CN112033432A - 动作捕捉方法、系统和存储介质 - Google Patents
动作捕捉方法、系统和存储介质 Download PDFInfo
- Publication number
- CN112033432A CN112033432A CN202010758041.2A CN202010758041A CN112033432A CN 112033432 A CN112033432 A CN 112033432A CN 202010758041 A CN202010758041 A CN 202010758041A CN 112033432 A CN112033432 A CN 112033432A
- Authority
- CN
- China
- Prior art keywords
- human body
- body model
- motion capture
- image
- model according
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
-
- 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
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Architecture (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种动作捕捉方法、系统和存储介质,方法包括以下步骤:构建第一人体模型;根据惯性传感模块上传的第一姿态数据控制所述第一人体模型的动作状态;接收光学测量模块上传的第一图像;提取所述第一图像的人体图像;根据所述人体图像计算得到第二人体模型;根据所述第二人体模型校正所述第一人体模型的动作状态。本发明能在无需要进行标记点标记的情况下,降低基于惯性传感器的动作捕捉系统的测量噪音和游走误差,以实现精确完成动作捕捉的功能。本发明可广泛应用于动作捕捉技术领域。
Description
技术领域
本发明涉及动作捕捉技术领域,尤其是一种动作捕捉方法、系统和存储介质。
背景技术
动作捕捉是实时地准确测量、记录物体在真实三维空间中的运动轨迹或姿态,并在虚拟三维空间中重建运动物体每一时刻运动状态的过程。动作捕捉最典型的应用是在CG制作、游戏、体验式互动游戏、虚拟偶像等领域中对人物的动作捕捉,可以将人物肢体动作进行三维数字化解算,得到三维动作数据。
现有技术中,主要有三种动作捕捉方案:第一种是基于标记点的光学动作捕捉系统,该系统在采集过程中可能会出现标记点会被遮挡,尤其是多人或者是在场地上增加了背景物体的情况,遮挡标记点的可能性会大大增加,在标记点被遮挡之后,则会出现严重的姿态漂移或是扭曲等现象;第二种是基于计算机视觉的动作捕捉系统,该系统容易受环境光线、复杂背景或是多个目标物遮挡等情况,导致动作捕捉效果很差,由于视觉域的限制,使用者的运动空间被限制在摄像机的视觉范围内,降低了实用性;第三种是惯性传感器的动作捕捉系统,该系统容易受到测量噪音和游走误差等因素的影响,从而无法长时间地对人体姿态进行精确的跟踪。
发明内容
为解决上述技术问题之一,本发明的目的在于:提供一种动作捕捉方法、系统和存储介质,其无需进行标记点标记,即能精确完成动作捕捉。
第一方面,本发明实施例提供了:
一种动作捕捉方法,包括以下步骤:
构建第一人体模型;
根据惯性传感模块上传的第一姿态数据控制所述第一人体模型的动作状态;
接收光学测量模块上传的第一图像;
提取所述第一图像的人体图像;
根据所述人体图像计算得到第二人体模型;
根据所述第二人体模型校正所述第一人体模型的动作状态。
进一步地,所述第一人体模型包括若干个关节点,当所述惯性传感模块的个数小于所述若干个关节点的个数,通过插值运算方式计算剩余所述关节点的第一姿态数据。
进一步地,所述根据惯性传感模块上传的第一姿态数据控制所述第一人体模型的动作状态,包括:
将所述第一姿态数据的坐标格式转换为所述第一人体模型的坐标格式;
根据转换后的所述第一姿态数据控制所述第一人体模型的动作状态。
进一步地,所述根据所述第二人体模型校正所述第一人体模型的动作状态,包括:
构建评价函数;
根据所述评价函数评价所述第二人体模型的动作状态与所述第一人体模型的动作状态的关节点和空间位置的偏差值;
根据所述偏差值校正所述第一人体模型的动作状态。
进一步地,在所述构建第一人体模型这一步骤之前,还包括以下步骤:
接收光学测量模块上传的第二图像;
根据所述第二图像构建地图模型。
进一步地,所述构建第一人体模型,包括:
获取用户的形态数据;
根据所述形态数据在所述地图模型内构建第一人体模型。
进一步地,所述根据所述人体图像计算得到第二人体模型,其具体为:
根据所述人体图像在所述地图模型内关联所述第二人体模型。
第二方面,本发明实施例提供了:
一种动作捕捉系统,包括惯性传感模块、光学测量模块和处理模块,所述惯性传感模块和所述光学测量模块均与所述处理模块连接,所述处理模块用于执行以下步骤:
构建第一人体模型;
