一种基于3D体感模型的智能动作打分系统
专利汇可以提供一种基于3D体感模型的智能动作打分系统专利检索，专利查询，专利分析的服务。并且一种基于3d体感模型的智能动作打分系统，以3D体感坐标数据的获得方法，将涉及动作培训学习的老师的动作数据作为标准模型，并通过老师和用户体型的同一种 姿态 数据获得缩放比例，将标准模型强制和用户对齐的坐标数据和用户动作的坐标数据进行比对打分，对其中 帧 分值低于 阀 值的时间戳对应的标准和用户帧图片，进行处理比对，让用户直观了解自身动作和标准的差别所在。，下面是一种基于3D体感模型的智能动作打分系统专利的具体信息内容。
1.一种基于3D体感模型的智能动作打分系统，其特征包含的步骤和要素有：通过专用的摄影摄像设备，获得用户图像和视频，根据人体骨骼识别的算法获得目标对象骨骼关键点的3D坐标；
标准立正站姿的鉴别：监测人体骨骼关节点的坐标，并将节点间的相对位置设定判定条件，通过所述条件的验证获得标准立正站姿的判定结果；
必要条件一,：脊椎基点SpineBase 的x坐标，分别 SpineMid、 SpineShoulder、Neck 、Head关节的x坐标比对算差值，同样脊椎基点SpineBase 的z坐标，分别 SpineMid、 SpineShoulder、Neck、 Head关节的z坐标比对算差值 ，设定一个阀值F, 所述差值的绝对值均小于F值，则该必要条件成立；
必要条件二,：脊椎基点SpineBase 的x、y、z坐标，分别与ShoulderLeft、ElbowLeft、 WristLef、HandLeft、ShoulderRight、ElbowRight、WristRight、HandRight、HipLeft、KneeLeft、AnkleLeft、FootLeft、HipRight、 KneeRight、 AnkleRight、FootRight、HandTipLeft、ThumbLeft、HandTipRight、ThumbRight 关节点对应的x、y、z坐标比对算差值，即坐标x差值、y差值、z差值，以及计算关节之间的坐标相对差值，并为所有差值设置一个相对应的阀值和必要条件判定的算术方法，计算判定必要条件是否成立而判定是否是标准立正站姿；
姿势停留命令响应模块，采用监测特定姿势时间停留预定时长作为操作系统的输入命令，设置姿势命令检测模块，监测符合指令关节点坐标，所述坐标符合命令触发的位置时，则监测保持该姿势的持续时间等于或超过预设的命令时间阀值，则触发该姿态对应的命令操作；
系统检查到标准立正站姿，开始一个标准模型记录或一个打分测试过程；
首先在系统中设置标准模式、打分模式，创建项目记载项目的背景音频信息的模块；
创建标准模型，根据项目中记载的mp4、rm格式的音频节奏、时长t0，包括但不限于舞蹈、体操、武术、瑜伽老师、教练，立正的标准站立姿势，系统通过上述标准立正站紫鉴别的方法监测，监测确认标准立正姿势后，启动开启姿势停留命令响应模块，系统获得开始命令时，提示动作演示开始，所述老师、教练开始将标准动作演示一遍，同时系统实时监测所述老师、教练的在不同时间点被捕获关节的坐标，并记录到系统内部，建立该项目的标准模型；
标准模型的强制对齐，根据标准模型中演示者和用户同一标准姿势，分别计算世界坐标系统中，x、y、z的缩放修正系数，并将标准模型中所有x、y、z的数据，全部通过缩放修正系数进行修正，得到对齐的标准模型，在用户体态下的动态坐标数据，再和用户实际的动作坐标数据比对，获得分值，具体技术方法如下：
通过上述标准立正站姿的判定的技术方法，在标准立正站立姿下，通过循环比对分别获得用户及标准模型的24个关节坐标中，用户的最大x值 、最大y值 、最大z值 、最小x值 、最小y值 、最小z值 ，对应的标准模型记录中最大x值 、最大y值 、最大z值 、最小x值 、最小y值 、最小z值 ；
