CN113724292A - 肢体动作分析方法、终端设备及存储介质 - Google Patents

Abstract

本发明公开了一种肢体动作分析方法，终端设备及计算机可读存储介质，其中，所述方法包括：获取所述光学动作捕捉系统采集的视频数据，以及所述智能穿戴设备采集的传感器数据；根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数；根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果。本发明旨在达成提高高尔夫教学效率的效果。

Description

肢体动作分析方法、终端设备及存储介质

技术领域

本发明涉及高尔夫技术领域，尤其涉及肢体动作分析方法、终端设备及计算机可读存储介质。

背景技术

随着人们生活水平的提高，人们对精神生活的追求也越来越高。高尔夫球运动是人们释放压力，或者竞技比拼的重要运动。

为了提高高尔夫竞技水平，许多用户会雇佣专业教练进行技术指导，以规范自身的挥杆动作。但是由于雇佣教练需要花费较大的成本，并且局限于教练的执教时间和经验等不同，也会出现不同的教学效果。因此，在相关技术中，可以通过摄像装置拍摄用户击球时的视频，以供根据视频资料，进行自我分析，以达到自我提升的效果。而根据视频资料进行分析时，由于需要用户自身明确标准动作，并根据自己的动作进行对比，才能找出自我缺陷。并且根据视频资料进行自我分析需要耗费大量的时间成本。这样致使相关技术存在教学效率低下的缺陷。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种肢体动作分析方法、终端设备及计算机可读存储介质，旨在达成提高高尔夫教学效率的效果。

为实现上述目的，本发明提供一种肢体动作分析方法，应用于终端设备，所述终端设备设置有数据接口，所述数据接口用于连接光学动作捕捉系统和智能穿戴设备，所述肢体动作分析方法包括：

获取所述光学动作捕捉系统采集的视频数据，以及所述智能穿戴设备采集的传感器数据；

根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数；

根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果。

可选地，所述运动参数包括击球过程中，各个时间点对应的加速度方向和加速度大小。

可选地，所述传感器数据为陀螺仪检测数据，所述根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数的步骤包括：

对所述视频数据的每一画面帧进行人体识别，根据识别结果确定每一所述画面帧中的人体位置和球杆位置；

根据每一所述画面对应的所述人体位置和所述球杆，确定所述用户肢体运动轨迹和球杆运动轨迹；以及

根据所述陀螺仪检测数据确定所述运动参数。

可选地，所述根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数的步骤之前，还包括：

对所述视频数据进行动态识别，根据动态识别结果，在所述视频数据中截取包含动态物体的目标视频数据；

所述根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数的步骤包括：

根据所述目标视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数。

可选地，所述根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果的步骤包括：

根据所述运动轨迹及所述球杆运动轨迹确定击球动作阶段，其中，所述击球动作阶段包括发力阶段和击打阶段；

根据所述发力阶段对应的第一运动参数和所述击打阶段对应的第二运动参数确定所述击球动作分析结果。

可选地，所述根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果的步骤之前，还包括：

获取标准击球动作对应的标准肢体运动轨迹和标准球杆运动轨迹，以及标准运动参数；

所述根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果的步骤包括：

确定所述肢体运动轨迹和所述标志肢体运动轨迹直接的第一差异，所述球杆运动轨迹与所述标准球杆运动轨迹直接的第二差异，以及所述运动参数与所述标准运动参数之间的第三差异；

根据所述第一差异和所述第二差异确定动作形态分析结果，以及根据所述第三差异确定的发力情况分析结果。

可选地，所述击球动作分析结果包括所述动作形态分析结果及所述发力情况分析结果。

可选地，所述获取所述光学动作捕捉系统采集的视频数据，以及所述智能穿戴设备采集的传感器数据的步骤之后，还包括：

根据所述视频数据及所述传感器数据生成高尔夫球的飞行轨迹；

根据所述视频数据生成场景模型；

基于所述飞行轨迹及所述场景模型生成包含所述飞行轨迹的合成视频，并输出所述合成视频。

此外，为实现上述目的，本发明还提供一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的肢体动作分析程序，所述肢体动作分析程序被所述处理器执行时实现如上所述的肢体动作分析方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有肢体动作分析程序，所述肢体动作分析程序被处理器执行时实现如上所述的肢体动作分析方法的步骤。

