CN113268626B - 数据处理方法、装置、电子设备及存储介质 - Google Patents
数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113268626B CN113268626B CN202110579414.4A CN202110579414A CN113268626B CN 113268626 B CN113268626 B CN 113268626B CN 202110579414 A CN202110579414 A CN 202110579414A CN 113268626 B CN113268626 B CN 113268626B
- Authority
- CN
- China
- Prior art keywords
- data
- motion capture
- limb
- target object
- scene
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 230000033001 locomotion Effects 0.000 claims abstract description 173
- 230000009471 action Effects 0.000 claims abstract description 85
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 48
- 210000003414 extremity Anatomy 0.000 claims description 82
- 238000012549 training Methods 0.000 claims description 49
- 238000009877 rendering Methods 0.000 claims description 48
- 238000005070 sampling Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 10
- 238000007499 fusion processing Methods 0.000 claims description 10
- 210000002414 leg Anatomy 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 210000003127 knee Anatomy 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 17
- 230000002452 interceptive effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
- G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种数据处理方法、装置、电子设备及存储介质。其中，该方法包括：检测目标对象的肢体运动轨迹，得到动作捕捉数据；确定与上述动作捕捉数据对应的动作曲线数据；确定上述动作曲线数据和目标数据库中存储的标准曲线数据之间的相似度；基于上述相似度确定与上述目标对象对应的评分数据。本发明解决了现有技术中采用人工方式对学员的搏击基本技术进行教学和考核效率较低的的技术问题。
Description
技术领域
本发明涉及训练创新技术领域，具体而言，涉及一种数据处理方法、装置、电子设备及存储介质。
背景技术
搏击训练是武警部队的传统特色训练课目，搏击在实战中的应用广泛且手段有效，所以加大武警部队的搏击训练对于提升武警部队战斗力有着十分重要的意义。现有的特战搏击教学模式基本是动作分解讲解与动作示范相结合方法。这种依赖于人为的教学能力、知识水平、体能状态、技能偏好，教学效果不能始终保持一致性。现有的特战搏击辅助教学课件一般为图片或视频类，交互性不强，往往达不到最佳的教学效果。采用虚拟现实技术的训练方法在面对众多学员教学时，特别是基础类知识技能的教学时，可以反复地对技术动作进行理论讲解和“实际”动作示范。
在学员的考核方面，现有的特战搏击技术考核主要是根据现场观看学员在搏击考试时的技术动作来进行人为评判，这种评判方法受人为因素的影响较大；另外，有多名学员均需要考核时，只能单人依次进行，完成全部学员的考核时间也较长，考试效率较低。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种数据处理方法、装置、电子设备及存储介质，以解决采用人工方式对学员的搏击基本技术进行教学和考核效率较低的的技术问题。
根据本发明实施例的一个方面，提供了一种数据处理方法，应用于虚拟现实设备中，该方法包括：检测目标对象的肢体运动轨迹，得到动作捕捉数据；确定与上述动作捕捉数据对应的动作曲线数据；确定上述动作曲线数据和目标数据库中存储的标准曲线数据之间的相似度；基于上述相似度确定与上述目标对象对应的评分数据。
可选地，在检测目标对象的肢体运动轨迹，得到动作捕捉数据之前，上述方法还包括：检测上述目标对象的多个关键肢体部位；构建上述多个关键肢体部位之间的肢体连接关系；当检测到上述目标对象的肢体动作时，获取上述多个关键肢体部位的空间位置信息，其中，上述肢体动作为搏击训练动作，上述搏击训练动作的内容包括以下至少之一：拳法、腿法、摔法、控制技法、膝法、肘法。
可选地，在检测目标对象的肢体运动轨迹，得到动作捕捉数据之后，上述方法还包括：发送上述动作捕捉数据至图形渲染处理设备，其中，上述图形渲染处理设备用于对上述动作捕捉数据进行渲染处理，得到渲染后动作捕捉数据；接收上述图形渲染处理设备返回的上述渲染后动作捕捉数据；采用目标存储格式将上述动作捕捉数据存储至目标数据库中。
可选的，上述方法还包括：在确定与上述动作捕捉数据对应的动作曲线数据过程中，按照预定时间频率从上述目标数据库中随机抽取不同的动作捕捉数据，得到抽样数据集合；采用收敛算法对上述抽样数据集合进行收敛计算，得到收敛数据；对上述收敛数据进行图像提取处理，得到上述动作曲线数据。