其中a、b、c分为为标准模型强制对齐到用户体型的世界坐标x、y、z的缩放对齐系数，将标准模型记录中的x分别乘以a、y分别乘以b、z分别乘以c，获得0至 所有时间戳对应的数据组；
进一步，将分值较低的帧中人物动作提炼出来，和标准模型对应时间戳的帧中人物动作比对，让用户直观了解动作缺陷所在。
2.如权利要求1所述一种基于3D体感模型的智能动作打分系统，其特征包含的步骤和要素有：判定标准立正站姿的进一步，将脊椎上SpineBase为坐标系中的基准0点，即SpineBase的坐标为0,0,0在一个时间点的帧频中人物各个关节的三维坐标，以坐标值的下表数字代表关节点的序号对应该关节点，则获得坐标数据 、 、、 ...... ； 、 、、 ...... ； 、 、 、 ...... ；优选地，设定立正站姿的必要条件的为：
必要条件1： Abs（ ）<12；
必要条件2： Abs（ ）<12；
必要条件3： Abs（ ）<12；
必要条件4： Abs（ ）<12；
必要条件5： Abs（ ）<16；
必要条件6： Abs（ ）<16；
必要条件7： Abs（ ）<16；
必要条件8： Abs（ ）<12；
必要条件9： Abs（ ）- Abs（ ）<8；
必要条件10：Abs（ ）- Abs（ ）<18；
必要条件11：Abs（ ）- Abs（ ）<18；
必要条件12： <-53；
必要条件13： <-53；
必要条件14：Abs（ ）- Abs（ ）<8；
必要条件15：Abs（ ）- Abs（ ）<8；
必要条件16：Abs（ ）<16；
必要条件17：Abs（ ）<16；
必要条件18： - <68；
将时获得关节坐标数值依次通过上述条件的验证，如果全部为真的结果，则设定所映射的人体设定为标准立正站姿。
3.如权利要求1所述一种基于3D体感模型的智能动作打分系统，其特征包含的步骤和要素有：姿势停留命令响应：系统开启关节坐标监测，实时获得各关节点的坐标，其中命令模块判定各坐标是否符合触发命令的位置，符合条件-10< <10 and -10< <10；and -
10< <10 and -10< <10；时将HandLeft、HandRight的坐标传递给姿势命令检测模块；
姿势命令检测模块获得关节坐标中，优选地，Abs（ ）- Abs（ ）<18时；根据 的值区间设置对应的停留参数进行加1运算：优-10< <10 时对应参数A;Abs（ - ）<10 时对应参数B；Abs（ - ）<10 时对应参数C；Abs（ - ）<10 时对应参数D；依次类推；其他的停留参数赋值为0；同时验证姿势命令检测模块上一个接到的数据对应的停留参数，是否和本次对应的停留参数相同，不同则将本次对应的停留参数修正赋值为1；设定停留时间阀值，设定每一个停留参数所对应的程序事件过程，当停留参数大于或等于该阀值时，触发对应的命令程序事件，实现系统响应用户命令的操作。
4.一种基于标准模型强制对齐的智能动作打的方法，其特征包含的步骤和要素有：
基于权利要求1及权利要求2中标的准立正站姿鉴定的方法，用户立正站姿经过系统确认后，通过权利要求1和权利要求3中的姿势停留响应模块方法，监测到开始命令时，开始相应的动作测试，系统实时获得喊时间戳的用户关节坐标，并记录到系统中，结束时记录该测试的时长t1，t1大于t0时，在系统界面显示提示“您的动作节奏比标准慢了t1-t0”，t1小于等于t0时，在系统界面显示提示“您的动作节奏比标准快了t0-t1”；同时将用户坐标数据组中数据的时间戳进行强制对齐：
通过坐标值所对应的时间戳的修正，将用户测试动作的时长t1强制压缩和t0相等；以变量t来代表0到t0的时间戳，那么t时间点分别对应的强制对齐后的标准模型及时长修正后的用户测试视频中的帧频图像中，人物节点的坐标数据，为了区别标准模型和用户测试视频坐标的区别，在用户测试下的坐标的x、y、z分别和1组合，即x1、y1、z1代表坐标参数，将标准模型坐标仍然以x、y、z代表对应的坐标参数，则在t时间点两者坐标的平均差为的分值为：
