CN113350771A - 一种运动员动态姿态识别方法、装置、系统及存储介质 - Google Patents

一种运动员动态姿态识别方法、装置、系统及存储介质 Download PDF

Info

Publication number
CN113350771A
CN113350771A CN202110696575.1A CN202110696575A CN113350771A CN 113350771 A CN113350771 A CN 113350771A CN 202110696575 A CN202110696575 A CN 202110696575A CN 113350771 A CN113350771 A CN 113350771A
Authority
CN
China
Prior art keywords
athlete
quaternion
angle information
attitude angle
attitude
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
CN202110696575.1A
Other languages
English (en)
Other versions
CN113350771B (zh
Inventor
刘晓凯
梁凤龙
常锋伟
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.)
Beijing Cyber Xingtong Technology Co ltd
Original Assignee
Beijing Cyber Xingtong Technology Co ltd
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 Beijing Cyber Xingtong Technology Co ltd filed Critical Beijing Cyber Xingtong Technology Co ltd
Priority to CN202110696575.1A priority Critical patent/CN113350771B/zh
Publication of CN113350771A publication Critical patent/CN113350771A/zh
Application granted granted Critical
Publication of CN113350771B publication Critical patent/CN113350771B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A63SPORTS; GAMES; AMUSEMENTS
    • A63BAPPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06Indicating or scoring devices for games or players, or for other sports activities
    • AHUMAN NECESSITIES
    • A63SPORTS; GAMES; AMUSEMENTS
    • A63BAPPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B2071/0647Visualisation of executed movements
    • AHUMAN NECESSITIES
    • A63SPORTS; GAMES; AMUSEMENTS
    • A63BAPPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00Measuring of physical parameters relating to sporting activity
    • A63B2220/30Speed
    • A63B2220/34Angular speed
    • AHUMAN NECESSITIES
    • A63SPORTS; GAMES; AMUSEMENTS
    • A63BAPPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00Measuring of physical parameters relating to sporting activity
    • A63B2220/40Acceleration

Landscapes

  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种运动员动态姿态识别方法、装置、系统及存储介质,所述方法包括:采集运动员若干身体指定部位的加速度、角速度和磁场方向;基于每一个身体指定部位的采集数据,根据四元数与姿态阵间的关系,计算该身体指定部位对应的全姿态角信息;基于各个身体指定部位对应的全姿态角信息,获取该运动员的全身整体全姿态角信息。根据本发明的方法,能够有效降低硬件成本,并提高识别的准确度。能够分析和比较多次运动结果或不同运动员的表现。从而制定针对性地改善运动表现的方案;对运动员的运动姿态进行检测、分析、校正和优化,以达到(远程)教学、技术改进提升的目的需要,从而起到提高运动员成绩。