可选的，在采用目标存储格式将上述动作捕捉数据存储至目标数据库中之后，上述方法还包括：在接收到影像回放指令时，从上述目标数据库中获取上述动作捕捉数据；对上述动作捕捉数据进行数字化处理，得到三维动态影像数据；播放上述三维动态影像数据。
可选的，在检测目标对象的肢体运动轨迹，得到动作捕捉数据之前，上述方法还包括：检测上述目标对象所处的实际场景，得到实际场景数据，其中，不同的实际场景的场景需求不同；确定与上述实际场景数据对应的数字化场景数据；对上述数字化场景数据进行渲染处理，得到场景影像数据；基于上述实际场景的场景需求和上述场景影像数据，构建得到场景数据库。
可选的，在基于上述实际场景的场景需求和上述场景影像数据，构建得到场景数据库之后，上述方法还包括：获取预先确定的训练计划数据；基于上述训练计划数据确定对应的标准动作数据，其中，上述标准动作数据以课件的形式进行展示；采用上述场景数据库中的目标场景对上述课件的背景影像进行融合处理，得到融合处理后课件；在检测上述目标对象佩戴上述虚拟现实设备时，加载并展示上述融合处理后课件。
根据本发明实施例的另一方面，还提供了一种数据处理方法的装置，包括：第一检测模块，用于检测目标对象的肢体运动轨迹，得到动作捕捉数据；第一确定模块，用于确定与上述动作捕捉数据对应的动作曲线数据；第二确定模块，用于确定上述动作曲线数据和目标数据库中存储的标准曲线数据之间的相似度；评估模块，用于基于上述相似度确定与上述目标对象对应的评分数据。
可选地，上述第一检测模块还包括：检测单元，用于检测上述目标对象的多个关键肢体部位；构建单元，用于构建上述多个关键肢体部位之间的肢体连接关系；获取单元，用于当检测到上述目标对象的肢体动作时，获取上述多个关键肢体部位的空间位置信息，其中，上述肢体动作为搏击训练动作，上述搏击训练动作的内容包括以下至少之一：拳法、腿法、摔法、控制技法、膝法、肘法；生成单元，用于基于上述肢体连接关系和上述空间位置信息生成上述肢体运动轨迹，得到上述动作捕捉数据。
可选地，上述装置还包括：发送模块，用于发送上述动作捕捉数据至图形渲染处理设备，其中，上述图形渲染处理设备用于对上述动作捕捉数据进行渲染处理，得到渲染后动作捕捉数据；接收模块，用于接收上述图形渲染处理设备返回的上述渲染后动作捕捉数据；存储模块，用于采用目标存储格式将上述动作捕捉数据存储至目标数据库中。
可选地，上述发送模块还包括：抽取单元，用于按照预定时间频率从上述目标数据库中随机抽取不同的动作捕捉数据，得到抽样数据集合；计算单元，用于采用收敛算法对上述抽样数据集合进行收敛计算，得到收敛数据；第一处理单元，用于对上述收敛数据进行图像提取处理，得到上述动作曲线数据。
可选地，上述存储模块还包括：第一获取单元，用于在接收到影像回放指令时，从上述目标数据库中获取上述动作捕捉数据；第二处理单元，用于对上述动作捕捉数据进行数字化处理，得到三维动态影像数据；播放单元，用于播放上述三维动态影像数据。
可选地，上述装置还包括：第二检测模块，用于检测上述目标对象所处的实际场景，得到实际场景数据，其中，不同的实际场景的场景需求不同；数据确定模块，用于确定与上述实际场景数据对应的数字化场景数据；渲染模块，用于对上述数字化场景数据进行渲染处理，得到场景影像数据；构建模块，用于基于上述实际场景的场景需求和上述场景影像数据，构建得到场景数据库。
可选地，上述构建模块还包括：第二获取单元，用于获取预先确定的训练计划数据；确定单元，用于基于上述训练计划数据确定对应的标准动作数据，其中，上述标准动作数据以课件的形式进行展示；融合处理单元，用于采用上述场景数据库中的目标场景对上述课件的背景影像进行融合处理，得到融合处理后课件；加载展示单元，用于在检测上述目标对象佩戴上述虚拟现实设备时，加载并展示上述融合处理后课件。
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，上述非易失性存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项上述的数据处理方法。
根据本发明实施例的另一方面，还提供了一种处理器，上述处理器用于运行程序，其中，上述程序被设置为运行时执行任意一项上述数据处理方法。
在本发明实施例中，通过检测目标对象的肢体运动轨迹，得到动作捕捉数据；确定与上述动作捕捉数据对应的动作曲线数据；确定上述动作曲线数据和目标数据库中存储的标准曲线数据之间的相似度；基于上述相似度确定与上述目标对象对应的评分数据，达到了将教员的标准动作以数据库内容的形式播放的目的，从而实现了多名学员能够通过虚拟现实设备，沉浸式观模各种特战搏击教学的内容，且任意变换观察角度，观看任意时间点的姿态和肢体受力点的变化等，大大提高了特战搏击教学水平、训练效率的技术效果，进而解决了采用人工方式对学员的搏击基本技术进行教学和考核效率较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种数据处理方法的流程图；
图2是根据本发明实施例的一种数据处理方法软件组成框图；
图3是根据本发明实施例的一种数据处理方法硬件组成框图；
图4是根据本发明实施例的一种数据处理方法软件架构图；
图5是根据本发明实施例的一种数据处理方法总体框架图；
图6是根据本发明实施例的一种数据处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种数据处理方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的数据处理方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，检测目标对象的肢体运动轨迹，得到动作捕捉数据；
步骤S104，确定与上述动作捕捉数据对应的动作曲线数据；
步骤S106，确定上述动作曲线数据和目标数据库中存储的标准曲线数据之间的相似度；
步骤S108，基于上述相似度确定与上述目标对象对应的评分数据。
