CN112842327A - 一种身体姿态生成方法、装置、电子设备及介质 - Google Patents
一种身体姿态生成方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN112842327A CN112842327A CN202110009061.4A CN202110009061A CN112842327A CN 112842327 A CN112842327 A CN 112842327A CN 202110009061 A CN202110009061 A CN 202110009061A CN 112842327 A CN112842327 A CN 112842327A
- Authority
- CN
- China
- Prior art keywords
- data
- posture
- lower limb
- upper limb
- pose
- 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
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Evolutionary Computation (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开实施例涉及动作捕捉技术领域,提供了一种身体姿态生成方法、装置、电子设备及介质。其中,身体姿态生成方法包括:获取下肢的第一姿态数据;基于所述第一姿态数据以及下肢与上肢的姿态映射关系,确定上肢的第二姿态数据;基于所述第一姿态数据和所述第二姿态数据,展示人体模型的全身姿态。本公开技术方案通过捕捉下肢的第一姿态数据,基于第一姿态数据来确定上肢的第二姿态数据,实现了人体模型的全身姿态的展示,使得人体模型的显示更加自然。
Description
技术领域
本公开涉及动作捕捉技术领域,尤其涉及一种身体姿态生成方法、装置、电子设备及介质。
背景技术
近年来,动作捕捉技术开始广泛应用于体育运动的动作捕捉与分析。动作捕捉技术可以以数字的方式记录对象的动作,当前常用的动作捕捉技术主要包括光学式动作捕捉和基于惯性传感器的动作捕捉。
使用惯性传感器做步态分析时,通常使用绑定在下肢的传感器来捕捉测试人员的腿部姿态。由于缺乏对上肢姿态的捕捉,因此在人体模型展示时,无法显示人体模型的上半身信息,例如仅显示下半身模型,不显示上半身模型;或者显示全身模型,但上半身不做任何动作,从而导致人体模型的显示不自然。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开提供了一种身体姿态生成方法、装置、电子设备及介质。
本公开实施例提供了一种身体姿态生成方法,包括:
获取下肢的第一姿态数据;
基于所述第一姿态数据以及下肢与上肢的姿态映射关系,确定上肢的第二姿态数据;
基于所述第一姿态数据和所述第二姿态数据,展示人体模型的全身姿态。
可选的,获取下肢的第一姿态数据,包括:
通过绑定在所述下肢上的惯性传感器获取所述第一姿态数据。
可选的,所述姿态映射关系包括下肢动作数据与上肢动作数据的对应关系,以及下肢姿态角与上肢姿态角的运算关系。
可选的,基于所述第一姿态数据以及下肢与上肢的姿态映射关系,确定上肢的第二姿态数据,包括:
基于所述第一姿态数据的动作数据匹配所述姿态映射关系中的下肢动作数据;
若匹配成功,则基于下肢动作数据与上肢动作数据的对应关系,确定匹配成功的下肢动作数据对应的目标上肢动作数据;
基于所述第一姿态数据的姿态角数据以及下肢姿态角与上肢姿态角的运算关系,确定所述第二姿态数据的姿态角数据;
基于所述目标上肢动作数据以及所述第二姿态数据的姿态角数据,确定所述第二姿态数据。
本公开实施例还提供了一种身体姿态生成装置,包括:
第一姿态数据获取模块,用于获取下肢的第一姿态数据;
第二姿态数据确定模块,用于基于所述第一姿态数据以及下肢与上肢的姿态映射关系,确定上肢的第二姿态数据;
姿态展示模块,用于基于所述第一姿态数据和所述第二姿态数据,展示人体模型的全身姿态。
可选的,所述第一姿态数据获取模块具体用于:通过绑定在所述下肢上的惯性传感器获取所述第一姿态数据。
可选的,所述姿态映射关系包括下肢动作数据与上肢动作数据的对应关系,以及下肢姿态角与上肢姿态角的运算关系。
可选的,第二姿态数据确定模块包括:
下肢动作数据匹配单元,用于基于所述第一姿态数据的动作数据匹配所述姿态映射关系中的下肢动作数据;
上肢动作数据确定单元,用于若匹配成功,则基于下肢动作数据与上肢动作数据的对应关系,确定匹配成功的下肢动作数据对应的目标上肢动作数据;
姿态角数据确定单元,用于基于所述第一姿态数据的姿态角数据以及下肢姿态角与上肢姿态角的运算关系,确定所述第二姿态数据的姿态角数据;