Description

一种运动员动态姿态识别方法、装置、系统及存储介质
技术领域
本发明涉及行为识别领域,尤其涉及一种运动员动态姿态识别方法、装置、系统及存储介质。
背景技术
近年来,随着科技水平和智能设备的不断发展,人体姿态识别技术得以广泛应用,它在人体行为监控、体育训练、医疗监护、医疗康复、交互式游戏、虚拟运动场景、电影特效和交互式学习等领域有着重要的实用价值。
在体育训练领域中,需要对运动员的运动姿态进行检测、分析、校正和优化,从而起到提高运动员成绩的重要作用;运动员或是运动爱好者,会需要姿态监测设备记录身体姿态数据,以达到(远程)教学、技术改进提升的目的。
当前人体姿态识别技术使用最广泛的是由INRIA的IEAR实验室最早提出的DenseTrajectory算法(DT算法)。这种算法是一种用来提取视频密集跟踪轨迹的算法,基于该轨迹能够提取计算轨迹描述子,从而对视频中人体的行为进行准确识别。但该方法在室外等复杂背景条件下,容易受背景扰动的影响,导致检测到的背景关键点过多,影响识别的精度。许多学者针对此进行了探索,例如采用单个三轴MEMS加速度传感器对人体运动进行感知,然后借助无限高斯混合模型和非参数贝叶斯推理方法对人体活动进行识别,该方法不须要针对特定动作进行数学描述,可识别多种复杂的人体运动,但是依据加速度传感器解算的人体姿态角极易受到人体线性加速度的影响而失真,进而影响结果的可信度;运用MEMS加速度传感器对人体各个方向的加速度分布特征进分析,但是由于特征选取方面的因素,该识别方案有显著的时延,系统的可靠性不高,算法复杂度较大。
发明内容
为解决上述技术问题,本发明提出了一种基于运动员动态姿态识别方法及装置,能够有效降低硬件成本,并提高识别的准确度。
根据本发明的第一方面,提供一种运动员动态姿态识别方法,所述方法包括以下步骤:
步骤S101:采集运动员若干身体指定部位pi的加速度{axi,ayi,azi}、角速度{gxi,gyi,gzi}和磁场方向{mxi,myi,mzi},1≤i≤n,n为指定部位的总数;
步骤S102:基于每一个身体指定部位pi的采集数据,根据四元数与姿态阵间的关系,计算该身体指定部位对应的全姿态角信息,包括航向角、俯仰角、横滚角,所述四元数记为{q0,q1,q2,q3},q0为该四元数的标量部分,q1、q2、q3为该四元数的矢量部分息;即能够通过四元数求出一个物体相对于一个坐标系旋转后的坐标信息;
步骤S103:基于各个身体指定部位对应的全姿态角信息,获取该运动员的全身整体全姿态角信息。
根据本发明第二方面,提供一种运动员动态姿态识别装置,所述装置包括:
数据采集模块:配置为采集运动员若干身体指定部位pi的加速度{axi,ayi,azi}、角速度{gxi,gyi,gzi}和磁场方向{mxi,myi,mzi},1≤i≤n,n为指定部位的总数;
部位全姿态角信息获取模块:配置为基于每一个身体指定部位pi的采集数据,根据四元数与姿态阵间的关系,计算该身体指定部位对应的全姿态角信息,包括航向角、俯仰角、横滚角,所述四元数记为{q0,q1,q2,q3},q0为该四元数的标量部分,q1、q2、q3为该四元数的矢量部分息;即能够通过四元数求出一个物体相对于一个坐标系旋转后的坐标信息;
全身整体全姿态角信息获取模块:配置为基于各个身体指定部位对应的全姿态角信息,获取该运动员的全身整体全姿态角信息。
根据本发明第三方面,提供一种运动员动态姿态识别系统,包括:
处理器,用于执行多条指令;
存储器,用于存储多条指令;
其中,所述多条指令,用于由所述存储器存储,并由所述处理器加载并执行如前所述的运动员动态姿态识别方法。
根据本发明第四方面,提供一种计算机可读存储介质,所述存储介质中存储有多条指令;所述多条指令,用于由处理器加载并执行如前所述的运动员动态姿态识别方法。
根据本发明的上述方案,本发明提出了一种运动员动态姿态识别方法,采用多个9轴AHRS传感器,绑缚在运动员身体:头部、腰部、两大臂、两小臂、两大腿、两小腿等指定部位,实时同步对运动员运动姿势进行高精度360度全方位位置姿态感知,通过四元数对角速度、加速度、磁场进行高效的数据融合,对运动员动作进行数学描述,可识别多种复杂的运动姿态,适用于各种游泳运动表现分析。通过姿态数据采集与三维呈现软件相结合,可分析和比较多次运动结果或不同运动员的表现。记录数据并计算反馈相关动力学和运动学关键值,教练和运动员可以根据反馈数据分析游泳过程中存在的潜在弱点,从而制定针对性地改善运动表现的方案;对运动员的运动姿态进行检测、分析、校正和优化,以达到(远程)教学、技术改进提升的目的需要,从而起到提高运动员成绩。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明提供如下附图进行说明。在附图中:
图1为本发明一个实施方式的运动员动态姿态识别方法流程图;
图2为本发明一个实施方式的运动员动态姿态识别方法示意图;
图3为本发明一个实施方式的运动员姿态九轴传感器数据采集示意图;
图4为本发明一个实施方式的地理坐标系(E)示意图;
图5为本发明一个实施方式的运动员p部位坐标系(b)示意图;
图6为本发明一个实施方式的运动员动态姿态识别装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,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,都属于本发明保护的范围。
