CN111760261B - 一种基于虚拟现实技术的体育优化训练系统及方法 - Google Patents
一种基于虚拟现实技术的体育优化训练系统及方法 Download PDFInfo
- Publication number
- CN111760261B CN111760261B CN202010719215.4A CN202010719215A CN111760261B CN 111760261 B CN111760261 B CN 111760261B CN 202010719215 A CN202010719215 A CN 202010719215A CN 111760261 B CN111760261 B CN 111760261B
- Authority
- CN
- China
- Prior art keywords
- experiencer
- model
- training
- standard model
- generating
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- 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
- A63B2071/0647—Visualisation of executed movements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Physical Education & Sports Medicine (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Electrically Operated Instructional Devices (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明涉及一种基于虚拟现实技术的体育优化训练系统及方法,属于虚拟现实技术领域。该方法具体包括:S1:在训练器材受力点处安装压力传感器,采集体验者施加的压力值;S2:采用高分辨率摄像设备采集体验者信息,通过计算机视觉生成体验者模型;S3:采用VR技术生成源标准模型,并将源标准模型结合体验者模型生成为体验者订制的标准模型;S4:设置评价参数,通过机器学习优化生成的标准模型;S5:将优化后的标准模型生成为半透明同比例模型,覆盖于体验者模型之上,以三视图或立体图形向体验者展示,从而对体验者动作进行矫正。本发明优化了现有VR设备的模拟对比功能,精确模拟出训练者的姿势与力度,及时做出训练姿势和力度的调整。
Description
技术领域
本发明属于虚拟现实技术领域,涉及一种基于虚拟现实技术的体育优化训练系统及方法。
背景技术
现阶段体育训练方案大都是通过高速摄像机对运动员的运动过程进行录像,由教练团队通过重复观看回放的录像,来发现运动员在运动过程中出现的错误动作或不标准动作,然后指导运动员在下次训练中执行同样的动作时能够克服之前发现的错误;更先进的,还可以通过测心率、脉搏、步频等装置来记录运动员在运动过程中的人体数据,并将记录的数据传输到电脑上进行软件的标准化分析,然后根据分析结果来指导运动员进行相应的训练,缺乏时效性。
常见的专业技能训练依赖与实际的训练场地和训练器械,场地成本和训练成本都很高。目前,虽然已有利用虚拟现实技术来模拟实际训练的技术,但大多数都是直接依赖现有的VR设备模拟实际训练,现有的VR设备只能大概模拟实际训练形体,无法做到精确的形体模拟,因此,导致显示出来的训练结果不够准确,误导训练者做出的错误的训练计划调整。
发明内容
有鉴于此,本发明的目的在于提供一种基于虚拟现实技术的体育优化训练系统及方法,精确模拟出训练者的训练者的姿势与力度,帮助训练者及时做出训练姿势和力度的调整,从而快速提升技能。
为达到上述目的,本发明提供如下技术方案:
一种基于虚拟现实技术的体育优化训练方法,具体包括以下步骤:
S1:在训练的体育器材受力点处安装压力传感器,采集体验者施加的压力值;
S2:采用高分辨率摄像设备采集体验者信息,通过计算机视觉生成体验者模型;
S3:采用虚拟现实技术(Virtual Reality,VR)生成源标准模型,并将源标准模型结合体验者模型生成为体验者订制的标准模型;
S4:设置评价参数,与记录的体验者信息一起通过机器学习优化生成的标准模型;
S5:将优化后的标准模型生成为半透明同比例模型,覆盖于体验者模型之上,以三视图或立体图形向体验者展示,从而对体验者动作进行矫正。
进一步,步骤S4中,设置的评价参数=sigmoid(穿模部分百分比+用户评价分数*权重系数),其中,权重系数根据体验者先期训练的数据决定。
进一步,步骤S4中,标准模型的优化使用卷积神经网络和基于深度学习的Adam优化算法训练所得。
进一步,步骤S4中,设置穿模部分占模型百分比,与体验者每次训练结束后给出的评分一起作为返回参数,用于优化标准模型。
进一步,步骤S5中,将优化后的标准模型设置为半透明套在体验者模型之外,二者的时间轴设置为同步以保证动作同步。
进一步,适用于该训练方法的系统包括:训练器械、压力传感器、处理器、VR设备、通信模块和服务器;压力传感器与处理器连接,VR设备和服务器通过通信模块与处理器连接;
