CN113679379B - 基于声波的人体姿态估计方法、装置、设备、系统及介质 - Google Patents

基于声波的人体姿态估计方法、装置、设备、系统及介质 Download PDF

Info

Publication number
CN113679379B
CN113679379B CN202110797141.0A CN202110797141A CN113679379B CN 113679379 B CN113679379 B CN 113679379B CN 202110797141 A CN202110797141 A CN 202110797141A CN 113679379 B CN113679379 B CN 113679379B
Authority
CN
China
Prior art keywords
human body
sound wave
acoustic
body posture
distance data
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
Application number
CN202110797141.0A
Other languages
English (en)
Other versions
CN113679379A (zh
Inventor
罗成文
赖金江
李坚强
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.)
Shenzhen University
Original Assignee
Shenzhen University
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 Shenzhen University filed Critical Shenzhen University
Priority to CN202110797141.0A priority Critical patent/CN113679379B/zh
Publication of CN113679379A publication Critical patent/CN113679379A/zh
Application granted granted Critical
Publication of CN113679379B publication Critical patent/CN113679379B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B5/103—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
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • 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
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Remote Sensing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明适用于智能识别技术领域，提供了一种基于声波的人体姿态估计方法、装置、设备、系统及存储介质，该方法包括：获取佩戴于人体的多个声波测距设备之间的距离数据，基于距离数据估计当前人体姿态和/或当前人体动作，从而通过声波实现了人体姿态和/或人体动作的估计，在保证人体姿态和/或人体动作估计的隐私性的同时，降低了人体姿态和/或人体动作估计时的外部设备成本，并降低了外部设备部署的复杂度。