根据惯性传感模块上传的第一姿态数据控制所述第一人体模型的动作状态;
接收光学测量模块上传的第一图像;
提取所述第一图像的人体图像;
根据所述人体图像计算得到第二人体模型;
根据所述第二人体模型校正所述第一人体模型的动作状态。
第三方面,本发明实施例提供了:
一种动作捕捉系统,包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行所述的动作捕捉方法。
第四方面,本发明实施例提供了:
一种计算机可读存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于实现所述的动作捕捉方法。
本发明的有益效果是:本发明通过惯性传感模块上传的第一姿态数据控制第一人体模型的动作状态,接着提取光学测量模块上传的第一图像的第二姿态数据,并根据第二姿态数据控制第二人体模型的动作状态,然后根据第二人体模型的动作状态校正第一人体模型的动作状态,从而在无需要进行标记点标记的情况下,降低基于惯性传感器的动作捕捉系统的测量噪音和游走误差,以实现精确完成动作捕捉的功能。
附图说明
图1为本发明一种具体实施例的动作捕捉方法的流程图;
图2为本发明一种具体实施例的动作捕捉系统的模块框图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
参照图1,本发明实施例提供了一种动作捕捉方法,本实施例应用于图2所示系统的处理模块,所述系统还包括惯性传感模块和光学测量模块,所述惯性传感模块和光学测量模块均与所述处理模块通信。所述光学测量模块可以为双目摄像头或者RGBD摄像头。
本实施例包括步骤S1-S6:
S1、构建第一人体模型;在一些实施例中,所述第一人体模型是根据当前动作捕捉对象的形态数据进行构建的,所述形态数据包括人体身高、三围、体重等数据。该形态数据可以是动作捕捉对象在使用动作捕捉装置前人为输入的数据;也可以是动作捕捉对象在进入到光学测量模块的拍摄范围内后,处理模块根据学测量模块拍摄到的图像分析得到的数据。所述第一人体模型可以为由若干个关节点连接而成的骨架模型。关节点的连接方式可以为不同方式,例如,铰链关节、鞍状关节、滑动关节、轴状关节、球面关节、球窝关节等。不同的组成方式,其自由度的个数不同,从而可以通过限制关节的自由度,提高惯性动作的捕捉精度。骨架模型采用树状人体建模的方法,即先确定人体的一个根节点,例如以躯干运动作为整个人体运行的一个描述,描述人体运动的空间位置和方向,接着以躯干的胯部为根节点,确定其他各个关节的树状连接图。
在一些实施例中,在所述构建第一人体模型这一步骤之前,还包括以下步骤:
接收光学测量模块上传的第二图像;该第二图像是动作捕捉对象所处的场景图像。
根据所述第二图像构建地图模型。该地图模型可在预设软件内构建。
本实施例通过根据动作捕捉对象所处的场景图像构建地图模型,使得可视化场景内的环境信息与实际场景相符,提高虚拟显示效果。
在一些实施例中,在构建完所述地图模型,在所述地图模型内构建第一人体模型,使可视化场景内的人体模型所处场景与实际场景相符合。
S2、根据惯性传感模块上传的第一姿态数据控制所述第一人体模型的动作状态;所述第一姿态数据包括动作捕捉对象在表演或者移动过程中的关键点的姿态变化数据。所述第一人体模型包括若干个关节点。当所述惯性传感模块的个数小于所述若干个关节点的个数,通过插值运算方式计算剩余所述关节点的第一姿态数据。
在一些实施例中,所述第一姿态数据可通过关节点的加速度和位移数据表示。例如,某一个维度的加速度的时域表示为a(t),其是一个连续值,该加速度的数据以组离散的数据,通过公式1对a(t)做傅里叶变换:
其中,N表示一段时间内采样点的个数;an表示加速度采样过程中小标n时的加速度的值,其是一个离散值;j为复数的虚数单位;k为傅里叶分量对应的频率;A(k)为傅里叶分量对应频率k的值。
然后,根据公式2计算得到速度值:
然后通过公式3经过二次积分得到位移:
得到关节点的速度、位移后,为了是第一人体模型能在地图模型内有效的根据实际运动数据运动。
在一些实施例中,所述根据惯性传感模块上传的第一姿态数据控制所述第一人体模型的动作状态,包括:
将所述第一姿态数据的坐标格式转换为所述第一人体模型的坐标格式;
具体地,在实际表示旋转的方式中,考虑到欧拉角存在死锁的情况,因此在计算过程中,均采用四元数表示姿态。因此表示坐标转换的公式如公式4所示:
其中,qA和qB可以获取的四元数信息,均是相对于一个公共坐标系,除了公共坐标系以外,还有两个坐标系,记作A、B,由公共坐标系到A坐标系的旋转,用四元数qA表示,同样的qB表示公共坐标系到B坐标系的旋转四元数,将以A坐标系为基,经过旋转得到B坐标系,用qAB表示旋转关系。
根据转换后的所述第一姿态数据控制所述第一人体模型的动作状态,以使动作状态更加接近实际情况。
S3、接收光学测量模块上传的第一图像;所述第一图像是通过双目摄像头或者RGBD摄像头拍摄到的动作捕捉对象在拍摄区域内的实时图像,其包含人体形态数据和移动姿态数据。
S4、提取所述第一图像的人体图像。
