CN111402290A - 一种基于骨骼关键点的动作还原方法以及装置 - Google Patents
一种基于骨骼关键点的动作还原方法以及装置 Download PDFInfo
- Publication number
- CN111402290A CN111402290A CN202010132407.5A CN202010132407A CN111402290A CN 111402290 A CN111402290 A CN 111402290A CN 202010132407 A CN202010132407 A CN 202010132407A CN 111402290 A CN111402290 A CN 111402290A
- Authority
- CN
- China
- Prior art keywords
- bone
- key point
- target
- determining
- point
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Abstract
本申请实施例公开了一种基于骨骼关键点的动作还原方法,可以应用于机械领域或者动作识别领域的机器人动作生成,该方法可以包括获取三维空间中目标对象映射在目标平面上第一骨骼关键点的坐标位置;确定该目标平面上以第一骨骼关键点为中心点的一个或多个曲线,该曲线上的每一个点的坐标位置对应第二骨骼关键点在三维空间中的一个或多个角度信息;根据映射到目标平面上第二骨骼关键点的坐标位置,确定第二骨骼关键点所属的目标曲线;根据第二骨骼关键点的坐标位置和目标曲线,确定第二骨骼关键点的空间位置。采用本申请有效地根据二维平面图像和空间角度信息,通过相关机器人还原目标对象的动作。
Description
技术领域
本申请涉及机器人动作领域,尤其涉及一种基于骨骼关键点的动作还原方法以及装置。
背景技术
当下机器人越来越多地走进普通人的生活和工作中,在家务、娱乐、教育等方向出现了各种各样形态的机器人产品;其中,外观模拟人或卡通形象的机器人,肢体的动作、头部的动作、面部的表情,需要根据预先编排好的机器动作,以控制机器人完成特定的行动,从而在人机交互过程中,带来较好的用户体验。不同机器人的动画制作的过程有所不同,会依赖于机器人的硬件形态、结构,因此机器人的自由度越多会越复杂。
目前,现有机器人动画制作方案一般通过一段目标对象的动作视频(例如人体四肢的动作),获取一系列动作对应的多帧二维平面图像;根据多张二维平面图像获取每一帧图像中人体的姿态;根据预设的约束条件和算法,将每一帧人体姿态有时序地在相应的机器人上还原,以达到生成一系列对应的机器人动作。为了能够尽可能地还原二维图像对应的三维动作,一般会在图像或视频中运用计算机视觉技术,确定目标对象的各个骨骼关键点的位置,然后根据关节点的位置变化情况来还原动作;但是,对于多自由度机器人的动作而言,从二维影像中进行动作的还原比较麻烦。例如,真人的肩关节是可以三向活动的,而机器人受到电机体积的制约可能只能实现较少方向的活动。并且,二维影像缺少了深度信息,难以仅仅根据二维坐标还原特定骨骼关键点(该特定骨骼关键点对应机器人相应的结构位置)在空间中的真实位置。因此造成动作的失真,更直接的降低了机器人动作的完成度。
因此,如何有效地根据二维图像还原三维空间里的机器人动作,成为亟待解决的问题。
发明内容
本申请实施例提供了一种基于骨骼关键点的动作还原装置以及方法,实现了根据二维平面图像和预设动作的约束条件,有效地还原三维空间里的相应动作。
第一方面,本申请实施例提供了一种基于骨骼关键点的动作还原方法,可以应用于机器人的动作生成,所述方法可包括:
获取所述第一骨骼关键点在目标平面上的坐标位置;所述目标平面用于指示目标对象的骨骼关键点从三维空间映射到二维平面的相对位置关系;
确定所述目标平面上以所述第一骨骼关键点的坐标位置为中心点的一个或多个曲线,所述曲线用于指示所述第二骨骼关键点映射到所述目标平面上的所有可能的位置;所述曲线上的每一个点的坐标位置对应所述第二骨骼关键点在三维空间中的一个或多个角度信息;
根据所述第二骨骼关键点在所述目标平面上的坐标位置,确定所述第二骨骼关键点所属的目标曲线,所述目标曲线为所述一个或多个曲线中的一个;
根据所述第二骨骼关键点的坐标位置和所述目标曲线,确定所述第二骨骼关键点的空间位置。
本申请实施例中,根据二维平面投影上的一系列动作获取运动参数,而反推出机器人动作,从而实现机器人手臂在空间中运动轨迹。首先,针对某一帧视频图像中的多个骨骼关键点,选择关联运动的骨骼关键点;例如,肩关节点和手腕点的骨骼关键点作为第一骨骼关键点和第二骨骼关键点。在该帧图像中,设立二维坐标系;例如,以肩关节为坐标原点,预设第二骨骼关键点的多个可能出现的位置。例如,在二维平面上,机器人手臂按最大幅度来运动360°,手腕位置的动作轨迹是一个圆,圆心为对应手臂肩膀(即肩关节点)的位置;由于受到机器结构的影响,其二维形状可以是一个不规则的闭合曲线。那么按照最小幅度到最大幅度之间,机器人的手臂都运动360°,可以得到多组封闭曲线,即以第一骨骼关键点为中心点的一个或多个不规则封闭的曲线。曲线上每一个点都可能是手腕点的位置。然后根据第一骨骼关键点和第二骨骼关键点的坐标,确定在该帧图像上两个骨骼关键点的位置,以及第二骨骼关键点(即肩关节点)在目标曲线的目标位置。每个曲线上的点都对应一个或多个机器人相应结构位置上舵机旋转的角度数值(即舵机控制信号的一种)。在确定了第二骨骼关键点的坐标之后,结合该点对应的舵机控制信号,可以还原该帧图像中手腕点在空间中的位置。因此,在准确确定了点二维坐标后,根据与该点对应的舵机控制信号(例如手腕在身前与二维平面之间的深度数据)可以有效还原其在空间中的位置。
在一种可能的实现方式中,所述获取所述第一骨骼关键点在目标平面上的坐标位置之前,还包括:获取所述目标对象的图像信息;基于所述图像信息确定所述目标对象的第一骨骼关键点和第二骨骼关键点,所述第一骨骼关键点和所述第二骨骼关键点为所述目标对象的相邻骨骼关键点。本申请实施例,首先获取包含目标对象的图像信息,然后从图像信息中确定目标对象的多个骨骼关键点中的第一骨骼关键点和第二骨骼关键点。例如,图像信息为一张图像,从图像中根据预设的骨骼关键点识别算法将第一骨骼关键点和第二骨骼关键点提取出来,并确定两者之间的关系。
在一种可能的实现方式中,所述图像信息为视频;所述第一骨骼关键点和所述第二骨骼关键点为同一帧视频中同一关节上相邻的骨骼关键点;所述基于所述图像信息确定所述目标对象的第一骨骼关键点和第二骨骼关键点,包括:在所述同一帧视频中确定所述目标对象的多个骨骼关键点;从所述多个骨骼关键点中确定所述第一骨骼关键点,以及与所述第一骨骼关键点在所述同一个关节上相邻的所述第二骨骼关键点。本申请实施例中,通过在确定的多个骨骼关键点中,找到相互关联的一对骨骼关键点;并根据目标对象的身体结构以及预设的骨骼关键点的提取位置,从多个骨骼关键点中确定出所需要第一骨骼关键点和第二骨骼关键点的相关位置。其中,多个骨骼关键点中位置相对固定的骨骼关键点在每一帧视频图像中位置变化较小。
在一种可能的实现方式中,所述在所述同一帧视频中确定所述目标对象的多个骨骼关键点,包括:从所述目标对象的视频中提取每一帧视频图片,并获取所述每一帧视频图片对应的目标平面;根据预设的骨骼关键点识别算法,确定所述每一帧视频图片对应的目标平面中所述目标对象的多个骨骼关键点。本申请实施例,对目标对象进行拍摄(例如人体)得到视频;然后根据从视频中提取多帧视频图像;获取对应的有时间顺序的多张视频图像,将每一张视频图像映射到二维目标平面上,以便于根据图像动作还原视频动作的数据处理。
在一种可能的实现方式中,所述确定所述第二骨骼关键点的空间位置之后,还包括:根据所述每一帧视频图片的排列顺序,依次确定所述每一帧视频图片中所述第二骨骼关键点的空间位置,以生成所述第二骨骼关键点的运动轨迹。本申请实施例中,在确定了每一帧视频图片中第二骨骼关键点的空间位置后,根据第二骨骼关键点在各个连续视频图像中的空间位置还原成连贯的动作,以确定第二骨骼关键点的运动路径。
在一种可能的实现方式中,所述根据所述第二骨骼关键点在所述目标平面上的坐标位置,确定所述第二骨骼关键点所属的目标曲线,包括:在所述目标平面上建立二维平面坐标系,确定所述第二骨骼关键点在所述目标平面上的二维坐标;根据所述二维坐标,确定所述第二骨骼关键点所属的所述目标曲线。本申请实施例中,通过第一骨骼关键点和第二骨骼关键点的二维坐标,确定了准确的第二骨骼关键点在曲线上的目标位置,提高了针对该图像还原动作的准确度。
在一种可能的实现方式中,通过相对距离表示所述第一骨骼点和第二骨骼点的距离关系;所述相对距离为所述第一骨骼关键点和所述第二骨骼关键点之间在所述图像信息上的实际距离,与所述第一骨骼关键点和所述第二骨骼关键点之间在所述图像信息上能够呈现的最大距离之比。本申请实施例,提供了一种表示距离的方法;即以相对距离来表示点与点的距离,能够减小点之间距离的误差。
第二方面,本申请实施例提供了一种基于骨骼关键点的动作还原装置,可以应用于机器人的动作生成,所述装置可包括:
坐标获取单元,用于获取所述第一骨骼关键点在目标平面上的坐标位置;所述目标平面用于指示目标对象的骨骼关键点从三维空间映射到二维平面的相对位置关系;
曲线预设单元,用于确定所述目标平面上以所述第一骨骼关键点的坐标位置为中心点的一个或多个曲线,所述曲线用于指示所述第二骨骼关键点映射到所述目标平面上的所有可能的位置;所述曲线上的每一个点的坐标位置对应所述第二骨骼关键点在三维空间中的一个或多个角度信息;