本发明实施例提出的一种肢体动作分析方法、终端设备及计算机可读存储介质，先获取所述光学动作捕捉系统采集的视频数据，以及所述智能穿戴设备采集的传感器数据，然后根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数，并根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果。这样可以更加简洁高效地确定用户击球时的击球动作分析结果，从而达成了提高教学效率的效果。并且还使得用户可以更加便捷地基于确定的上述击球动作分析结果确定自身击球动作的缺陷，从而明确待改进的目标，以提高自身的高尔夫竞技水准。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；

图2为本发明肢体动作分析方法一实施例的流程示意图；

图3为本发明实施例涉及的击球阶段划分示意图；

图4为本发明肢体动作分析方法的另一实施例的流程示意图；

图5为本发明肢体动作分析方法的又一实施例的流程示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

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。

为解决相关技术存在的缺陷，达成提高提高高尔夫教学效率的效果，本发明实施例提出一种肢体动作分析方法，其主要解决方案为：

获取所述光学动作捕捉系统采集的视频数据，以及所述智能穿戴设备采集的传感器数据；

根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数；

根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果。

为执行上述肢体动作分析方法，本发明实施例还提出一种终端设备。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。

本发明实施例终端可以是智能手机等终端设备。

如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)、鼠标等，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及肢体动作分析程序。

在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；处理器1001可以用于调用存储器1005中存储的肢体动作分析程序，并执行以下操作：

获取所述光学动作捕捉系统采集的视频数据，以及所述智能穿戴设备采集的传感器数据；

根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数；

根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果。

进一步地，处理器1001可以调用存储器1005中存储的肢体动作分析程序，还执行以下操作：

对所述视频数据的每一画面帧进行人体识别，根据识别结果确定每一所述画面帧中的人体位置和球杆位置；

根据每一所述画面对应的所述人体位置和所述球杆，确定所述用户肢体运动轨迹和球杆运动轨迹；以及

根据所述陀螺仪检测数据确定所述运动参数。

进一步地，处理器1001可以调用存储器1005中存储的肢体动作分析程序，还执行以下操作：

对所述视频数据进行动态识别，根据动态识别结果，在所述视频数据中截取包含动态物体的目标视频数据；

所述根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数的步骤包括：

根据所述目标视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数。

进一步地，处理器1001可以调用存储器1005中存储的肢体动作分析程序，还执行以下操作：

根据所述运动轨迹及所述球杆运动轨迹确定击球动作阶段，其中，所述击球动作阶段包括发力阶段和击打阶段；

根据所述发力阶段对应的第一运动参数和所述击打阶段对应的第二运动参数确定所述击球动作分析结果。

进一步地，处理器1001可以调用存储器1005中存储的肢体动作分析程序，还执行以下操作：

获取标准击球动作对应的标准肢体运动轨迹和标准球杆运动轨迹，以及标准运动参数；

所述根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果的步骤包括：

确定所述肢体运动轨迹和所述标志肢体运动轨迹直接的第一差异，所述球杆运动轨迹与所述标准球杆运动轨迹直接的第二差异，以及所述运动参数与所述标准运动参数之间的第三差异；

