【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及數(shù)據(jù)處理，特別涉及一種基于人工智能的動(dòng)捕采集方法及系統(tǒng)。
技術(shù)介紹
1、目前，隨著科技的不斷發(fā)展，運(yùn)動(dòng)捕捉技術(shù)已成為影視、游戲等產(chǎn)業(yè)中不可或缺的一部分，近年來，基于人工智能的動(dòng)捕技術(shù)因其高精度、實(shí)時(shí)性和穩(wěn)定性等優(yōu)點(diǎn)而逐漸受到重視；
2、但是，傳統(tǒng)的運(yùn)動(dòng)捕捉方法主要依賴于電磁感應(yīng)、光學(xué)標(biāo)記和慣性測(cè)量等方式，但這些方法存在設(shè)備昂貴、操作復(fù)雜、局限性強(qiáng)等問題，同時(shí)，無法對(duì)運(yùn)動(dòng)捕捉進(jìn)行主動(dòng)學(xué)習(xí)，導(dǎo)致運(yùn)行捕捉效率以及捕捉準(zhǔn)確性下降；
3、因此，為了克服上述缺陷，本專利技術(shù)提供了一種基于人工智能的動(dòng)捕采集方法及系統(tǒng)。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)提供一種基于人工智能的動(dòng)捕采集方法及系統(tǒng)，用以通過多維度傳感器對(duì)人體的體征表征信息進(jìn)行多維度采集，確保了采集到的體征表征信息的全面性以及可靠性，從而便于根據(jù)采集到的體征表征信息對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練和優(yōu)化，其次，對(duì)采集到的體征表征信息進(jìn)行預(yù)處理，并根據(jù)預(yù)處理結(jié)果對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練和優(yōu)化，確保了深度學(xué)習(xí)的準(zhǔn)確可靠性，同時(shí)，對(duì)深度學(xué)習(xí)模型進(jìn)行多維度應(yīng)用場(chǎng)景交互適配，便于確保深度學(xué)習(xí)模型能夠在不同的應(yīng)用場(chǎng)景進(jìn)行運(yùn)用，從而提高在不同應(yīng)用場(chǎng)景下對(duì)動(dòng)作進(jìn)行捕捉采集的可靠性，最后，將采集到的實(shí)時(shí)體征信息進(jìn)行融合，便于深度學(xué)習(xí)模型從整體上對(duì)人體動(dòng)作進(jìn)行全面有效的捕捉，并將融合結(jié)果傳輸至適配后的深度學(xué)習(xí)模型進(jìn)行分析，確保了最終得到的動(dòng)作信息的準(zhǔn)確可靠性，并將得到的分析結(jié)果反饋至管理終端進(jìn)行管理，提高了對(duì)動(dòng)作捕捉的效率以及可靠性，
2、本專利技術(shù)提供了一種基于人工智能的動(dòng)捕采集方法，包括：
3、步驟1：基于多維度傳感器對(duì)人體的體征表征信息進(jìn)行多維度采集，并對(duì)采集到的體征表征信息進(jìn)行預(yù)處理；
4、步驟2：基于預(yù)處理后的體征表征信息對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練和優(yōu)化，并對(duì)訓(xùn)練和優(yōu)化后的深度學(xué)習(xí)模型進(jìn)行多維度應(yīng)用場(chǎng)景交互適配；
5、步驟3：對(duì)多維度傳感器采集的實(shí)時(shí)體征信息進(jìn)行融合，并將融合結(jié)果輸入至適配后的深度學(xué)習(xí)模型進(jìn)行分析，且基于多維度應(yīng)用場(chǎng)景交互適配結(jié)果將分析結(jié)果反饋至對(duì)應(yīng)管理終端。
6、優(yōu)選的，一種基于人工智能的動(dòng)捕采集方法，步驟1中，基于多維度傳感器對(duì)人體的體征表征信息進(jìn)行多維度采集，包括：