S5、根据所述人体图像计算得到第二人体模型;其具体可通过神经网络计算得到关联的第二人体模型。在一些实施例中,第二人体模型位于上述构建的地图模型内。
S6、根据所述第二人体模型校正所述第一人体模型的动作状态。
在一些实施例中,所述根据所述第二人体模型校正所述第一人体模型的动作状态,包括:
构建评价函数;该评价函数用于评价第一人体模型的运动状态与第二人体模型的运动状态的差距。然后,根据所述评价函数评价所述第二人体模型的动作状态与所述第一人体模型的动作状态的关节点和空间位置的偏差值;
具体的,评价函数的输入信息包括惯性传感模块获取的各个关节点的相对旋转值qIMUt和空间位置SIMU(t),以及光学测量模块获取的相对旋转值qCAMERAt和空间位置SCAMERA(t),以及每个关节点的预测得分scoreCAMERAt。输出信息为每个关节点的误差得分。
其中,单个关节点的偏差值通过公式5计算得到:
c=-[qCAMERAtlnqIMUt+(1-qCAMERAt)ln(1-qIMUt)]*SCAMERA(t) 公式5
所有关节点的偏差值通过公式6计算得到:
其中,n为关节点的个数。
根据所述偏差值校正所述第一人体模型的动作状态。本步骤具体为:
根据动态阈值算法,得到偏差较大的关节点,然后根据关节点信息,结合人体力学、反向运动学,对偏差较大的关节点的信息,校正第一人体模型的动作状态。
综上所述,本实施例相对于现有的技术方案,可通过较少的传感器及外部设备,能够在大空间中,对动作捕捉对象进行动作捕捉,减少大量的成本,同时,利用光学测量单元以及深度学习神经网络算法,对惯性传感器的数据进行校正,有效解决惯性传感其本身的数据漂移的问题。
参照图2,本发明实施例提供了一种动作捕捉系统,包括惯性传感模块、光学测量模块和处理模块,所述惯性传感模块和所述光学测量模块均与所述处理模块连接。在一些实施例中,所述系统还包括数据收发模块,所述惯性传感模块和所述光学测量模块的数据均通过所述数据收发模块完成接收并转发到所述处理模块。
具体地,所述处理模块用于执行如图1所示方法:
S1、构建第一人体模型;
S2、根据惯性传感模块上传的第一姿态数据控制所述第一人体模型的动作状态;
S3、接收光学测量模块上传的第一图像;
S4、提取所述第一图像的人体图像;
S5、根据所述人体图像计算得到第二人体模型;
S6、根据所述第二人体模型校正所述第一人体模型的动作状态。
本发明方法实施例的内容均适用于本系统实施例,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
本发明实施例提供了一种动作捕捉系统,包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行如图1所示的动作捕捉方法。
本发明方法实施例的内容均适用于本系统实施例,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
此外,本发明实施例还提供了一种计算机可读存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于实现如图1所示的动作捕捉方法。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种动作捕捉方法,其特征在于,包括以下步骤:
构建第一人体模型;
根据惯性传感模块上传的第一姿态数据控制所述第一人体模型的动作状态;
接收光学测量模块上传的第一图像;
提取所述第一图像的人体图像;
根据所述人体图像计算得到第二人体模型;
根据所述第二人体模型校正所述第一人体模型的动作状态。
2.根据权利要求1所述的一种动作捕捉方法,其特征在于,所述第一人体模型包括若干个关节点,当所述惯性传感模块的个数小于所述若干个关节点的个数,通过插值运算方式计算剩余所述关节点的第一姿态数据。
3.根据权利要求1所述的一种动作捕捉方法,其特征在于,所述根据惯性传感模块上传的第一姿态数据控制所述第一人体模型的动作状态,包括:
将所述第一姿态数据的坐标格式转换为所述第一人体模型的坐标格式;
根据转换后的所述第一姿态数据控制所述第一人体模型的动作状态。
4.根据权利要求1所述的一种动作捕捉方法,其特征在于,所述根据所述第二人体模型校正所述第一人体模型的动作状态,包括:
构建评价函数;
根据所述评价函数评价所述第二人体模型的动作状态与所述第一人体模型的动作状态的关节点和空间位置的偏差值;
根据所述偏差值校正所述第一人体模型的动作状态。
5.根据权利要求1所述的一种动作捕捉方法,其特征在于,在所述构建第一人体模型这一步骤之前,还包括以下步骤:
接收光学测量模块上传的第二图像;
根据所述第二图像构建地图模型。
6.根据权利要求5所述的一种动作捕捉方法,其特征在于,所述构建第一人体模型,包括:
获取用户的形态数据;
根据所述形态数据在所述地图模型内构建第一人体模型。
7.根据权利要求6所述的一种动作捕捉方法,其特征在于,所述根据所述人体图像计算得到第二人体模型,其具体为:
根据所述人体图像在所述地图模型内关联所述第二人体模型。
