本發(fā)明屬于人體運(yùn)動(dòng)提取，特別涉及一種基于柔性可穿戴設(shè)備的人體全身運(yùn)動(dòng)提取方法及相關(guān)裝置。

背景技術(shù)：

1、提取步態(tài)參數(shù)獲得的數(shù)據(jù)，能夠?yàn)椴綉B(tài)分析技術(shù)、機(jī)器人仿人技術(shù)、生物力學(xué)、臨床康復(fù)等各類(lèi)科學(xué)研究及商業(yè)領(lǐng)域提供重要支撐。

2、目前，步態(tài)采集的方式主要有動(dòng)態(tài)捕捉系統(tǒng)、慣性單元、柔性傳感器、壓力傳感器等方式。值得關(guān)注的是，柔性傳感器可線性感知人體關(guān)節(jié)角度，并且因其伸縮性和易穿戴性，可將其縫制在特定的衣服上作為可穿戴設(shè)備來(lái)追蹤特定的部位；同時(shí)，其價(jià)格相對(duì)較低且沒(méi)有應(yīng)用場(chǎng)景的限制，不需設(shè)置嚴(yán)苛的實(shí)驗(yàn)條件，在日常生活中也可進(jìn)行穿戴，能夠提供更加真實(shí)的步態(tài)采集數(shù)據(jù)；因此，柔性傳感器是目前追蹤人體運(yùn)動(dòng)的重要手段。

3、柔性傳感器在響應(yīng)過(guò)程中常常會(huì)出現(xiàn)較高的非線性與遲滯性，對(duì)于噪聲的屏蔽能力也較弱，存在采集數(shù)據(jù)精度較低的缺陷；解釋性地，在實(shí)際應(yīng)用過(guò)程中，常常采用線性擬合的方法將傳感器電容輸出轉(zhuǎn)化成關(guān)節(jié)角度，但由于傳感器遲滯非線性問(wèn)題的存在，傳感器電容輸出和關(guān)節(jié)角度并非強(qiáng)線性相關(guān)，此時(shí)通過(guò)線性擬合的方法來(lái)提取關(guān)節(jié)角度的精度較低。另外，針對(duì)復(fù)雜關(guān)節(jié)，需要在關(guān)節(jié)處布置多個(gè)柔性傳感器，目前傳感器布置位置無(wú)統(tǒng)一標(biāo)準(zhǔn)，布置位置的主觀性較強(qiáng)且易受到環(huán)境干擾，這也使得線性擬合方法提取復(fù)雜關(guān)節(jié)的關(guān)節(jié)角度的精度進(jìn)一步降低。再有，就人體全身關(guān)節(jié)而言，不同關(guān)節(jié)的關(guān)節(jié)半徑不一致，需要對(duì)全身關(guān)節(jié)進(jìn)行測(cè)量標(biāo)定以獲取每個(gè)關(guān)節(jié)的線性系數(shù)，操作繁瑣，現(xiàn)有線性擬合的方法進(jìn)行全身運(yùn)動(dòng)追蹤提取的難度較高。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于柔性可穿戴設(shè)備的人體全身運(yùn)動(dòng)提取方法及相關(guān)裝置，以解決上述存在的一個(gè)或多個(gè)技術(shù)問(wèn)題。本發(fā)明公開(kāi)的技術(shù)方案，可有效解決現(xiàn)有線性擬合方法使用柔性傳感器提取關(guān)節(jié)角度精度較低以及難以應(yīng)用于全身的技術(shù)問(wèn)題。

2、為達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案：

3、本發(fā)明第一方面，提供一種基于柔性可穿戴設(shè)備的人體全身運(yùn)動(dòng)提取方法，包括以下步驟：

4、基于動(dòng)態(tài)捕捉系統(tǒng)以及穿戴柔性可穿戴設(shè)備的測(cè)試者，獲取測(cè)試者在預(yù)設(shè)場(chǎng)景下的傳感器電容輸出數(shù)據(jù)；