在本发明实施例中，通过检测教员的肢体运动轨迹，得到动作捕捉数据；确定与上述动作对应的搏击目标数据库的标准曲线数据，根据标准曲线数据生成目标数据库；通过检测学员的肢体运动轨迹，得到动作捕捉数据；确定与上述动作捕捉数据对应的动作曲线数据；确定上述动作曲线数据和目标数据库中存储的标准曲线数据之间的相似度；基于上述相似度确定与上述学员对应的评分数据，从而实现了单个学员能够通过虚拟现实设备，沉浸式观模各种特战搏击标准动作的教学内容，且任意变换观察角度，观看任意时间点的姿态和肢体受力点的变化等，另外，可将特战搏击标准动作的教学内容，投射到大屏幕液晶显示器中，可以让多名学员在近似“真实”环境下，全方位、多视角、反复地观看教学培训内容；可大大提高了特战搏击教学水平、训练效果和考核效率的技术效果，进而解决了采用人工方式对学员的搏击基本技术进行教学和考核效率较低的技术问题。
可选的，本发明实施例所提供的一种数据处理方法，可以应用于人机交互虚拟现实设备VR中，可以但不限于应用于学员考核场景中，基于VR技术的教学训练场景中，可以实现对搏击训练动作的考核，体操运动动作考核等等。作为一种可选的实施例，上述数据处理方法可以为一种基于VR技术的特战搏击教学方法，或者基于VR技术的特战搏击教学训练方法。
可选的，在本申请实施例中，上述检测目标对象即为教员或学员的单人各肢体关键点；上述目标对象的肢体运动轨迹可以为各肢体关键点运动轨迹，例如，可以是采用捆绑式三维惯性动作捕捉设备，通过准确捕捉到的教员或学员的单人各肢体关键点运动轨迹，例如，头部、双手、双腿等关键部位，例如，可以通过捕捉特战搏击技术训练内容中的拳法、腿法、摔法、控制技法、膝法、肘法等基本动作，再例如，还可以捕捉教员双人及多人示范的进攻战术、防守战术、攻防转换战术等基本战术动作，得到教员双人及多人肢体关键点的三维空间运动轨迹数据；可选的，在本申请实施例中，上述动作捕捉数据是指基本动作捕捉后，经图形渲染工作站处理后得到人体运动过程中各肢体关键点的三维空间的位置、速度和角度等数据，形成数字化的三维动态数据。
可选的，在本申请实施例中，可以在对动作捕捉数据修正处理后，将各肢体关键点的数据绑定在与教员形体比例相同的数字三维模型上，导入3D渲染引擎，通过程序调用模型、信息、语音和动画等一系列媒体资源，处理得到上述动作曲线数据，并基于该动作曲线数据完成在数字空间中三维模型与用户的交互逻辑控制和视觉展示功能的实现；并使用教员的动作曲线数据构建一个模拟真实训练现场的数字仿真环境，制作成标准化、系列化、数字化的虚拟三维互动教学标准课件，生成人机交互虚拟现实特战搏击训练标准动作数据库，即目标数据库。
可选的，在本申请实施例中，上述目标数据库中存储的标准曲线数据，即教员的动作曲线数据构建的一个模拟真实训练现场的数字仿真环境，制作成的标准化、系列化、数字化的虚拟三维互动教学标准课件。上述动作曲线数据和目标数据库中存储的标准曲线数据之间的相似度是指待考学员进行考核时，记录每个要点的空间位置、速度、角度等信息数据，形成系统可处理与分析的有效动作要点数据。学员的动作要点在数据播放时，形成一段特定的动作轨迹，系统通过动作播放的时间内，按照固定的时间频率抽样获取动作要点的信息数据，形成动作要点抽样数据集，基于这些抽样数据集，通过数学收敛算法形成特定的考试学员动作曲线，学员动作曲线形成后，通过图像提取技术获得该动作曲线的信息，通过计算机自动查询标准动作库中的相应标准动作曲线数据，将学员在考试中形成动作曲线与标准曲线进行空间匹配算法分析，得出曲线相似度。
可选的，在本申请实施例中，上述目标对象对应的评分数据即可根据曲线相似度对学员的考试进行测评与“打分”，完成考评。
需要说明的是，上述数据处理方法可以应用于基于人机交互的虚拟现实技术的特战搏击教学训练场景中，如图2所示，该数据处理方法所适用的或用于运行该数据处理方法的操作系统，可以采用Windows7/Windows10/Windows Xp操作系统，本申请实施例对此并不限定，均属于本申请保护范围。可选的，上述该操作系统的数据传输方式包括：有线处理方式和/或无线处理方式，例如，无线处理方式可以为WIFI模式，相应的，该操作系统具备离线运行模式和在线运行模式。
在一种可选的实施例中，上述采用虚拟现实技术和计算机图形图像实时处理技术，为检测目标对象的肢体运动轨迹，得到动作捕捉数据时，在人身体上固定了17个传感器子节点，节点间通过2.4G射频，实现完全无线连接，各子节点采用轮询方式将采集的动态数据传送到信号发生器后，可以BVH和FBX的文件格式存储在图形渲染工作站的硬盘里，供用户开发使用，如图3所示。
在本申请实施例中，如图4所示，系统软件主要设计为四层，分别是数据与模型层、算法层、可视化层和应用层，其中数据/模型层负责对原始数据的存储、管理、处理等，搭建原始数据向系统运行数据的转换桥梁，形成系统所需的场景、人物等三维基本模型，其中算法层则集合系统的各种算法，包括动作捕捉信息融合、动作识别、动作定位、过程模型等各个关键技术和系统运行需要的所有部分的算法实现。
在本申请实施例中，基于上述相似度确定与上述目标对象对应的评分数据，如图5所示，通过调用教学标准课件，可组成多种不同场景的教学训练模式，满足基于虚拟现实技术的特战搏击教学训练的需求；通过调用搏击辅助考评模块和数据库模块，可组成多种不同场景的考评模式，满足基于虚拟现实技术的特战搏击计算机辅助考评的需求。
在一种可选的实施例中，在检测目标对象的肢体运动轨迹，得到动作捕捉数据之前，上述方法还包括：
步骤S202，检测上述目标对象的多个关键肢体部位；
步骤S204，构建上述多个关键肢体部位之间的肢体连接关系；
步骤S206，当检测到上述目标对象的肢体动作时，获取上述多个关键肢体部位的空间位置信息，其中，上述肢体动作为搏击训练动作，上述搏击训练动作的内容包括以下至少之一：拳法、腿法、摔法、控制技法、膝法、肘法。
在一种可选的实施例中，采用惯性动作捕捉设备，在待考学员的头部、双手、双腿等关键部位设立数据采集点，建立相连要点的关系；在待考学员进行考核时，记录每个要点的空间位置、速度、角度等信息数据，获取上述多个关键肢体部位的空间位置信息。
在一种可选的实施例中，在检测目标对象的肢体运动轨迹，得到动作捕捉数据之前，上述方法还包括：