Description

基于声波的人体姿态估计方法、装置、设备、系统及介质
技术领域
本发明属于智能识别技术领域，尤其涉及一种基于声波的人体姿态估计方法、装置、设备、系统及存储介质。
背景技术
近年来，基于计算机视觉的人体姿态和/或人体动作估计成为一个热门研究方向，但通常需要依赖图像数据，在某些场景下，图像数据不易获取，且图像数据泄漏有一定隐私安全隐患。
为了提高人体姿态和/或人体动作估计的隐私性，出现了以RFID、Wi-Fi、毫米波雷达等不需要摄像头实现的人体姿态和/或人体动作估计技术，但该方法的存在外部设备价格昂贵及部署复杂的问题。
发明内容
本发明的目的在于提供一种基于声波的人体姿态估计方法、装置、设备、系统及存储介质，旨在解决现有技术中人体姿态和/或人体动作估计时存在的外部设备价格昂贵及部署复杂的问题。
一方面，本发明提供一种基于声波的人体姿态估计方法，所述方法包括下述步骤：
获取佩戴于人体的多个声波测距设备之间的距离数据；
基于所述距离数据估计当前人体姿态和/或当前人体动作。
优选地，获取佩戴于人体的多个声波测距设备之间的距离数据的步骤，包括：
通过所述声波测距设备收发的啁啾信号获取所述距离数据。
优选地，基于所述距离数据估计人体姿态的步骤，包括：
使用预设的降维算法对所述距离数据进行降维处理，得到当前人体姿态节点的二维坐标；
根据先验知识和所述二维坐标估计人体姿态。
优选地，所述降维算法为多维尺度分析算法。
优选地，基于所述距离数据估计人体动作状态的步骤，包括：
将所述距离数据输入到预先训练好的动作识别网络中，估计当前人体动作。
优选地，将所述距离数据输入到预先训练好的动作识别网络之前，包括：
对所述动作识别网络进行训练，得到所述训练好的动作识别网络；
对所述动作识别网络进行训练的步骤，包括：
通过所述声波测距设备获取多组所述距离数据，对多组所述距离数据进行拼接，得到训练数据；
将所述训练数据输入到所述动作识别网络中进行迭代训练，直至达到终止条件，停止训练。
另一方面，本发明提供了一种基于声波的人体姿态估计装置，所述装置包括：
距离数据获取单元，用于使用佩戴于人体的至少两个声波测距设备收发声波，获取佩戴于人体的多个声波测距设备之间的距离数据；以及
估计单元，用于基于所述距离数据估计当前人体姿态和/或当前人体动作。
另一方面，本发明提供了一种基于声波的人体姿态估计设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
另一方面，本发明提供了一种基于声波的人体姿态估计系统，其特征在于，包括如上所述的基于声波的人体姿态估计设备以及至少两个声波测距设备，每个所述声波测距设备设置有扬声器和麦克风。
另一方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。
本发明获取佩戴于人体的多个声波测距设备之间的距离数据，基于距离数据估计当前人体姿态和/或当前人体动作，从而通过声波实现了人体姿态和/或人体动作的估计，在保证人体姿态和/或人体动作估计的隐私性的同时，降低了人体姿态和/或人体动作估计时的外部设备成本，并降低了外部设备部署的复杂度。
附图说明
图1是本发明实施例一提供的基于声波的人体姿态估计方法的实现流程图；
图2是本发明实施例二提供的基于声波的人体姿态估计装置的实现流程图；
图3是本发明实施例三提供的基于声波的人体姿态估计设备的结构示意图；以及
图4是本发明实施例四提供的基于声波的人体姿态估计系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述：
实施例一：
图1示出了本发明实施例一提供的基于声波的人体姿态估计方法的实现流程，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
在步骤S101中，获取佩戴于人体的多个声波测距设备之间的距离数据。
本发明实施例适用于电子设备，该电子设备用于实现人体姿态和/或人体动作的估计。在本发明实施例中，该多个声波测距设备至少为两个，每个声波测距设备佩戴于人体的不同部位，例如，左、右手腕，又如，左、右脚踝，再如，左、右手腕，左、右脚踝、腰部和颈部。在人体姿态或人体动作估计过程中，可通过在多个关键的人体姿态节点分别配置声波测距设备来提高人体姿态或人体动作估计的准确性。每个声波测距设备均设置有扬声器和麦克风，声波测距设备可用于收发声波，通过计算两个或更多个到达时间之间的经过时间(ETOA，Elapsed time between two time of arrivals)获取声波测距设备之间的距离数据，该距离数据通常为距离矩阵，该距离矩阵为对称矩阵。
优选地，通过声波测距设备收发的啁啾信号获取距离数据，以在提高抗干扰性的同时，便于通过自相关计算获取更准确的距离数据。具体实现中，可以通过声波测距设备收发啁啾信号，通过自相交计算获取声波测距设备之间的距离信息。以两个声波测距设备为例，为便于说明，分别用第一声波测距设备和第二声波测距设备表示两个声波测距设备，第一声波测距设备(发送端)和第二声波测距设备(接收端)都发送出声波并同时记录下声波数据，通过自相交计算获得接收到的本体发送的声波以及对端设备发送的声波，计算两个到达时间之间的经过时间ETOAA和ETOAB，最终获得距离数据，距离数据的计算公式为：
其中，D表示获取到的距离矩阵(距离信息)，K表示声波测距设备中的麦克风和扬声器之间的距离，c为声波在空气中的传播速度，ETOAA表示第一声波测距设备发送的声波与第二声波测距设备发送的声波到达第一声波测距设备的时间之间的经过时间，ETOAA表示表示第一声波测距设备发送的声波与第二声波测距设备发送的声波到达第二声波测距设备的时间之间的经过时间。
在这里需要指出的是，每个声波测距设备中麦克风和扬声器之间的距离理论相等或近似相等。
在步骤S102中，基于距离数据估计当前人体姿态和/或当前人体动作。