首先结合图1-2说明为本发明一个实施方式的运动员动态姿态识别方法。如图1-2所示,所述方法包括:
步骤S101:采集运动员若干身体指定部位pi的加速度{axi,ayi,azi}、角速度{gxi,gyi,gzi}和磁场方向{mxi,myi,mzi},1≤i≤n,n为指定部位的总数;
步骤S102:基于每一个身体指定部位pi的采集数据,根据四元数与姿态阵间的关系,计算该身体指定部位对应的全姿态角信息,包括航向角、俯仰角、横滚角,所述四元数记为{q0,q1,q2,q3},q0为该四元数的标量部分,q1、q2、q3为该四元数的矢量部分;即能够通过四元数求出一个物体相对于一个坐标系旋转后的坐标信息;
步骤S103:基于各个身体指定部位对应的全姿态角信息,获取该运动员的全身整体全姿态角信息。
所述步骤S101:采集运动员若干身体指定部位pi的加速度{axi,ayi,azi}、角速度{gxi,gyi,gzi}和磁场方向{mxi,myi,mzi},1≤i≤n,其中:
如图3所示,采用基于MTi 1的九轴AHRS传感器的无线采集设备,将所述无线采集设备分别绑缚于运动员头部、腰部、两大臂、两小臂、两大腿、两小腿等指定部位;实时采集运动员全身,例如10组指定部位的三轴角速度、三轴加速度和三轴磁场,将采集的数据发送至系统分析平台。MTi传感器具有小体积、微功耗、高精度等优点,可直接输出三轴角速度、三轴加速度和三轴磁场等姿态数据,绑附于运动员身上做到最小程度对运动员身体肌能影响,通过传感器可实时解算准确、丰富的运动信息,以用于进行合理的数学分析。
由于人在地面上看运动物体时,如图4、图5所示,是以地理坐标系(E)为参照系的,所以在想检测运动员的部位pi发生了怎样的变化时,需要研究运动员相对于参照坐标系(E)到运动员部位pi坐标系(bi)转化之间的坐标关系。由于地理坐标系(E)与运动员部位pi坐标系(bi)均为直角坐标系,各个轴之间均为直角,在确定两个坐标系之间的角度变化时,可将运动员等效为刚体与坐标系固联,也就是说,两个坐标系之间的角位置关系可用刚体的转动来表示。
则运动员部位pi从一个姿态变化到另一个姿态,可等效为运动员部位pi绕了某一个轴通过无中间过程的一次旋转完成,根据四元数与姿态阵间的关系,用规范化四元数描述运动员坐标系E与系统坐标系bi变换矩阵
Figure BDA0003128123710000051
其中,坐标系E为参考坐标系,bi坐标系是运动员部位pi运动旋转产生的坐标系,根据余弦矩阵和欧拉角的定义,进行全姿态解算,即求解航向角ψi-Yawing,记为ψi、俯仰角θi-Pithing,记为θi、横滚角γi-Rolling,记为γi
对于运动员指定部位pi,计算四元数换算方向余弦矩阵,所述四元数换算方向余弦矩阵表示为:
Figure BDA0003128123710000061
通过矩阵
Figure BDA0003128123710000062
能够在运动员坐标系E和运动员部位pi坐标系bi间进行转换;其中,q0i为四元数标量部分、q1i、q2i、q3i分别为四元数矢量部分。
欧拉角换算方向余弦矩阵表示为:
Figure BDA0003128123710000063
本申请的构思之一为通过四元数换算方向余弦矩阵与欧拉角换算方向余弦矩阵的对应的元素是相等的,通过四元数换算方向余弦矩阵,对全姿态进行解算,解算得到航向角ψi、俯仰角θi、横滚角γi
Figure BDA0003128123710000064
进而,在解算出所述运动员的全部部位P={p1,…,pi,…,pn}的全姿态角信息后,获取该运动员的全身整体全姿态角信息
Figure BDA0003128123710000065
Figure BDA0003128123710000066
系统分析平台利用
Figure BDA0003128123710000067
数据,使用三维模拟实时更新呈现运动员运动姿态,可分析和比较多次运动结果或不同运动员的表现。记录数据并计算反馈相关动力学和运动学关键值,教练和运动员可以根据反馈数据分析游泳过程中存在的潜在弱点,从而制定针对性地改善运动表现的方案;对运动员的运动姿态进行检测、分析、校正和优化,以达到(远程)教学、技术改进提升的目的需要,从而起到提高运动员成绩。
所述步骤S102:基于每一个身体指定部位pi的采集数据,根据四元数与姿态阵间的关系,计算该身体指定部位对应的全姿态角信息,包括航向角、俯仰角、横滚角,所述四元数记为{q0,q1,q2,q3},q0为该四元数的标量部分,q1、q2、q3为该四元数的矢量部分,用于描述三维空间的旋转信息;即能够通过四元数求出一个物体相对于一个坐标系旋转后的坐标信息,
包括:
步骤S1021:对身体指定部位pi的采集数据中的加速度{axi,ayi,azi}、磁场方向{mxi,myi,mzi}进行归一化处理,将三维向量转换为单位向量;
Figure BDA0003128123710000071
Figure BDA0003128123710000072
Figure BDA0003128123710000073
Figure BDA0003128123710000074
步骤S1022:根据四元数换算方向余弦矩阵与欧拉角换算方向余弦矩阵的等效关系,获取重力分量{Vxi,Vyi,Vzi}、地磁分量{Wxi,Wyi,Wzi},所述重力分量表示重力加速度g随着位移X、Y、Z变化的情况,包括:
计算地球磁场的参考方向bxi,bzi