7、獲取對(duì)人體的體征表征信息的采集項(xiàng)目，并確定不同采集項(xiàng)目在人體上對(duì)應(yīng)的采集部位；
8、提取采集部位的部位特征，并基于部位特征對(duì)多維度傳感器進(jìn)行特定追蹤點(diǎn)標(biāo)記，且基于標(biāo)記結(jié)果對(duì)多維度傳感器進(jìn)行定點(diǎn)追蹤配置；
9、基于定點(diǎn)追蹤配置結(jié)果向多維度傳感器下發(fā)數(shù)據(jù)采集指令，并基于數(shù)據(jù)采集指令控制多維度傳感器對(duì)相應(yīng)采集部位進(jìn)行實(shí)時(shí)追蹤，得到人體的體征表征信息。
10、優(yōu)選的，一種基于人工智能的動(dòng)捕采集方法，步驟1中，對(duì)采集到的體征表征信息進(jìn)行預(yù)處理，包括：
11、獲取采集到的體征表征信息，并對(duì)體征表征信息進(jìn)行維度拆分，且將維度拆分后的體征表征信息進(jìn)行序列化處理，得到體征表征信息序列；
12、將每一維度下相鄰時(shí)刻的體征表征信息進(jìn)行狀態(tài)比對(duì)，并基于狀態(tài)比對(duì)確定每一維度下體征表征信息的變化量；
13、基于編碼規(guī)則對(duì)不同的變化量進(jìn)行數(shù)字編碼，并基于體征表征信息序列對(duì)數(shù)據(jù)編碼結(jié)果進(jìn)行邏輯關(guān)聯(lián)，得到體征表征信息對(duì)應(yīng)的數(shù)字信號(hào)，且基于數(shù)字信號(hào)對(duì)體征表征信息進(jìn)行預(yù)處理。
14、優(yōu)選的，一種基于人工智能的動(dòng)捕采集方法，基于數(shù)字信號(hào)對(duì)體征表征信息進(jìn)行預(yù)處理，包括：
15、獲取得到的體征表征信息對(duì)應(yīng)的數(shù)字信號(hào)，并確定每一點(diǎn)的相鄰目標(biāo)個(gè)點(diǎn)的數(shù)字信號(hào)的平均值，且基于平均值對(duì)當(dāng)前點(diǎn)的目標(biāo)值進(jìn)行替換；
16、基于替換結(jié)果確定對(duì)體征表征信息對(duì)應(yīng)的數(shù)字信號(hào)的濾波頻段，并基于濾波頻段對(duì)濾波器進(jìn)行參數(shù)配置，且基于參數(shù)配配置結(jié)果對(duì)體征表征信息進(jìn)行濾波處理；
17、基于濾波處理結(jié)果確定體征表征信息的數(shù)字信號(hào)在時(shí)域中的取值特征，并將時(shí)域的取值特征作為第一數(shù)據(jù)特征；
18、同時(shí)，基于預(yù)設(shè)規(guī)則將體征表征信息的數(shù)字信號(hào)進(jìn)行頻域轉(zhuǎn)換，并基于頻域轉(zhuǎn)換結(jié)果確定體征表征信息的數(shù)字信號(hào)的不同頻率分量的分布和強(qiáng)度特征，且將不同頻率分量的分布和強(qiáng)度特征作為第二數(shù)據(jù)特征；
19、將第一數(shù)據(jù)特征和第二數(shù)據(jù)特征進(jìn)行匯總，得到體征表征信息目標(biāo)數(shù)據(jù)特征。
20、優(yōu)選的，一種基于人工智能的動(dòng)捕采集方法，步驟2中，基于預(yù)處理后的體征表征信息對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練和優(yōu)化，并對(duì)訓(xùn)練和優(yōu)化后的深度學(xué)習(xí)模型進(jìn)行多維度應(yīng)用場(chǎng)景交互適配，包括：
21、獲取預(yù)處理后的體征表征信息，并基于預(yù)設(shè)人體監(jiān)測(cè)部位對(duì)體征表征信息進(jìn)行數(shù)據(jù)對(duì)象劃分，得到子動(dòng)作數(shù)據(jù)集；