在本发明实施例中，在基于距离数据估计当前人体姿态时，优选地，使用预设的降维算法对距离数据进行降维处理，得到当前人体姿态节点的二维坐标，根据先验知识和当前人体姿态节点的二维坐标估计人体姿态，以通过声波实现人体姿态的估计，从而在保证人体姿态估计的隐私性的同时，降低了人体姿态估计时的外部设备成本，并降低了外部设备部署的复杂度。
进一步优选地，预设的降维算法为多维尺度分析(MDS，Multiple DimensionalScaling)算法，以在保障原始空间与低维空间样本之间距离一致的前提下，将高维数据进行降维。具体实现中，假定m个样本在原始空间(d维)中的距离矩阵为，距离矩阵D为对称矩阵，其第i行j列的元素dij为样本xi到xj的距离。MDS算法的目标是获得样本在低维空间(d′维)的正确表示/>d′≤d，且任意两个样本在d′维空间中的欧式距离等于原始空间中的距离，即||zi-zj||＝dij。使用MDS算法获取样本在低维空间的正确表示的过程如下：
令B＝ZTZ，其中，B为降维后样本的内积矩阵，/>
根据距离矩阵D计算点积，其中，tr(B)表示内积矩阵B的迹，根据点积结果获得内积矩阵B；
对内积矩阵B做特征值分解，B＝VΛVT,其中Λ＝diag(λ1,λ2,...λd)为特征值构成的对角矩阵，V为相应的特征向量矩阵。假定有d*个非零特征值，它们构成对角矩阵,令V*表示相应的特征向量，则Z可表示为/>
取Λ为d*个最大特征值所构成的对角矩阵，VΛ1/2中每行是一个样本的低维坐标，即人体姿态节点的二维平面坐标。之后，根据先验知识和人体姿态节点的二维平面坐标重构人体姿态。
在基于距离数据估计当前人体动作状态时，优选地，将距离数据输入到预先训练好的动作识别网络中，估计当前人体动作，以通过声波实现人体动作的估计，从而在保证人体动作估计的隐私性的同时，降低了人体动作估计时的外部设备成本，并降低了外部设备部署的复杂度。
在将距离数据输入到预先训练好的动作识别网络之前，对动作识别网络进行训练，得到训练好的动作识别网络，以实现人体动作识别的目标。由于距离数据对于不同的人体动作会有不同的距离状态，从而为深度学习网络提取数据特征提供了识别分类的可能性，在对动作识别网络进行训练时，优选地，通过声波测距设备获取多组距离数据，对多组距离数据进行拼接，得到训练数据，将训练数据输入到动作识别网络中进行迭代训练，直至达到终止条件，停止训练，从而通过对多个距离数据进行拼接整合以提供更多数据特征，提高了动作识别网络的训练效果。具体实现中，可以在设置迭代收敛目标和各类参数后开始对动作识别网络进行训练，当当前迭代等于最大迭代次数或出现过拟合时，对动作识别网络的参数进行更新，重新迭代直到达到终止条件。该终止条件可以是动作识别网络达到目标评价指标，例如，识别准确率等。
在本发明实施例中，获取佩戴于人体的多个声波测距设备之间的距离数据，基于距离数据估计当前人体姿态和/或当前人体动作，从而通过声波实现了人体姿态和/或人体动作的估计，在保证人体姿态和/或人体动作估计的隐私性的同时，降低了人体姿态和/或人体动作估计时的外部设备成本，并降低了外部设备部署的复杂度。
实施例二：
图2示出了本发明实施例二提供的基于声波的人体姿态估计装置的结构，为了便于说明，仅示出了与本发明实施例相关的部分，其中包括：
距离数据获取单元21，用于使用佩戴于人体的至少两个声波测距设备收发声波，获取佩戴于人体的多个声波测距设备之间的距离数据；以及
估计单元22，用于基于距离数据估计当前人体姿态和/或当前人体动作。
优选地，距离数据获取单元包括：
数据获取子单元，用于通过声波测距设备收发的啁啾信号获取距离数据。
优选地，估计单元包括：
降维单元，用于使用预设的降维算法对距离数据进行降维处理，得到当前人体姿态节点的二维坐标；以及
人体姿态估计单元，用于根据先验知识和二维坐标估计人体姿态。
优选地，降维算法为多维尺度分析算法。
优选地，估计单元还包括：
人体动作估计单元，用于将距离数据输入到预先训练好的动作识别网络中，估计当前人体动作。
优选地，估计单元还包括：
网络训练单元，用于对动作识别网络进行训练，得到训练好的动作识别网络；
网络训练单元包括：
训练数据获取单元，用于通过声波测距设备获取多组距离数据，对多组距离数据进行拼接，得到训练数据；以及
训练子单元，用于将训练数据输入到动作识别网络中进行迭代训练，直至达到终止条件，停止训练。
在本发明实施例中，基于声波的人体姿态估计装置的各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。基于声波的人体姿态估计装置的各单元的具体实施方式可参考前述方法实施例的描述，在此不再赘述。
实施例三：
图3示出了本发明实施例三提供的基于声波的人体姿态估计设备的结构，为了便于说明，仅示出了与本发明实施例相关的部分。
本发明实施例的基于声波的人体姿态估计设备3包括处理器30、存储器31以及存储在存储器31中并可在处理器30上运行的计算机程序32。该处理器30执行计算机程序32时实现上述各方法实施例中的步骤，例如图1所示的步骤S101至S102。或者，处理器30执行计算机程序32时实现上述各装置实施例中各单元的功能，例如图2所示单元21至22的功能。
在本发明实施例中，获取佩戴于人体的多个声波测距设备之间的距离数据，基于距离数据估计当前人体姿态和/或当前人体动作，从而通过声波实现了人体姿态和/或人体动作的估计，在保证人体姿态和/或人体动作估计的隐私性的同时，降低了人体姿态和/或人体动作估计时的外部设备成本，并降低了外部设备部署的复杂度。
实施例四：
图4示出了本发明实施例四提供的基于声波的人体姿态估计系统的结构，为了便于说明，仅示出了与本发明实施例相关的部分。
本发明实施例的基于声波的人体姿态估计系统4包括实施例四描述的基于声波的人体姿态估计设备41，以及至少两个声波测距设备42，每个声波测距设备设置有扬声器和麦克风。
