[发明专利]可穿戴式惯性体感乒乓运动训练系统及其工作方法

权利要求书

1.一种可穿戴式惯性体感乒乓运动训练系统，包括：

动作采集模块，用于采集人体的运动数据；

动作预测模块，用于训练动作预测模型，并将所述动作采集模块采集的运动数据输入到训练好的动作预测模型中产生对应的动作预测结果；

动作识别评价模块，用于训练动作评价模型，并根据所述动作采集模块采集的运动数据作出动作评价结果；

乒乓球轨迹预测模块，用于建立乒乓球运动轨迹模型；

显示模块，用于将所述动作预测模块、动作识别评价模块和乒乓球轨迹预测模块的输出转换为可视化图像；

其特征在于，所述动作识别评价模块包括动作关键帧提取单元和模型建立单元，所述动作采集模块采集的运动数据通过先进先出的方式存储到所述动作关键帧提取单元的第一层滑动窗口中；所述第一层滑动窗口的尾部设置第二层探测窗口，所述动作关键帧提取单元采用阈值法和差值法判断所述第二层探测窗口内的数据是否发生突变，并在检测到所述第二层探测窗口内的数据发生突变时产生第三层动作窗口，所述第三层动作窗口的起点为突变发生点；所述动作关键帧提取单元还用于检测所述第三层动作窗口内的数据长度是否小于所述第三层动作窗口的长度，若是则放弃当前所述第三层动作窗口内的数据并继续检测所述第二层探测窗口内的数据，否则取所述第三层动作窗口内数据的最大值处左右两侧的数据作为动作关键帧，所述动作关键帧提取单元从所述第三层动作窗口中获取动作关键帧输出到所述模型建立单元中构成所述动作评估模型的训练样本；

所述动作预测模块包括局部姿态预测单元和全身动作预测单元，

所述局部姿态预测单元利用人体运动数据集进行模型训练，估计出人体中N处不同部位的关节位置，并进一步估计出所述N个关节中的M个关节的旋转情况，其中N和M均为正整数且 N≥M；

该系统运行所述局部姿态预测单元的方法为：

A1、利用所述人体运动数据集进行模型训练，估计出所述N个关节中Q个关节的位置信息，其中Q为正整数且Q＜N；

A2、利用所述人体运动数据集和步骤A1获得的所述Q个关节的位置信息进行模型训练，估计出所述N个关节的位置信息；

A3、利用所述人体运动数据集和步骤A2获得的所述N个关节的位置信息进行模型训练，估计出所述M个关节的旋转情况；

所述全身动作预测单元利用所述人体运动数据集和所述局部姿态预测单元的预测结果进行模型训练，得到人体的全身姿态位移网络；

该系统运行所述全身动作预测单元的方法为：

B1、利用所述人体运动数据集和步骤A1获得的所述Q个关节的位置信息进行模型训练，计算支撑脚为左脚的概率和支撑脚为右脚的概率；

B2、根据所述动作采集模块采集的运动数据指定虚拟人物的腿长，通过人体三维运动学模型计算初始全局位移数据；

B3、利用所述人体运动数据集、步骤B1中概率更大的支撑脚的位移和步骤A2获得的所述N个关节的位置信息进行模型训练，估计胯部位移数据；

B4、融合步骤B2的初始全局位移数据和步骤B3的胯部位移数据得到最终全局位移数据，形成所述人体的全身姿态位移网络；

所述动作采集模块从所述N个关节中选择K个关节并在所选关节附近布置第一动作捕获设备，其中K为正整数，所述动作预测模块将所述第一动作捕获设备采集的运动数据输入到训练好的动作预测模型中，产生对应的动作预测结果；

所述动作采集模块还在所述K个关节之外的位置设置有第二动作捕获设备，将所述第二动作捕获设备的采集数据代替所述动作预测模型输出结果中与所述第二动作捕获设备对应位置的预测数据；

该系统运行所述动作识别评价模块进行动作整体评估的方法为：

C1、计算所述动作采集模块采集的运动数据的多维特征图；

C2、将所述多维特征图进行两次3x3的卷积；

C3、将步骤C2得到的结果经过全局平均池化后进行线性变换产生分类结果；

C4、将步骤C3得到的结果加入Softmax函数后，产生表示概率分布的输出结果并作为动作整体评估结果。

2.根据权利要求1所述的系统，其特征在于，所述动作采集模块按照每秒30帧的速率采集人体不同部位的运动数据，所述第一层滑动窗口的长度为120帧-180帧，所述第二层探测窗口的长度为3帧-10帧，所述第三层动作窗口的长度为45帧-75帧，所述动作关键帧的长度为36帧-44帧。