目标曲线确定单元,用于根据所述第二骨骼关键点在所述目标平面上的坐标位置,确定所述第二骨骼关键点所属的目标曲线,所述目标曲线为所述一个或多个曲线中的一个;
空间位置确定单元,用于根据所述第二骨骼关键点的坐标位置和所述目标曲线,确定所述第二骨骼关键点的空间位置。
在一种可能的实现方式中,所述装置还包括图像信息获取单元和骨骼关键点单元;所述图像信息获取单元,用于在所述获取所述第一骨骼关键点在目标平面上的坐标位置之前,获取所述目标对象的图像信息;所述骨骼关键点单元,用于基于所述图像信息确定所述目标对象的第一骨骼关键点和第二骨骼关键点,所述第一骨骼关键点和所述第二骨骼关键点为所述目标对象的相邻骨骼关键点。
在一种可能的实现方式中,所述图像信息为视频;所述第一骨骼关键点和所述第二骨骼关键点为同一帧视频中同一关节上相邻的骨骼关键点;所述装置还包括多骨骼关键点单元和目标骨骼关键点单元;所述多骨骼关键点单元,用于在所述同一帧视频中确定所述目标对象的多个骨骼关键点;所述目标骨骼关键点单元,用于从所述多个骨骼关键点中确定所述第一骨骼关键点,以及与所述第一骨骼关键点在所述同一个关节上相邻的所述第二骨骼关键点。
在一种可能的实现方式中,所述多骨骼关键点单元,具体用于:从所述目标对象的视频中提取每一帧视频图片,并获取所述每一帧视频图片对应的目标平面;根据预设的骨骼关键点识别算法,确定所述每一帧视频图片对应的目标平面中所述目标对象的多个骨骼关键点。
在一种可能的实现方式中,所述装置还包括轨迹确定单元,用于:在所述确定所述第二骨骼关键点的空间位置之后,根据所述每一帧视频图片的排列顺序,依次确定所述每一帧视频图片中所述第二骨骼关键点的空间位置,以生成所述第二骨骼关键点的运动轨迹。
在一种可能的实现方式中,所述目标曲线确定单元,具体用于:根在所述目标平面上建立二维平面坐标系,确定所述第二骨骼关键点在所述目标平面上的二维坐标;根据所述二维坐标,确定所述第二骨骼关键点所属的所述目标曲线。
在一种可能的实现方式中,所述装置还包括距离单元,用于通过相对距离表示所述第一骨骼点和第二骨骼点的距离关系;所述相对距离为所述第一骨骼关键点和所述第二骨骼关键点之间在所述图像信息上的实际距离,与所述第一骨骼关键点和所述第二骨骼关键点之间在所述图像信息上能够呈现的最大距离之比。
第三方面,本申请实施例提供了一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行第一方面所述的方法。
第四方面,本申请实施例提供了一种包含指令的计算机程序产品,当其在处理器上运行时,使得处理器执行上述第一方面描述的方法。
第五方面,本申请实施例提供了一种电子设备,可包括:如上述第一方面所述的基于骨骼关键点的动作还原的装置,以及耦合于基于骨骼关键点的动作还原的装置外部的分立器件。
第六方面,本申请实施例提供一种终端,该终端包括处理器,处理器被配置为支持该终端执行第一方面提供的一种基于骨骼关键点的动作还原的方法中相应的功能。该终端还可以包括存储器,存储器用于与处理器耦合,其保存终端必要的程序指令和数据。该终端还可以包括通信接口,用于该终端与其它设备或通信网络通信。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1是本申请实施例提供的一种机器人动作生成的应用场景的示意图;
图2是本申请实施例提供的一种基于骨骼关键点的动作还原方法对应的系统架构示意图;
图3是本申请实施例提供的一种机器人动作生成的流程示意图;
图4是本申请实施例提供的一种基于骨骼关键点的动作还原方法示意图;
图5是本申请实施例提供的一种不规则的封闭曲线正面示意图;
图6是本申请实施例提供的图5所示曲线的侧面示意图;
图7是本申请实施例提供的一种第二骨骼关键点的运动轨迹图;
图8是本申请实施例提供的另一种基于骨骼关键点的动作还原方法示意图;
图9是是本申请实施例提供的一种三维点坐标的映射方法示意图;
图10是本申请实施例提供的一种二维映射平面示意图;
图11是本申请实施例提供的一种目标对象的多个骨骼关键点的示意图;
图12是本申请实施例提供的一种点与点的距离表示方法示意图;
图13是本申请实施例提供的一种机器人与人体动作之间的映射关系;
图14是本申请实施例提供的一种基于骨骼关键点的动作还原装置的结构示意图;
图15是本申请实施例提供的一种基于骨骼关键点的动作还原设备的结构示意图;
图16是本申请实施例提供的一种装置结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例进行描述。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
在本说明书中使用的术语“部件”、“模块”、“系统”等用于表示计算机相关的实体、硬件、固件、硬件和软件的组合、软件、或执行中的软件。例如,部件可以是但不限于,在处理器上运行的进程、处理器、对象、可执行文件、执行线程、程序和/或计算机。通过图示,在计算设备上运行的应用和计算设备都可以是部件。一个或多个部件可驻留在进程和/或执行线程中,部件可位于一个计算机上和/或分布在2个或更多个计算机之间。此外,这些部件可从在上面存储有各种数据结构的各种计算机可读介质执行。部件可例如根据具有一个或多个数据分组(例如来自与本地系统、分布式系统和/或网络间的另一部件交互的二个部件的数据,例如通过信号与其它系统交互的互联网)的信号通过本地和/或远程进程来通信。
首先,对本申请中的部分用语进行解释说明,以便于本领域技术人员理解。
(1)自由度,根据机械原理,机构具有确定运动时所必须给定的独立运动参数的数目(亦即为了使机构的位置得以确定,必须给定的独立的广义坐标的数目),称为机构自由度(degree of freedom of mechanism),其数目常以F表示。
(2)骨骼关键点数据是一种用关键点去描述人体的动作的数据。
(3)软件开发工具包(Software Development Kit,SDK),一般都是一些软件工程师为特定的软件包、软件框架、硬件平台、操作系统等建立应用软件时的开发工具的集合。软件开发工具包括广义上指辅助开发某一类软件的相关文档、范例和工具的集合。软件开发工具包是一些被软件工程师用于为特定的软件包、软件框架、硬件平台、操作系统等创建应用软件的开发工具的集合,一般而言SDK即开发Windows平台下的应用程序所使用的SDK。
(4)图像识别,是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术,是应用深度学习算法的一种实践应用。目前图像识别技术一般分为人脸识别与商品识别,人脸识别主要运用在安全检查、身份核验与移动支付中;商品识别主要运用在商品流通过程中,特别是无人货架、智能零售柜等无人零售领域。图像的传统识别流程分为四个步骤:图像采集→图像预处理→特征提取→图像识别。
(5)人工智能(Artificial Intelligence,AI),是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
为了便于理解本申请实施例,以下示例性列举本申请中基于骨骼关键点的动作还原方法所应用的场景,可以包括如下机器人动作生成的应用场景。
请参见图1,图1是本申请实施例提供的一种机器人动作生成的应用场景的示意图,该应用场景中包括摄像设备(本申请实施例以摄像头为例)、目标对象、终端和机器人。目标对象可以是人、动物或者其他非生物(例如机器人或者机械结构),本申请实施例对此不做限定。其中,摄像头,用于拍摄目标对象在一段时间内的动作变化情况;例如,当目标对象为人体时,拍摄十分钟内人体的四肢的运动情况。再例如,当目标对象为动物时,拍摄半个小时内动物的奔跑情况等。可选地,摄像头可以结合其他硬件设备,对拍摄的数据进行一定程度预先处理,比如去除目标对象没有动作的视频内容,以提高后续视频处理的效率。
终端,用于接收摄像头发送的视频数据;将视频数据进行进一步地处理,然后根据视频中的人体动作获取的对应机器人的各个运动参数传给对应的机器人。例如,将接收的每一帧视频图像映射到二维平面上;通过二维坐标系确定每一帧图像中人体的动作;再根据人体动作的坐标和预设的约束条件,在对应的机器人上还原出一系列的动作。可选地,本申请实施例中还可以通过服务器还完成前述的数据处理、接收和发送的过程。本申请实施例对此不作限定。
机器人,用于接收终端发送的各项控制参数,在一定的时间顺序下依次根据各项参数完成每一帧图像的姿势,以最终还原目标对象的动作视频中的一系列动作。
具体地,在该应用场景中,具体可以包括人体(即目标对象)、摄像头、运行算法程序(例如摄像头驱动程序、AI图像处理程序、人体动作识别程序、机器人动作转换程序等等)的设备、智能机器人。摄像头采集人体动作,数据经过图像处理提取出人体骨骼关键点信息,一般包括肩膀、手肘、手腕、脖子、头、大腿根部、膝盖、脚等关键部位,输出为二维平面上的骨骼关键点坐标,通过人体动作识别程序的处理提取出人体的动作,结合不同机器人硬件的特点,将人体动作转化为机器人动作,最终实现人体动作转换为机器人动作。录入的人体动作,经过系统的处理后,生成动画文件应用到机器人上。
可以理解的是,图1所示应用场景的只是本申请实施例中的一种示例性的实施方式,本申请实施例中的应用场景包括但不仅限于以上应用场景。
结合上述应用场景,下面先对本申请实施例所基于的其中一种系统架构进行描述。请参见图2,图2是本申请实施例提供的一种基于骨骼关键点的动作还原方法对应的系统架构示意图,本申请提出的基于骨骼关键点的动作还原方法可以应用于该系统架构。如图2所示,该系统架构中包含了摄像头驱动模块、AI图像处理模块、人体动作识别模块、机器人动作转换模块和动作微调模块。其中,