步骤S302，检测上述目标对象所处的实际场景，得到实际场景数据；
步骤S304，确定与上述实际场景数据对应的数字化场景数据；
步骤S306，对上述数字化场景数据进行渲染处理，得到场景影像数据；
步骤S308，基于上述实际场景的场景需求和上述场景影像数据，构建得到场景数据库。
在一种可选的实施例中，采用拍摄与三维扫描等设备，采集实际场景数据，制作多种数字化场景，经图形渲染工作站及三维工具软件，通过编辑、渲染后得到数字化的场景数据，制作三维场景数据库。
在一种可选的实施例中，在基于上述实际场景的场景需求和上述场景影像数据，构建得到场景数据库之后，上述方法还包括：
步骤S402，获取预先确定的训练计划数据；
步骤S404，基于上述训练计划数据确定对应的标准动作数据；
步骤S406，采用上述场景数据库中的目标场景对上述课件的背景影像进行融合处理，得到融合处理后课件；
步骤S408，在检测上述目标对象佩戴上述虚拟现实设备时，加载并展示上述融合处理后课件。
在一种可选的实施例中，预先确定的训练计划数据是指教员根据训练计划，选取特战搏击训练数据库中的VR课件，同时，在选取的课件中融入所所需的训练场景，投射到大屏幕液晶显示器中，可以让多名学员在近似“真实”环境下，全方位、多视角、反复地观看教学培训内容；对应的标准动作数据是教学标准课件中使用教员的动作曲线数据构建一个模拟真实训练现场的数字仿真环境，制作成的标准化、系列化、数字化的虚拟三维互动数据；学员根据教员的要求通过VR虚拟现实头盔来观摩和学习VR特战搏击训练数据库中的课件，并根据自己的需要调整课件的运行速度，通过这种表象训练方法，学员可快速掌握搏击动作的技术要领，达到最佳的学习效果。
在一种可选的实施例中，在检测目标对象的肢体运动轨迹，得到动作捕捉数据之后，上述方法还包括：
步骤S502，发送上述动作捕捉数据至图形渲染处理设备；
步骤S504，接收上述图形渲染处理设备返回的上述渲染后动作捕捉数据；
步骤S506，采用目标存储格式将上述动作捕捉数据存储至目标数据库中。
在一种可选的实施例中，采用拍摄与三维扫描等设备，采集实际场景数据，制作多种数字化场景，经图形渲染工作站及三维工具软件，通过编辑、渲染后得到数字化的场景数据，制作三维场景数据库；还可以采用上述图形渲染处理设备用于对上述动作捕捉数据进行渲染处理，得到渲染后动作捕捉数据；经图形渲染处理设备处理后得到人体运动过程中各肢体关键点的三维空间的位置、速度和角度等数据，形成数字化的三维动态数据，经过修正处理后，将各肢体关键点的数据绑定在与教员形体比例相同的数字三维模型上，导入三维渲染引擎，通过程序调用模型、信息、语音和动画等一系列富媒体资源，处理得到上述动作曲线数据，并完成在数字空间中三维模型与用户的交互逻辑控制和视觉展示功能的实现，构建一个模拟真实训练现场的数字仿真环境，制作成标准化、系列化、数字化的虚拟三维互动教学标准课件，即目标数据库。并且可根据上述目标数据库创建基于人机交互虚拟现实特战搏击战术训练数据库，可用于反复观看学习。
在一种可选的实施例中，在确定与上述动作捕捉数据对应的动作曲线数据过程中，上述方法还包括：
步骤S602，按照预定时间频率从上述目标数据库中随机抽取不同的动作捕捉数据，得到抽样数据集合；
步骤S604，采用收敛算法对上述抽样数据集合进行收敛计算，得到收敛数据；
步骤S606，对上述收敛数据进行图像提取处理，得到上述动作曲线数据。
在一种可选的实施例中，上述抽样数据集合是指按照固定的时间频率抽样获取动作要点的信息数据，形成动作要点抽样数据集；通过数学收敛算法形成特定的考试学员动作曲线，得到上述动作曲线数据。
在一种可选的实施例中，在采用目标存储格式将上述动作捕捉数据存储至目标数据库中之后，上述方法还包括：
步骤S702，在接收到影像回放指令时，从上述目标数据库中获取上述动作捕捉数据；
步骤S704，对上述动作捕捉数据进行数字化处理，得到三维动态影像数据；
步骤S706，播放上述三维动态影像数据。
在一种可选的实施例中，获取上述动作捕捉数据是指在待考学员进行考核时，记录每个要点的空间位置、速度、角度等信息数据，形成的系统可处理与分析的有效动作要点数据；经图形渲染处理设备处理后得到人体运动过程中各肢体关键点的三维空间的位置、速度和角度等数据；数据播放时形成一段特定的动作轨迹，即上述三维动态影像数据。
在一种可选的实施例中，上述方法还包括：可创建基于人体骨骼关键点运动数据分析技术的特战搏击计算机智能辅助考评系统，采用惯性动作捕捉设备，在待考学员的头部、双手、双腿等关键部位设立数据采集点，建立相连要点的关系。在待考学员进行考核时，记录每个要点的空间位置、速度、角度等信息数据，形成系统可处理与分析的有效动作要点数据；将学员在考试中形成动作曲线与标准曲线进行空间匹配算法分析，得出曲线相似度，从而对学员的考试进行测评与“打分”，完成计算机智能辅助考评。
实施例2
根据本发明实施例，还提供了一种用于实施上述智能设计数据的测试方法的装置实施例，图6是根据本发明实施例的一种智能设计数据的测试装置的结构示意图，如图6所示，上述智能设计数据的测试装置，包括：第一检测模块60、第一确定模块62、第二确定模块64和评估模块66，其中：
第一检测模块，用于检测目标对象的肢体运动轨迹，得到动作捕捉数据；第一确定模块，用于确定与上述动作捕捉数据对应的动作曲线数据；第二确定模块，用于确定上述动作曲线数据和目标数据库中存储的标准曲线数据之间的相似度；评估模块，用于基于上述相似度确定与上述目标对象对应的评分数据。
在一种可选的实施例中，上述第一检测模块还包括：检测单元，用于检测上述目标对象的多个关键肢体部位；构建单元，用于构建上述多个关键肢体部位之间的肢体连接关系；获取单元，用于当检测到上述目标对象的肢体动作时，获取上述多个关键肢体部位的空间位置信息，其中，上述肢体动作为搏击训练动作，上述搏击训练动作的内容包括以下至少之一：拳法、腿法、摔法、控制法、膝法、肘法；生成单元，用于基于上述肢体连接关系和上述空间位置信息生成上述肢体运动轨迹，得到上述动作捕捉数据。