根据所述第一差异和所述第二差异确定动作形态分析结果，以及根据所述第三差异确定的发力情况分析结果。

进一步地，处理器1001可以调用存储器1005中存储的肢体动作分析程序，还执行以下操作：

根据所述视频数据及所述传感器数据生成高尔夫球的飞行轨迹；

根据所述视频数据生成场景模型；

基于所述飞行轨迹及所述场景模型生成包含所述飞行轨迹的合成视频，并输出所述合成视频。

随着人们生活水平的提高，人们对精神生活的追求也越来越高。高尔夫球运动是人们释放压力，或者竞技比拼的重要运动。

为了提高高尔夫竞技水平，许多用户会雇佣专业教练进行技术指导，以规范自身的挥杆动作。但是由于雇佣教练需要花费较大的成本，并且局限于教练的执教时间和经验等不同，也会出现不同的教学效果。因此，在相关技术中，可以通过光学动作捕捉系统拍摄用户击球时的视频，以供根据视频资料，进行自我分析，以达到自我提升的效果。而根据视频资料进行分析时，由于需要用户自身明确标准动作，并根据自己的动作进行对比，才能找出自我缺陷。并且根据视频资料进行自我分析需要耗费大量的时间成本。这样致使相关技术存在教学效率低下的缺陷。并且，用户基于视频进行自我分析时，也只能根据视频观察自身的动作姿态是否规范，而无法确定每一次击球时，击球力度是否适宜。

为了解决相关技术存在的上述缺陷，本发明实施例提出一种肢体动作分析方法，旨在更加简洁高效地确定用户击球时的击球动作分析结果。以便用户基于确定的上述击球动作分析结果确定自身击球动作的缺陷，从而明确待改进的目标，以提高自身的高尔夫竞技水准。以下通过具体实施示例对本发明提出的肢体动作分析方法进行解释说明。

参照图2，在本发明肢体动作分析方法的一实施例中，所述肢体动作分析方法包括以下步骤：

步骤S10、获取所述光学动作捕捉系统采集的视频数据，以及所述智能穿戴设备采集的传感器数据；

步骤S20、根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数；

步骤S30、根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果。

在本实施例中，执行所述肢体动作分析方法的终端设备设置有数据接口，其中，所述数据接口用于连接光学动作捕捉系统和智能穿戴设备。所述数据接口可以包括有线接口和/或无线接口。在本实施例中，所述光学动作捕捉系统包括设置与高尔夫球台的摄像装置。

示例性地，所述终端设备的数据接口包括有线接口，使得终端设备通过该优先接口与光学动作捕捉系统连接。所述数据接口还包括无线接口，例如，所述无线接口可以是蓝牙接口，从而使得所述用户通过所述蓝牙接口与所述智能穿戴设备连接。

进一步地，所述光学动作捕捉系统可以用于拍摄用户在击球过程中的视频图像。可以理解的是，所述视频图像为包括用户在内的，包括用户击打高尔夫球时的身体轮廓的视频资料。可选地，所述光学动作捕捉系统一般设置于高尔夫球台，这样使得用户在球台击球时，其击球动作可以被视频图像拍得。所述智能穿戴设备可以是智能手环和/或智能手表等佩带于用户手部的智能穿戴设备。所述智能穿戴设备可以通过终端设备的数据接口与终端设备连接。并且，所述智能穿戴设备还设置有检测传感器，使得智能穿戴设备可以通过数据接口向终端设备发送自身采集的传感器数据。

可选地，所述传感器数据可以是终端设备采集陀螺仪检测数据。即终端设备中设置有陀螺仪，从而使得终端设备可以将陀螺仪检测数据作为传感器数据发送至终端设备。当然，在其他的实施方案中，设置于智能穿戴设备中的也可以是其他用于检测加速度的传感器。对此，本实施例不作具体限定。

进一步地，当终端设备通过数据接口与光学动作捕捉系统连通之后，可以获取所述光学动作捕捉系统采集的视频数据，以及所述智能穿戴设备采集的传感器数据。进而根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数。

示例性地，当获取到所述视频数据后，可以对所述视频数据的每一画面帧进行人体识别，从而根据识别结果确定每一所述画面帧中对应的人体位置和球杆位置。然后每一画面帧对应的时序信息，基于所述时序信息和每一所述画面帧中的人体位置和球杆位置确定用户肢体运动轨迹和球杆运动轨迹。以及，当所述传感器数据为陀螺仪检测数据时，还可以根据所述陀螺仪检测数据确定所述运动参数，其中，所述运动参数可以是击球过程中，各个时间点对应的加速度检测结果。或者加速力度检测结果。

