CN111544003A - 一种基于传感器的武术动作识别系统、方法及存储介质 - Google Patents

一种基于传感器的武术动作识别系统、方法及存储介质 Download PDF

Info

Publication number
CN111544003A
CN111544003A CN202010333476.2A CN202010333476A CN111544003A CN 111544003 A CN111544003 A CN 111544003A CN 202010333476 A CN202010333476 A CN 202010333476A CN 111544003 A CN111544003 A CN 111544003A
Authority
CN
China
Prior art keywords
information
action
action information
lower limb
upper limb
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
CN202010333476.2A
Other languages
English (en)
Other versions
CN111544003B (zh
Inventor
曹明亮
曾瑜晴
张浩洋
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.)
Foshan University
Original Assignee
Foshan University
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
Application filed by Foshan University filed Critical Foshan University
Priority to CN202010333476.2A priority Critical patent/CN111544003B/zh
Publication of CN111544003A publication Critical patent/CN111544003A/zh
Application granted granted Critical
Publication of CN111544003B publication Critical patent/CN111544003B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • 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
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A63B69/004—
    • 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
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/80—Special sensors, transducers or devices therefor
    • A63B2220/803—Motion sensors

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Geometry (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种基于传感器的武术动作识别系统及方法，包括以下：步骤101、分别获取上肢动作信息以及下肢动作信息；步骤102、对所述上肢动作信息以及下肢动作信息进行数据预处理得到预处理后的数据信息；步骤103、将预处理后的所述上肢动作信息以及下肢动作信息输入Inter机器学习计算棒中训练好的武术动作识别模型中，得到预测结果；步骤104、将所述预测结果进行显示。对比目前最常用的武术动作识别方法与系统(如视频识别中的行为识别、基于传感器的动作捕捉等)，本发明具有更准确、高效的采集数据；对比同类技术实现，本发明采用多个惯性传感器采集数据，建立更有效的数据库，本发明采用单独分析上肢和下肢的运动姿态，提高动作预测精度。