摄像头驱动模块用于适配摄像头硬件,使用摄像头的SDK完成图像数据的处理,实现人体动作采集。AI图像处理模块用于基于机器学习的方法完成图像处理,通过对模型的训练和调优,实现人的面部表情、躯干和四肢甚至手指的识别和跟踪;本申请实施例中只使用了对人体躯干的数据,即通过14个关键点来描述。本申请实施例对动作的还原不限定于四肢等人体躯干,还可以包括面部表情等等。
人体动作识别模块用于根据平面二维坐标数据,用特定的方法描述出人体的动作,结合多张图识别人体姿态变化,应用滤波算法、关键帧提取算法,获取到相对连贯的动作序列。
机器人动作转换模块用于按机器人的硬件结构、自由度的特点,由动作数据转化为机器人的动作。
动作微调模块用于在完成人体动作录入后,可以得到机器人的动作序列,可支持对动作进行调整,在部分自由度未满足使用者期望、或者想再对动作进一步修饰时,动作微调模块提供了友好地支持。本申请实施例可以按人体的动作,快速完成机器人动作的生成,大大缩短动画制作的时间、降低了使用者的操作难度、提升动画制作的效率,由于是直接录制的人体动作,协调、流畅、自然程度上与人体动作一致。
请参见图3,图3是本申请实施例提供的一种机器人动作生成的流程示意图;如图3所示,通过使用摄像头拍摄人体动作,利用AI图像处理能力,从图像中提取出人体骨骼关键点信息,使用二维平面的坐标描述骨骼关键点;在人体姿势不断变化的过程中,部分关键点之间存在相互联系,为了更好的体现出这些特征,使用方向、幅度来描述这些关联关系,可以实现对人体动作的识别;结合机器人的硬件结构、自由度特点,让使机器人做出相同的动作。
为了控制机器人的动作,将机器人各肢体的可运动范围,按方向、幅度两个维护进行划分,可以得到多个闭环的轨道,这些轨道在空间依次分布,识别到的人体动作与这些轨道会产生交点,空间中经过所有交点的曲线即为机器人肢体的运动轨迹。由于二维空间的信息缺失,以及用户可能对期望的动作进行调整,动作微调模块提供微调能力,最终的生成动作文件而在机器人上使用。
可以理解的是,图2中的系统架构只是本申请实施例中的一种示例性的实施方式,本申请实施例中的系统架构包括但不仅限于以上系统架构。
下面结合上述应用场景、系统架构和本申请中提供的基于骨骼关键点的动作还原装置的实施例,对本申请中提出的技术问题进行具体分析和解决。
请参见图4,图4是本申请实施例提供的一种基于骨骼关键点的动作还原方法示意图,该基于骨骼关键点的动作还原方法可以应用于基于骨骼关键点的动作还原系统(包括上述系统架构),且适用于上述图1中所示的应用场景。下面将结合附图4,从终端的单侧进行描述。该方法可以包括以下步骤S401-步骤S404。
步骤S401:获取所述第一骨骼关键点在目标平面上的坐标位置。
具体地,在目标平面上有若干个骨骼关键点,根据目标对象在空间的姿势形态映射得到目标平面,并且根据识别算法提取该目标对象的多个骨骼关键点。选择一个骨骼关键点作为第一骨骼关键点(例如肩关节对应的骨骼关键点),明确第一骨骼关键点在目标平面上的坐标位置(比如x坐标数据和y坐标的数据)。所述目标平面用于指示目标对象的骨骼关键点从三维空间映射到二维平面的相对位置关系。
步骤S402:确定所述目标平面上以所述第一骨骼关键点的坐标位置为中心点的一个或多个曲线。
具体地,根据确定的第一骨骼关键点为曲线的中心,预设一个或者多个曲线。其中,曲线可以是封闭或者半封闭的曲线;根据机器结构的限制和目标对象的身体结构,该曲线可以是规则或者不规则的曲线。所述曲线用于指示所述第二骨骼关键点映射到所述目标平面上的所有可能的位置;所述曲线上的每一个点的坐标位置对应所述第二骨骼关键点在三维空间中的一个或多个角度信息。
可选地,确定目标平面上以第一骨骼关键点为中心点的一个或多个不规则封闭的曲线。例如,在将三维视频图像映射到二维平面(即目标平面)后,在二维平面上确定一个或者多个不规则的封闭曲线。所述曲线上的每一个位置对应一个或多个所述机器人的舵机控制信号。所述曲线包括第二骨骼关键点所有可能的位置;其中,每一个曲线代表上的每一个点的位置都代表第二骨骼关键点(本申请实施例以手腕点为例进行说明)可能出现的位置。曲线的绘制可以根据预设的关节长度以及肩关节点的位置来确定一个或多个曲线。由于二维平面的图像转换为三维空间的需要预设一定的约束条件,可以参考以下的约束。
例如,基于二维平面提取出的有限特性,本申请实施例可以默认机器人的手臂在身体前侧活动。请参见图5,图5是本申请实施例提供的一种不规则的封闭曲线正面示意图;从图5中机器人的正面看,比如,图中机器人的左臂以左肩为核心点,按最大幅度来运动360°;即手腕的动作轨迹是一个圆(圆心对应左手臂肩膀),轨迹在平面上的形状是一个不规则的闭合曲线。可以理解的是,手腕的动作轨迹受到机器人结构的影响,呈现的不是一个圆形轨迹。其中,中心点为第一骨骼关键点(即左肩对应的骨骼关键点),以中心点为核心的曲线为第二骨骼关键点(即手腕对应的骨骼关键点)所有可能出现位置的集合。具体地,由于受到机器结构的限制,在有些角度上不能达到最大的幅度。本申请实施例对曲线的具体形状不做限定。
请参见图6,图6是本申请实施例提供的图5所示曲线的侧面示意图;如图6所示的曲线与图5所示的曲线是同一个曲线不同角度的视图。可选地,通过由平面投影上的动作反推出机器人动作,将机器人手臂在身体前侧的运动轨迹按方向、幅度的比例值两个维度进行划分。一般曲线上每一个点的位置都对应该点的自由度(即该点的运动方向)。自由度可以将结合点的二维坐标将该点的位置在三维空间中还原视频中的相应动作。例如,手臂自由度一般为3-4个,下面以3个自由度为例。运动一周360°的角度,划分为N个角度分段;具体数据请参见表1,如下所示:
表1
自由度1 | 自由度2 | 自由度3 | |
Angle_1 | Value_1_1 | Value_1_2 | Value_1_3 |
Angle_2 | Value_2_1 | Value_2_2 | Value_2_3 |
Angle_3 | Value_3_1 | Value_3_2 | Value_3_3 |
…… | …… | …… | …… |
Angle_N | Value_N_1 | Value_N_2 | Value_N_3 |
其中,Angle_1表示角度数据;Value_1_1、Value_1_2以及Value_1_3表示在该角度下预设的三个自由度上的运动数据。
再例如,从机器人的正面看,将机器人手臂放置在最小幅度内,即手臂向身体正前方抬起,手掌位置的投影与肩膀重合,具体数据请参见表2;如下所示:
表2
自由度1 | 自由度2 | 自由度3 | |
Angle_1~Angle_N | Value_1_1 | Value_1_2 | Value_1_3 |
可选地,从最小幅度到最大幅度,共划分为M个幅度,则其它有(M-2)张表,相应的数据请参见表3;表3所示为M张表中的其中一张表。
表3
自由度1 | 自由度2 | 自由度3 | |
Angle_1 | Value_M_1_1 | Value_M_1_2 | Value_M_1_3 |
Angle_2 | Value_M_2_1 | Value_M_2_2 | Value_M_2_3 |
Angle_3 | Value_M_3_1 | Value_M_3_2 | Value_M_3_3 |
…… | …… | …… | …… |
Angle_N | Value_M_N_1 | Value_M_N_2 | Value_M_N_3 |
最终会有M个表,每个表有N个角度的数据,当M、N数据增大时,可以得到几乎平滑的曲线,可以使用图形来描述出这些数据的特征;请参考图7,图7是本申请实施例提供的一种第二骨骼关键点的运动轨迹图;如图7所示,一圈圈以中心圆点为核心的不规则曲线为同一相对幅度下360°方向的运动曲线,按不同的精细程度划分,可以得到一组曲线。其中,有一条曲线与每一个曲线都存在交点,即动作数据的方向。例如,点1与y轴的夹角为1’,对应前述Angle_1;那么当机器人对应点1的位置有三个方向的舵机时,点1对应三个自由度以及相应的运动参数,使得机器人的相应结构能够移动到点1的位置上。
对于一组人体动作,迁移到机器人的运动曲线上,可在每一个方向上匹配一个相对幅度,从中心点出发的直线会与曲线相交的各个相交点,连接就是该第二骨骼关键点的在若干张图像中移动的位置变动情况。即穿过所有点的曲线,为机器人手臂的运动轨迹。通过滤波算法、动作微调等获取理想的最终位置运动数据。录制一段人体动作视频,经过本系统的处理,可得到机器人各自由度的控制数值,最终应用于机器人上。
在一种可能的实现方式中,所述第一骨骼关键点和所述第二骨骼关键点为同一帧视频图像中同一个关节上的两个关联的骨骼关键点。
在一种可能的实现方式中,根据所述第一骨骼关键点和第二骨骼关键点在所述目标平面上的二维坐标,确定所述第二骨骼关键点在目标曲线上的目标位置。
具体地,所述目标曲线为所述一个或多个不规则封闭的曲线中的一个。在二维平面上,根据设置的二维坐标来确定第一骨骼关键点和第二骨骼关键点的坐标。例如,将视频中的某一帧视频图像映射到二维目标平面上,提取目标对象的几个骨骼关键点。以肩关节点和手腕点为例,在目标平面上确定了两个点的位置,就可以得出两个点的坐标数据,即横坐标数据和纵坐标数据。
在一种可能的实现方式中,所述根据所述第一骨骼关键点和第二骨骼关键点在所述目标平面上的二维坐标,确定所述第二骨骼关键点在目标曲线上的目标位置,包括:
根据所述第一骨骼关键点和第二骨骼关键点在所述目标平面上的二维坐标,确定所述第一骨骼关键点和所述第二骨骼关键点之间的距离,以及所述第二骨骼关键点相对所述第一骨骼关键点的方向;