在一种可选的实施例中，上述装置还包括：发送模块，用于发送上述动作捕捉数据至图形渲染处理设备，其中，上述图形渲染处理设备用于对上述动作捕捉数据进行渲染处理，得到渲染后动作捕捉数据；模块，用于接收上述图形渲染处理设备返回的上述渲染后动作捕捉数据；存储模块，用于采用目标存储格式将上述动作捕捉数据存储至目标数据库中。
在一种可选的实施例中，上述发送模块还包括：抽取单元，用于按照预定时间频率从上述目标数据库中随机抽取不同的动作捕捉数据，得到抽样数据集合；计算单元，用于采用收敛算法对上述抽样数据集合进行收敛计算，得到收敛数据；第一处理单元，用于对上述收敛数据进行图像提取处理，得到上述动作曲线数据。
在一种可选的实施例中，上述存储模块还包括：第一获取单元，用于在接收到影像回放指令时，从上述目标数据库中获取上述动作捕捉数据；第二处理单元，用于对上述动作捕捉数据进行数字化处理，得到三维动态影像数据；播放单元，用于播放上述三维动态影像数据。
在一种可选的实施例中，上述装置还包括：第二检测模块，用于检测上述目标对象所处的实际场景，得到实际场景数据，其中，不同的实际场景的场景需求不同；数据确定模块，用于确定与上述实际场景数据对应的数字化场景数据；渲染模块，用于对上述数字化场景数据进行渲染处理，得到场景影像数据；构建模块，用于基于上述实际场景的场景需求和上述场景影像数据，构建得到场景数据库。
在一种可选的实施例中，上述构建模块还包括：第二获取单元，用于获取预先确定的训练计划数据；确定单元，用于基于上述训练计划数据确定对应的标准动作数据，其中，上述标准动作数据以课件的形式进行展示；融合处理单元，用于采用上述场景数据库中的目标场景对上述课件的背景影像进行融合处理，得到融合处理后课件；加载单元，用于在检测上述目标对象佩戴上述虚拟现实设备时，加载并上述融合处理后课件。
上述的数据处理装置还可以包括处理器和存储器，第一检测模块60、第一确定模块62、第二确定模块64和评估模块66等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元，上述内核可以设置一个或以上。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，上述非易失性存储介质存储有多条指令，上述指令适于由处理器加载并执行任意一项上述的数据处理方法。
根据本发明实施例的另一方面，还提供了一种处理器，上述处理器用于运行程序，其中，上述程序被设置为运行时执行任意一项上述数据处理方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，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。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，可以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，单元或模块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，在本发明各个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，本发明的技术方案本质上或者说对现有技术做出贡献的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(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (11)
1.一种数据处理方法，其特征在于，应用于虚拟现实设备中，包括：
检测目标对象的肢体运动轨迹，得到动作捕捉数据，包括：记录所述目标对象的每个要点的空间位置、速度、角度信息数据，从而得到有效动作要点数据；对所述有效动作要点数据进行图形渲染，得到所述目标对象的人体运动过程中各肢体关键点的三维空间的位置数据、速度数据和角度数据；
确定与所述动作捕捉数据对应的动作曲线数据，包括：播放所述各肢体关键点的三维空间的位置数据、速度数据和角度数据，得到所述动作曲线数据；
确定所述动作曲线数据和目标数据库中存储的标准曲线数据之间的相似度，其中，所述目标数据库通过以下方法确定：使用教员的动作曲线数据生成所述目标数据库；所述教员的动作曲线数据通过以下方式确定：在对所述教员的动作捕捉数据修正处理后，将所述教员的各肢体关键点的数据绑定在与所述教员的形体比例相同的数字三维模型上，从而得到所述教员的动作曲线数据；
基于所述相似度确定与所述目标对象对应的评分数据；
确定与所述动作捕捉数据对应的动作曲线数据还包括：按照预定时间频率从所述目标数据库中随机抽取不同的动作捕捉数据，得到抽样数据集合；采用收敛算法对所述抽样数据集合进行收敛计算，得到收敛数据；对所述收敛数据进行图像提取处理，得到所述目标对象的所述动作曲线数据；
确定所述动作曲线数据和目标数据库中存储的标准曲线数据之间的相似度还包括：从所述目标数据库中获取与所述动作曲线数据对应的标准动作曲线数据；对所述目标对象的所述动作曲线数据和所述标准动作曲线数据进行空间匹配算法分析，得到所述动作曲线数据和所述标准动作曲线数据之间的曲线相似度，并将所述曲线相似度作为所述相似度。
2.根据权利要求1所述的方法，其特征在于，检测目标对象的肢体运动轨迹，得到动作捕捉数据包括：
检测所述目标对象的多个关键肢体部位；
构建所述多个关键肢体部位之间的肢体连接关系；
当检测到所述目标对象的肢体动作时，获取所述多个关键肢体部位的空间位置信息，其中，所述肢体动作为搏击训练动作，所述搏击训练动作的内容包括以下至少之一：拳法、腿法、摔法、控制技法、膝法、肘法；
基于所述肢体连接关系和所述空间位置信息生成所述肢体运动轨迹，得到所述动作捕捉数据。
3.根据权利要求1所述的方法，其特征在于，在检测目标对象的肢体运动轨迹，得到动作捕捉数据之后，所述方法还包括：
发送所述动作捕捉数据至图形渲染处理设备，其中，所述图形渲染处理设备用于对所述动作捕捉数据进行渲染处理，得到渲染后动作捕捉数据；
接收所述图形渲染处理设备返回的所述渲染后动作捕捉数据；
采用目标存储格式将所述动作捕捉数据存储至目标数据库中。
