骨架模型,导入骨骼已经绑定好了的模型,将模型骨骼与Motion Builder中预设的模型骨骼对应,然后将对应运动的动作部署到骨架模型。
4.根据权利要求1所述的一种面向虚拟网球训练的用户动作采集方法,其特征在于,通过串口与PC连接,装置与PC一直保持通信状态,用户每次挥拍的数据都能实时的传输到PC并显示出来,然后根据数据之间的比较和将数据复现的图像与标准动作进行比较,或使用预先准备的数据集训练的模型进行比较得出相似度。
5.一种面向虚拟网球训练的用户动作采集系统,其特征在于,所述系统包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下系统的单元中:
骨架初始化单元,用于载入用户的身体尺寸数据和标准的运动的动作轨迹数据,建立虚拟的骨架模型,然后将对应运动的动作部署到骨架模型上;
运动采集单元,用于通过在用户身上的数据衣上的传感器,采集用户的运动轨迹数据;
模型采集单元,用于在当用户进行网球的挥拍动作时,通过传感器采集用户运动数据,根据已部署动作的骨架模型和采集的用户运动轨迹数据;
数据修正单元,用于通过运动轨迹修正算法实时的修正用户运动轨迹数据并将修正后的用户运动轨迹数据通过控制器传给PC端的软件,将数据显示在PC上;
所述通过运动轨迹修正算法实时的修正用户运动轨迹数据为,假设位于肘关节的传感器和位于膝盖部位的传感器角速度分别是ωl,ωr则得出,式中,R为肘关节挥动幅度的半径,D为膝盖部位的传感器移动的最大的距离,肘关节挥动幅度和膝盖部位的传感器移动的比值是kp,则有,
当kp=1时,则有ωl=ωr,此时,如果当前网球的挥拍动作的运动轨迹不为直线,则将运动轨迹修正为网球的挥拍动作直线的轨迹数据;
当kp>1时,则有ωl<ωr,此时,如果当前网球的挥拍动作的运动轨迹不为左转弯,则将运动轨迹修正为网球的挥拍动作左转弯轨迹数据;
当kp<1时,则有ωl>ωr,此时,如果当前网球的挥拍动作的运动轨迹不为右转弯,则将运动轨迹修正为网球的挥拍动作右转弯轨迹数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911310661.3A CN111160166B (zh) | 2019-12-18 | 2019-12-18 | 一种面向虚拟网球训练的用户动作采集方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911310661.3A CN111160166B (zh) | 2019-12-18 | 2019-12-18 | 一种面向虚拟网球训练的用户动作采集方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111160166A CN111160166A (zh) | 2020-05-15 |
CN111160166B true CN111160166B (zh) | 2023-04-28 |
Family
ID=70557839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911310661.3A Active CN111160166B (zh) | 2019-12-18 | 2019-12-18 | 一种面向虚拟网球训练的用户动作采集方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160166B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112370795B (zh) * | 2020-10-21 | 2022-11-22 | 潍坊歌尔电子有限公司 | 基于头戴设备的挥拍类球类运动方法、装置及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109248428A (zh) * | 2018-09-17 | 2019-01-22 | 武汉中奥互联科技有限公司 | 一种网球运动轨迹处理系统的动态分析方法 |
CN109316728A (zh) * | 2018-10-17 | 2019-02-12 | 张家林 | 一种网球教学训练方法 |
-
2019
- 2019-12-18 CN CN201911310661.3A patent/CN111160166B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109248428A (zh) * | 2018-09-17 | 2019-01-22 | 武汉中奥互联科技有限公司 | 一种网球运动轨迹处理系统的动态分析方法 |
CN109316728A (zh) * | 2018-10-17 | 2019-02-12 | 张家林 | 一种网球教学训练方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111160166A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107240049B (zh) | 一种沉浸式环境中远程动作教学质量的自动评价方法和系统 | |
KR20120020137A (ko) | 애니메이션 또는 모션들을 캐릭터에 적용하는 시스템 및 방법 | |
CN110457414A (zh) | 离线地图处理、虚拟对象显示方法、装置、介质和设备 | |
WO2021098616A1 (zh) | 运动姿态识别方法、运动姿态识别装置、终端设备及介质 | |
US20150378440A1 (en) | Dynamically Directing Interpretation of Input Data Based on Contextual Information | |
US20160027219A1 (en) | Augmented reality systems and methods used to identify toys and trigger video and graphics | |
CN108096833B (zh) | 基于级联神经网络的体感游戏控制方法及装置、计算设备 | |
US20220277438A1 (en) | Recommendation engine for comparing physical activity to ground truth | |
CN106390454A (zh) | 一种现实场景虚拟游戏系统 | |
CN111160166B (zh) | 一种面向虚拟网球训练的用户动作采集方法及系统 | |
CN108421240A (zh) | 基于ar的球场弹幕系统 | |
CN109407826B (zh) | 球类运动模拟方法、装置、存储介质及电子设备 | |
CN112354185A (zh) | 云游戏控制系统和云游戏控制方法 | |
CN115346640B (zh) | 一种功能性康复训练闭环反馈的智能监测方法及系统 | |
CN109074658A (zh) | 通过特征跟踪和模型配准进行3d多视图重建的方法 | |
WO2024027063A1 (zh) | 直播方法、装置、存储介质、电子设备及产品 | |
CN113515187B (zh) | 一种虚拟现实场景的生成方法和网络侧设备 | |
Huang et al. | Designing an exergaming system for exercise bikes using kinect sensors and Google Earth | |
CN109917907B (zh) | 一种基于卡片的动态故事板交互方法 | |
US20200410884A1 (en) | Network learning system and method thereof | |
US20210390750A1 (en) | Skeleton model update apparatus, skeleton model update method, and program | |
Lin et al. | Space connection: a new 3D tele-immersion platform for web-based gesture-collaborative games and services | |
Kim et al. | Classification of dance motions with depth cameras using subsequence dynamic time warping | |
Xie et al. | Data-driven motion estimation with low-cost sensors | |
WO2023185241A1 (zh) | 数据处理方法、装置、设备以及介质 |
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 |