[发明专利]基于增强现实的NFT穿戴方法、装置、电子设备和存储介质

权利要求书

1.一种基于增强现实的NFT穿戴方法，其特征在于，所述方法包括：

步骤S1，将装载在终端的加密货币钱包与增强现实设备加密通信连接；

步骤S2，在终端通过Person数据集训练YOLOv5模型；

步骤S3，将训练后的YOLOv5模型作为Alphapose算法中的人体检测模型；

步骤S4，通过增强现实设备的摄像头采集包含人体的视频流；

步骤S5，通过含有YOLOv5模型的Alphapose算法对视频流进行处理，得到人体骨骼节点；

步骤S6，采用DeepSort算法对视频流内的人体进行跟踪识别；

步骤S7，通过动作捕捉技术将可穿戴的NFT与人体骨骼节点实时匹配的显示在增强现实设备上。

2.根据权利要求1所述的一种基于增强现实的NFT穿戴方法，其特征在于，所述步骤S3中将训练后的YOLOv5模型作为Alphapose算法中的人员检测模型包括：修改Alphapose的源代码，将原本用于检测人体的SSD算法替换为YOLOv5算法。

3.根据权利要求1所述的一种基于增强现实的NFT穿戴方法，其特征在于：所述增强现实设备为设置有红外摄像头和深度摄像头的头戴式现实增强设备。

4.根据权利要求1所述的一种基于增强现实的NFT穿戴方法，其特征在于，所述步骤S5通过含有YOLOv5模型的Alphapose算法对视频流进行处理，得到人体骨骼节点包括：使用YOLOv5模型对视频流进行处理得到人体框图像，将人体框图像输入Alphapose算法得到人体骨骼节点。

5.根据权利要求1所述的一种基于增强现实的NFT穿戴方法，其特征在于，所述步骤S6中采用DeepSort算法对视频流内人体进行跟踪识别包括：将Alphapose中的检测器接口代码替换为YOLOv5检测器的接口代码，编写基于卡尔曼滤波算法的帧预测源代码并使用基于常量速度模型和线性观测模型的标准卡尔曼滤波器对目标人体进行运动状态预测，编写基于KM算法的帧匹配源代码，将上述代码集成形成DeepSort目标跟踪源代码与Alphapose代码相结合。

6.根据权利要求1所述的一种基于增强现实的NFT穿戴方法，其特征在于，所述步骤S7中通过动作捕捉技术将可穿戴的NFT与人体骨骼节点实时匹配的显示在增强现实设备上包括：捕捉目标人体的骨骼节点坐标，根据所述骨骼节点坐标判断目标人体的姿态。

7.根据权利要求1所述的一种基于增强现实的NFT穿戴方法，其特征在于：事先录入用户的人脸数据，当采集视频流内存在多个人体，使用人脸识别技术与DeepSort算法配合，仅对录入人脸的用户人体与NFT进行追踪匹配。

8.一种基于增强现实的NFT穿戴装置，其特征在于，所述装置包括：

通信模块，用于将装载在终端的加密货币钱包与增强现实设备加密通信连接；

训练模块，用于在终端通过Person数据集训练YOLOv5模型；

检测模块，用于将训练后的YOLOv5模型作为Alphapose算法中的人体检测模型；

采集模块，用于通过增强现实设备的摄像头采集包含人体的视频流；

节点模块，用于通过含有YOLOv5模型的Alphapose算法对视频流进行处理，得到人体骨骼节点；

跟踪模块，用于采用DeepSort算法对视频流内的人体进行跟踪识别；

显示模块，用于通过动作捕捉技术将可穿戴的NFT与人体骨骼节点实时匹配的显示在增强现实设备上。

9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，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7中任一项所述的方法。