4.根据权利要求3所述的方法，其特征在于，在采用目标存储格式将所述动作捕捉数据存储至目标数据库中之后，所述方法还包括：
在接收到影像回放指令时，从所述目标数据库中获取所述动作捕捉数据；
对所述动作捕捉数据进行数字化处理，得到三维动态影像数据；
播放所述三维动态影像数据。
5.根据权利要求1所述的方法，其特征在于，在检测目标对象的肢体运动轨迹，得到动作捕捉数据之前，所述方法还包括：
检测所述目标对象所处的实际场景，得到实际场景数据，其中，不同的实际场景的场景需求不同；
确定与所述实际场景数据对应的数字化场景数据；
对所述数字化场景数据进行渲染处理，得到场景影像数据；
基于所述实际场景的场景需求和所述场景影像数据，构建得到场景数据库。
6.根据权利要求5所述的方法，其特征在于，在基于所述实际场景的场景需求和所述场景影像数据，构建得到场景数据库之后，所述方法还包括：
获取预先确定的训练计划数据；
基于所述训练计划数据确定对应的标准动作数据，其中，所述标准动作数据以课件的形式进行展示；
采用所述场景数据库中的目标场景对所述课件的背景影像进行融合处理，得到融合处理后课件；
在检测所述目标对象佩戴所述虚拟现实设备时，加载并展示所述融合处理后课件。
7.一种数据处理的装置，其特征在于，应用于虚拟现实设备中，包括：
检测模块，用于检测目标对象的肢体运动轨迹，得到动作捕捉数据，包括：记录所述目标对象的每个要点的空间位置、速度、角度信息数据，从而得到有效动作要点数据；对所述有效动作要点数据进行图形渲染，得到所述目标对象的人体运动过程中各肢体关键点的三维空间的位置数据、速度数据和角度数据；
第一确定模块，用于确定与所述动作捕捉数据对应的动作曲线数据，包括：播放所述各肢体关键点的三维空间的位置数据、速度数据和角度数据，得到所述动作曲线数据；
第二确定模块，用于确定所述动作曲线数据和目标数据库中存储的标准曲线数据之间的相似度，其中，所述目标数据库通过以下方法确定：使用教员的动作曲线数据生成所述目标数据库；所述教员的动作曲线数据通过以下方式确定：在对所述教员的动作捕捉数据修正处理后，将所述教员的各肢体关键点的数据绑定在与所述教员的形体比例相同的数字三维模型上，从而得到所述教员的动作曲线数据；
评估模块，用于基于所述相似度确定与所述目标对象对应的评分数据；
所述第一确定模块还包括：
抽取模块，用于按照预定时间频率从所述目标数据库中随机抽取不同的动作捕捉数据，得到抽样数据集合；
计算模块，用于采用收敛算法对所述抽样数据集合进行收敛计算，得到收敛数据；
处理模块，用于对所述收敛数据进行图像提取处理，得到所述目标对象的所述动作曲线数据；
所述第二确定模块还用于：从所述目标数据库中获取与所述动作曲线数据对应的标准动作曲线数据；对所述目标对象的所述动作曲线数据和所述标准动作曲线数据进行空间匹配算法分析，得到所述动作曲线数据和所述标准动作曲线数据之间的曲线相似度，并将所述曲线相似度作为所述相似度。
8.根据权利要求7所述的装置，其特征在于，所述检测模块包括：
检测单元，用于检测所述目标对象的多个关键肢体部位；
构建单元，用于构建所述多个关键肢体部位之间的肢体连接关系；
获取单元，用于当检测到所述目标对象的肢体动作时，获取所述多个关键肢体部位的空间位置信息，其中，所述肢体动作为搏击训练动作，所述搏击训练动作的内容包括以下至少之一：拳法、腿法、摔法、控制技法、膝法、肘法；
生成单元，用于基于所述肢体连接关系和所述空间位置信息生成所述肢体运动轨迹，得到所述动作捕捉数据。
9.根据权利要求7所述的装置，其特征在于，所述装置还包括：
发送模块，用于发送所述动作捕捉数据至图形渲染处理设备，其中，所述图形渲染处理设备用于对所述动作捕捉数据进行渲染处理，得到渲染后动作捕捉数据；
接收模块，用于接收所述图形渲染处理设备返回的所述渲染后动作捕捉数据；
存储模块，用于采用目标存储格式将所述动作捕捉数据存储至目标数据库中。
10.一种非易失性存储介质，其特征在于，所述非易失性存储介质存储有多条指令，所述指令适于由处理器加载并执行权利要求1至6中任意一项所述的数据处理方法。
11.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至6中任意一项所述的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110579414.4A CN113268626B (zh) | 2021-05-26 | 2021-05-26 | 数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110579414.4A CN113268626B (zh) | 2021-05-26 | 2021-05-26 | 数据处理方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113268626A CN113268626A (zh) | 2021-08-17 |
| CN113268626B true CN113268626B (zh) | 2024-04-26 |
Family
ID=77232980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110579414.4A Active CN113268626B (zh) | 2021-05-26 | 2021-05-26 | 数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113268626B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114679455B (zh) * | 2022-03-27 | 2022-11-08 | 江苏海纳宝川智能科技有限公司 | 分布式云端服务系统 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104463947A (zh) * | 2013-11-25 | 2015-03-25 | 安徽寰智信息科技股份有限公司 | 一种人体骨骼建模方法 |