可以理解的是，当获取到陀螺仪检测数据后，可以基于预设的数值转换关系，将陀螺仪检测数据转化为上述运动数据。此外，终端设备还可以设置有时钟系统，进而将视频数据对应时序和陀螺仪检测数据对应的时序进行同步校正，从而使得获取到的连续的陀螺仪检测数据的时序，可以与视频数据对应的数据同步。以便将根据陀螺仪检测数据确定的运动数据，与用户肢体运动轨迹和球杆运动轨迹相关联。即确定将肢体运动轨迹和球杆运动轨迹中的每一个点对应的运动数据。

进一步地，根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数之后，可以根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果。

示例性地，在一可选实施方案中，可以根据所述运动轨迹及所述球杆运动轨迹确定击球动作阶段，其中，所述击球动作阶段包括发力阶段和击打阶段，根据所述发力阶段对应的第一运动参数和所述击打阶段对应的第二运动参数确定所述击球动作分析结果。

可选地，参照图3，在本实施方案中，所述发力阶段可以是用户击球动作中，从准备动作到扬杆完成时的阶段。所述击球阶段可以是扬杆完成到击打到球的阶段。

可以理解但是，在一些其它实施方案中，也可以通过其它方式定义更多的击球阶段，从进一步细化用户的击球过程。例如，也可以根据击球动作对应的时序将击球动作划分为多个击球阶段。本实施例提供的两种击球阶段仅为解释本发明，并不用于限定本发明。

需要说明的是，还可以预先设定各个击球阶段对应的标准运动数据。例如，可以通过采集装置，采集用户击打出高质量球时，各个击球阶段对应的所述运动数据作为标准运动数据。进而确定各个击球阶段对应的运动数据后，与标准运动数据进行对比，以确定当前击球动作于标准击球动作直接的差异。并根据所述差异确定所述击球动作分析结果。其中，当所述差异为正值时，该击球阶段对应的子击球动作分析结果为对应阶段应减小力度，反之则增大力度。这样，每一击球阶段均可以确定一个对应的子击球动作分析结果，进而将多个子击球动作分析结果的组合，作为击球动作分析结果。

示例性地，作为另一中可选实施方案，在所述步骤S30之前，还可以先获取标准击球动作对应的标准肢体运动轨迹和标准球杆运动轨迹，以及标准运动参数。其中，所述标准击球动作对应的标准肢体运动轨迹和标准球杆运动轨迹，以及标准运动参数为预先存储的数据，可以直接读取。当获取到标准击球动作对应的标准肢体运动轨迹和标准球杆运动轨迹，以及标准运动参数之后，可以确定所述肢体运动轨迹和所述标志肢体运动轨迹直接的第一差异，所述球杆运动轨迹与所述标准球杆运动轨迹直接的第二差异，以及所述运动参数与所述标准运动参数之间的第三差异。然后根据所述第一差异和所述第二差异确定动作形态分析结果，以及根据所述第三差异确定的发力情况分析结果。

可以理解的是，根据所述第一差异和所述第二差异确定动作形态分析结果时，可以根据将所述第一差异和第二差异的反向数据确定改进提示。例如，当用户肢体运动轨迹运动轨迹与标准肢体运动轨迹存在差异时，将差异相反方向作为所述改进提示，即提示用户在下一次挥杆时，应该使肢体运动轨迹趋向于所述第一差异的反方向。或者预先设定所述第一差异和第二差异与所述改进提示之间的关联关系，进而根据所述第一差异和第二差异及所述关联关系查询所述改进提示。

需要说明的是，所述形态分析结果包括用户当前击球动作于标准击球动作直接的不同之处，以及改进提示。所述发力请求分析结果包括用户当前击球过程中，使用的击球力度的待调整方向(例如，增大击球力度，或者减小击球力度等)。

可选地，所述步骤S30之后，还包括：输出所述击球动作分析结果。以供用户根据所述击球动作分析结果调整自身击球动作。从而使得用户可以简便确定本次击球过程存在的缺陷。

在本实施例公开的技术方案中，先获取所述光学动作捕捉系统采集的视频数据，以及所述智能穿戴设备采集的传感器数据，然后根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数，并根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果。这样可以更加简洁高效地确定用户击球时的击球动作分析结果，从而达成了提高教学效率的效果。并且还使得用户可以更加便捷地基于确定的上述击球动作分析结果确定自身击球动作的缺陷，从而明确待改进的目标，以提高自身的高尔夫竞技水准。