姿态数据确定单元,用于基于所述目标上肢动作数据以及所述第二姿态数据的姿态角数据,确定所述第二姿态数据。
本公开实施例还提供了一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现如本公开实施例提供的身体姿态生成方法。
本公开实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行如本公开实施例提供的身体姿态生成方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
本公开实施例提供的身体姿态生成方法,仅通过捕捉下肢动作,获取到下肢的第一姿态数据,即可基于第一姿态数据并结合下肢与上肢的姿态映射关系,通过简单的算法得到上肢的第二姿态数据,进而可基于第一姿态数据和第二姿态数据展示人体模型的全身姿态。如此,本公开实施例无需捕捉上肢动作,即在没有上肢姿态数据的情况下,仅由下肢姿态数据即可确定出上肢姿态数据,从而得到四肢姿态数据,实现人体模型全身姿态的显示,使得人体模型的显示更加自然。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的一种身体姿态生成方法的流程示意图;
图2为本公开实施例提供的一种身体姿态生成装置的结构框图;
图3为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
图1为本公开实施例提供的一种身体姿态生成方法的流程示意图。该方法适用于人体模型全身姿态展示的情况,可应用于步态分析和虚拟现实等需要虚拟模型展示的场景。该方法可以由身体姿态生成装置执行,其中该装置可以采用软件和/或硬件实现,一般可集成在电子设备中。如图1所示,该方法包括:
步骤101、获取下肢的第一姿态数据。
其中,第一姿态数据可包括下肢的动作数据和下肢的姿态角数据,下肢的动作数据用于表征下肢的动作,例如腿部的前屈或后伸动作以及双腿的下蹲动作等,下肢的姿态角数据用于表征下肢的姿态角,例如腿部前屈的角度等。
本公开实施例可惯性动作捕捉、光学动作捕捉或混合动作捕捉的方式来获取下肢的第一姿态数据。在一个实施例中,通过绑定在下肢上的惯性传感器获取第一姿态数据。具体的,在测试人员的下肢上绑定多个惯性传感器,多个惯性传感器实时捕捉测试人员的下肢动作,将每一时刻捕捉到的下肢姿态对应的第一姿态数据,即每一帧第一姿态数据,发送至身体姿态生成装置,从而获取到下肢的第一姿态数据。
步骤102、基于第一姿态数据以及下肢与上肢的姿态映射关系,确定上肢的第二姿态数据。
其中,第二姿态数据可包括上肢的动作数据和上肢的姿态角数据,上肢的动作数据用于表征上肢的动作,例如上臂的前屈或后伸动作以及上臂的外扩动作等,上肢的姿态角数据用于表征上肢的姿态角,例如上臂前屈的角度等。姿态映射关系包括下肢动作数据与上肢动作数据的对应关系,以及下肢姿态角与上肢姿态角的运算关系。姿态映射关系可基于人们进行正常的身体动作时,分别对多种姿态统计得到的,也可由设计人员通过考虑肢体的协调性进行设置的。
在一个实施例中,姿态映射关系包括行走、奔跑或下蹲动作中对应的下肢动作数据与上肢动作数据的对应关系,以及下肢姿态角与上肢姿态角的运算关系。示例性的,针对行走动作,双腿呈前后姿态时,双臂也呈前后姿态,但与双腿的左右相反,例如左腿呈前屈姿态时,右臂呈前屈姿态。相应的,下肢动作数据为表征双腿前屈及后伸动作的数据,上肢动作数据为表征双臂前屈及后伸动作的数据。进一步的,为使得全身姿态更加自然,设定双腿的前屈角度与双臂的前屈角度的运算关系,即下肢姿态角与上肢姿态角的运算关系;可选的,双臂的前屈角度为双腿的前屈角度的0.5,例如,左腿前屈20度,则右臂前屈10度。另外,针对下蹲动作,双腿呈下蹲姿态,此时双臂可呈自然下垂姿态。相应的,下肢动作数据为表征双腿下蹲动作的数据,上肢动作数据为表征双臂自然下垂动作的数据,此时,相当于下肢姿态角和上肢姿态角均为0。
在一个实施例中,基于第一姿态数据以及下肢与上肢的姿态映射关系,确定上肢的第二姿态数据,可包括以下步骤:
步骤a、基于第一姿态数据的动作数据匹配姿态映射关系中的下肢动作数据。
针对不同的身体姿态,在姿态映射关系中预先设置了多个不同的下肢动作数据以及对应的多个不同的上肢动作数据。在获取到下肢的第一姿态数据后,将第一姿态数据的动作数据与姿态映射关系中的下肢动作数据进行逐一匹配,直至匹配到匹配度达到预设值的下肢动作数据,匹配成功,此时表示该下肢动作数据表征的下肢动作与第一姿态数据表征的下肢动作相同。另外,如果没有匹配到匹配度达到预设值的下肢动作数据,则发出失败提醒,以提醒测试人员调整身体位姿,或者补充下肢与上肢的姿态映射关系。
步骤b、若匹配成功,则基于下肢动作数据与上肢动作数据的对应关系,确定匹配成功的下肢动作数据对应的目标上肢动作数据。