压力传感器安装在训练器械上,体验者根据VR设备的虚拟场景训练,采集体验者施加力度;
处理器将压力传感器采集的电信号转换成数字信号,通过内置程序代码将数字信号转换成体验者所训练体育项目对应的数值;
通信模块将处理器转换后的数值传送给服务器,服务器将结果展示给体验者。
本发明的有益效果在于:本发明优化了现有VR设备的模拟对比功能,使其显示的体验者姿势更精准。本发明系统能够精确模拟出训练者的姿势与力度,帮助训练者及时做出训练姿势和力度的调整,从而快速提升技能。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明优化训练方法的流程图;
图2为本发明优化训练系统结构框图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
请参阅图1~图2,图1为本发明的基于虚拟现实技术的体育优化训练方法,具体包括以下步骤:
S1:在训练的体育器材受力点处安装压力传感器,采集体验者施加的压力值;
S2:采用高分辨率摄像设备采集体验者信息,通过计算机视觉生成体验者模型;
S3:采用VR技术生成源标准模型,并将源标准模型结合体验者模型生成为体验者订制的标准模型;
S4:设置评价参数,与记录的体验者信息一起通过机器学习优化生成的标准模型;
S5:将优化后的标准模型生成为半透明同比例模型,覆盖于体验者模型之上,以三视图或立体图形向体验者展示,从而对体验者动作进行矫正。
图2为本发明提供的基于虚拟现实技术的体育优化训练系统,包括:训练器械、压力传感器、处理器、VR设备、通信模块和服务器;压力传感器与处理器连接,VR设备和服务器通过通信模块与处理器连接。
压力传感器安装在训练器械上,体验者根据VR设备的虚拟场景训练,采集体验者施加力度。处理器将压力传感器采集的电信号转换成数字信号,通过内置程序代码将数字信号转换成体验者所训练体育项目对应的数值。通信模块将处理器转换后的数值传送给服务器,服务器将结果展示给体验者。
本发明优选一种针对弓箭射击训练的优化训练系统,该系统中,训练器械是弓箭,通信模块采用ESP8266 wifi模块,处理器采用STM32主控板,VR设备采用VR眼镜。
本实施例中,在弓箭部分安装压力传感器,具体使用半导体压电阻抗扩散压力传感器。传感器是薄片表面形成半导体变形压力,通过外力(压力)使薄片变形而产生压电阻抗效果,从而使阻抗的变化转换成电信号。将电信号传到STM32主控板,并且将电信号转换成数字信号,通过编写相关转换程序代码,将数字信号转换成专业术语“磅值”。传统弓一般磅值是20、25、30、35、40、45.采用度量衡计算1磅=0.907斤。根据测试者的拉力大小进而选取适合自己的磅值。
并在STM32主控板上加上ESP8266,使硬件设备接入互联网,将转换后的数据上传至服务器。当体验者使用本装置并佩戴VR眼镜时,会在体验者的眼前显示当前体验者所施加的磅值,并且提醒体验者相应的加力或者减力。
针对弓箭射击训练的优化训练方法具体为:
考虑到实际情况复杂,基于深度学习的优化算法采用Adam算法以适配大多数情况。Adam本质上是带有动量项的RMSProp,它利用梯度的一阶矩估计和二阶矩估计动态调整每个参数的学习率。Adam的优点主要在于经过偏置矫正后,每一次迭代学习率都有个确定范围,使得参数比较平稳。虽然复杂,但Adam算法能够同时适应稀疏数据比如教育场景和非稀疏数据如家用场景。
先创建第一个源标准模型,使用全国人民平均身高,体育总局规定的标准体型,专业人士模拟的标准动作。作为先期训练的源标准模型。先期训练时用许多射艺方面的专业人士作为训练组,第一次的标准模型生成只是简单调整模型参数如身高体重腰围等,放入卷积神经网络模型进行训练,使用Adam算法的优化器优化。等检验结果的返回参数足够小的时候。该卷积神经网络学习得到的拟合算法即是满足要求的标准模型生成算法。投入市场后的产品通过互联网将返回参数传回继续就行优化。
本实施例中采用专业级摄像设备进行图像采集。采集的图像基于Microsoft的Azure Kinect DK完成体验者模型的生成。体验者模型与源标准模型进行融合,生成为当前体验者订制的标准模型。通过体验者模型与源标准模型的特征对比,可以为体验者提供一定的锻炼建议。将标准模型设置为半透明套在体验者模型之外,二者的时间轴应设置为同步以保证动作同步。两个模型设置为两种不同的浅色,体验者使用时,若模型交错,说明动作有误,交错部分标志为深色。以上过程需实时展示在体验者眼前,可以自由选择三视图或立体图像。以上图像借助unity3D引擎完成。
对于不同的模拟弓箭设备,在系统内部为体验者当前所用的弓箭类型匹配不同的弹道算法。VR内也显示不同的弓箭。VR内场景画面采用Unity2020制作。
初步的标准模型生成算法由训练得到。标准模型的优化使用卷积神经网络和基于深度学习的Adam优化算法。其参数=sigmoid(穿模部分百分比+用户评价分数*权重系数),其中,权重系数根据先期训练的数据做决定。因此,设置穿模部分占模型百分比,与体验者每次使用结束后给出的评分一起作为返回参数,用于学习与智能化改进。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于虚拟现实技术的体育优化训练方法,其特征在于,该方法具体包括以下步骤:
S1:在训练的训练器械受力点处安装压力传感器,采集体验者施加的压力值;