可选地，参照图4，基于上述实施例，在另一实施例中，所述步骤S20之前，还包括：

步骤S40、对所述视频数据进行动态识别，根据动态识别结果，在所述视频数据中截取包含动态物体的目标视频数据。

在本实施例中，由于用户一般不会持续且连续的进行击球，当用户暂时休息或者没有进行击球时，光学动作捕捉系统会拍摄到很多的冗余画面。即在进行肢体动作分析时不需要的视频资料。因此，可以在接收到所述视频数据后，先对所述视频数据进行动态识别，然后据动态识别结果，在所述视频数据中截取包含动态物体的目标视频数据。即截取出视频数据中，用户击球时刻对应的视频段，作为所述目标视频数据。然后根据所述目标视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数。这样可以去除视频数据中的冗余数据，从而达成了降低终端设备的数据处理量的效果。

可选地，在其他的一些实施例中，为了达成了降低终端设备的数据处理量的效果，也可以在终端设备上设置用户接口，使得用户可以通过用户接口向终端设备发送启动指令，而终端设备设置为在接收到启动指令时，执行步骤S10至步骤S30。

可选地，参照图5，基于上述实施例，在又一实施例中，所述步骤S10之后，还包括：

步骤S50、根据所述视频数据及所述传感器数据生成高尔夫球的飞行轨迹；

步骤S60、根据所述视频数据生成场景模型；

步骤S70、基于所述飞行轨迹及所述场景模型生成包含所述飞行轨迹的合成视频，并输出所述合成视频。

在本实施例中，所述光学动作捕捉系统还包括设置于高尔夫球场内的高速摄像机。其中，所述高速摄像机可以拍摄被击飞的高尔夫球。所述光学动作捕捉系统还包括标记捕捉系统。

可以理解的是，所述高尔夫球上设置有光学标识。其中，所述光学标识可以通过设置于高尔夫球上的LED实现。当高尔夫球被击飞之后，所述光学动作捕捉系统可以基于所述高尔夫球上设置有光学标识，对所述高尔夫球的飞行轨迹进行跟踪拍摄，以生成包含高尔夫球的飞行轨迹的视频数据。进一步地，当获取到所述包含高尔夫球的飞行轨迹的视频数据之后。可以根据所述视频数据及所述传感器数据生成高尔夫球的飞行轨迹，并根据所述视频数据生成场景模型。进而基于所述飞行轨迹及所述场景模型生成包含所述飞行轨迹的合成视频，并输出所述合成视频。

示例性地，当获取到所述视频数据后，可以对所述视频数据进行逐帧的视频分析，以确定每一视频帧中，所述高尔夫球与其它参照物(球场草坪，标识线或者其它静态物体均可以作为参照物)之间的相对位置关系(其中，所述)。在第一帧视频数据(即高尔夫球击飞瞬间对应的视频帧)处理时，还可以基于所述传感器数据预测高尔夫球的初始飞行数据。其中，所述初始飞行数据包括初始飞行方向及初始飞行速度。然后根据各个视频帧之间的时间间隔，所述初始飞行数据及重力加速度、空气摩擦常数等，预测每一视频帧中的高尔夫球的飞行数据。进而结合高尔夫球与参照物之间的相对位置关系，以及每一视频帧中高尔夫球对应的飞行数据。确定高尔夫球的飞行轨迹。进而，根据根据所述视频数据或者预存视频数据生成场景模型。其中模式是预存视频数据可以是其它场景对应的视频数据。例如，可以是预先拍摄的其它天气下的球场A的视频数据。或者球场B对应的视频数据。

需要说明的是，在一些实施方案中，在确定高尔夫球的飞行数据时，也可以根据所述场景模型关联的计算参数确定。以确定与场景模型相匹配的飞行轨迹。

进而根据所述场景模型及所述飞行轨迹，生成合成视频。其中，在所述合成视频中，包括突出显示的高尔夫球飞行轨迹和场景模型。这样使得用户在击球后，可以生成不同场景下的高球飞行视频。然后，可以通过视频展示设备输出所述合成视频。