8.一种动作捕捉系统,其特征在于,包括惯性传感模块、光学测量模块和处理模块,所述惯性传感模块和所述光学测量模块均与所述处理模块连接,所述处理模块用于执行以下步骤:构建第一人体模型;
根据惯性传感模块上传的第一姿态数据控制所述第一人体模型的动作状态;
接收光学测量模块上传的第一图像;
提取所述第一图像的人体图像;
根据所述人体图像计算得到第二人体模型;
根据所述第二人体模型校正所述第一人体模型的动作状态。
9.一种动作捕捉系统,其特征在于,包括:
至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行如权利要求1-7任一项所述的动作捕捉方法。
10.一种计算机可读存储介质,其中存储有处理器可执行的指令,其特征在于,所述处理器可执行的指令在由处理器执行时用于实现如权利要求1-7任一项所述的动作捕捉方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010758041.2A CN112033432A (zh) | 2020-07-31 | 2020-07-31 | 动作捕捉方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010758041.2A CN112033432A (zh) | 2020-07-31 | 2020-07-31 | 动作捕捉方法、系统和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112033432A true CN112033432A (zh) | 2020-12-04 |
Family
ID=73581970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010758041.2A Pending CN112033432A (zh) | 2020-07-31 | 2020-07-31 | 动作捕捉方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112033432A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022160867A1 (zh) * | 2021-01-26 | 2022-08-04 | 华为云计算技术有限公司 | 远程重现方法、系统、装置、设备、介质及程序产品 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120078510A1 (en) * | 2010-09-24 | 2012-03-29 | Honeywell International Inc. | Camera and inertial measurement unit integration with navigation data feedback for feature tracking |
CN104267815A (zh) * | 2014-09-25 | 2015-01-07 | 黑龙江节点动画有限公司 | 基于惯性传感技术的动作捕捉系统及方法 |
CN104658012A (zh) * | 2015-03-05 | 2015-05-27 | 第二炮兵工程设计研究院 | 一种基于惯性与光学测量融合的运动捕捉方法 |
CN106256394A (zh) * | 2016-07-14 | 2016-12-28 | 广东技术师范学院 | 混合动作捕捉的训练装置及系统 |
CN106648088A (zh) * | 2016-12-14 | 2017-05-10 | 影动(北京)科技有限公司 | 惯性运动捕捉姿态瞬时校准方法及其系统 |
CN108268129A (zh) * | 2016-12-30 | 2018-07-10 | 北京诺亦腾科技有限公司 | 对动作捕捉手套上的多个传感器进行校准的方法和装置及动作捕捉手套 |
CN109711302A (zh) * | 2018-12-18 | 2019-05-03 | 北京诺亦腾科技有限公司 | 模型参数校准方法、装置、计算机设备和存储介质 |
CN110163911A (zh) * | 2019-04-10 | 2019-08-23 | 电子科技大学 | 一种图像与惯性结合的头部姿态检测系统 |
-
2020
- 2020-07-31 CN CN202010758041.2A patent/CN112033432A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120078510A1 (en) * | 2010-09-24 | 2012-03-29 | Honeywell International Inc. | Camera and inertial measurement unit integration with navigation data feedback for feature tracking |