在所述第二骨骼关键点相对所述第一骨骼关键点的方向上,根据所述距离确定所述第二骨骼关键点在所述目标曲线上的目标位置。
在一种可能的实现方式中,所述第一骨骼关键点和所述第二骨骼关键点之间的距离表示为所述第一骨骼关键点和所述第二骨骼关键点之间的实际距离和所述第一骨骼关键点和所述第二骨骼关键点之间的最大距离之比。
步骤S403:根据所述第二骨骼关键点在所述目标平面上的坐标位置,确定所述第二骨骼关键点所属的目标曲线。
具体地,在确定了第二骨骼关键点在目标平面上的坐标位置之后,根据该坐标数据(即坐标位置)确定该第二骨骼关键点落在预设的曲线中的某一个曲线上。可以理解的是,以第一骨骼关键点为中心的曲线一般为多组密集分布,所以第二骨骼关键点必定会落在其中的一个曲线上,该曲线就是目标曲线。所述目标曲线为所述一个或多个曲线中的一个。
在一种可能的实现方式中,根据所述目标位置对应的一个或多个所述机器人的舵机控制信号,确定所述第二骨骼关键点的空间位置。例如,确定了点所在的目标位置后,根据预设的目标位置对应的舵机控制信号,控制该位置对应舵机按照参数进行旋转或者运动,使得该点运动到指定的空间位置。例如,该目标位置对应2个自由度(往前的自由度和往右的自由度),并且每个自由度上规定了舵机的旋转角度;那么控制往前的舵机旋转一定角度,然后控制往右的舵机旋转一定角度,最后使得该点达到了目标地。根据第二骨骼关键点的坐标数据确定了第二骨骼关键点在目标曲线的具体的目标位置后,继而可以从该点在该曲线的目标位置对应的自由度数据而还原出第二骨骼关键点的空间位置。相当于在已知了点的x轴和y轴坐标后,根据曲线上点的z轴坐标数据,确定了三维坐标数据;通过将控制参数传给机器人而将该点的位置复原。
在一种可能的实现方式中,根据所述第二骨骼关键点的空间位置,控制所述机器人对应结构的舵机运行;所述第二骨骼关键点在目标曲面上;所述目标曲面为所述一个或多个不规则封闭曲面中的一个;所述一个或多个不规则封闭曲面中每一个曲面上每一个位置对应一个或多个舵机控制信号。
在一种可能的实现方式中,将以第一骨骼关键点为中心点的一个或多个不规则封闭曲线,确定为第二骨骼关键点的一个或多个预设位置轨迹;所述第一骨骼关键点和所述第二骨骼关键点为同一帧视频图像中的两个关联的骨骼关键点;根据所述第一骨骼关键点和所述第二骨骼关键点的位置信息,计算所述第一骨骼关键点和所述第二骨骼关键点之间的距离,以及所述第二骨骼关键点相对所述第一骨骼关键点的方向;在所述第二骨骼关键点相对所述第一骨骼关键点的方向上,根据所述距离确定所述第二骨骼关键点在目标位置轨迹上的位置,所述目标位置轨迹为所述一个或多个预设位置轨迹中的一个轨迹。
在一种可能的实现方式中,所述位置信息为骨骼关键点的点坐标;所述方法还包括:在所述同一帧视频图像中确定目标对象的多个骨骼关键点;从所述多个骨骼关键点中确定所述第一骨骼关键点,以及与所述第一骨骼关键点关联的所述第二骨骼关键点;根据所述第一骨骼关键点、所述第二骨骼关键点和坐标系,确定所述第一骨骼关键点和所述第二骨骼关键点的点坐标。
在一种可能的实现方式中,所述第一骨骼关键点在所述多帧有时序的视频图像中的位置信息不变;所述方法还包括:根据所述多帧有时序的视频图像,依次确定所述第二骨骼关键点在所述多帧有时序的视频图像中每一帧视频图像中的位置信息,生成所述第二骨骼关键点的运动序列。
可选地,根据所述第二骨骼关键点的运动序列,以及与运动序列中每一个姿态下第二骨骼关键点对应的舵机控制信号,在机器结构上还原所述第二骨骼关键点的位置变化。进一步可选地,以第一骨骼关键点为中心点的各个角度上,根据所述第一骨骼关键点和所述第二骨骼关键点之间可达到的多个距离值确定所述一个或多个不规则的封闭曲线。生成所述目标对象对应的动作序列,所述动作序列中每一个动作包括所述多个骨骼关键点的位置信息。所述动作视频为拍摄所述目标对象在一段时间内动作变化的视频;采集人体动作视频,提取其中每一帧人体骨骼关键点的位置信息,组成全身骨骼关键点动作序列。
可选地,获取目标对象的图像集合,所述图像集合包括所述目标对象的多个不同形态的图像;确定所述图像集合中每一张图像对应的所述目标对象的形态。其中,获取动作视频(图像集合);从动作数据中提取关键点的位置以及关键点的变化情况,确定一系列的动作的平面图像;根据预设的约束条件和对应的平面图像,确定与原始动作匹配的动作。
步骤S404:根据所述第二骨骼关键点的坐标位置和所述目标曲线,确定所述第二骨骼关键点的空间位置。
具体地,在确定了第二骨骼关键点所处的目标曲线后,根据第二骨骼关键点在所述目标曲线上的坐标位置对应的点,获取预设的该点对应的一个或者多个角度信息。其中,角度信息可以是为了还原该点(即机器人结构上的某一个位置,比如手腕)在视频中的空间位置而设置的舵机控制信号(比如该位置需要舵机A,舵机B和舵机C,那么该舵机控制信号为三个舵机的控制信号,如旋转的角度)。可选地,在获取还原第二骨骼关键点空间位置的操控参数后,根据操控参数对相应位置上的舵机进行控制,使得第二骨骼关键点在目标空间位置上出现。
本申请实施例使用人体骨骼关键点的二维平面坐标数据,提取出方向、该方向上的投影当前幅度与最大幅度的比例,描述出多个互相关联的点的特性,识别人体动作;同时,将机器人的动作可按相同的方式划分,形成多个空间轨道,再由人体姿势反推回机器人的动作,最终完成人体动作到机器人动作的转换。通过提出了一种新的机器人动画制作方法,使用人工智能相关方法来处理图像,由人体的动作直接获取机器人的动作;由于二维平面坐标无法表达出人体肢体的前后动作,必要情况下可以对获得到的机器人动作进行微调,以补偿缺失的这部分信息,最终输出机器人动画。相比现在通过三维动画软件制作动画的过程,提升了制作效率、降低了成本、降低了技术门槛。实现人体动作直接转化为机器人动作,该技术应用在机器人上,机器人可模仿人做相同的动作。
请参见图8,图8是本申请实施例提供的另一种基于骨骼关键点的动作还原方法示意图,该基于骨骼关键点的动作还原方法可以应用于基于骨骼关键点的动作还原系统(包括上述系统架构),且适用于上述图1中所示的应用场景。下面将结合附图8,从终端的单侧进行描述。该方法可以包括以下步骤S801-步骤S807;可选的步骤可以包括步骤S801、步骤S802和步骤S807。
步骤S801:获取所述目标对象的图像信息。
具体地,当图像信息为视频时,可以通过摄像设备拍摄目标对象的动作视频来获取所述目标对象的视频动作,再对视频进行逐帧地提取;当图像信息为图片时,可以直接从图片中提取骨骼关键点。本申请实施例对获取图像信息的方式不作限定。
步骤S802:基于所述图像信息确定所述目标对象的第一骨骼关键点和第二骨骼关键点。
具体地,当图像信息为视频时,首先从视频中逐帧地提取每一帧视频图片,然后在视频图片映射到二维目标平面上,再结合预设的算法,确定第一骨骼关键点和第二骨骼关键点的信息(比如二维坐标)。当图像信息为图片时,直接对将图片包含的目标对象进行降维映射,映射到目标平面上;再根据识别算法确定目标平面中包含的第一骨骼关键点和第二骨骼关键点。
例如,从视频数据中获得多帧的视频图像。其中,每一帧视频图像对应一个目标对象的不同动作。从某一帧图像中,根据预设的识别算法提取该对象的多个骨骼关键点。将图像中的多个骨骼关键点(即骨骼关键点)映射到二维平面(即目标二维平面)上。请参见图9,图9是本申请实施例提供的一种三维点坐标的映射方法示意图;如图9所示,人体的动作与机器人的动作是在三维空间中的运动,本申请实施例基于摄像头拍摄人体动作,并生成二维平面上骨骼关键点的坐标数据。将三维空间中肢体关键部位的运动,投影到二维平面上,会丢失一个维度的信息,在与投影平面垂直的方向观察投影的变化,无法区分出与平面垂直方向上的变化信息。图9中是三维空间的两个线段AB、AC,其中A点(0,0,0),B点(5,5,5),C点(5,5,-5),在三维坐标系中可以区分出两条线段。请参见图10,图10是本申请实施例提供的一种二维映射平面示意图;如图10所示,人体骨骼关键点在平面上的投影,无法区分是在身体前身侧或是在身体后侧。例如,手臂向身体前侧伸出45°,与手臂向身体后侧伸出45°,在平面上的投影是相同的。
步骤S803:获取所述第一骨骼关键点在目标平面上的坐标位置。
具体地,请参见前述步骤S401;例如,所述曲线上的每一个位置对应一个或多个所述机器人的舵机控制信号,所述曲线包括第二骨骼关键点所有可能的位置。
例如,从所述多个骨骼关键点中确定所述第一骨骼关键点,以及与所述第一骨骼关键点在所述同一个关节上关联的所述第二骨骼关键点。具体地,从目标对象的多个骨骼关键点中确定一个关节上相互关联的两个骨骼关键点;例如,肩关节点和手腕点。请参见图11,图11是本申请实施例提供的一种目标对象的多个骨骼关键点的示意图,如图11所示,通过图像识别提取出的14个人体骨骼关键点。为了描述平面上点的,以平面上的一个点为原点建立二维平面坐标系,使用(x,y)来表示每一个点,各点含义如表4所示。
表4
人体骨骼关键点间存在着特定的联系,如左臂的三个点2、3、4在运动过程中相互关联,其基本的特性为:点2为肩膀的位置,手臂动作变化的过程中,手肘点3、手腕点4相对点2为中心做动作,而点4还会以点3为中心做运动。用平面坐标系可以方便的表达出人体骨骼关键点的绝对位置,但对像手臂这样相互关联的点,无法很直观的描述清楚,因此,对于平面上点之间的关系,可以用方向、距离来描述。如左臂的点2、点3、点4三个点,以2为基准点,使用方向、距离来描述其它的点,则点3可以描述为:
人体骨骼关键点间存在着特定的联系,如左臂的三个点2、3、4在运动过程中相互关联,其基本的特性为:点2为肩膀的位置,手臂动作变化的过程中,手肘点3、手腕点4相对点2为中心做动作,而点4还会以点3为中心做运动。