其中，扬声器用于发送声波，麦克风用于接收声波，该声波测距设备通过收发声波获取声波测距设备之间的距离数据，并将获取到的距离数据发送给如上描述的基于声波的人体姿态估计设备，基于声波的人体姿态估计设备基于获取到的上述距离数据估计当前人体姿态和/或当前人体动作。
在本发明实施例中，获取佩戴于人体的多个声波测距设备之间的距离数据，基于距离数据估计当前人体姿态和/或当前人体动作，从而通过声波实现了人体姿态和/或人体动作的估计，在保证人体姿态和/或人体动作估计的隐私性的同时，降低了人体姿态和/或人体动作估计时的外部设备成本，并降低了外部设备部署的复杂度。
实施例五：
在本发明实施例中，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法实施例中的步骤，例如，图1所示的步骤S101至S102。或者，该计算机程序被处理器执行时实现上述各装置实施例中各单元的功能，例如图3所示单元21至22的功能。
在本发明实施例中，获取佩戴于人体的多个声波测距设备之间的距离数据，基于距离数据估计当前人体姿态和/或当前人体动作，从而通过声波实现了人体姿态和/或人体动作的估计，在保证人体姿态和/或人体动作估计的隐私性的同时，降低了人体姿态和/或人体动作估计时的外部设备成本，并降低了外部设备部署的复杂度。
本发明实施例的计算机可读存储介质可以包括能够携带计算机程序代码的任何实体或装置、记录介质，例如，ROM/RAM、磁盘、光盘、闪存等存储器。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于声波的人体姿态估计方法，其特征在于，所述基于声波的人体姿态估计方法包括下述步骤：
获取佩戴于人体的两个声波测距设备之间的距离数据，其中，每个所述声波测距设备佩戴于人体的不同部位，两个声波测距设备包括第一声波测距设备和第二声波测距设备，每个所述声波测距设备均设置有扬声器和麦克风，所述扬声器用于发送声波，所述麦克风用于接收声波；
基于所述距离数据估计当前人体姿态；
其中，获取佩戴于人体的两个声波测距设备之间的距离数据的步骤，包括：
通过所述声波测距设备收发的啁啾信号和预设的距离数据的计算公式，获取所述距离数据，其中，/>表示获取到的所述距离数据，表示每个所述声波测距设备中的所述麦克风和所述扬声器之间的距离，c为声波在空气中的传播速度，/>表示第一声波测距设备发送的声波与第二声波测距设备发送的声波到达第一声波测距设备的时间之间的经过时间，/>表示第一声波测距设备发送的声波与第二声波测距设备发送的声波到达第二声波测距设备的时间之间的经过时间；
基于所述距离数据估计当前人体姿态的步骤，包括：
使用预设的降维算法对所述距离数据进行降维处理，得到当前人体姿态节点的二维坐标；
根据先验知识和所述二维坐标估计当前人体姿态。
2.如权利要求1所述的基于声波的人体姿态估计方法，其特征在于，所述降维算法为多维尺度分析算法。
3.一种用于实现如权利要求1至2任一项所述的基于声波的人体姿态估计方法的基于声波的人体姿态估计装置，其特征在于，所述基于声波的人体姿态估计装置包括：
距离数据获取单元，用于使用佩戴于人体的两个声波测距设备收发声波，获取佩戴于人体的两个声波测距设备之间的距离数据，其中，每个所述声波测距设备佩戴于人体的不同部位，两个声波测距设备包括第一声波测距设备和第二声波测距设备，每个所述声波测距设备均设置有扬声器和麦克风，所述扬声器用于发送声波，所述麦克风用于接收声波；以及
估计单元，用于基于所述距离数据估计当前人体姿态；
其中，所述距离数据获取单元包括：
数据获取子单元，用于通过所述声波测距设备收发的啁啾信号和预设的距离数据的计算公式，获取所述距离数据，其中，/>表示获取到的所述距离数据，/>表示每个所述声波测距设备中的所述麦克风和所述扬声器之间的距离，c为声波在空气中的传播速度，/>表示第一声波测距设备发送的声波与第二声波测距设备发送的声波到达第一声波测距设备的时间之间的经过时间，/>表示第一声波测距设备发送的声波与第二声波测距设备发送的声波到达第二声波测距设备的时间之间的经过时间；
所述估计单元包括：
降维单元，用于使用预设的降维算法对所述距离数据进行降维处理，得到当前人体姿态节点的二维坐标；
人体姿态估计单元，用于根据先验知识和所述二维坐标估计当前人体姿态。
4.一种基于声波的人体姿态估计设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至2任一项所述基于声波的人体姿态估计方法的步骤。
5.一种基于声波的人体姿态估计系统，其特征在于，包括如权利要求4所述的基于声波的人体姿态估计设备以及两个声波测距设备，每个所述声波测距设备佩戴于人体的不同部位，两个声波测距设备包括第一声波测距设备和第二声波测距设备，每个所述声波测距设备均设置有扬声器和麦克风。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述基于声波的人体姿态估计方法的步骤。
CN202110797141.0A 2021-07-14 2021-07-14 基于声波的人体姿态估计方法、装置、设备、系统及介质 Active CN113679379B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110797141.0A CN113679379B (zh) 2021-07-14 2021-07-14 基于声波的人体姿态估计方法、装置、设备、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110797141.0A CN113679379B (zh) 2021-07-14 2021-07-14 基于声波的人体姿态估计方法、装置、设备、系统及介质

