[发明专利]一种基于深度学习的人体反向动力学求解方法、装置

权利要求书

1.一种基于深度学习的人体反向动力学求解方法，其特征在于，包括以下步骤：

S1、获取目标的人体末端关节的坐标；

S2、根据所述目标的人体末端关节的坐标，利用深度全连接网络补全全身关节的坐标；

S3、根据所述全身关节的坐标，利用深度全连接网络估计出全身关节相对旋转的四元数表示，即人体的姿态；

S4、根据所述人体的姿态计算出人体的末端关节的坐标；

S5、判断所述人体的末端关节的坐标对应的位置与输入中要求达到的人体的末端关节的坐标对应的位置之间的误差是否达到设定的精度，若达到设定的精度，则执行步骤S7，否则执行步骤S6；

S6、将步骤S3估计出的人体的姿态和步骤S1中目标的人体末端关节的坐标输入到循环坐标下降算法中，得到更新后的人体的姿态，继续执行步骤S4；

S7、利用人体的姿态驱动三维人体模型，并结合渲染引擎将生成的所述三维人体模型进行实时渲染。

2.如权利要求1中所述的方法，其特征在于，所述末端关节包括人体的双手、双脚和头部对应的关节。

3.如权利要求2中所述的方法，其特征在于，所述人体末端关节的坐标是所述末端关节与根节点在世界坐标系中的坐标差。

4.如权利要求1-3任一项所述的方法，其特征在于，所述深度全连接网络是利用人体姿态数据集，根据所述人体姿态数据集中随机选取的根节点全局旋转，并通过正向动力学求出的关节坐标训练得到。

5.如权利要求1-3任一项所述的方法，其特征在于，所述深度全连接网络是利用人体姿态数据集，根据所述人体姿态数据集中随机选取的根节点全局旋转，并通过正向动力学求出的关节坐标和旋转的四元数表示训练得到。

6.一种基于深度学习的人体反向动力学求解装置，其特征在于，包括以下模块：

获取模块，用于获取目标的人体末端关节的坐标；

补全模块，用于根据所述目标的人体末端关节的坐标，利用深度全连接网络补全全身关节的坐标；

估计模块，用于根据所述全身关节的坐标，利用深度全连接网络估计出全身关节相对旋转的四元数表示，即人体的姿态；

计算模块，用于根据所述人体的姿态计算出人体的末端关节的坐标；

判断模块，用于判断所述人体的末端关节的坐标对应的位置与输入中要求达到的人体的末端关节的坐标对应的位置之间的误差是否达到设定的精度；

更新模块，用于在未达到设定的精度，将所述估计出的人体的姿态和目标的人体末端关节的坐标输入到循环坐标下降算法中，得到更新后的人体的姿态，所述计算模块还用于根据所述更新后的所述人体的姿态计算出所述更新后的人体的末端关节的坐标；

渲染模块，用于在达到设定的精度时，根据所述人体的姿态驱动三维人体模型，并结合渲染引擎将生成的所述三维人体模型进行实时渲染。

7.如权利要求6中所述的装置，其特征在于，所述末端关节包括人体的双手、双脚和头部对应的关节。

8.如权利要求6中所述的装置，其特征在于，所述人体末端关节的坐标是所述末端关节与根节点在世界坐标系中的坐标差。

9.一种非临时性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1-3中任一项所述的基于深度学习的人体反向动力学求解方法。