其中,根据所述第一骨骼关键点、所述第二骨骼关键点和坐标系,确定所述第一骨骼关键点和所述第二骨骼关键点的点坐标。例如,在已知第一骨骼关键点和第二骨骼关键点的位置,用平面坐标系可以方便的表达出人体骨骼关键点的绝对位置,但对像手臂这样相互关联的点,无法很直观的描述清楚,因此,对于平面上点之间的关系,可以用方向、距离来描述。如左臂的点2、点3、点4三个点,以2为基准点,使用方向、距离来描述其它的点,则点3可以描述为:
点4可以描述为:
其中,角度与距离分别按如下方法进行运算:
角度计算方法可以包括:选取一个坐标轴上的单位向量,通过向量运算计算角度。
其中,m为两个坐标点确定的向量,n为坐标轴上的单位向量。
距离计算方法:
其中,a、b两个点坐标为(xa,ya),(xb,yb)。
由于摄像头与被拍摄人体间的距离会变化,导致同一人体在不同时刻的投影大小会有变化,在多组投影数据间做处理时,使用点与点之前的绝对距离来描述距离Distance会导致不一致,为解决该问题,使用相对距离来描述距离Distance,具体方法如下:
在每一组数据中,选取人体躯干位置相对固定的若干个点,点与点之间的多个连线取平均长度为本组数据的基准长度值;请参见图12,图12是本申请实施例提供的一种点与点的距离表示方法示意图;如图12所示,每个关节点有多个点,结合表5的内容对各个点进行描述;如表5所示:
表5
起始点 | 2 | 2 | 1 | 1 | 5 | 5 |
结束点 | 8 | 11 | 8 | 11 | 8 | 11 |
表5列出了躯干上的6条线段(图中的6条虚线对应6条线段)的起始点和结束点,使用平面上两点之前距离的计算方法,可以计算出单组数据的基准距离,如下:
Distance基准=(Distance1+..+Distance6)/6
则每组数据的14个点的相对距离的计算公式如下:
综上,存在于平面坐标系中的若干个点,部分在运动过程中有相互关联的点,其描述方法可以使用角度、相对距离来描述,描述方式如下:
在一种可能的实现方式中,所述点坐标为二维坐标,所述坐标系为二维坐标系;所述在所述同一帧视频图像中确定目标对象的多个骨骼关键点之前,还包括:
从包含所述目标对象的视频中提取每一帧所述目标对象的多个骨骼关键点;
将每一帧所述多个骨骼关键点按照拍摄时间顺序映射到所述二维坐标系所在的平面,获得多帧有时序的视频图像;所述多帧有时序的视频图像中每一帧视频图像对应所述目标对象的一个姿势。例如,将人体动作映射到目标平面,在该过程中人体动作识别基于以下约束:平面的坐标数据无法区分手臂的前后方向上的动作,默认运动方向是在身体前侧。约束2、线段34受线段23的影响,对空间信息表达不准确,因此动作提取上,直接使用点2、点4来描述手臂,忽略掉点3的信息,即对于手臂运动过程只关注肩膀、手腕的位置,可直接描述出以肩膀为基准点,手腕所处的位置。针对手臂的运动,在平面上可以提取出方向、幅度的比例值两个维度的特征来描述:
步骤S804:确定所述目标平面上以所述第一骨骼关键点的坐标位置为中心点的一个或多个曲线。
具体地,请参见前述步骤S402;可选地,所述目标曲线为所述一个或多个不规则封闭的曲线中的一个。
步骤S805:根据所述第二骨骼关键点在所述目标平面上的坐标位置,确定所述第二骨骼关键点所属的目标曲线。
具体地,请参见前述步骤S403。
步骤S806:根据所述第二骨骼关键点的坐标位置和所述目标曲线,确定所述第二骨骼关键点的空间位置。
具体地,请参见前述步骤S404。
在一种可能的实现方式中,无论针对实体是人体还是机器人,其平面投影都可以用这样的模型来描述;同时,对于任意一个平面投影,在满足一定约束条件的情况下,可以反推出实体的动作。由此,可以由人体的动作投影,反推出机器人的动作,其推导关系请参见图13,图13是本申请实施例提供的一种机器人与人体动作之间的映射关系。如图13所示,人体动作可以通过坐标映射在二维平面上,根据点之间的相对关系来描述节点。再者,根据点的相对关系以及机器人动作的平面投影还原人体动作。或者目标对象是机器人动作时,也可以将三维空间中的动作映射到二维平面。
例如,由投影反推回实体动作,但在部分场景下反推得到的动作有偏差,主要问题如下:
问题1、二维平面缺失深度信息,无法区分肢体在身体前侧还是在身体后侧。为了解决问题1,预设肢体的动作都是在前侧的动作,完成动作录制后,通过微调功能进行调整。
问题2、机器人的活动范围受硬件限制,其肢体自由度与人体也不同,无法做到像人体一样灵活,由人体动作投影反推回机器人动作时,部分动作无法完全展现。为了解决这个问题,在反推实体的动作时,根据实体肢体在某个方向上的实际运动范围,通过幅度的比例来做映射,使用如下公式:幅度的比例值,是当前动作的相对幅度与动作可达到的最大相对幅度的比,公式如下:
按不同实体的实际情况,在某个角度上可达到的最大相对幅度为:
Distancerelative_Max
对于手臂则是实体与投影平面平行,竖直站立,手臂在某个方向上伸展的最大相对幅度数据。
步骤S807:根据所述每一帧视频图片的排列顺序,依次确定所述每一帧视频图片中所述第二骨骼关键点的空间位置,以生成所述第二骨骼关键点的运动轨迹。
具体地,当图像信息为视频的时,将包含目标对象的视频进行分解成若干帧图片。其中可选地,相同姿势或者动作的图片可以进行剔除,留下的每一帧图片中目标对象的动作都是不同的。根据视频中动作的变化先后顺序,对每一帧图片进行排序。然后确定每一帧图片中第二骨骼关键点的空间位置(比如,获取为了还原空间位置而给出的舵机控制参数)。按照图片的排列顺序,逐个地还原每张图片上的第二骨骼关键点的空间位置,使得机器人做出连贯的持续动作。可选地,所述第一骨骼关键点在所述多帧有时序的视频图像中的位置信息不变。
上述详细阐述了本申请实施例的方法,下面提供了本申请实施例的相关装置。
请参见图14,图14是本申请实施例提供的一种基于骨骼关键点的动作还原装置的结构示意图,可以包括坐标获取单元1401、曲线预设单元1402、目标曲线确定单元1403、空间位置确定单元1404、图像信息获取单元1405、骨骼关键点单元1406、多骨骼关键点单元1407、目标骨骼关键点单元1408和轨迹确定单元1409。其中,可选的单元还包括图像信息获取单元1405、骨骼关键点单元1406、多骨骼关键点单元1407、目标骨骼关键点单元1408和轨迹确定单元1409。
坐标获取单元1401,用于获取所述第一骨骼关键点在目标平面上的坐标位置;所述目标平面用于指示目标对象的骨骼关键点从三维空间映射到二维平面的相对位置关系;
曲线预设单元1402,用于确定所述目标平面上以所述第一骨骼关键点的坐标位置为中心点的一个或多个曲线,所述曲线用于指示所述第二骨骼关键点映射到所述目标平面上的所有可能的位置;所述曲线上的每一个点的坐标位置对应所述第二骨骼关键点在三维空间中的一个或多个角度信息;
目标曲线确定单元1403,用于根据所述第二骨骼关键点在所述目标平面上的坐标位置,确定所述第二骨骼关键点所属的目标曲线,所述目标曲线为所述一个或多个曲线中的一个;
空间位置确定单元1404,用于根据所述第二骨骼关键点的坐标位置和所述目标曲线,确定所述第二骨骼关键点的空间位置。
在一种可能的实现方式中,所述装置还包括图像信息获取单元1405和骨骼关键点单元1406;所述图像信息获取单元1405,用于在所述获取所述第一骨骼关键点在目标平面上的坐标位置之前,获取所述目标对象的图像信息;所述骨骼关键点单元1406,用于基于所述图像信息确定所述目标对象的第一骨骼关键点和第二骨骼关键点,所述第一骨骼关键点和所述第二骨骼关键点为所述目标对象的相邻骨骼关键点。
在一种可能的实现方式中,所述图像信息为视频;所述第一骨骼关键点和所述第二骨骼关键点为同一帧视频中同一关节上相邻的骨骼关键点;所述装置还包括多骨骼关键点单元1407和目标骨骼关键点单元1408;所述多骨骼关键点单元,用于在所述同一帧视频中确定所述目标对象的多个骨骼关键点;所述目标骨骼关键点单元,用于从所述多个骨骼关键点中确定所述第一骨骼关键点,以及与所述第一骨骼关键点在所述同一个关节上相邻的所述第二骨骼关键点。
在一种可能的实现方式中,所述多骨骼关键点单元1407,具体用于:从所述目标对象的视频中提取每一帧视频图片,并获取所述每一帧视频图片对应的目标平面;根据预设的骨骼关键点识别算法,确定所述每一帧视频图片对应的目标平面中所述目标对象的多个骨骼关键点。
在一种可能的实现方式中,所述装置还包括轨迹确定单元1409,用于:在所述确定所述第二骨骼关键点的空间位置之后,根据所述每一帧视频图片的排列顺序,依次确定所述每一帧视频图片中所述第二骨骼关键点的空间位置,以生成所述第二骨骼关键点的运动轨迹。
在一种可能的实现方式中,所述目标曲线确定单元1403,具体用于:在所述目标平面上建立二维平面坐标系,确定所述第二骨骼关键点在所述目标平面上的二维坐标;根据所述二维坐标,确定所述第二骨骼关键点所属的所述目标曲线。
在一种可能的实现方式中,所述相对距离为所述第一骨骼关键点和所述第二骨骼关键点之间在所述图像信息上的实际距离,与所述第一骨骼关键点和所述第二骨骼关键点之间在所述图像信息上能够呈现的最大距离之比。
需要说明的是,本申请实施例中所描述的基于骨骼关键点的动作还原装置可参见前述的装置实施例中的基于骨骼关键点的动作还原的相关方法描述,此处不再赘述。
本申请实施例提供了一种电子设备,如前述第一方面所述的基于骨骼关键点的动作还原的装置,以及耦合于基于骨骼关键点的动作还原的装置外部的分立器件。