hxi=2.0f*(mxi*(0.5f-q2iq2i-q3iq3i)+myi*(q1iq2i-q0iq3i)+mzi*(q1iq3i+q0iq2i))
hyi=2.0f*(mxi*(q1iq2i+q0iq3i)+myi*(0.5f-q1iq1i-q3iq3i)+mzi*(q2iq3i-q0iq1i))
Figure BDA0003128123710000075
bzi=2.0f*(mxi*(q1iq3i-q0iq2i)+myi*(q2iq3i+q0iq1i)+mzi(0.5f-q1iq1i-q2iq2i))
其中,hxi为地磁北向分量,hyi为地磁东向分量,bxi为水平分量,byi为垂直分量,f为浮点数标志;
分离重力分量:
Figure BDA0003128123710000081
分离地磁分量:
Figure BDA0003128123710000082
本实施例中,通过所述四元数换算方向余弦矩阵,将指定部位pi的当前姿态的重力、地磁在三个轴上的分量分离出来。
通过向量叉乘的方式计算姿态误差{exi,eyi,ezi}:
Figure BDA0003128123710000083
对姿态误差{exi,eyi,ezi}进行积分,消除误差,积分后的结果为{accexi,acceyi,accezi}:
Figure BDA0003128123710000084
其中,accexi,acceyi,accezi分别对应在x,y,z轴的误差,ki为积分系数,dt为积分周期时间;
本实施例中,{accexi,acceyi,accezi}初始值均为0,根据传感器性能设置迭代次数,本实施例中,迭代5次。
将姿态误差补偿到角速度上,修正角速度{gxi,gyi,gzi}:
Figure BDA0003128123710000085
其中,Kpi为互补滤波系数;
本实施例中,互补滤波,将误差与本次由陀螺仪测得的部位pi的角速度{gxi,gyi,gzi}相加,得到修正的角速度。
对修正后的角速度{gxi,gyi,gzi}进行归一化处理,得到归一化后的修正角速度{gx'i,gy'i,gz'i}:
Figure BDA0003128123710000091
四元数的初始值为q0i=1,q1i=0,q2i=0,q3i=0;建立部位pi所在坐标bi相对于地磁坐标E的姿态改变速率的四元数微积分方程,计算该四元数微积分方程;根据归一化后的修正角速度{gx'i,gy'i,gz'i}更新四元数。Δt为角速度更新周期时间;本实施例中,所有部位传感器基点相同,初始值相同。
Figure BDA0003128123710000092
对更新后的四元数进行归一化处理,得到归一化后的四元数:
Figure BDA0003128123710000093
根据所述归一化后的四元数,解算部位pi的全姿态角信息:
Figure BDA0003128123710000101
本实施例中,解算得出运动员在Δt角速度更新周期时间内部位pi对应的全姿态角信息。
所述步骤S103:基于各个身体指定部位对应的全姿态角信息,获取该运动员的全身整体全姿态角信息,其中:
解算出所述运动员的全部部位P={p1,…,pi,…,pn}的全姿态角信息后,获取该运动员的全身整体全姿态角信息
Figure BDA0003128123710000102
Figure BDA0003128123710000103
本发明实施例进一步给出一种运动员动态姿态识别装置,所述装置包括:
数据采集模块:配置为采集运动员若干身体指定部位pi的加速度{axi,ayi,azi}、角速度{gxi,gyi,gzi}和磁场方向{mxi,myi,mzi},1≤i≤n;
部位全姿态角信息获取模块:配置为基于每一个身体指定部位pi的采集数据,根据四元数与姿态阵间的关系,计算该身体指定部位对应的全姿态角信息,包括航向角、俯仰角、横滚角,所述四元数记为{q0,q1,q2,q3},q0为该四元数的标量部分,q1、q2、q3为该四元数的矢量部分息;即能够通过四元数求出一个物体相对于一个坐标系旋转后的坐标信息;
全身整体全姿态角信息获取模块:配置为基于各个身体指定部位对应的全姿态角信息,获取该运动员的全身整体全姿态角信息。
本发明实施例进一步给出一种基于运动员动态姿态识别系统,包括:
处理器,用于执行多条指令;
存储器,用于存储多条指令;
其中,所述多条指令,用于由所述存储器存储,并由所述处理器加载并执行如前所述的运动员动态姿态识别方法。
本发明实施例进一步给出一种计算机可读存储介质,所述存储介质中存储有多条指令;所述多条指令,用于由处理器加载并执行如前所述的运动员动态姿态识别方法。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所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网络单元上。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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元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装置(可以是个人计算机,实体机服务器,或者网络云服务器等,需安装Windows或者Windows Server操作系统)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。