5、基于獲取的傳感器電容輸出數(shù)據(jù)，利用訓(xùn)練好的運(yùn)動(dòng)追蹤模型進(jìn)行預(yù)測(cè)，獲得關(guān)節(jié)點(diǎn)三維數(shù)據(jù)預(yù)測(cè)值；

6、基于獲得的關(guān)節(jié)點(diǎn)三維數(shù)據(jù)預(yù)測(cè)值構(gòu)建獲得人體運(yùn)動(dòng)學(xué)模型，并基于所述人體運(yùn)動(dòng)學(xué)模型提取獲得運(yùn)動(dòng)學(xué)參數(shù)和步態(tài)時(shí)空參數(shù)；

7、其中，

8、所述運(yùn)動(dòng)追蹤模型包括：序列編碼網(wǎng)絡(luò)和特征解碼網(wǎng)絡(luò)；其中，所述序列編碼網(wǎng)絡(luò)包括兩層bilstm網(wǎng)絡(luò)以及兩層bilstm網(wǎng)絡(luò)之間設(shè)置的一個(gè)全連接網(wǎng)絡(luò)，所述特征解碼網(wǎng)絡(luò)包括七層全連接網(wǎng)絡(luò)；所述序列編碼網(wǎng)絡(luò)用于輸入傳感器電容輸出數(shù)據(jù)并提取獲得特征向量，所述特征解碼網(wǎng)絡(luò)用于輸入所述特征向量并映射到關(guān)節(jié)點(diǎn)三維數(shù)據(jù)上；所述特征向量由第二層bilstm網(wǎng)絡(luò)隱藏狀態(tài)以及當(dāng)前時(shí)刻的傳感器電容輸出數(shù)據(jù)拼接而成。

9、本發(fā)明的進(jìn)一步改進(jìn)在于，所述訓(xùn)練好的運(yùn)動(dòng)追蹤模型的訓(xùn)練步驟包括：

10、基于動(dòng)態(tài)捕捉系統(tǒng)以及穿戴柔性可穿戴設(shè)備的樣本測(cè)試者，采集樣本測(cè)試者在預(yù)設(shè)場(chǎng)景下的人體表面標(biāo)記點(diǎn)三維數(shù)據(jù)樣本以及傳感器電容輸出數(shù)據(jù)樣本；

11、將傳感器電容輸出數(shù)據(jù)樣本采用自適應(yīng)平滑的方法進(jìn)行平滑預(yù)處理，獲得預(yù)處理后的傳感器電容輸出數(shù)據(jù)樣本；基于建立的人體運(yùn)動(dòng)學(xué)模型，利用關(guān)節(jié)中心估計(jì)的方法將人體表面標(biāo)記點(diǎn)三維數(shù)據(jù)樣本轉(zhuǎn)化成人體關(guān)節(jié)點(diǎn)的關(guān)節(jié)點(diǎn)三維數(shù)據(jù)并進(jìn)行自適應(yīng)平滑，獲得預(yù)處理后的關(guān)節(jié)點(diǎn)三維數(shù)據(jù)樣本；對(duì)預(yù)處理后的傳感器電容輸出數(shù)據(jù)樣本以及預(yù)處理后的關(guān)節(jié)點(diǎn)三維數(shù)據(jù)樣本分別采用最近鄰插值方法進(jìn)行插值處理，構(gòu)建獲得訓(xùn)練集；

12、基于構(gòu)建獲得的訓(xùn)練集，使用pso優(yōu)化算法對(duì)所述運(yùn)動(dòng)追蹤模型的模型參數(shù)進(jìn)行更新優(yōu)化，達(dá)到預(yù)設(shè)收斂條件，獲得訓(xùn)練好的運(yùn)動(dòng)追蹤模型；其中，在進(jìn)行更新優(yōu)化時(shí)，所述運(yùn)動(dòng)追蹤模型用于將訓(xùn)練集中的傳感器電容輸出數(shù)據(jù)樣本映射到訓(xùn)練集中對(duì)應(yīng)的關(guān)節(jié)點(diǎn)三維數(shù)據(jù)樣本。