Description

一种基于传感器的武术动作识别系统、方法及存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于传感器的武术动作识别系统、方法及存储介质。
背景技术
之前的主要武术动作识别方法是基于机器视觉的，但受如环境中的光照条件，人物在摄像机前的位置，场地的大小等的影响较大。后来有利用陀螺仪或普通摄像头等来进行动作识别的。但都大部分都是采用单一传感器识别，效率极低，且预测精度也不高。
发明内容
本发明的目的是解决现有技术的不足之一，提供一种基于传感器的武术动作识别系统、方法及存储介质。
为了实现上述目的，本发明采用以下的技术方案：
提出一种基于传感器的武术动作识别系统，包括：
上肢数据采集模块，包括，
第一陀螺仪组，由多个陀螺仪组成，用于采集上肢的动作信息，
第一处理器，用于对采集到的上肢的动作信息进行数据预处理后通过机器学习算法进行分类处理，形成上肢动作信息库，
第一通信单元，用于使所述上肢数据采集模块能够与处理中心进行数据交互；
下肢数据采集模块，包括，
第二陀螺仪组，由多个陀螺仪组成，用于采集下肢的动作信息，
第二处理器，用于对采集到的下肢的动作信息进行数据预处理后通过机器学习算法进行分类处理，形成下肢动作信息库，
第二通信单元，用于使所述下肢数据采集模块能够与处理中心进行数据交互；
处理中心，包括，
第三通信单元，用于与所述第一通信单元、第二通信单元通信连接，实现处理中心与所述上肢数据采集模块、下肢数据采集模块之间的信息交互；
第三处理模块，用于，
将相同动作的上、下肢动作信息进行标记，对上肢动作信息库以及下肢动作信息库整合得到完整数据库，
对上肢动作信息以及下肢动作信息进行数据预处理得到预处理后的数据信息；
Inter机器学习计算棒，用于接收所述第三处理模块输入的预处理后的所述上肢动作信息以及下肢动作信息，并进行动作识别得到预测结果；
显示模块，用于将所述预测结果予以显示；
所述上肢数据采集模块、下肢数据采集模块以及处理中心均配置有电源。
进一步，所述第一陀螺仪组设置有8个陀螺仪，所述第二陀螺仪组设置有7个陀螺仪。
进一步，所述第一通信单元、第二通信单元以及第三通信单元均为蓝牙通信模块。
本发明还提出一种基于传感器的武术动作识别方法，其特征在于，包括以下：
步骤101、分别获取上肢动作信息以及下肢动作信息；
步骤102、对所述上肢动作信息以及下肢动作信息进行数据预处理得到预处理后的数据信息；
步骤103、将预处理后的所述上肢动作信息以及下肢动作信息输入Inter机器学习计算棒中训练好的动作识别模型中，得到预测结果；
步骤104、将所述预测结果进行显示。
进一步，上述步骤102中的数据预处理操作包括，对所述上肢动作信息以及下肢动作信息分别进行卡尔曼滤波、均值中心化以及主成分分析处理得到相应数据处理后的数据信息。
进一步，上述步骤103中的动作识别模型的建立包括以下：
步骤201、构建武术动作的完整数据库；
步骤202、根据所述完整数据库通过LSTM机器学习的方式训练得到每个武术动作对应的权值w；
步骤203、通过采用逻辑回归算法得到动作识别模型y＝σ(f(x))，其中σ(x)为Sigmoid函数，f(x)为线性回归函数，f(x)＝wTx，故
Figure BDA0002465786940000021
其中x表示预处理后的数据信息。
进一步，上述步骤201中完整数据库的构建具体包括以下：
步骤301、以相同的采样长度分别采集上、下肢的动作信息；
步骤302、对采集到的上、下肢的动作信息进行数据预处理后通过机器学习算法进行分类处理，分别得到上肢动作信息库以及下肢动作信息库；
步骤303、将相同动作的上、下肢动作信息进行标记，对上肢动作信息库以及下肢动作信息库整合得到完整数据库。
进一步，上述步骤302中的机器学习算法为决策树算法或支持向量机算法中的任意一种。
进一步，上述步骤103中预测结果的判定包括，将预处理后的数据信息x输入动作识别模型
Figure BDA0002465786940000031
后，得到的y值大于0.5则判定为是该权值w对应的武术动作，得到的y值小于0.5则判定为不是该权值w对应的武术动作。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现任一项所述基于传感器的武术动作识别方法的步骤。
本发明的有益效果为：
本发明在采用上述的系统以及方法时能够获得以下有益效果：
本发明提供了一种基于传感器的武术动作识别系统、方法及存储介质，对比目前最常用的武术动作识别方法与系统(如视频识别中的行为识别、基于传感器的动作捕捉等)，本发明具有更准确、高效的采集数据；
对比同类技术实现，本发明采用多个惯性传感器采集数据，建立更有效的数据库，本发明采用单独分析上肢和下肢的运动姿态，提高动作预测精度。
附图说明
图1所示为本发明一种基于传感器的武术动作识别方法流程图；
图2所示为本发明一种基于传感器的武术动作识别系统的结构框图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、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。附图中各处使用的相同的附图标记指示相同或相似的部分。