22、提取子動(dòng)作數(shù)據(jù)集的數(shù)據(jù)特征，并基于數(shù)據(jù)特征確定對(duì)應(yīng)監(jiān)測(cè)部位的動(dòng)作姿態(tài)；
23、基于動(dòng)作姿態(tài)對(duì)監(jiān)測(cè)部位的執(zhí)行動(dòng)作進(jìn)行拆分，得到動(dòng)作分支集合以及對(duì)應(yīng)的關(guān)節(jié)點(diǎn)，并基于拆分結(jié)果根據(jù)子動(dòng)作數(shù)據(jù)集的目標(biāo)取值對(duì)動(dòng)作分支集合中各動(dòng)作分支的動(dòng)作參量進(jìn)行量化；
24、基于量化結(jié)果得到每一動(dòng)作分支的執(zhí)行參量特征，同時(shí)，獲取關(guān)節(jié)點(diǎn)在相應(yīng)執(zhí)行參量特征下的位置變化特征，并將執(zhí)行參量特征和關(guān)節(jié)點(diǎn)的位置變化特征進(jìn)行關(guān)聯(lián)；
25、對(duì)同一監(jiān)測(cè)部位在不同場(chǎng)景下的執(zhí)行參量特征和關(guān)節(jié)點(diǎn)的位置變化特征的關(guān)聯(lián)結(jié)果進(jìn)行統(tǒng)計(jì)，并基于統(tǒng)計(jì)結(jié)果構(gòu)建動(dòng)作對(duì)照組；
26、對(duì)動(dòng)作對(duì)照組進(jìn)行映射分析，得到每一監(jiān)測(cè)部位在時(shí)間和空間維度上的動(dòng)作特征表征以及對(duì)應(yīng)的動(dòng)作特征參數(shù)；
27、基于動(dòng)作特征表征和動(dòng)作特征參數(shù)對(duì)深度學(xué)習(xí)模型進(jìn)行迭代訓(xùn)練，并基于每一次迭代訓(xùn)練后深度學(xué)習(xí)模型的模型損失值；
28、基于模型損失值確定下一次迭代訓(xùn)練的模型優(yōu)化方向和參量，并基于模型損失值、模型優(yōu)化方向和參量對(duì)深度學(xué)習(xí)模型進(jìn)行負(fù)反饋迭代優(yōu)化，完成對(duì)深度學(xué)習(xí)模型的訓(xùn)練和優(yōu)化。
29、優(yōu)選的，一種基于人工智能的動(dòng)捕采集方法，步驟2中，對(duì)訓(xùn)練和優(yōu)化后的深度學(xué)習(xí)模型進(jìn)行多維度應(yīng)用場(chǎng)景交互適配，包括：
30、獲取訓(xùn)練和優(yōu)化后的深度學(xué)習(xí)模型，同時(shí)，獲取深度學(xué)習(xí)模型的應(yīng)用場(chǎng)景，并基于應(yīng)用場(chǎng)景的執(zhí)行項(xiàng)目確定對(duì)應(yīng)的交互需求；
31、基于交互需求確定深度學(xué)習(xí)模型在不同應(yīng)用場(chǎng)景的輸出和交互方式，并基于輸出和交互方式在深度學(xué)習(xí)模型中添加附屬協(xié)同機(jī)制；
32、基于添加結(jié)果對(duì)不同應(yīng)用場(chǎng)景的附屬協(xié)同機(jī)制添加執(zhí)行邏輯判斷機(jī)制，并將執(zhí)行邏輯判斷機(jī)制與深度學(xué)習(xí)模型進(jìn)行參數(shù)關(guān)聯(lián)；
33、基于參數(shù)關(guān)聯(lián)結(jié)果完成對(duì)深度學(xué)習(xí)模型的多維度應(yīng)用場(chǎng)景交互適配。
34、優(yōu)選的，一種基于人工智能的動(dòng)捕采集方法，步驟3中，對(duì)多維度傳感器采集的實(shí)時(shí)體征信息進(jìn)行融合，并將融合結(jié)果輸入至適配后的深度學(xué)習(xí)模型進(jìn)行分析，包括：
35、獲取多維度傳感器采集的實(shí)時(shí)體征信息，并提取實(shí)時(shí)體征信息對(duì)應(yīng)的時(shí)間戳信息；