13、本發(fā)明的進(jìn)一步改進(jìn)在于，所述基于構(gòu)建獲得的訓(xùn)練集，使用pso優(yōu)化算法對(duì)所述運(yùn)動(dòng)追蹤模型的模型參數(shù)進(jìn)行更新優(yōu)化，達(dá)到預(yù)設(shè)收斂條件，獲得訓(xùn)練好的運(yùn)動(dòng)追蹤模型的步驟中，

14、更新優(yōu)化的模型參數(shù)包括所述序列編碼網(wǎng)絡(luò)中第一層bilstm網(wǎng)絡(luò)的隱藏層個(gè)數(shù)、第二層bilstm網(wǎng)絡(luò)的隱藏層個(gè)數(shù)、全連接網(wǎng)絡(luò)的隱藏層個(gè)數(shù)以及所述特征解碼網(wǎng)絡(luò)中前六層全連接網(wǎng)絡(luò)的隱藏層個(gè)數(shù)、模型訓(xùn)練輪數(shù)以及模型初始訓(xùn)練速度。

15、本發(fā)明的進(jìn)一步改進(jìn)在于，所述基于動(dòng)態(tài)捕捉系統(tǒng)以及穿戴柔性可穿戴設(shè)備的測(cè)試者，獲取測(cè)試者在預(yù)設(shè)場(chǎng)景下的傳感器電容輸出數(shù)據(jù)的步驟包括：

16、基于動(dòng)態(tài)捕捉系統(tǒng)以及穿戴柔性可穿戴設(shè)備的測(cè)試者，獲取測(cè)試者在預(yù)設(shè)場(chǎng)景下的初始傳感器電容輸出數(shù)據(jù)；

17、將初始傳感器電容輸出數(shù)據(jù)采用自適應(yīng)平滑的方法進(jìn)行平滑預(yù)處理，獲取測(cè)試者在預(yù)設(shè)場(chǎng)景下的傳感器電容輸出數(shù)據(jù)。

18、本發(fā)明的進(jìn)一步改進(jìn)在于，所述人體運(yùn)動(dòng)學(xué)模型為由13個(gè)關(guān)節(jié)點(diǎn)為核心構(gòu)建的14身體節(jié)段、28個(gè)自由度的人體關(guān)節(jié)剛性模型，包括頭部、胸部段、腹部段、兩個(gè)上臂段、兩個(gè)下臂段、骨盆段、兩個(gè)大腿段、兩個(gè)小腿段和兩個(gè)足段。

19、本發(fā)明的進(jìn)一步改進(jìn)在于，所述預(yù)設(shè)場(chǎng)景包括不同速度的步行、跑步、上肢伸展和下肢抬腿中的一種或多種。

20、本發(fā)明的進(jìn)一步改進(jìn)在于，所述基于所述人體運(yùn)動(dòng)學(xué)模型提取獲得運(yùn)動(dòng)學(xué)參數(shù)和步態(tài)時(shí)空參數(shù)的步驟中，

21、運(yùn)動(dòng)學(xué)參數(shù)包括關(guān)節(jié)的關(guān)節(jié)角度參數(shù)和關(guān)節(jié)運(yùn)動(dòng)軌跡中的一種或兩種；

22、步態(tài)時(shí)空參數(shù)包括跨步周期、站立相時(shí)間占比、跨步長(zhǎng)、步頻、步寬和相對(duì)對(duì)稱(chēng)性指數(shù)中的一種或多種。