Claims (8)

1.一种运动员动态姿态识别方法,所述方法包括:
步骤S101:采集运动员若干身体指定部位pi的加速度{axi,ayi,azi}、角速度{gxi,gyi,gzi}和磁场方向{mxi,myi,mzi},1≤i≤n,n为指定部位的总数;
步骤S102:基于每一个身体指定部位pi的采集数据,根据四元数与姿态阵间的关系,计算该身体指定部位对应的全姿态角信息,包括航向角、俯仰角、横滚角,所述四元数记为{q0,q1,q2,q3},q0为该四元数的标量部分,q1、q2、q3为该四元数的矢量部分息;即能够通过四元数求出一个物体相对于一个坐标系旋转后的坐标信息;
步骤S103:基于各个身体指定部位对应的全姿态角信息,获取该运动员的全身整体全姿态角信息。
2.如权利要求1所述的运动员动态姿态识别方法,其特征在于,所述步骤S102包括:
步骤S1021:对身体指定部位pi的采集数据中的加速度{axi,ayi,azi}、磁场方向{mxi,myi,mzi}进行归一化处理,将三维向量转换为单位向量;
Figure FDA0003128123700000011
Figure FDA0003128123700000012
Figure FDA0003128123700000013
Figure FDA0003128123700000014
Figure FDA0003128123700000015
Figure FDA0003128123700000016
步骤S1022:根据四元数换算方向余弦矩阵与欧拉角换算方向余弦矩阵的等效关系,获取重力分量{Vxi,Vyi,Vzi}、地磁分量{Wxi,Wyi,Wzi},所述重力分量表示重力加速度g随着位移X、Y、Z变化的情况,包括:
计算地球磁场的参考方向bxi,bzi
hxi=2.0f*(mxi*(0.5f-q2iq2i-q3iq3i)+myi*(q1iq2i-q0iq3i)+mzi*(q1iq3i+q0iq2i))
hyi=2.0f*(mxi*(q1iq2i+q0iq3i)+myi*(0.5f-q1iq1i-q3iq3i)+mzi*(q2iq3i-q0iq1i))
Figure FDA0003128123700000021
bzi=2.0f*(mxi*(q1iq3i-q0iq2i)+myi*(q2iq3i+q0iq1i)+mzi(0.5f-q1iq1i-q2iq2i))
其中,hxi为地磁北向分量,hyi为地磁东向分量,bxi为水平分量,byi为垂直分量,f为浮点数标志;
分离重力分量:
vxi=q1iq3i-q0iq2i
vyi=q0iq1i+q2iq3i
vzi=q0iq0i-0.5f+q3iq3i (6)
分离地磁分量:
wxi=bxi(0.5f-q2iq2i-q3iq3i)+bzi(q1iq3i-q0iq2i)
wyi=bxi(q1iq2i+q0iq3i)+bzi(q0iq1i-q2iq3i)
wzi=bxi(q0iq2i+q1iq3i)+bzi(0.5f-q1iq1i-q2iq2i) (7)
通过向量叉乘的方式计算姿态误差{exi,eyi,ezi}:
exi=(ayi*vzi-azi*vyi)+(myi*wzi-mzi*wyi)
eyi=(azi*vxi-axi*vzi)+(mzi*wxi-mxi*wzi)
ezi=(axi*vyi-ayi*vxi)+(mxi*wyi-myi*wxi) (8)
对姿态误差{exi,eyi,ezi}进行积分,消除误差,积分后的结果为{accexi,acceyi,accezi};
其中,accexi,acceyi,accezi分别对应在x,y,z轴的误差;
将姿态误差补偿到角速度上,修正角速度{gxi,gyi,gzi}:
gxi=gxi+Kpi*exi*accexi
gyi=gyi+Kpi*eyi*acceyi
gzi=gzi+Kpi*ezi*accezi (10)
其中,Kpi为互补滤波系数;
对修正后的角速度{gxi,gyi,gzi}进行归一化处理,得到归一化后的修正角速度{gx'i,gy'i,gz'i}:
Figure FDA0003128123700000031
Figure FDA0003128123700000032
Figure FDA0003128123700000033