参照图2，本发明提出一种基于传感器的武术动作识别系统，包括：
上肢数据采集模块，包括，
第一陀螺仪组，由多个陀螺仪组成，用于采集上肢的动作信息，
第一处理器，用于对采集到的上肢的动作信息进行数据预处理后通过机器学习算法进行分类处理，形成上肢动作信息库，
第一通信单元，用于使所述上肢数据采集模块能够与处理中心进行数据交互；
下肢数据采集模块，包括，
第二陀螺仪组，由多个陀螺仪组成，用于采集下肢的动作信息，
第二处理器，用于对采集到的下肢的动作信息进行数据预处理后通过机器学习算法进行分类处理，形成下肢动作信息库，
第二通信单元，用于使所述下肢数据采集模块能够与处理中心进行数据交互；
处理中心，包括，
第三通信单元，用于与所述第一通信单元、第二通信单元通信连接，实现处理中心与所述上肢数据采集模块、下肢数据采集模块之间的信息交互；
第三处理模块，用于，
将相同动作的上、下肢动作信息进行标记，对上肢动作信息库以及下肢动作信息库整合得到完整数据库，
对所述上肢动作信息以及下肢动作信息进行数据预处理得到预处理后的数据信息；
Inter机器学习计算棒，用于接收所述第三处理模块输入的预处理后的所述上肢动作信息以及下肢动作信息，并进行动作识别得到预测结果；
显示模块，用于将所述预测结果予以显示；
所述上肢数据采集模块、下肢数据采集模块以及处理中心均配置有电源。
作为本发明的优选实施方式，所述第一陀螺仪组设置有8个陀螺仪，所述第二陀螺仪组设置有7个陀螺仪。
作为本发明的优选实施方式，所述第一通信单元、第二通信单元以及第三通信单元均为蓝牙通信模块。
参照图1，本发明还提出一种基于传感器的武术动作识别方法，其特征在于，包括以下：
步骤101、分别获取上肢动作信息以及下肢动作信息；
步骤102、对所述上肢动作信息以及下肢动作信息进行数据预处理得到预处理后的数据信息；
步骤103、将预处理后的所述上肢动作信息以及下肢动作信息输入Inter机器学习计算棒中训练好的动作识别模型中，得到预测结果；
步骤104、将所述预测结果进行显示。
作为本发明的优选实施方式，上述步骤102中的数据预处理操作包括，对所述上肢动作信息以及下肢动作信息分别进行卡尔曼滤波、均值中心化以及主成分分析处理得到相应数据处理后的数据信息。
作为本发明的优选实施方式，上述步骤103中的动作识别模型的建立包括以下：
步骤201、构建武术动作的完整数据库；
步骤202、根据所述完整数据库通过LSTM机器学习的方式训练得到每个武术动作对应的权值w；
步骤203、通过采用逻辑回归算法得到动作识别模型y＝σ(f(x))，其中σ(x)为Sigmoid函数，f(x)为线性回归函数，f(x)＝wTx，故
Figure BDA0002465786940000051
其中x表示预处理后的数据信息。
作为本发明的优选实施方式，上述步骤201中完整数据库的构建具体包括以下：
步骤301、以相同的采样长度分别采集上、下肢的动作信息；
步骤302、对采集到的上、下肢的动作信息进行数据预处理后通过机器学习算法进行分类处理，分别得到上肢动作信息库以及下肢动作信息库；
步骤303、将相同动作的上、下肢动作信息进行标记，对上肢动作信息库以及下肢动作信息库整合得到完整数据库。
作为本发明的优选实施方式，上述步骤302中的机器学习算法为决策树算法或支持向量机算法中的任意一种。
作为本发明的优选实施方式，上述步骤103中预测结果的判定包括，将预处理后的数据信息x输入动作识别模型
Figure BDA0002465786940000052
后，得到的y值大于0.5为1则判定为是该权值w对应的武术动作，得到的y值小于0.5则判定为不是该权值w对应的武术动作。
在应用时，按照如下步骤，
1.启动系统(处理器)，检查处理器、用户与传感器间连接状态；
2.将陀螺仪分别佩戴于上肢和下肢，先进行对应类别的武术动作的上肢动作演示，后再进行下肢动作演示；
3.将陀螺仪采集的上肢以及下肢动作特征数据发送至处理中心；
4.处理中心接收数据后，进行数据预处理，将数据输入至Inter机器学习计算棒中的训练好的动作识别模型中，完成整体动作的识别，并将识别的结果予以显示。
本发明还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现任一项所述基于传感器的武术动作识别方法的步骤。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储的介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
尽管本发明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，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，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发明的非实质性改动仍可代表本发明的等效改动。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (10)