| CN104700433A (zh) * | 2015-03-24 | 2015-06-10 | 中国人民解放军国防科学技术大学 | 一种基于视觉的实时人体全身体运动捕捉方法及其系统 |
| JP2016091391A (ja) * | 2014-11-07 | 2016-05-23 | 国立研究開発法人産業技術総合研究所 | 対応点探索装置と対応点探索プログラム並びに対応点探索方法 |
| CN108109464A (zh) * | 2017-12-26 | 2018-06-01 | 佛山市道静科技有限公司 | 一种基于vr技术的共享单车学习系统 |
| CN110753930A (zh) * | 2018-12-29 | 2020-02-04 | 深圳市瑞立视多媒体科技有限公司 | 一种三维轨迹数据的拟合处理方法及光学动作捕捉方法 |
| JP6698233B1 (ja) * | 2019-04-10 | 2020-05-27 | 株式会社オンワードホールディングス | ３次元モデルの生成方法、及び３次元モデル生成プログラム |
| CN111401330A (zh) * | 2020-04-26 | 2020-07-10 | 四川自由健信息科技有限公司 | 教学系统及采用该教学系统的智能镜 |
| WO2020199480A1 (zh) * | 2019-04-03 | 2020-10-08 | 平安科技（深圳）有限公司 | 一种人体动作的识别方法及设备 |
| CN111930231A (zh) * | 2020-07-27 | 2020-11-13 | 歌尔光学科技有限公司 | 交互控制方法、终端设备及存储介质 |
| CN111991001A (zh) * | 2020-07-30 | 2020-11-27 | 杜晓玉 | 一种运动数据分析方法、系统、设备及可读存储介质 |
| CN112331001A (zh) * | 2020-10-23 | 2021-02-05 | 螺旋平衡(东莞)体育文化传播有限公司 | 一种基于虚拟现实技术的教学系统 |
| CN112446313A (zh) * | 2020-11-20 | 2021-03-05 | 山东大学 | 一种基于改进动态时间规整算法的排球动作识别方法 |
| CN112464918A (zh) * | 2021-01-27 | 2021-03-09 | 昆山恒巨电子有限公司 | 健身动作纠正方法、装置、计算机设备和存储介质 |
| WO2021057810A1 (zh) * | 2019-09-29 | 2021-04-01 | 深圳数字生命研究院 | 数据处理、训练、识别方法、装置和存储介质 |
| CN112597802A (zh) * | 2020-11-25 | 2021-04-02 | 中国科学院空天信息创新研究院 | 一种基于视觉感知网络深度学习的行人运动模拟方法 |
-
2021
- 2021-05-26 CN CN202110579414.4A patent/CN113268626B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104463947A (zh) * | 2013-11-25 | 2015-03-25 | 安徽寰智信息科技股份有限公司 | 一种人体骨骼建模方法 |
| JP2016091391A (ja) * | 2014-11-07 | 2016-05-23 | 国立研究開発法人産業技術総合研究所 | 対応点探索装置と対応点探索プログラム並びに対応点探索方法 |
| CN104700433A (zh) * | 2015-03-24 | 2015-06-10 | 中国人民解放军国防科学技术大学 | 一种基于视觉的实时人体全身体运动捕捉方法及其系统 |
| CN108109464A (zh) * | 2017-12-26 | 2018-06-01 | 佛山市道静科技有限公司 | 一种基于vr技术的共享单车学习系统 |
| CN110753930A (zh) * | 2018-12-29 | 2020-02-04 | 深圳市瑞立视多媒体科技有限公司 | 一种三维轨迹数据的拟合处理方法及光学动作捕捉方法 |
| WO2020199480A1 (zh) * | 2019-04-03 | 2020-10-08 | 平安科技（深圳）有限公司 | 一种人体动作的识别方法及设备 |
| JP6698233B1 (ja) * | 2019-04-10 | 2020-05-27 | 株式会社オンワードホールディングス | ３次元モデルの生成方法、及び３次元モデル生成プログラム |
| WO2021057810A1 (zh) * | 2019-09-29 | 2021-04-01 | 深圳数字生命研究院 | 数据处理、训练、识别方法、装置和存储介质 |
| CN111401330A (zh) * | 2020-04-26 | 2020-07-10 | 四川自由健信息科技有限公司 | 教学系统及采用该教学系统的智能镜 |
| CN111930231A (zh) * | 2020-07-27 | 2020-11-13 | 歌尔光学科技有限公司 | 交互控制方法、终端设备及存储介质 |
| CN111991001A (zh) * | 2020-07-30 | 2020-11-27 | 杜晓玉 | 一种运动数据分析方法、系统、设备及可读存储介质 |
| CN112331001A (zh) * | 2020-10-23 | 2021-02-05 | 螺旋平衡(东莞)体育文化传播有限公司 | 一种基于虚拟现实技术的教学系统 |
| CN112446313A (zh) * | 2020-11-20 | 2021-03-05 | 山东大学 | 一种基于改进动态时间规整算法的排球动作识别方法 |
| CN112597802A (zh) * | 2020-11-25 | 2021-04-02 | 中国科学院空天信息创新研究院 | 一种基于视觉感知网络深度学习的行人运动模拟方法 |