设置一个系统帧分值合格判定阀值H，将 低于H的记录，另外存于一个数组R中，把所有t对应的均差进行累计叠加并平均，就可以获得完成动作的用户和标准之间的均差分值，计算公式如下：
通过上述算法，将 的结果作为评分结果之一，显示到用户界面上，并设定等级：差、合格、良、优秀的阀值，并将结果分值判定在哪个阀值区间，显示相应的等级；
获得t时间点分别对应的强制对齐后的标准模型及时长修正后的用户测试视频中的帧频图像中，人物节点的坐标数据，根据这些坐标数据获得t时点所映射的基于方差原理计算的分值，其中以强制对齐后的标准模型中对应的坐标值设定为方差计算中的平均值，t时间点的分值算式如下：
设置一个系统帧分值合格判定阀值G，将 低于G的记录，另外存于一个数组S中；
其中 值越大，标示用户动作和标准的偏移波动很大，而绝对的一个数字难以给用户形象对误差的认知，为了进一步和用户的认知接轨，将基于方差运算的结果转化成百分制的打分更容易被用户接受和理解，故此设定一个阀值K，值大于K值的，直接0分，反之小于K值时，通过如下算法转化成百分制的分值：
其中F为百分制的误差偏移分值，把F值的结果推送到用户界面，作为平均差算法分值的一个辅助结果，给动作一个衡量偏差的波动大小分值一个参考。
5.如权利要求4所述一种基于标准模型强制对齐的智能动作打的方法，其特征包含的步骤和要素有：一种动作误差图片比对的方法具体实施如下：
步骤1、在权利要求4打分技术方法中记录的数组R、S中，通过循环运算，获得R、S交集的参数成员，并将这些成员存于新的数组Q中;
步骤2、动作误差图片提取，依次读出Q数组中的成员时间戳数值，并将所述时间戳对应的标准模型和用户测试视频中对应帧去静态化背景处理，视频预处理，设置静态判定阀值U，首先将软件获取视频帧图片的单位转化成像素；
进一步将获得的帧数据中映射像素点的RGB数值进行提取，并和当前Q中成员时间戳前一帧该位置像素点的RGB比对，将RGB中的R/G/B分别相减，并将结果相加的和除以3的结果，和静态判定阀值K进行比对，小于阀值则将该像素点的RGB值赋值为三个固定的值u1、u2、u3，经过试验获得最佳视觉效果所述固定值优选为166、166、166，过滤掉和前一帧相比没有发生运动和图像变化的部分，包括没有变动的典型骨骼点；
优选地，静态判定阀值U的值为11；
进一步，优化判定阀值算法，使用指定跨度区间长度，判定，并将判定结果的操作延生到改前前后跨度值一半的范围，帧对象 ，
从x 为 0 至 .Width 的值，间隔周期长度为 k，进行如下运算；
从y 为 0 至 .Height的值，间隔周期长度为 k，进行如下运算；
设定坐标为当前x、y值在当前帧图片中的点 ,其对应的RGB数值分别为 .R、.G、.B, x、y值对应的当前帧前一个时间戳对应帧图片中的点 ，其对应的RGB数值分别为.R、 .G、 .B, 根据如下算式计算V值；
V小于0则 (X,Y)位置的RGB设定为166、166，并且将和x差值或和y差值在正负k/2值区间的位置点RGB均设定为166、166、166；
进一步进行y递增1的循环，然后进行x递增1的循环，所述帧图片的处理；
通过以所述技术方法的处理，获得Q数组中的成员时间戳数值分别对应标准模型和用户视频中对应帧图片处理后的图片，记录到系统中，设置一个动作分值测试图像分析界面，以0到t0值为区间设置一条进度条；并将Q数组中的成员时间戳数值在所述进度条上进行对应的标识，所述标识和动作误差比对的图片对应，并将对应的标准模型处理的照片和用户视频中处理的照片分开对比放置，用户点击标识，界面不同位置显示所述的两张处理后的图片，设置播放功能按钮，则按照设定的时间间隔显示标识对应的两张图片。
一种基于3D体感模型的智能动作打分系统
技术领域
背景技术
发明内容