23、本發(fā)明第二方面，提供一種基于柔性可穿戴設(shè)備的人體全身運(yùn)動(dòng)提取系統(tǒng)，包括：

24、數(shù)據(jù)獲取單元，用于基于動(dòng)態(tài)捕捉系統(tǒng)以及穿戴柔性可穿戴設(shè)備的測(cè)試者，獲取測(cè)試者在預(yù)設(shè)場(chǎng)景下的傳感器電容輸出數(shù)據(jù)；

25、預(yù)測(cè)值獲取單元，用于基于獲取的傳感器電容輸出數(shù)據(jù)，利用訓(xùn)練好的運(yùn)動(dòng)追蹤模型進(jìn)行預(yù)測(cè)，獲得關(guān)節(jié)點(diǎn)三維數(shù)據(jù)預(yù)測(cè)值；

26、參數(shù)提取單元，用于基于獲得的關(guān)節(jié)點(diǎn)三維數(shù)據(jù)預(yù)測(cè)值構(gòu)建獲得人體運(yùn)動(dòng)學(xué)模型，并基于所述人體運(yùn)動(dòng)學(xué)模型提取獲得運(yùn)動(dòng)學(xué)參數(shù)和步態(tài)時(shí)空參數(shù)；

27、其中，

28、所述運(yùn)動(dòng)追蹤模型包括：序列編碼網(wǎng)絡(luò)和特征解碼網(wǎng)絡(luò)；其中，所述序列編碼網(wǎng)絡(luò)包括兩層bilstm網(wǎng)絡(luò)以及兩層bilstm網(wǎng)絡(luò)之間設(shè)置的一個(gè)全連接網(wǎng)絡(luò)，所述特征解碼網(wǎng)絡(luò)包括七層全連接網(wǎng)絡(luò)；所述序列編碼網(wǎng)絡(luò)用于輸入傳感器電容輸出數(shù)據(jù)并提取獲得特征向量，所述特征解碼網(wǎng)絡(luò)用于輸入所述特征向量并映射到關(guān)節(jié)點(diǎn)三維數(shù)據(jù)上；所述特征向量由第二層bilstm網(wǎng)絡(luò)隱藏狀態(tài)以及當(dāng)前時(shí)刻的傳感器電容輸出數(shù)據(jù)拼接而成。

29、本發(fā)明第三方面，提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如本發(fā)明第一方面中任一項(xiàng)所述的基于柔性可穿戴設(shè)備的人體全身運(yùn)動(dòng)提取方法。

30、本發(fā)明第四方面，提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明第一方面中任一項(xiàng)所述的基于柔性可穿戴設(shè)備的人體全身運(yùn)動(dòng)提取方法。

31、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

32、本發(fā)明公開(kāi)的基于柔性可穿戴設(shè)備的人體全身運(yùn)動(dòng)提取方法中，基于利用深度學(xué)習(xí)建立訓(xùn)練的運(yùn)動(dòng)追蹤模型進(jìn)行預(yù)測(cè)，將可進(jìn)行全身測(cè)量的柔性可穿戴設(shè)備的低精度的傳感器電容輸出數(shù)據(jù)映射到高精度的關(guān)節(jié)點(diǎn)三維數(shù)據(jù)上，獲得關(guān)節(jié)點(diǎn)三維數(shù)據(jù)預(yù)測(cè)值；通過(guò)關(guān)節(jié)點(diǎn)三維數(shù)據(jù)預(yù)測(cè)值建立人體運(yùn)動(dòng)學(xué)模型，基于構(gòu)建的人體運(yùn)動(dòng)學(xué)模型能夠提取高精度運(yùn)動(dòng)學(xué)參數(shù)以及步態(tài)時(shí)空參數(shù)，降低了進(jìn)行全身運(yùn)動(dòng)追蹤提取的難度，有效解決了現(xiàn)有線性擬合方法使用柔性傳感器提取關(guān)節(jié)角度精度較低以及難以應(yīng)用于全身運(yùn)動(dòng)追蹤的技術(shù)難題。