CN104267815A (zh) * | 2014-09-25 | 2015-01-07 | 黑龙江节点动画有限公司 | 基于惯性传感技术的动作捕捉系统及方法 |
CN104658012A (zh) * | 2015-03-05 | 2015-05-27 | 第二炮兵工程设计研究院 | 一种基于惯性与光学测量融合的运动捕捉方法 |
CN106256394A (zh) * | 2016-07-14 | 2016-12-28 | 广东技术师范学院 | 混合动作捕捉的训练装置及系统 |
CN106648088A (zh) * | 2016-12-14 | 2017-05-10 | 影动(北京)科技有限公司 | 惯性运动捕捉姿态瞬时校准方法及其系统 |
CN108268129A (zh) * | 2016-12-30 | 2018-07-10 | 北京诺亦腾科技有限公司 | 对动作捕捉手套上的多个传感器进行校准的方法和装置及动作捕捉手套 |
CN109711302A (zh) * | 2018-12-18 | 2019-05-03 | 北京诺亦腾科技有限公司 | 模型参数校准方法、装置、计算机设备和存储介质 |
CN110163911A (zh) * | 2019-04-10 | 2019-08-23 | 电子科技大学 | 一种图像与惯性结合的头部姿态检测系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022160867A1 (zh) * | 2021-01-26 | 2022-08-04 | 华为云计算技术有限公司 | 远程重现方法、系统、装置、设备、介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106679648B (zh) | 一种基于遗传算法的视觉惯性组合的slam方法 | |
CN107314778B (zh) | 一种相对姿态的标定方法、装置及系统 | |
US9733729B2 (en) | Method and device for sensing orientation of an object in space in a fixed frame of reference | |
CN111402290A (zh) | 一种基于骨骼关键点的动作还原方法以及装置 | |
KR101930652B1 (ko) | 보행 해석 시스템 및 기록 매체에 기록된 컴퓨터 프로그램 | |
CN104658012A (zh) | 一种基于惯性与光学测量融合的运动捕捉方法 | |
CN102848389A (zh) | 基于视觉运动捕捉的机械臂标定及跟踪系统实现方法 | |
CN108805987A (zh) | 基于深度学习的混合跟踪方法及装置 | |
CN107941212B (zh) | 一种视觉与惯性联合定位方法 | |
CN113158459A (zh) | 一种基于视觉和惯性信息融合的人体姿态估计方法 | |
CN114722913A (zh) | 姿态检测方法、装置、电子设备及计算机可读存储介质 | |
CN113899364B (zh) | 定位方法及装置、设备、存储介质 | |
CN112033432A (zh) | 动作捕捉方法、系统和存储介质 | |
US20210350551A1 (en) | Estimation apparatus, learning apparatus, estimation method, learning method, and program | |
CN113350771B (zh) | 一种运动员动态姿态识别方法、装置、系统及存储介质 | |
WO2024094227A1 (zh) | 一种基于卡尔曼滤波和深度学习的手势姿态估计方法 | |
CN108827287B (zh) | 一种复杂环境下的鲁棒视觉slam系统 | |
CN115919250A (zh) | 一种人体动态关节角测量系统 | |
CN109785428A (zh) | 一种基于多态约束卡尔曼滤波的手持式三维重建方法 | |
CN111158482B (zh) | 一种人体动作姿态捕捉方法及系统 | |
CN112907633A (zh) | 动态特征点识别方法及其应用 | |
CN116740618A (zh) | 一种运动视频动作评估方法、系统、计算机设备及介质 | |
CN115018962A (zh) | 一种基于虚拟人物模型的人体运动姿态数据集生成方法 | |
CN114756130A (zh) | 一种手部虚实交互系统 | |
JP6205387B2 (ja) | 仮想マーカーの位置情報の取得方法及び装置、動作計測方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201204 |
|
RJ01 | Rejection of invention patent application after publication |