S2:采用高分辨率摄像设备采集体验者信息,通过计算机视觉生成体验者模型;
S3:采用虚拟现实技术(Virtual Reality,VR)生成源标准模型,并将源标准模型结合体验者模型生成为体验者订制的标准模型;
S4:设置评价参数,与记录的体验者信息一起通过机器学习优化生成的标准模型;
设置的评价参数=sigmoid(穿模部分百分比+用户评价分数*权重系数),其中,权重系数根据体验者先期训练的数据决定;
S5:将优化后的标准模型生成为半透明同比例模型,覆盖于体验者模型之上,以三视图或立体图形向体验者展示,从而对体验者动作进行矫正。
2.根据权利要求1所述的体育优化训练方法,其特征在于,步骤S4中,标准模型的优化使用卷积神经网络和基于深度学习的Adam优化算法训练所得。
3.根据权利要求2所述的体育优化训练方法,其特征在于,步骤S4中,设置穿模部分占模型百分比,与体验者每次训练结束后给出的评分一起作为返回参数,用于优化标准模型。
4.根据权利要求1所述的体育优化训练方法,其特征在于,步骤S5中,将优化后的标准模型设置为半透明套在体验者模型之外,二者的时间轴设置为同步。
5.根据权利要求1~4中任意一项所述的体育优化训练方法,其特征在于,适用于该训练方法的系统包括:训练器械、压力传感器、处理器、VR设备、通信模块和服务器;压力传感器与处理器连接,VR设备和服务器通过通信模块与处理器连接;
压力传感器安装在训练器械上,体验者根据VR设备的虚拟场景训练,采集体验者施加力度;
处理器将压力传感器采集的电信号转换成数字信号,通过内置程序代码将数字信号转换成体验者所训练体育项目对应的数值;
通信模块将处理器转换后的数值传送给服务器,服务器将结果展示给体验者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010719215.4A CN111760261B (zh) | 2020-07-23 | 2020-07-23 | 一种基于虚拟现实技术的体育优化训练系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010719215.4A CN111760261B (zh) | 2020-07-23 | 2020-07-23 | 一种基于虚拟现实技术的体育优化训练系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111760261A CN111760261A (zh) | 2020-10-13 |
CN111760261B true CN111760261B (zh) | 2021-11-09 |
Family
ID=72727039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010719215.4A Active CN111760261B (zh) | 2020-07-23 | 2020-07-23 | 一种基于虚拟现实技术的体育优化训练系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111760261B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113101612B (zh) * | 2021-04-06 | 2023-01-10 | 合肥工业大学 | 一种沉浸式上肢康复系统 |
CN113101137B (zh) * | 2021-04-06 | 2023-06-02 | 合肥工业大学 | 一种基于运动映射和虚拟现实的上肢康复机器人 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205053011U (zh) * | 2015-10-16 | 2016-03-02 | 湖北师范学院 | 体育舞蹈步法辅助智能测量装置 |
CN108211312A (zh) * | 2017-11-30 | 2018-06-29 | 中国联合网络通信集团有限公司 | 基于ar或vr运动的动作校正方法和装置 |
CN109034397A (zh) * | 2018-08-10 | 2018-12-18 | 腾讯科技(深圳)有限公司 | 模型训练方法、装置、计算机设备及存储介质 |
CN109432753A (zh) * | 2018-09-26 | 2019-03-08 | Oppo广东移动通信有限公司 | 动作矫正方法、装置、存储介质及电子设备 |
CN110163208A (zh) * | 2019-05-22 | 2019-08-23 | 长沙学院 | 一种基于深度学习的场景文字检测方法和系统 |
AU2019101150A4 (en) * | 2019-09-30 | 2019-10-31 | Li, Guanchen MR | Speaker Identity Recognition System Based on Deep Learning |
-
2020
- 2020-07-23 CN CN202010719215.4A patent/CN111760261B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205053011U (zh) * | 2015-10-16 | 2016-03-02 | 湖北师范学院 | 体育舞蹈步法辅助智能测量装置 |