本申请实施例提供一种终端,该终端包括处理器,处理器被配置为支持该终端执行第一方面提供的一种基于骨骼关键点的动作还原的方法中相应的功能。该终端还可以包括存储器,存储器用于与处理器耦合,其保存终端必要的程序指令和数据。该终端还可以包括通信接口,用于该终端与其它设备或通信网络通信。
本申请实施例提供了一种基于骨骼关键点的动作还原设备,请参见图15,图15是本申请实施例提供的一种基于骨骼关键点的动作还原设备的结构示意图,如图15所示,基于骨骼关键点的动作还原装置14能以图15的结构实现,基于骨骼关键点的动作还原设备15可以包括至少一个存储部件1501、至少一个处理部件1502、至少一个通信部件1503。此外,该设备还可以包括天线、电源等通用部件,在此不再详述。
存储部件1501可以包括一个或多个存储单元,每个单元可以包括一个或多个存储器,存储部件可用于存储程序和各种数据,并能在通用设备运行过程中高速、自动地完成程序或数据的存取。可以采用具有两种稳定状态的物理器件来存储信息,所述两种稳定状态分别表示为“0”和“1”。前述存储部件可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储、光碟存储(可以包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线与处理器相连接。存储器也可以和处理器集成在一起。
处理部件1502,也可以称为处理器,处理单元,处理单板,处理模块、处理装置等。处理部件可以是中央处理器(central processing unit,CPU),网络处理器(networkprocessor,NP)或者CPU和NP的组合,也可以是微处理器,特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制以上方案程序执行的集成电路。
通信部件1503,也可以称为收发机,或收发器等,可以是用于与其他设备或通信网络通信,其中可以包括用来进行无线、有线或其他通信方式的单元。
当基于骨骼关键点的动作还原设备15为图1所述终端时,所述处理部件1502用于调用所述存储部件1501的数据执行如下操作:获取所述第一骨骼关键点在目标平面上的坐标位置;所述目标平面用于指示目标对象的骨骼关键点从三维空间映射到二维平面的相对位置关系;确定所述目标平面上以所述第一骨骼关键点的坐标位置为中心点的一个或多个曲线,所述曲线用于指示所述第二骨骼关键点映射到所述目标平面上的所有可能的位置;所述曲线上的每一个点的坐标位置对应所述第二骨骼关键点在三维空间中的一个或多个角度信息;根据所述第二骨骼关键点在所述目标平面上的坐标位置,确定所述第二骨骼关键点所属的目标曲线,所述目标曲线为所述一个或多个曲线中的一个;根据所述第二骨骼关键点的坐标位置和所述目标曲线,确定所述第二骨骼关键点的空间位置。
本申请实施例还提供了一种装置,请参见图16,图16是本申请实施例提供的一种装置结构示意图;如图16所示,该装置16可以包括处理器1601和存储器1602;处理器1601,用于支持所述装置执行前述方法实施例中任意一项所述方法的相应功能;存储器1602,用于保存所述装置的程序指令和数据。当该装置16位一种芯片系统时,该芯片系统执行前述方法实施例中任意一项所述的方法;所述芯片系统还可以包括其他的外部分立器件。当所述装置16为一种终端设备时,可以参考前述图15所述设备的相关描述,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可能可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本申请各个实施例上述方法的全部或部分步骤。其中,而前述的存储介质可包括:U盘、移动硬盘、磁碟、光盘、只读存储器(Read-Only Memory,缩写:ROM)或者随机存取存储器(Random Access Memory,缩写:RAM)等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (17)
1.一种基于骨骼关键点的动作还原方法,其特征在于,包括:
获取所述第一骨骼关键点在目标平面上的坐标位置;所述目标平面用于指示目标对象的骨骼关键点从三维空间映射到二维平面的相对位置关系;
确定所述目标平面上以所述第一骨骼关键点的坐标位置为中心点的一个或多个曲线,所述曲线用于指示所述第二骨骼关键点映射到所述目标平面上的所有可能的位置;所述曲线上的每一个点的坐标位置对应所述第二骨骼关键点在三维空间中的一个或多个角度信息;
根据所述第二骨骼关键点在所述目标平面上的坐标位置,确定所述第二骨骼关键点所属的目标曲线,所述目标曲线为所述一个或多个曲线中的一个;
根据所述第二骨骼关键点的坐标位置和所述目标曲线,确定所述第二骨骼关键点的空间位置。
2.根据权利要求1所述的方法,其特征在于,所述获取所述第一骨骼关键点在目标平面上的坐标位置之前,还包括:
获取所述目标对象的图像信息;
基于所述图像信息确定所述目标对象的第一骨骼关键点和第二骨骼关键点,所述第一骨骼关键点和所述第二骨骼关键点为所述目标对象的相邻骨骼关键点。
3.根据权利要求2所述的方法,其特征在于,所述图像信息为视频;所述第一骨骼关键点和所述第二骨骼关键点为同一帧视频中同一关节上相邻的骨骼关键点;所述基于所述图像信息确定所述目标对象的第一骨骼关键点和第二骨骼关键点,包括:
在所述同一帧视频中确定所述目标对象的多个骨骼关键点;
从所述多个骨骼关键点中确定所述第一骨骼关键点,以及与所述第一骨骼关键点在所述同一个关节上相邻的所述第二骨骼关键点。
4.根据权利要求3所述的方法,其特征在于,所述在所述同一帧视频中确定所述目标对象的多个骨骼关键点,包括:
从所述目标对象的视频中提取每一帧视频图片,并获取所述每一帧视频图片对应的目标平面;
根据预设的骨骼关键点识别算法,确定所述每一帧视频图片对应的目标平面中所述目标对象的多个骨骼关键点。
5.根据权利要求4所述的方法,其特征在于,所述确定所述第二骨骼关键点的空间位置之后,还包括:
根据所述每一帧视频图片的排列顺序,依次确定所述每一帧视频图片中所述第二骨骼关键点的空间位置,以生成所述第二骨骼关键点的运动轨迹。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述根据所述第二骨骼关键点在所述目标平面上的坐标位置,确定所述第二骨骼关键点所属的目标曲线,包括:
在所述目标平面上建立二维平面坐标系,确定所述第二骨骼关键点在所述目标平面上的二维坐标;
根据所述二维坐标,确定所述第二骨骼关键点所属的所述目标曲线。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:通过相对距离表示所述第一骨骼点和第二骨骼点的距离关系;所述相对距离为所述第一骨骼关键点和所述第二骨骼关键点之间在所述图像信息上的实际距离,与所述第一骨骼关键点和所述第二骨骼关键点之间在所述图像信息上能够呈现的最大距离之比。
8.一种基于骨骼关键点的动作还原装置,其特征在于,包括:
坐标获取单元,用于获取所述第一骨骼关键点在目标平面上的坐标位置;所述目标平面用于指示目标对象的骨骼关键点从三维空间映射到二维平面的相对位置关系;
曲线预设单元,用于确定所述目标平面上以所述第一骨骼关键点的坐标位置为中心点的一个或多个曲线,所述曲线用于指示所述第二骨骼关键点映射到所述目标平面上的所有可能的位置;所述曲线上的每一个点的坐标位置对应所述第二骨骼关键点在三维空间中的一个或多个角度信息;
目标曲线确定单元,用于根据所述第二骨骼关键点在所述目标平面上的坐标位置,确定所述第二骨骼关键点所属的目标曲线,所述目标曲线为所述一个或多个曲线中的一个;
空间位置确定单元,用于根据所述第二骨骼关键点的坐标位置和所述目标曲线,确定所述第二骨骼关键点的空间位置。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括图像信息获取单元和骨骼关键点单元;
所述图像信息获取单元,用于在所述获取所述第一骨骼关键点在目标平面上的坐标位置之前,获取所述目标对象的图像信息;
所述骨骼关键点单元,用于基于所述图像信息确定所述目标对象的第一骨骼关键点和第二骨骼关键点,所述第一骨骼关键点和所述第二骨骼关键点为所述目标对象的相邻骨骼关键点。
10.根据权利要求9所述的装置,其特征在于,所述图像信息为视频;所述第一骨骼关键点和所述第二骨骼关键点为同一帧视频中同一关节上相邻的骨骼关键点;所述装置还包括多骨骼关键点单元和目标骨骼关键点单元;
所述多骨骼关键点单元,用于在所述同一帧视频中确定所述目标对象的多个骨骼关键点;
所述目标骨骼关键点单元,用于从所述多个骨骼关键点中确定所述第一骨骼关键点,以及与所述第一骨骼关键点在所述同一个关节上相邻的所述第二骨骼关键点。
11.根据权利要求10所述的装置,其特征在于,所述多骨骼关键点单元,具体用于:
从所述目标对象的视频中提取每一帧视频图片,并获取所述每一帧视频图片对应的目标平面;
根据预设的骨骼关键点识别算法,确定所述每一帧视频图片对应的目标平面中所述目标对象的多个骨骼关键点。
12.根据权利要求11所述的装置,其特征在于,所述装置还包括轨迹确定单元,用于:在所述确定所述第二骨骼关键点的空间位置之后,根据所述每一帧视频图片的排列顺序,依次确定所述每一帧视频图片中所述第二骨骼关键点的空间位置,以生成所述第二骨骼关键点的运动轨迹。
13.根据权利要求8-12任一项所述的装置,其特征在于,所述目标曲线确定单元,具体用于:
在所述目标平面上建立二维平面坐标系,确定所述第二骨骼关键点在所述目标平面上的二维坐标;
根据所述二维坐标,确定所述第二骨骼关键点所属的所述目标曲线。