四元数的初始值为q0i=1,q1i=0,q2i=0,q3i=0;建立部位pi所在坐标bi相对于地磁坐标E的姿态改变速率的四元数微积分方程,计算该四元数微积分方程;根据归一化后的修正角速度{gx'i,gy'i,gz'i}更新四元数,Δt为角速度更新周期时间;
Figure FDA0003128123700000034
Figure FDA0003128123700000035
Figure FDA0003128123700000036
Figure FDA0003128123700000037
对更新后的四元数进行归一化处理,得到归一化后的四元数:
Figure FDA0003128123700000038
Figure FDA0003128123700000039
Figure FDA00031281237000000310
Figure FDA00031281237000000311
根据所述归一化后的四元数,解算部位pi的全姿态角信息:
γi=-arcsin(2(q'1iq'3i-q'0iq'2i))
Figure FDA00031281237000000312
Figure FDA00031281237000000313
3.如权利要求2所述的运动员动态姿态识别方法,其特征在于,所述步骤S103:基于各个身体指定部位对应的全姿态角信息,获取该运动员的全身整体全姿态角信息,其中:
解算出所述运动员的全部部位P={p1,…,pi,…,pn}的全姿态角信息后,获取该运动员的全身整体全姿态角信息
Figure FDA0003128123700000041
Figure FDA0003128123700000042
4.一种运动员动态姿态识别装置,其特征在于,所述装置包括:
数据采集模块:配置为采集运动员若干身体指定部位pi的加速度{axi,ayi,azi}、角速度{gxi,gyi,gzi}和磁场方向{mxi,myi,mzi},1≤i≤n,n为指定部位的总数;
部位全姿态角信息获取模块:配置为基于每一个身体指定部位pi的采集数据,根据四元数与姿态阵间的关系,计算该身体指定部位对应的全姿态角信息,包括航向角、俯仰角、横滚角,所述四元数记为{q0,q1,q2,q3},q0为该四元数的标量部分,q1、q2、q3为该四元数的矢量部分息;即能够通过四元数求出一个物体相对于一个坐标系旋转后的坐标信息;
全身整体全姿态角信息获取模块:配置为基于各个身体指定部位对应的全姿态角信息,获取该运动员的全身整体全姿态角信息。
5.如权利要求4所述的运动员动态姿态识别装置,其特征在于,所述部位全姿态角信息获取模块,包括:
转化子模块:配置为对身体指定部位pi的采集数据中的加速度{axi,ayi,azi}、磁场方向{mxi,myi,mzi}进行归一化处理,将三维向量转换为单位向量;
Figure FDA0003128123700000051
Figure FDA0003128123700000052
Figure FDA0003128123700000053
Figure FDA0003128123700000054
Figure FDA0003128123700000055
Figure FDA0003128123700000056
解算子模块:配置为根据四元数换算方向余弦矩阵与欧拉角换算方向余弦矩阵的等效关系,获取重力分量{Vxi,Vyi,Vzi}、地磁分量{Wxi,Wyi,Wzi},所述重力分量表示重力加速度g随着位移X、Y、Z变化的情况,包括:
计算地球磁场的参考方向bxi,bzi
hxi=2.0f*(mxi*(0.5f-q2iq2i-q3iq3i)+myi*(q1iq2i-q0iq3i)+mzi*(q1iq3i+q0iq2i))
hyi=2.0f*(mxi*(q1iq2i+q0iq3i)+myi*(0.5f-q1iq1i-q3iq3i)+mzi*(q2iq3i-q0iq1i))
Figure FDA0003128123700000057
bzi=2.0f*(mxi*(q1iq3i-q0iq2i)+myi*(q2iq3i+q0iq1i)+mzi(0.5f-q1iq1i-q2iq2i))
其中,hxi为地磁北向分量,hyi为地磁东向分量,bxi为水平分量,byi为垂直分量,f为浮点数标志;
分离重力分量:
vxi=q1iq3i-q0iq2i
vyi=q0iq1i+q2iq3i
vzi=q0iq0i-0.5f+q3iq3i (6)
分离地磁分量:
wxi=bxi(0.5f-q2iq2i-q3iq3i)+bzi(q1iq3i-q0iq2i)
wyi=bxi(q1iq2i+q0iq3i)+bzi(q0iq1i-q2iq3i)
wzi=bxi(q0iq2i+q1iq3i)+bzi(0.5f-q1iq1i-q2iq2i) (7)
通过向量叉乘的方式计算姿态误差{exi,eyi,ezi}:
exi=(ayi*vzi-azi*vyi)+(myi*wzi-mzi*wyi)
eyi=(azi*vxi-axi*vzi)+(mzi*wxi-mxi*wzi)
ezi=(axi*vyi-ayi*vxi)+(mxi*wyi-myi*wxi) (8)
对姿态误差{exi,eyi,ezi}进行积分,消除误差,积分后的结果为{accexi,acceyi,accezi};
其中,accexi,acceyi,accezi分别对应在x,y,z轴的误差;
将姿态误差补偿到角速度上,修正角速度{gxi,gyi,gzi}:
gxi=gxi+Kpi*exi*accexi
gyi=gyi+Kpi*eyi*acceyi
gzi=gzi+Kpi*ezi*accezi (10)
其中,Kpi为互补滤波系数;
对修正后的角速度{gxi,gyi,gzi}进行归一化处理,得到归一化后的修正角速度{gx'i,gy'i,gz'i}:
Figure FDA0003128123700000061
Figure FDA0003128123700000062
Figure FDA0003128123700000063
四元数的初始值为q0i=1,q1i=0,q2i=0,q3i=0;建立部位pi所在坐标bi相对于地磁坐标E的姿态改变速率的四元数微积分方程,计算该四元数微积分方程;根据归一化后的修正角速度{gx'i,gy'i,gz'i}更新四元数,Δt为角速度更新周期时间;
Figure FDA0003128123700000064
Figure FDA0003128123700000065
Figure FDA0003128123700000066
Figure FDA0003128123700000067
对更新后的四元数进行归一化处理,得到归一化后的四元数:
Figure FDA0003128123700000071
Figure FDA0003128123700000072
Figure FDA0003128123700000073
Figure FDA0003128123700000074
根据所述归一化后的四元数,解算部位pi的全姿态角信息:
γi=-arcsin(2(q'1iq'3i-q'0iq'2i))
Figure FDA0003128123700000075
Figure FDA0003128123700000076
6.如权利要求5所述的运动员动态姿态识别装置,其特征在于:所述全身整体全姿态角信息获取模块,用于解算出所述运动员的全部部位P={p1,…,pi,…,pn}的全姿态角信息后,获取该运动员的全身整体全姿态角信息
Figure FDA0003128123700000077
Figure FDA0003128123700000078
7.一种运动员动态姿态识别系统,其特征在于,包括:
处理器,用于执行多条指令;
存储器,用于存储多条指令;
其中,所述多条指令,用于由所述存储器存储,并由所述处理器加载并执行如权利要求1-3之任一项所述的运动员动态姿态识别方法。
8.一种计算机可读存储介质,其特征在于,所述存储介质中存储有多条指令;所述多条指令,用于由处理器加载并执行如权利要求1-4之任一项所述的运动员动态姿态识别方法。
CN202110696575.1A 2021-06-23 2021-06-23 一种运动员动态姿态识别方法、装置、系统及存储介质 Active CN113350771B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110696575.1A CN113350771B (zh) 2021-06-23 2021-06-23 一种运动员动态姿态识别方法、装置、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110696575.1A CN113350771B (zh) 2021-06-23 2021-06-23 一种运动员动态姿态识别方法、装置、系统及存储介质