1.一种基于传感器的武术动作识别系统，其特征在于，包括：
上肢数据采集模块，包括，
第一陀螺仪组，由多个陀螺仪组成，用于采集上肢的动作信息，
第一处理器，用于对采集到的上肢的动作信息进行数据预处理后通过机器学习算法进行分类处理，形成上肢动作信息库，
第一通信单元，用于使所述上肢数据采集模块能够与处理中心进行数据交互；
下肢数据采集模块，包括，
第二陀螺仪组，由多个陀螺仪组成，用于采集下肢的动作信息，
第二处理器，用于对采集到的下肢的动作信息进行数据预处理后通过机器学习算法进行分类处理，形成下肢动作信息库，
第二通信单元，用于使所述下肢数据采集模块能够与处理中心进行数据交互；
处理中心，包括，
第三通信单元，用于与所述第一通信单元、第二通信单元通信连接，实现处理中心与所述上肢数据采集模块、下肢数据采集模块之间的信息交互；
第三处理模块，用于，
将相同动作的上、下肢动作信息进行标记，对上肢动作信息库以及下肢动作信息库整合得到完整数据库，
对上肢动作信息以及下肢动作信息进行数据预处理得到预处理后的数据信息；
Inter机器学习计算棒，用于接收所述第三处理模块输入的预处理后的所述上肢动作信息以及下肢动作信息，并进行武术动作识别得到预测结果；
显示模块，用于将所述预测结果予以显示；
所述上肢数据采集模块、下肢数据采集模块以及处理中心均配置有电源。
2.根据权利要求1所述的一种基于传感器的武术动作识别系统，其特征在于，所述第一陀螺仪组设置有8个陀螺仪，所述第二陀螺仪组设置有7个陀螺仪。
3.根据权利要求1所述的一种基于传感器的武术动作识别系统，其特征在于，所述第一通信单元、第二通信单元以及第三通信单元均为蓝牙通信模块。
4.一种基于传感器的武术动作识别方法，其特征在于，包括以下：
步骤101、分别获取上肢动作信息以及下肢动作信息；
步骤102、对所述上肢动作信息以及下肢动作信息进行数据预处理得到预处理后的数据信息；
步骤103、将预处理后的所述上肢动作信息以及下肢动作信息输入Inter机器学习计算棒中训练好的动作识别模型中，得到预测结果；
步骤104、将所述预测结果进行显示。
5.根据权利要求4所述的一种基于传感器的武术动作识别方法，其特征在于，上述步骤102中的数据预处理操作包括，对所述上肢动作信息以及下肢动作信息分别进行卡尔曼滤波、均值中心化以及主成分分析处理得到相应数据处理后的数据信息。
6.根据权利要求4所述的一种基于传感器的武术动作识别方法，其特征在于，上述步骤103中的动作识别模型的建立包括以下：
步骤201、构建武术动作的完整数据库；
步骤202、根据所述完整数据库通过LSTM机器学习的方式训练得到每个武术动作对应的权值w；
步骤203、通过采用逻辑回归算法得到武术动作识别模型y＝σ(f(x))，其中σ(x)为Sigmoid函数，f(x)为线性回归函数，f(x)＝wTx，故
Figure FDA0002465786930000021
其中x表示预处理后的数据信息。
7.根据权利要求6所述的一种基于传感器的武术动作识别方法，其特征在于，上述步骤201中完整数据库的构建具体包括以下：
步骤301、以相同的采样长度分别采集上、下肢的动作信息；
步骤302、对采集到的上、下肢的动作信息进行数据预处理后通过机器学习算法进行分类处理，分别得到上肢动作信息库以及下肢动作信息库；
步骤303、将相同动作的上、下肢动作信息进行标记，对上肢动作信息库以及下肢动作信息库整合得到完整数据库。
8.根据权利要求4所述的一种基于传感器的武术动作识别方法，其特征在于，上述步骤302中的机器学习算法为决策树算法或支持向量机算法中的任意一种。
9.根据权利要求7所述的一种基于传感器的武术动作识别方法，其特征在于，上述步骤103中预测结果的判定包括，将预处理后的数据信息x输入动作识别模型
Figure FDA0002465786930000031
后，得到的y值大于0.5则判定为是该权值w对应的武术动作，得到的y小于0.5则判定为不是该权值w对应的武术动作。
10.一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求4-9中任一项所述方法的步骤。
CN202010333476.2A 2020-04-24 2020-04-24 一种基于传感器的武术动作识别系统、方法及存储介质 Active CN111544003B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010333476.2A CN111544003B (zh) 2020-04-24 2020-04-24 一种基于传感器的武术动作识别系统、方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010333476.2A CN111544003B (zh) 2020-04-24 2020-04-24 一种基于传感器的武术动作识别系统、方法及存储介质