14.根据权利要求13所述的装置,其特征在于,所述装置还包括距离单元,用于通过相对距离表示所述第一骨骼点和第二骨骼点的距离关系;所述相对距离为所述第一骨骼关键点和所述第二骨骼关键点之间在所述图像信息上的实际距离,与所述第一骨骼关键点和所述第二骨骼关键点之间在所述图像信息上能够呈现的最大距离之比。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现权利要求1至7任意一项所述的方法。
16.一种计算机程序,其特征在于,当所述计算机程序在处理器上运行时,使得处理器执行权利要求1至7任意一项描述的方法。
17.一种装置,其特征在于,所述装置包括处理器,用于支持所述装置执行如权利要求1-7中任意一项所述的方法的相应功能;所述装置还可以包括与所述处理器耦合的存储器,用于保存所述装置的程序指令和数据。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010132407.5A CN111402290B (zh) | 2020-02-29 | 2020-02-29 | 一种基于骨骼关键点的动作还原方法以及装置 |
PCT/CN2021/076723 WO2021169839A1 (zh) | 2020-02-29 | 2021-02-18 | 一种基于骨骼关键点的动作还原方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010132407.5A CN111402290B (zh) | 2020-02-29 | 2020-02-29 | 一种基于骨骼关键点的动作还原方法以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111402290A true CN111402290A (zh) | 2020-07-10 |
CN111402290B CN111402290B (zh) | 2023-09-12 |
Family
ID=71432110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010132407.5A Active CN111402290B (zh) | 2020-02-29 | 2020-02-29 | 一种基于骨骼关键点的动作还原方法以及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111402290B (zh) |
WO (1) | WO2021169839A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112164129A (zh) * | 2020-09-02 | 2021-01-01 | 北京电影学院 | 基于深度卷积网络的无配对动作迁移方法 |
CN112894828A (zh) * | 2021-03-02 | 2021-06-04 | 乐聚(深圳)机器人技术有限公司 | 机器人动作模仿方法、装置、设备及存储介质 |
WO2021169839A1 (zh) * | 2020-02-29 | 2021-09-02 | 华为技术有限公司 | 一种基于骨骼关键点的动作还原方法以及装置 |
CN113470150A (zh) * | 2021-07-12 | 2021-10-01 | 北京顺天立安科技有限公司 | 一种基于骨骼驱动还原口型的方法和系统 |
CN113505662A (zh) * | 2021-06-23 | 2021-10-15 | 广州大学 | 一种健身指导方法、装置及存储介质 |
CN114225420A (zh) * | 2021-11-19 | 2022-03-25 | 达闼科技(北京)有限公司 | 动作数据获取方法、系统、装置、设备和存储介质 |
CN114240740A (zh) * | 2021-12-16 | 2022-03-25 | 数坤(北京)网络科技股份有限公司 | 骨骼展开图像的获取方法、装置、医疗设备以及存储介质 |
CN115714888A (zh) * | 2022-10-09 | 2023-02-24 | 名之梦(上海)科技有限公司 | 视频生成方法、装置、设备与计算机可读存储介质 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113974828B (zh) * | 2021-09-30 | 2024-02-09 | 西安交通大学第二附属医院 | 一种手术参考方案生成方法及装置 |
CN114285960B (zh) * | 2022-01-29 | 2024-01-30 | 北京卡路里信息技术有限公司 | 视频处理方法及装置 |
CN114638921B (zh) * | 2022-05-19 | 2022-09-27 | 深圳元象信息科技有限公司 | 动作捕捉方法、终端设备及存储介质 |
CN116246350A (zh) * | 2023-05-11 | 2023-06-09 | 山东工程职业技术大学 | 基于动作捕捉的运动监测方法、装置、设备及存储介质 |
CN117315791B (zh) * | 2023-11-28 | 2024-02-20 | 杭州华橙软件技术有限公司 | 骨骼动作识别方法、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5682886A (en) * | 1995-12-26 | 1997-11-04 | Musculographics Inc | Computer-assisted surgical system |
CN101520902A (zh) * | 2009-02-24 | 2009-09-02 | 上海大学 | 低成本动作捕捉与演示系统及方法 |
US20140334670A1 (en) * | 2012-06-14 | 2014-11-13 | Softkinetic Software | Three-Dimensional Object Modelling Fitting & Tracking |
CN106228111A (zh) * | 2016-07-08 | 2016-12-14 | 天津大学 | 一种基于骨骼序列提取关键帧的方法 |
CN106251387A (zh) * | 2016-07-29 | 2016-12-21 | 武汉光之谷文化科技股份有限公司 | 一种基于动作捕捉的成像系统 |
CN108010134A (zh) * | 2017-11-29 | 2018-05-08 | 湘潭大学 | 一种基于移动终端的实时三维虚拟试衣方法 |
CN108229332A (zh) * | 2017-12-08 | 2018-06-29 | 华为技术有限公司 | 骨骼姿态确定方法、装置及计算机可读存储介质 |
WO2018120964A1 (zh) * | 2016-12-30 | 2018-07-05 | 山东大学 | 一种基于深度信息和骨骼信息的姿势矫正方法 |
CN110033505A (zh) * | 2019-04-16 | 2019-07-19 | 西安电子科技大学 | 一种基于深度学习的人体动作捕捉与虚拟动画生成方法 |
CN110660017A (zh) * | 2019-09-02 | 2020-01-07 | 北京航空航天大学 | 一种基于三维姿态识别的舞谱记录与演示方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003144454A (ja) * | 2001-11-16 | 2003-05-20 | Yoshio Koga | 関節手術支援情報算出方法、関節手術支援情報算出プログラム、及び関節手術支援情報算出システム |
CN103543830B (zh) * | 2013-10-28 | 2017-02-15 | 四川大学 | 一种人体骨骼点映射至立体显示中虚拟三维空间点的方法 |
CN104658022B (zh) * | 2013-11-20 | 2019-02-26 | 中国电信股份有限公司 | 三维动画制作方法和装置 |
CN106485773B (zh) * | 2016-09-14 | 2019-09-24 | 厦门黑镜科技有限公司 | 一种用于生成动画数据的方法和装置 |
CN107225573A (zh) * | 2017-07-05 | 2017-10-03 | 上海未来伙伴机器人有限公司 | 机器人的动作控制方法和装置 |
CN111402290B (zh) * | 2020-02-29 | 2023-09-12 | 华为技术有限公司 | 一种基于骨骼关键点的动作还原方法以及装置 |
-
2020
- 2020-02-29 CN CN202010132407.5A patent/CN111402290B/zh active Active
-
2021
- 2021-02-18 WO PCT/CN2021/076723 patent/WO2021169839A1/zh active Application Filing
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5682886A (en) * | 1995-12-26 | 1997-11-04 | Musculographics Inc | Computer-assisted surgical system |