16 、HipRight ；17、 KneeRight；18、 AnkleRight； 19、 FootRight ； 20 、SpineShoulder；21、HandTipLeft；22、ThumbLeft； 23 、HandTipRight；24、ThumbRight；使用GetJointKinectPosition()及相关接口指定的技术方法获取关节点坐标及相关数据。
必要条件2： Abs（ ）<12；
必要条件3： Abs（ ）<12；
必要条件4： Abs（ ）<12；
必要条件5： Abs（ ）<16；
必要条件6： Abs（ ）<16；
必要条件7： Abs（ ）<16；
必要条件8： Abs（ ）<12；
必要条件9： Abs（ ）- Abs（ ）<8；
必要条件10：Abs（ ）- Abs（ ）<18；
必要条件11：Abs（ ）- Abs（ ）<18；
必要条件12：<-53；
必要条件13： <-53；
必要条件14：Abs（ ）- Abs（ ）<8；
必要条件15：Abs（ ）- Abs（ ）<8；
必要条件16：Abs（ ）<16；
必要条件17：Abs（ ）<16；
必要条件18： - <68；
将时获得关节坐标数值依次通过上述条件的验证，如果全部为真的结果，则设定所映射的人体为标准立正站姿。
...... ；在不支持下标变量算式的程序语言实施时，设定并使用取值为
0至t*24整数的过渡变量作为下标变量参数。
设置一个系统帧分值合格判定阀值H，将 低于H的记录，另外存于一个数组R中，等待系统调用；把所有t对应的均差进行累计叠加并平均，就可以获得完成动作的用户和标准之间的均差分值，计算公式如下：
通过上述算法，将 的结果作为评分结果之一，显示到用户界面上，并设定等级：差、合格、良、优秀的阀值，并将结果分值判定在哪个阀值区间，显示相应的等级。
其中 值越大，标示用户动作和标准的偏移波动很大，而绝对的一个数字难以给用户形象对误差的认知，为了进一步和用户的认知接轨，将基于方差运算的结果转化成百分制的打分更容易被用户接受和理解，故此设定一个阀值K，值大于K值的，直接0分，反之小于K值时，通过如下算法转化成百分制的分值：
其中F为百分制的误差偏移分值，把F值的结果推送到用户界面，作为平均差算法分值的一个辅助结果，给动作一个衡量偏差的波动大小分值一个参考。
从y 为 0 至 .Height的值，间隔周期长度为 k，进行如下运算：
设定坐标为当前x、y值在当前帧图片中的点 ,其对应的RGB数值分别为 .R、.G、.B, x、y值对应的当前帧前一个时间戳对应帧图片中的点 ，其对应的RGB数值分别为.R、 .G、 .B, 根据如下算式计算V值；
V小于0则 (X,Y)位置的RGB设定为166、166，并且将和x差值或和y差值在正负k/2值区间的位置点RGB均设定为166、166、166。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种城市路网机动车尾气排放遥感监控系统 | 2020-05-13 | 752 |
| 一种驾驶人实车考试扣分取证方法与装置 | 2020-05-18 | 813 |
| 一种基于FPGA的畜舍图像采集分析和传输系统 | 2020-05-19 | 953 |
| 汽车爆胎安全稳定控制系统 | 2020-05-21 | 585 |
| 基于高清智能摄像机的人脸检测与识别系统 | 2020-05-24 | 334 |
| 一种自动化检测恶意代码核心特征方法 | 2020-05-25 | 358 |
| 山火诱发钢结构杆塔结构失效的仿真模拟和安全预警方法 | 2020-05-18 | 232 |
| 一种针对变电站的基于机器学习的语义标注方法 | 2020-05-25 | 944 |
| 一种多模式复合式馈能型悬架作动器及其控制方法 | 2020-05-12 | 374 |
| 一种智能综合考试管理系统 | 2020-05-23 | 706 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