结合上述技术方案,基于下肢动作数据与上肢动作数据的对应关系,确定匹配成功的下肢动作数据对应的目标上肢动作数据,从而确定了下肢的第一姿态数据所表征的下肢动作对应的上肢动作。
步骤c、基于第一姿态数据的姿态角数据以及下肢姿态角与上肢姿态角的运算关系,确定第二姿态数据的姿态角数据。
步骤d、基于目标上肢动作数据以及第二姿态数据的姿态角数据,确定第二姿态数据。
上述技术方案中,由于实时获取下肢的第一姿态数据,即得到连续帧的第一姿态数据,因此,可生成在时间上连续的第二位姿数据,进而体现出与下肢位姿对应的且连续的上肢位姿。
步骤103、基于第一姿态数据和第二姿态数据,展示人体模型的全身姿态。
上述身体姿态生成方法,仅通过捕捉下肢动作,获取到下肢的第一姿态数据,即可基于第一姿态数据并结合下肢与上肢的姿态映射关系,通过简单的算法得到上肢的第二姿态数据,进而可基于第一姿态数据和第二姿态数据展示人体模型的全身姿态。如此,本公开实施例无需捕捉上肢动作,即在没有上肢姿态数据的情况下,仅由下肢姿态数据即可确定出上肢姿态数据,从而得到四肢姿态数据,实现人体模型全身姿态的显示,使得人体模型的显示更加自然。
图2为本公开实施例提供的一种身体姿态生成装置的结构框图。该装置可由软件和/或硬件实现,一般可集成在电子设备中。如图2所示,该装置包括:
第一姿态数据获取模块201,用于获取下肢的第一姿态数据;
第二姿态数据确定模块202,用于基于第一姿态数据以及下肢与上肢的姿态映射关系,确定上肢的第二姿态数据;
姿态展示模块203,用于基于第一姿态数据和第二姿态数据,展示人体模型的全身姿态。
可选的,第一姿态数据获取模块具体用于:通过绑定在下肢上的惯性传感器获取第一姿态数据。
可选的,姿态映射关系包括下肢动作数据与上肢动作数据的对应关系,以及下肢姿态角与上肢姿态角的运算关系。
可选的,第二姿态数据确定模块包括:
下肢动作数据匹配单元,用于基于第一姿态数据的动作数据匹配姿态映射关系中的下肢动作数据;
上肢动作数据确定单元,用于若匹配成功,则基于下肢动作数据与上肢动作数据的对应关系,确定匹配成功的下肢动作数据对应的目标上肢动作数据;
姿态角数据确定单元,用于基于第一姿态数据的姿态角数据以及下肢姿态角与上肢姿态角的运算关系,确定第二姿态数据的姿态角数据;
姿态数据确定单元,用于基于目标上肢动作数据以及第二姿态数据的姿态角数据,确定第二姿态数据。
本公开实施例所提供的身体姿态生成装置可执行本公开任意实施例所提供的身体姿态生成方法,具备执行方法相应的功能模块和有益效果。
图3为本公开实施例提供的一种电子设备的结构示意图。如图3所示,电子设备300包括一个或多个处理器301和存储器302。
处理器301可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备300中的其他组件以执行期望的功能。
存储器302可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器301可以运行所述程序指令,以实现上文所述的本公开的实施例的身体姿态生成方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备300还可以包括:输入装置303和输出装置304,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
此外,该输入装置303还可以包括例如键盘、鼠标等等。
该输出装置304可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出装置304可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图3中仅示出了该电子设备300中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备300还可以包括任何其他适当的组件。
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本公开实施例所提供的身体姿态生成方法。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本公开实施例所提供的身体姿态生成方法。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种身体姿态生成方法,其特征在于,包括:
获取下肢的第一姿态数据;
基于所述第一姿态数据以及下肢与上肢的姿态映射关系,确定上肢的第二姿态数据;
基于所述第一姿态数据和所述第二姿态数据,展示人体模型的全身姿态。
2.根据权利要求1所述的身体姿态生成方法,其特征在于,获取下肢的第一姿态数据,包括:
通过绑定在所述下肢上的惯性传感器获取所述第一姿态数据。
3.根据权利要求1所述的身体姿态生成方法,其特征在于,所述姿态映射关系包括下肢动作数据与上肢动作数据的对应关系,以及下肢姿态角与上肢姿态角的运算关系。
4.根据权利要求3所述的身体姿态生成方法,其特征在于,基于所述第一姿态数据以及下肢与上肢的姿态映射关系,确定上肢的第二姿态数据,包括:
基于所述第一姿态数据的动作数据匹配所述姿态映射关系中的下肢动作数据;
若匹配成功,则基于下肢动作数据与上肢动作数据的对应关系,确定匹配成功的下肢动作数据对应的目标上肢动作数据;
基于所述第一姿态数据的姿态角数据以及下肢姿态角与上肢姿态角的运算关系,确定所述第二姿态数据的姿态角数据;
基于所述目标上肢动作数据以及所述第二姿态数据的姿态角数据,确定所述第二姿态数据。
5.一种身体姿态生成装置,其特征在于,包括:
第一姿态数据获取模块,用于获取下肢的第一姿态数据;
第二姿态数据确定模块,用于基于所述第一姿态数据以及下肢与上肢的姿态映射关系,确定上肢的第二姿态数据;
姿态展示模块,用于基于所述第一姿态数据和所述第二姿态数据,展示人体模型的全身姿态。
6.根据权利要求5所述的身体姿态生成装置,其特征在于,所述第一姿态数据获取模块具体用于:通过绑定在所述下肢上的惯性传感器获取所述第一姿态数据。
7.根据权利要求5所述的身体姿态生成装置,其特征在于,所述姿态映射关系包括下肢动作数据与上肢动作数据的对应关系,以及下肢姿态角与上肢姿态角的运算关系。
8.根据权利要求7所述的身体姿态生成装置,其特征在于,第二姿态数据确定模块包括:
下肢动作数据匹配单元,用于基于所述第一姿态数据的动作数据匹配所述姿态映射关系中的下肢动作数据;
上肢动作数据确定单元,用于若匹配成功,则基于下肢动作数据与上肢动作数据的对应关系,确定匹配成功的下肢动作数据对应的目标上肢动作数据;
姿态角数据确定单元,用于基于所述第一姿态数据的姿态角数据以及下肢姿态角与上肢姿态角的运算关系,确定所述第二姿态数据的姿态角数据;
姿态数据确定单元,用于基于所述目标上肢动作数据以及所述第二姿态数据的姿态角数据,确定所述第二姿态数据。
9.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-4中任一所述的身体姿态生成方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-4中任一所述的身体姿态生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110009061.4A CN112842327A (zh) | 2021-01-05 | 2021-01-05 | 一种身体姿态生成方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110009061.4A CN112842327A (zh) | 2021-01-05 | 2021-01-05 | 一种身体姿态生成方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112842327A true CN112842327A (zh) | 2021-05-28 |
Family
ID=76003929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110009061.4A Pending CN112842327A (zh) | 2021-01-05 | 2021-01-05 | 一种身体姿态生成方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112842327A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1290590A (zh) * | 1999-09-20 | 2001-04-11 | 索尼公司 | 机器人的步行控制装置和步行控制方法 |
CN105232052A (zh) * | 2015-10-21 | 2016-01-13 | 武汉纺织大学 | 组合传感器识别人体下肢运动姿态的装置 |
CN106821680A (zh) * | 2017-02-27 | 2017-06-13 | 浙江工业大学 | 一种基于下肢步态的上肢康复外骨骼控制方法 |
CN106821387A (zh) * | 2016-12-30 | 2017-06-13 | 上海大学 | 利用动作捕捉传感器的下肢康复程度定量评估系统及评估方法 |
CN108230429A (zh) * | 2016-12-14 | 2018-06-29 | 上海交通大学 | 基于头部和双手位置及姿态的实时全身姿态重建方法 |