此外，本发明实施例还提出一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的肢体动作分析程序，所述肢体动作分析程序被所述处理器执行时实现如上各个实施例所述的肢体动作分析方法的步骤。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有肢体动作分析程序，所述肢体动作分析程序被处理器执行时实现如上各个实施例所述的肢体动作分析方法的步骤。

需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

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。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是PC机、服务器等具备数据处理功能的终端设备)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种肢体动作分析方法，其特征在于，应用于终端设备，所述终端设备设置有数据接口，所述数据接口用于连接光学动作捕捉系统和智能穿戴设备，所述肢体动作分析方法包括：

获取所述光学动作捕捉系统采集的视频数据，以及所述智能穿戴设备采集的传感器数据；

根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数；

根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果。

2.如权利要求1所述的肢体动作分析方法，其特征在于，所述运动参数包括击球过程中，各个时间点对应的加速度方向和加速度大小。

3.如权利要求1所述的肢体动作分析方法，其特征在于，所述传感器数据为陀螺仪检测数据，所述根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数的步骤包括：

对所述视频数据的每一画面帧进行人体识别，根据识别结果确定每一所述画面帧中的人体位置和球杆位置；

根据每一所述画面对应的所述人体位置和所述球杆，确定所述用户肢体运动轨迹和球杆运动轨迹；以及

根据所述陀螺仪检测数据确定所述运动参数。

4.如权利要求1所述的肢体动作分析方法，其特征在于，所述根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数的步骤之前，还包括：

对所述视频数据进行动态识别，根据动态识别结果，在所述视频数据中截取包含动态物体的目标视频数据；

所述根据所述视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数的步骤包括：

根据所述目标视频数据提取用户肢体运动轨迹和球杆运动轨迹，并根据所述传感器数据确定运动参数。

5.如权利要求1所述的肢体动作分析方法，其特征在于，所述根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果的步骤包括：

根据所述运动轨迹及所述球杆运动轨迹确定击球动作阶段，其中，所述击球动作阶段包括发力阶段和击打阶段；

根据所述发力阶段对应的第一运动参数和所述击打阶段对应的第二运动参数确定所述击球动作分析结果。

6.如权利要求1所述的肢体动作分析方法，其特征在于，所述根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果的步骤之前，还包括：

获取标准击球动作对应的标准肢体运动轨迹和标准球杆运动轨迹，以及标准运动参数；

所述根据所述肢体运动轨迹、球杆运动轨迹及所述运动参数确定击球动作分析结果的步骤包括：

确定所述肢体运动轨迹和所述标志肢体运动轨迹直接的第一差异，所述球杆运动轨迹与所述标准球杆运动轨迹直接的第二差异，以及所述运动参数与所述标准运动参数之间的第三差异；

根据所述第一差异和所述第二差异确定动作形态分析结果，以及根据所述第三差异确定的发力情况分析结果。

7.如权利要求6所述的肢体动作分析方法，其特征在于，所述击球动作分析结果包括所述动作形态分析结果及所述发力情况分析结果。

8.如权利要求1所述的肢体动作分析方法，其特征在于，所述获取所述光学动作捕捉系统采集的视频数据，以及所述智能穿戴设备采集的传感器数据的步骤之后，还包括：

根据所述视频数据及所述传感器数据生成高尔夫球的飞行轨迹；

根据所述视频数据或者预存视频数据生成场景模型；

基于所述飞行轨迹及所述场景模型生成包含所述飞行轨迹的合成视频，并输出所述合成视频。

9.一种终端设备，其特征在于，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的肢体动作分析程序，所述肢体动作分析程序被所述处理器执行时实现如权利要求1至8中任一项所述的肢体动作分析方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有肢体动作分析程序，所述肢体动作分析程序被处理器执行时实现如权利要求1至8中任一项所述的肢体动作分析方法的步骤。

Images