[发明专利]一种运动员动态姿态识别方法、装置、系统及存储介质

说明书

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。

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p_i的加速度{ax_i,ay_i,az_i}、角速度{gx_i,gy_i,gz_i}和磁场方向{mx_i,my_i,mz_i}，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p_i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：