CN101520902A (zh) * | 2009-02-24 | 2009-09-02 | 上海大学 | 低成本动作捕捉与演示系统及方法 |
US20140334670A1 (en) * | 2012-06-14 | 2014-11-13 | Softkinetic Software | Three-Dimensional Object Modelling Fitting & Tracking |
CN106228111A (zh) * | 2016-07-08 | 2016-12-14 | 天津大学 | 一种基于骨骼序列提取关键帧的方法 |
CN106251387A (zh) * | 2016-07-29 | 2016-12-21 | 武汉光之谷文化科技股份有限公司 | 一种基于动作捕捉的成像系统 |
WO2018120964A1 (zh) * | 2016-12-30 | 2018-07-05 | 山东大学 | 一种基于深度信息和骨骼信息的姿势矫正方法 |
CN108010134A (zh) * | 2017-11-29 | 2018-05-08 | 湘潭大学 | 一种基于移动终端的实时三维虚拟试衣方法 |
CN108229332A (zh) * | 2017-12-08 | 2018-06-29 | 华为技术有限公司 | 骨骼姿态确定方法、装置及计算机可读存储介质 |
US20190251341A1 (en) * | 2017-12-08 | 2019-08-15 | Huawei Technologies Co., Ltd. | Skeleton Posture Determining Method and Apparatus, and Computer Readable Storage Medium |
CN110033505A (zh) * | 2019-04-16 | 2019-07-19 | 西安电子科技大学 | 一种基于深度学习的人体动作捕捉与虚拟动画生成方法 |
CN110660017A (zh) * | 2019-09-02 | 2020-01-07 | 北京航空航天大学 | 一种基于三维姿态识别的舞谱记录与演示方法 |
Non-Patent Citations (3)
Title |
---|
MARK FIALA等: "3D Model Creation Using Self-Identifying Markers and SIFT Keypoints", 《INTERNATIONAL WORKSHOP ON HAPTIC AUDIO VISUAL ENVIRONMENTS AND THEIR APPLICATIONS》 * |
刘剑等: "基于LLE和KRR的人体动作重构算法研究", 《计算机应用研究》 * |
李超: "基于卷积神经网络的人体行为分析与步态识别研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021169839A1 (zh) * | 2020-02-29 | 2021-09-02 | 华为技术有限公司 | 一种基于骨骼关键点的动作还原方法以及装置 |
CN112164129A (zh) * | 2020-09-02 | 2021-01-01 | 北京电影学院 | 基于深度卷积网络的无配对动作迁移方法 |
CN112894828A (zh) * | 2021-03-02 | 2021-06-04 | 乐聚(深圳)机器人技术有限公司 | 机器人动作模仿方法、装置、设备及存储介质 |
CN112894828B (zh) * | 2021-03-02 | 2022-05-20 | 乐聚(深圳)机器人技术有限公司 | 机器人动作模仿方法、装置、设备及存储介质 |
CN113505662A (zh) * | 2021-06-23 | 2021-10-15 | 广州大学 | 一种健身指导方法、装置及存储介质 |
CN113505662B (zh) * | 2021-06-23 | 2024-03-01 | 广州大学 | 一种健身指导方法、装置及存储介质 |
CN113470150A (zh) * | 2021-07-12 | 2021-10-01 | 北京顺天立安科技有限公司 | 一种基于骨骼驱动还原口型的方法和系统 |
CN114225420A (zh) * | 2021-11-19 | 2022-03-25 | 达闼科技(北京)有限公司 | 动作数据获取方法、系统、装置、设备和存储介质 |
CN114240740A (zh) * | 2021-12-16 | 2022-03-25 | 数坤(北京)网络科技股份有限公司 | 骨骼展开图像的获取方法、装置、医疗设备以及存储介质 |
CN115714888A (zh) * | 2022-10-09 | 2023-02-24 | 名之梦(上海)科技有限公司 | 视频生成方法、装置、设备与计算机可读存储介质 |
CN115714888B (zh) * | 2022-10-09 | 2023-08-29 | 名之梦(上海)科技有限公司 | 视频生成方法、装置、设备与计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111402290B (zh) | 2023-09-12 |
WO2021169839A1 (zh) | 2021-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111402290B (zh) | 一种基于骨骼关键点的动作还原方法以及装置 | |
CN109636831B (zh) | 一种估计三维人体姿态及手部信息的方法 | |
Qiao et al. | Real-time human gesture grading based on OpenPose | |
Xia et al. | A survey on human performance capture and animation | |
Tao et al. | A novel sensing and data fusion system for 3-D arm motion tracking in telerehabilitation | |
KR101711736B1 (ko) | 영상에서 동작 인식을 위한 특징점 추출 방법 및 골격 정보를 이용한 사용자 동작 인식 방법 | |
JP7015152B2 (ja) | キーポイントデータに関する加工装置、方法及びプログラム | |
CN113706699B (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
WO2022227664A1 (zh) | 机器人姿态的控制方法、机器人、存储介质及计算机程序 | |
Hori et al. | Silhouette-based synthetic data generation for 3D human pose estimation with a single wrist-mounted 360° camera | |
CN111433783A (zh) | 手部模型生成方法、装置、终端设备及手部动作捕捉方法 | |
CN115205737B (zh) | 基于Transformer模型的运动实时计数方法和系统 | |
CN115205750B (zh) | 基于深度学习模型的运动实时计数方法和系统 | |
CN112149531A (zh) | 一种行为识别中人体骨骼数据的建模方法 | |
CN115223240B (zh) | 基于动态时间规整算法的运动实时计数方法和系统 | |
CN116863044A (zh) | 人脸模型的生成方法、装置、电子设备及可读存储介质 | |
KR20200057572A (ko) | 딥러닝 기반 손 인식 증강현실 상호 작용 장치 및 방법 | |
AU2020436768B2 (en) | Joint rotation inferences based on inverse kinematics | |
Jayasurya et al. | Gesture controlled AI-robot using Kinect | |
Jian et al. | Realistic face animation generation from videos | |
Hori et al. | Silhouette-Based 3D Human Pose Estimation Using a Single Wrist-Mounted 360° Camera | |
US20230290101A1 (en) | Data processing method and apparatus, electronic device, and computer-readable storage medium | |
CN115100745B (zh) | 基于Swin Transformer模型的运动实时计数方法和系统 | |
Du et al. | A virtual keyboard system based on multi-level feature matching | |
US20240135581A1 (en) | Three dimensional hand pose estimator |
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 |