Publications (2)

Publication Number Publication Date
CN113679379A CN113679379A (zh) 2021-11-23
CN113679379B true CN113679379B (zh) 2024-06-04

Family

ID=78577047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110797141.0A Active CN113679379B (zh) 2021-07-14 2021-07-14 基于声波的人体姿态估计方法、装置、设备、系统及介质

Country Status (1)

Country Link
CN (1) CN113679379B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010218126A (ja) * 2009-03-16 2010-09-30 Toshiba Mitsubishi-Electric Industrial System Corp 人体装着センサ装置及びそれを含む行動解析監視装置
CN103954969A (zh) * 2014-05-06 2014-07-30 西安电子科技大学 基于激光一维距离像反演动态锥形目标姿态角和几何尺寸
JP2015081831A (ja) * 2013-10-22 2015-04-27 株式会社国際電気通信基礎技術研究所 音源位置推定装置、移動体および移動体の制御方法
CN109015627A (zh) * 2018-05-24 2018-12-18 湘潭大学 大型机械臂姿态感知方法及系统
CN109223463A (zh) * 2018-10-31 2019-01-18 安徽中科智链信息科技有限公司 一种基于tof技术的3d导盲装置及方法
CN110290576A (zh) * 2019-06-14 2019-09-27 北京小米移动软件有限公司 电子设备控制方法及装置
WO2020103066A1 (zh) * 2018-11-22 2020-05-28 华为技术有限公司 判断两个终端设备相对位置的方法和装置
CN112180378A (zh) * 2020-09-28 2021-01-05 北京小米松果电子有限公司 设备间距离确定方法、装置及存储介质
CN112446923A (zh) * 2020-11-23 2021-03-05 中国科学技术大学 人体三维姿态估计方法、装置、电子设备及存储介质
CN112837362A (zh) * 2021-01-28 2021-05-25 清华大学深圳国际研究生院 获取空间定位的三维人体姿态估计方法及计算机可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140003195A1 (en) * 2012-06-28 2014-01-02 Net Power And Light, Inc. Coordinating devices to estimate distance, relative position, and device attitude

