公开(公告)号：CN115861367A

公开(公告)日：2023-03-28

申请号：CN202211401900.8

申请日：2022-11-10

Applicant: 厦门大学

Inventor： 郭诗辉 ,  陈小薇 ,  孟昭芮 ,  石祥仁 ,  方家卫 ,  陈志鹏

IPC: G06T7/246 ,  G06V10/774 ,  G06F3/01 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及基于柔性传感器的人体运动跟踪方法，包括：在一段时间内同时采集测试人员佩戴的位于人体四肢的四个关节处的四个柔性传感器的数据和测试人员的人体运动数据，并生成柔性传感器数据与人体运动数据基于采集时间一一对应的数据对，基于采集的所有测试人员的所有数据对构建训练集；构建基于Bi‑LSTM网络的人体运动跟踪模型，将柔性传感器数据作为模型的输入，模型输出为预测的人体运动数据，通过训练集对模型进行训练；基于训练后的人体运动跟踪模型对人体运动进行跟踪。本发明通过使用充分利用短时序列信息的双向LSTM神经网络模型，减轻了模型塌陷至平均姿态的可能性。

公开(公告)号：CN115170604A

公开(公告)日：2022-10-11

申请号：CN202210422661.8

申请日：2022-04-21

Applicant: 厦门大学

Inventor： 郭诗辉 ,  江潇 ,  姚俊峰 ,  陈志鹏 ,  石祥仁

IPC: G06T7/246 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了运动跟踪技术领域的一种基于区域显著性分析的人体运动跟踪方法及系统，方法包括如下步骤：步骤S10、基于卷积神经网络创建一门控网络模型以及若干个专家模型，对各所述门控网络模型以及专家模型进行训练；步骤S20、获取人体姿态数据以及柔性传感器的监测数据；步骤S30、将所述人体姿态数据输入门控网络模型，获取各所述专家模型的权重系数；步骤S40、将所述监测数据分别输入各专家模型得到姿态预测结果，基于所述权重系数以及姿态预测结果得到当前帧的人体姿态，进而完成人体运动跟踪。本发明的优点在于：极大的提升了人体运动跟踪的精度。