36、基于時(shí)間戳將多本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于人工智能的動(dòng)捕采集方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于人工智能的動(dòng)捕采集方法，其特征在于，步驟1中，基于多維度傳感器對(duì)人體的體征表征信息進(jìn)行多維度采集，包括：
3.根據(jù)權(quán)利要求1所述的一種基于人工智能的動(dòng)捕采集方法，其特征在于，步驟1中，對(duì)采集到的體征表征信息進(jìn)行預(yù)處理，包括：
4.根據(jù)權(quán)利要求3所述的一種基于人工智能的動(dòng)捕采集方法，其特征在于，基于數(shù)字信號(hào)對(duì)體征表征信息進(jìn)行預(yù)處理，包括：
5.根據(jù)權(quán)利要求1所述的一種基于人工智能的動(dòng)捕采集方法，其特征在于，步驟2中，基于預(yù)處理后的體征表征信息對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練和優(yōu)化，并對(duì)訓(xùn)練和優(yōu)化后的深度學(xué)習(xí)模型進(jìn)行多維度應(yīng)用場(chǎng)景交互適配，包括：
6.根據(jù)權(quán)利要求1所述的一種基于人工智能的動(dòng)捕采集方法，其特征在于，步驟2中，對(duì)訓(xùn)練和優(yōu)化后的深度學(xué)習(xí)模型進(jìn)行多維度應(yīng)用場(chǎng)景交互適配，包括：
7.根據(jù)權(quán)利要求1所述的一種基于人工智能的動(dòng)捕采集方法，其特征在于，步驟3中，對(duì)多維度傳感器采集的實(shí)時(shí)體征信息進(jìn)行融合，并將融合結(jié)果輸入至適配后的深度學(xué)
8.根據(jù)權(quán)利要求1所述的一種基于人工智能的動(dòng)捕采集方法，其特征在于，步驟3中，基于多維度應(yīng)用場(chǎng)景交互適配結(jié)果將分析結(jié)果反饋至對(duì)應(yīng)管理終端，包括：
9.一種基于人工智能的動(dòng)捕采集系統(tǒng)，其特征在于，包括：
10.根據(jù)權(quán)利要求9所述的一種基于人工智能的動(dòng)捕采集系統(tǒng)，其特征在于，數(shù)據(jù)采集及預(yù)處理模塊，包括：
...【技術(shù)特征摘要】
1.一種基于人工智能的動(dòng)捕采集方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于人工智能的動(dòng)捕采集方法，其特征在于，步驟1中，基于多維度傳感器對(duì)人體的體征表征信息進(jìn)行多維度采集，包括：
3.根據(jù)權(quán)利要求1所述的一種基于人工智能的動(dòng)捕采集方法，其特征在于，步驟1中，對(duì)采集到的體征表征信息進(jìn)行預(yù)處理，包括：
4.根據(jù)權(quán)利要求3所述的一種基于人工智能的動(dòng)捕采集方法，其特征在于，基于數(shù)字信號(hào)對(duì)體征表征信息進(jìn)行預(yù)處理，包括：
5.根據(jù)權(quán)利要求1所述的一種基于人工智能的動(dòng)捕采集方法，其特征在于，步驟2中，基于預(yù)處理后的體征表征信息對(duì)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練和優(yōu)化，并對(duì)訓(xùn)練和優(yōu)化后的深度學(xué)習(xí)模型進(jìn)行多維度應(yīng)用場(chǎng)景交互適配，包括：
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王立軍，
申請(qǐng)(專利權(quán))人：江蘇奧格視特信息科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。