CN108211312A (zh) * | 2017-11-30 | 2018-06-29 | 中国联合网络通信集团有限公司 | 基于ar或vr运动的动作校正方法和装置 |
CN109034397A (zh) * | 2018-08-10 | 2018-12-18 | 腾讯科技(深圳)有限公司 | 模型训练方法、装置、计算机设备及存储介质 |
CN109432753A (zh) * | 2018-09-26 | 2019-03-08 | Oppo广东移动通信有限公司 | 动作矫正方法、装置、存储介质及电子设备 |
CN110163208A (zh) * | 2019-05-22 | 2019-08-23 | 长沙学院 | 一种基于深度学习的场景文字检测方法和系统 |
AU2019101150A4 (en) * | 2019-09-30 | 2019-10-31 | Li, Guanchen MR | Speaker Identity Recognition System Based on Deep Learning |
Also Published As
Publication number | Publication date |
---|---|
CN111760261A (zh) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107067856B (zh) | 一种医学模拟训练系统和方法 | |
US20210383714A1 (en) | Information processing device, information processing method, and program | |
US11508344B2 (en) | Information processing device, information processing method and program | |
CN109692003B (zh) | 一种儿童跑步姿态纠正训练系统 | |
CN109815930B (zh) | 一种动作模仿拟合度评价方法 | |
US20210349529A1 (en) | Avatar tracking and rendering in virtual reality | |
EP0959444A1 (en) | Method for following and imaging a subject's three-dimensional position and orientation, method for presenting a virtual space to a subject, and systems for implementing said methods | |
CN111760261B (zh) | 一种基于虚拟现实技术的体育优化训练系统及方法 | |
EP3459061A1 (en) | Multi -joint tracking combining embedded sensors and an external | |
KR102377561B1 (ko) | 미러 디스플레이를 이용하여 태권도 동작 코칭 서비스를 제공하는 장치 및 방법 | |
CN109919034A (zh) | 一种肢体动作识别与纠正辅助训练系统及方法 | |
KR20180103280A (ko) | 관절 사이의 거리 유사성을 토대로 자세인식을 수행하는 노인전용 운동안내 시스템 | |
CN108550310B (zh) | 一种基于虚拟现实技术的心肺复苏模拟训练方法及系统 | |
CN102218214A (zh) | 一种捕捉运动信息的装置及相应的系统 | |
CN102614633A (zh) | 面向听障儿童语训的呼吸训练方法及其系统 | |
US20200168311A1 (en) | Methods and systems of embodiment training in a virtual-reality environment | |
CN111539245B (zh) | 一种基于虚拟环境的cpr技术训练评价方法 | |
CN113076002A (zh) | 基于多部位动作识别的互联健身竞技系统及方法 | |
CN110600125A (zh) | 一种基于人工智能的体态分析助手系统及传输方法 | |
KR20150101629A (ko) | 태권도 품새 판독 및 교육 장치 및 그 방법 | |
CN113542378A (zh) | 面向远程康复服务的交互式运动训练方法、装置、计算机设备和存储介质 | |
CN112933581A (zh) | 一种基于虚拟现实技术的体育动作评分方法与装置 | |
CN112587131A (zh) | 一种规范坐位体前屈测试的方法及装置 | |
KR20180097343A (ko) | 심폐 소생술 훈련 시스템 | |
CN111009318A (zh) | 一种基于虚拟现实技术的自闭症训练系统、方法及装置 |
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 |