Publications (2)

Publication Number Publication Date
CN111544003A true CN111544003A (zh) 2020-08-18
CN111544003B CN111544003B (zh) 2023-04-25

Family

ID=71996450

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010333476.2A Active CN111544003B (zh) 2020-04-24 2020-04-24 一种基于传感器的武术动作识别系统、方法及存储介质

Country Status (1)

Country Link
CN (1) CN111544003B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114187654A (zh) * 2021-11-24 2022-03-15 东南大学 一种基于机器学习的微惯性武术动作识别方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110270135A1 (en) * 2009-11-30 2011-11-03 Christopher John Dooley Augmented reality for testing and training of human performance
JP2011224122A (ja) * 2010-04-19 2011-11-10 Sharp Corp 行動認識装置
CN103294184A (zh) * 2012-03-05 2013-09-11 北京千橡网景科技发展有限公司 一种用于识别动作的系统、设备和方法
CN105727535A (zh) * 2014-12-12 2016-07-06 西安丁子电子信息科技有限公司 一种可穿戴的练习太极拳的辅助装置
CN109086706A (zh) * 2018-07-24 2018-12-25 西北工业大学 应用于人机协作中的基于分割人体模型的动作识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110270135A1 (en) * 2009-11-30 2011-11-03 Christopher John Dooley Augmented reality for testing and training of human performance
JP2011224122A (ja) * 2010-04-19 2011-11-10 Sharp Corp 行動認識装置
CN103294184A (zh) * 2012-03-05 2013-09-11 北京千橡网景科技发展有限公司 一种用于识别动作的系统、设备和方法
CN105727535A (zh) * 2014-12-12 2016-07-06 西安丁子电子信息科技有限公司 一种可穿戴的练习太极拳的辅助装置
CN109086706A (zh) * 2018-07-24 2018-12-25 西北工业大学 应用于人机协作中的基于分割人体模型的动作识别方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114187654A (zh) * 2021-11-24 2022-03-15 东南大学 一种基于机器学习的微惯性武术动作识别方法及系统
CN114187654B (zh) * 2021-11-24 2024-06-14 东南大学 一种基于机器学习的微惯性武术动作识别方法及系统

Also Published As

Publication number Publication date
CN111544003B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN109993125B (zh) 模型训练方法、人脸识别方法、装置、设备及存储介质
CN106033435B (zh) 物品识别方法和装置，室内地图生成方法和装置
CN109685037B (zh) 一种实时动作识别方法、装置及电子设备
CN111291841A (zh) 图像识别模型训练方法、装置、计算机设备和存储介质
CN109117857B (zh) 一种生物属性的识别方法、装置及设备
CN112673381B (zh) 一种对抗样本的识别方法及相关装置
CN113111767A (zh) 一种基于深度学习3d姿态评估的跌倒检测方法
CN107292229A (zh) 一种图像识别方法和装置
CN111009031B (zh) 一种人脸模型生成的方法、模型生成的方法及装置
CN111026967B (zh) 一种获得用户兴趣标签的方法、装置、设备和介质
KR20170067787A (ko) 모션 데이터와 관련된 시스템, 장치 및 방법
CN111722713A (zh) 多模态融合的手势键盘输入方法、设备、系统及存储介质
CN114495241B (zh) 一种图像识别方法及装置、电子设备、存储介质
CN114783043B (zh) 一种儿童行为轨迹定位方法和系统
CN111931616A (zh) 基于移动智能终端传感器设备的情绪识别方法及系统
CN113505256A (zh) 特征提取网络训练方法、图像处理方法及装置
CN115222896A (zh) 三维重建方法、装置、电子设备及计算机可读存储介质
Park et al. Achieving real-time sign language translation using a smartphone's true depth images
CN111544003B (zh) 一种基于传感器的武术动作识别系统、方法及存储介质
CN109992008A (zh) 一种机器人的目标跟随方法及装置
CN110443852B (zh) 一种图像定位的方法及相关装置
CN111611917A (zh) 模型训练方法、特征点检测方法、装置、设备及存储介质
CN115168628A (zh) 信息推荐方法、装置、电子设备及存储介质
CN111861275B (zh) 家政工作模式的识别方法和装置
CN114005174A (zh) 工作状态的确定方法、装置、电子设备及存储介质

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
CP03 Change of name, title or address

Address after: 528000 No. 18, Jiangwan Road, Chancheng District, Guangdong, Foshan

Patentee after: Foshan University

Country or region after: China

Address before: 528000 No. 18, Jiangwan Road, Chancheng District, Guangdong, Foshan

Patentee before: FOSHAN University

Country or region before: China

CP03 Change of name, title or address