[发明专利]基于体感技术的室内运动观测装置、方法及存储介质

权利要求书

1.一种基于体感技术的室内运动观测装置，包括：

体感设备，用于拍摄用户，测量空间三维测量数据，并向运动识别模块输出RGB图像以及图像的深度信息；

运动识别模块，用于根据每帧图像的深度信息，提取形成当前帧的人体运动的n维特征向量，并与动作数据库中的运动模型比较匹配，识别用户的运动类型，并查询运动强度模块，得到所述运动类型的运动强度，并根据运动强度以及用户的体重计算得到用户的运动信息；

运动库模块，包括动作数据库，所述动作数据库中保存有各种运动类型的运动模型；

运动强度模块，保存有各种不同运动类型的运动强度参数，以供运动识别模块查询并计算得到当前用户的运动类型的运动强度。

2.根据权利要求1所述的室内运动观测装置，其特征在于：

在所述运动识别模块中，所述用于根据每帧图像的深度信息，提取形成人体运动的n维特征向量，并与动作数据库中的运动模型比较匹配，识别用户的运动类型具体为：根据每帧图像的深度信息，提取人体3D骨架，从人体3D骨架筛选出关键的关节点数据，并从关键的关节点数据中提取动作特征值，构造特征向量序列，将所述特征向量序列归一化，形成当前帧的人体动作的n维归一化特征向量，进行动作识别，计算当前的n维归一化特征向量与运动模型的特征向量的距离，如果距离小于对应的阈值，则认为动作匹配，连续匹配多个动作，判断判断出用户的运动类型。

3.根据权利要求2所述的室内运动观测装置，其特征在于：

在所述运动识别模块中，

在提取人体3D骨架还需要判断是否是儿童，如果是儿童，则对人体3D骨架的关节坐标进行归一化处理，所述归一化包括肢体尺寸归一、参考零点归一和方向归一；

所述关键的关节点数据，包括脚、膝盖和臀的关节点数据；

所述特征向量包括身体高度、运动速度、运动角度和运动轨迹；

所述动作识别采用AP聚类算法，所述n维归一化特征向量与运动模型的特征向量的距离为欧式距离。

4.根据权利要求1-3中任意一项所述的室内运动观测装置，其特征在于：

所述动作数据库采用运动训练的方式，提前采集输入；

所述用户的体重由体感设备获取用户的身高、三围计算得到或者自行输入。

5.根据权利要求4所述的室内运动观测装置，其特征在于：

所述体感设备包括红外发射器，红外接收器，RGB摄像头和3D体感芯片。

6.一种基于体感技术的室内运动观测方法，包括如下步骤：

步骤S110：拍摄用户，测量空间三维测量数据，并输出RGB图像以及图像的深度信息；

步骤S120：根据每帧图像的深度信息，提取人体3D骨架，从人体3D骨架筛选出关键的关节点数据；

步骤S130：从关键的关节点数据中提取动作特征值，构造特征向量序列，将所述特征向量序列归一化，形成当前帧的人体动作的n维归一化特征向量；

步骤S140：利用所述n维归一化特征向量，进行动作识别，计算当前的n维归一化特征向量与动作数据库中运动模型的特征向量的距离，如果距离小于对应的阈值，则认为动作匹配，连续匹配多个动作，判断判断出用户的运动类型；

步骤S150：根据所述用户的运动类型查询运动强度数据，得到所述运动类型的运动强度，并根据运动强度以及用户的体重计算得到用户的运动信息。

7.根据权利要求6所述的室内运动观测方法，其特征在于：

在步骤S120中，在提取人体3D骨架还需要判断是否是儿童，如果是儿童，则对人体3D骨架的关节坐标进行归一化处理，归一化包括肢体尺寸归一、参考零点归一和方向归一；

所述关键的关节点数据，主要包括脚、膝盖和臀的关节数据；

在步骤S130中，所述特征向量包括身体高度、运动速度、运动角度和运动轨迹。

8.根据权利要求6所述的室内运动观测方法，其特征在于：

在步骤S140中，在进行动作识别时采用AP聚类算法，所述n维归一化特征向量与运动模型的特征向量的距离为欧式距离；

所述动作数据库采用运动训练的方式，提前采集输入。

9.根据权利要求6所述的室内运动观测方法，其特征在于：

在步骤S150中，所述用户的体重由RGB图像中用户的身高、三围计算得到，或者自行设置。

10.一种存储介质，用于存储计算机可执行指令，

所述计算机可执行指令在被处理器执行时执行权利要求6-9中任意一项所述的方法。