| CN112464918A (zh) * | 2021-01-27 | 2021-03-09 | 昆山恒巨电子有限公司 | 健身动作纠正方法、装置、计算机设备和存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| Learning sampling distributions for robot motion planning;Ichter 等;IEEE International Conference on Robotics and Automation (ICRA);20180913;1-4 * |
| 人体运动数据重构方法进展;方小勇;魏小鹏;张强;周东生;;计算机应用研究;20081115(11);3228-3232 * |
| 体育训练三维人体运动模拟与视频分析系统;王兆其, 张勇东, 夏时洪;计算机研究与发展;20050216(02);344-352 * |
| 基于动态模板匹配的空中运动目标检测与跟踪控制;逯新华;史忠科;;电子测量与仪器学报;20101015(第10期);935-941 * |
| 基于篮球课体能训练的虚拟仿真系统的设计与实现;尹杰;内蒙古师范大学学报(自然科学汉文版);20180430;第47卷(第04期);307-311 * |
| 基于骨架信息的人体动作识别与实时交互技术;张继凯 等;内蒙古科技大学学报;20200331;第39卷(第03期);266-272 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113268626A (zh) | 2021-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11744495B2 (en) | Method for objectively tracking and analyzing the social and emotional activity of a patient | |
| US8217995B2 (en) | Providing a collaborative immersive environment using a spherical camera and motion capture | |
| CN106355153A (zh) | 一种基于增强现实的虚拟对象显示方法、装置以及系统 | |
| CN105913364A (zh) | 基于虚拟现实技术的监狱出监教育模拟方法 | |
| Rallis et al. | An embodied learning game using kinect and labanotation for analysis and visualization of dance kinesiology | |
| CN108762502A (zh) | 一种基于眼动追踪的虚拟现实人群仿真方法及系统 | |
| Nguyen et al. | Civil War battlefield experience: Historical event simulation using augmented reality technology | |
| CN112331001A (zh) | 一种基于虚拟现实技术的教学系统 | |
| CN113268626B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| Bao et al. | RETRACTED: Dynamic 3D image simulation of basketball movement based on embedded system and computer vision | |
| CN104933278B (zh) | 一种用于言语障碍康复训练的多通道交互方法和系统 | |
| Zhang et al. | Application of simulation and virtual reality to physical education and athletic training | |
| CN112037090A (zh) | 基于vr技术和6dof姿态跟踪的知识教育系统 | |
| TWI687904B (zh) | 互動式訓練及檢測裝置 | |
| KR20170140756A (ko) | 동작 교본 저작 장치, 동작 자가 학습 장치 및 방법 | |
| US20160293052A1 (en) | Pedagogical system | |
| CN116271757A (zh) | 一种基于ai技术的篮球练习的辅助系统和方法 | |
| US11741847B2 (en) | Selecting lesson asset information based on a learner profile | |
| KR20160005841A (ko) | 모션인식과 증강현실을 기반으로 하는 실시간 반응형 인체학습시스템 | |
| Oldknow | Their world, our world—bridging the divide | |
| CN102614665A (zh) | 一种在网络游戏图像中添加现实物体的方法 | |
| CN113496634A (zh) | 一种基于单向视频交互的模拟驾驶训练方法 | |
| CN111105651A (zh) | 基于ar的废弃物归类的教学方法及系统 | |
| US11922595B2 (en) | Redacting content in a virtual reality environment | |
| Yohannes et al. | Virtual reality in puppet game using depth sensor of gesture recognition and tracking |
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 |