Publications (2)

Publication Number Publication Date
CN113350771A true CN113350771A (zh) 2021-09-07
CN113350771B CN113350771B (zh) 2022-08-16

Family

ID=77535891

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110696575.1A Active CN113350771B (zh) 2021-06-23 2021-06-23 一种运动员动态姿态识别方法、装置、系统及存储介质

Country Status (1)

Country Link
CN (1) CN113350771B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114111777A (zh) * 2021-11-24 2022-03-01 中国矿业大学(北京) 一种基于头部姿态监测的井下人员状态感知系统
CN115670445A (zh) * 2022-11-09 2023-02-03 山东大学 一种人体姿态检测识别系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108703760A (zh) * 2018-06-15 2018-10-26 安徽中科智链信息科技有限公司 基于九轴传感器的人体运动姿态识别系统及方法
CN108939512A (zh) * 2018-07-23 2018-12-07 大连理工大学 一种基于穿戴式传感器的游泳姿态测量方法
CN109550219A (zh) * 2018-11-30 2019-04-02 歌尔科技有限公司 一种运动信息的确定方法、系统及移动设备
CN111426318A (zh) * 2020-04-22 2020-07-17 中北大学 基于四元数-扩展卡尔曼滤波的低成本ahrs航向角补偿方法
US20200269113A1 (en) * 2019-02-25 2020-08-27 Industrial Technology Research Institute Swimming posture correction method and swimming posture correction system
WO2021004398A1 (zh) * 2019-07-05 2021-01-14 华为技术有限公司 一种运动数据监测方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108703760A (zh) * 2018-06-15 2018-10-26 安徽中科智链信息科技有限公司 基于九轴传感器的人体运动姿态识别系统及方法
CN108939512A (zh) * 2018-07-23 2018-12-07 大连理工大学 一种基于穿戴式传感器的游泳姿态测量方法
CN109550219A (zh) * 2018-11-30 2019-04-02 歌尔科技有限公司 一种运动信息的确定方法、系统及移动设备
US20200269113A1 (en) * 2019-02-25 2020-08-27 Industrial Technology Research Institute Swimming posture correction method and swimming posture correction system
WO2021004398A1 (zh) * 2019-07-05 2021-01-14 华为技术有限公司 一种运动数据监测方法和装置
CN111426318A (zh) * 2020-04-22 2020-07-17 中北大学 基于四元数-扩展卡尔曼滤波的低成本ahrs航向角补偿方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陶浪舟等: "基于磁传感器组合的运动物体姿态解算", 《传感器与微系统》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114111777A (zh) * 2021-11-24 2022-03-01 中国矿业大学(北京) 一种基于头部姿态监测的井下人员状态感知系统
CN115670445A (zh) * 2022-11-09 2023-02-03 山东大学 一种人体姿态检测识别系统及方法

Also Published As

Publication number Publication date
CN113350771B (zh) 2022-08-16

Similar Documents

Publication Publication Date Title
CN113350771B (zh) 一种运动员动态姿态识别方法、装置、系统及存储介质
CN115024715B (zh) 一种人体运动智能测量与数字训练系统
Chen et al. Using real-time acceleration data for exercise movement training with a decision tree approach
CN113034652A (zh) 虚拟形象驱动方法、装置、设备及存储介质
CN111209882A (zh) 一种全向运动装置的步态信息获取方法、系统及可读存储介质
Malawski Depth versus inertial sensors in real-time sports analysis: A case study on fencing
CN103839280B (zh) 一种基于视觉信息的人体姿态跟踪方法
CN102930250B (zh) 一种多尺度条件随机场模型的动作识别方法
CN112991441A (zh) 相机定位方法、装置、电子设备及存储介质
CN105844204A (zh) 人体行为识别方法和装置
CN112861808B (zh) 动态手势识别方法、装置、计算机设备及可读存储介质
CN106970705A (zh) 动作捕捉方法、装置和电子设备
CN214344330U (zh) 武术大枪姿态感测装置
CN110197531A (zh) 基于深度学习的角色骨骼点映射技术
Nie et al. [Retracted] The Construction of Basketball Training System Based on Motion Capture Technology
CN112241001A (zh) 雷达人体动作识别方法、装置、电子设备和存储介质
CN116740618A (zh) 一种运动视频动作评估方法、系统、计算机设备及介质
CN115738218A (zh) 高尔夫挥杆计数方法、装置及计算机可读存储介质
CN110348295B (zh) 目标检测方法、体感交互设备以及存储介质
Peng Research on dance teaching based on motion capture system
Marcard et al. Multimodal motion capture dataset TNT15
CN114120337B (zh) 实时的纸张书写笔迹恢复方法、系统、设备和存储介质
Jia et al. Condor: Mobile Golf Swing Tracking via Sensor Fusion using Conditional Generative Adversarial Networks.
CN117598695A (zh) 一种穿戴设备运动测试方法及装置
Zhang et al. RECOGNITION METHOD OF DIVERSIFIED TEACHING MODE OF COLLEGE PHYSICAL TRAINING BASED ON DATA MINING

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