-
2021
- 2021-01-05 CN CN202110009061.4A patent/CN112842327A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1290590A (zh) * | 1999-09-20 | 2001-04-11 | 索尼公司 | 机器人的步行控制装置和步行控制方法 |
CN105232052A (zh) * | 2015-10-21 | 2016-01-13 | 武汉纺织大学 | 组合传感器识别人体下肢运动姿态的装置 |
CN108230429A (zh) * | 2016-12-14 | 2018-06-29 | 上海交通大学 | 基于头部和双手位置及姿态的实时全身姿态重建方法 |
CN106821387A (zh) * | 2016-12-30 | 2017-06-13 | 上海大学 | 利用动作捕捉传感器的下肢康复程度定量评估系统及评估方法 |
CN106821680A (zh) * | 2017-02-27 | 2017-06-13 | 浙江工业大学 | 一种基于下肢步态的上肢康复外骨骼控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10817795B2 (en) | Handstate reconstruction based on multiple inputs | |
US11281896B2 (en) | Physical activity quantification and monitoring | |
Cerveri et al. | Finger kinematic modeling and real-time hand motion estimation | |
KR20180072978A (ko) | 홈 로봇 장치의 동작 운용 방법 및 이를 지원하는 홈 로봇 장치 | |
WO2007010893A1 (ja) | 関節物体位置姿勢推定装置及びその方法ならびにプログラム | |
CN108475111A (zh) | 变换轻量骨骼并且使用逆运动学产生有关节的骨骼 | |
CN109144252B (zh) | 对象确定方法、装置、设备和存储介质 | |
CN108875533A (zh) | 人脸识别的方法、装置、系统及计算机存储介质 | |
Aditya et al. | Recent trends in HCI: A survey on data glove, LEAP motion and microsoft kinect | |
CN112434679A (zh) | 康复运动的评估方法及装置、设备、存储介质 | |
CN115346670A (zh) | 基于姿态识别的帕金森病评级方法、电子设备及介质 | |
CN113033526A (zh) | 基于计算机实现的方法、电子设备和计算机程序产品 | |
CN112842327A (zh) | 一种身体姿态生成方法、装置、电子设备及介质 | |
CN115035042A (zh) | 动作迁移模型的评价方法、装置、电子设备及存储介质 | |
KR102363435B1 (ko) | 골프 스윙 동작 피드백 제공 장치 및 방법 | |
Jost | Kinect-based approach to upper limb rehabilitation | |
KR20210129861A (ko) | 근골격 질환 판단 장치 및 방법 | |
JP2021083562A (ja) | 情報処理装置、計算方法およびプログラム | |
CN116152931B (zh) | 一种手势识别方法及vr系统 | |
WO2022196059A1 (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN117503120B (zh) | 人体姿态估计方法及系统 | |
US20240055099A1 (en) | Range of motion determination | |
CN115223234A (zh) | 一种姿态识别的方法及相关设备 | |
Daphalapurkar | Development of Kinect TR applications for assembly simulation and ergonomic analysis | |
EP3621083A1 (en) | Rehabilitation device and method |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210528 |