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010218126A (ja) * 2009-03-16 2010-09-30 Toshiba Mitsubishi-Electric Industrial System Corp 人体装着センサ装置及びそれを含む行動解析監視装置
JP2015081831A (ja) * 2013-10-22 2015-04-27 株式会社国際電気通信基礎技術研究所 音源位置推定装置、移動体および移動体の制御方法
CN103954969A (zh) * 2014-05-06 2014-07-30 西安电子科技大学 基于激光一维距离像反演动态锥形目标姿态角和几何尺寸
CN109015627A (zh) * 2018-05-24 2018-12-18 湘潭大学 大型机械臂姿态感知方法及系统
CN109223463A (zh) * 2018-10-31 2019-01-18 安徽中科智链信息科技有限公司 一种基于tof技术的3d导盲装置及方法
WO2020103066A1 (zh) * 2018-11-22 2020-05-28 华为技术有限公司 判断两个终端设备相对位置的方法和装置
CN110290576A (zh) * 2019-06-14 2019-09-27 北京小米移动软件有限公司 电子设备控制方法及装置
CN112180378A (zh) * 2020-09-28 2021-01-05 北京小米松果电子有限公司 设备间距离确定方法、装置及存储介质
CN112446923A (zh) * 2020-11-23 2021-03-05 中国科学技术大学 人体三维姿态估计方法、装置、电子设备及存储介质
CN112837362A (zh) * 2021-01-28 2021-05-25 清华大学深圳国际研究生院 获取空间定位的三维人体姿态估计方法及计算机可读存储介质

Also Published As

Publication number Publication date
CN113679379A (zh) 2021-11-23

Similar Documents

Publication Publication Date Title
EP3992845A1 (en) Action identification method based on artificial intelligence and related apparatus
CN114297730B (zh) 对抗图像生成方法、装置及存储介质
KR101624808B1 (ko) 파라미터화된 3d 얼굴 생성
CN109272989A (zh) 语音唤醒方法、装置和计算机可读存储介质
Dorfan et al. Tree-based recursive expectation-maximization algorithm for localization of acoustic sources
CN110321761B (zh) 一种行为识别方法、终端设备及计算机可读存储介质
CN111602139A (zh) 图像处理方法、装置、控制终端及可移动设备
US20230333209A1 (en) Gesture recognition method and apparatus
CN112329826A (zh) 图像识别模型的训练方法、图像识别方法和装置
Salami et al. Tesla-rapture: A lightweight gesture recognition system from mmwave radar sparse point clouds
EP4390728A1 (en) Model training method and apparatus, device, medium and program product
US20230333205A1 (en) Sound source positioning method and apparatus
CN113569607A (zh) 动作识别方法、装置、设备以及存储介质
CN113679379B (zh) 基于声波的人体姿态估计方法、装置、设备、系统及介质
CN115469303A (zh) 一种检测人体姿态和生命体征的认知生物雷达方法与装置
CN114417908A (zh) 一种基于多模态融合的无人机探测系统和方法
Ding et al. Microphone array acoustic source localization system based on deep learning
Liu et al. Deep-learning-based wireless human motion tracking for mobile ship environments
CN112488157A (zh) 一种对话状态追踪方法、装置、电子设备及存储介质
CN112180318A (zh) 声源波达方向估计模型训练和声源波达方向估计方法
CN116645973A (zh) 定向音频增强方法、装置、存储介质及电子设备
CN114360528B (zh) 语音识别方法、装置、计算机设备及存储介质
CN113721240B (zh) 一种目标关联方法、装置、电子设备及存储介质
CN113514796B (zh) 一种无源定位方法、系统和介质
Zhu et al. Speaker localization based on audio-visual bimodal fusion

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