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。

公开(公告)号：CN119618200A

公开(公告)日：2025-03-14

申请号：CN202411471070.5

申请日：2024-10-21

Applicant: 厦门大学

Inventor： 江潇 ,  郭诗辉 ,  石祥仁 ,  左乘旭 ,  姚远

IPC: G01C21/16 ,  A41D1/00 ,  A41D27/10 ,  G06N3/0442

Abstract: 本发明提供了一种用于智能服装的传感器位置感知方法、装置、服装及产品，其中，在智能服装的袖口集成IMU传感器，该方法包括：实时获取测量数据；判断测量数据中每帧加速度数据的状态；将存在连续预定帧数的加速度数据为运动状态的测量数据作为运动数据；检测袖口翻折次数是否发生变化；若是，估算第一高度变化值；若否，从运动数据中提取第一数据并输入第一LSTM模型，获得运动类型；当运动类型为袖口拉动时，划分运动数据得到多个第二数据，分别将多个第二数据输入第二LSTM模型来获得多个第二高度变化值；将第一高度变化值与多个第二高度变化值相加，得到当前IMU传感器的高度变化值。利用上述技术方案，提高了传感器在小尺度运动中的测量精确度。

公开(公告)号：CN119533520A

公开(公告)日：2025-02-28

申请号：CN202411404933.7

申请日：2024-10-10

Applicant: 厦门大学

Inventor： 左乘旭 ,  江潇 ,  姚远 ,  石祥仁 ,  郭诗辉

IPC: G01C25/00 ,  G06F3/01

Abstract: 本发明提供了一种用于惯性动作捕捉系统的IMU校准方法、装置、介质及产品，其中，惯性动作捕捉系统包括多个IMU、校准参数解算网络以及姿态估计模型，该方法包括：S1，定时获取多个IMU的IMU旋转读数序列；S2，计算每个IMU旋转读数序列的旋转丰富度；S3，将每个IMU旋转读数序列输入校准参数解算网络，通过校准参数解算网络估计每个IMU的校准参数，更新旋转丰富度高于预定阈值的校准参数；S4，将更新后的校准参数与其对应的IMU旋转读数序列进行计算，得到全局关节姿态，并将全局关节姿态输入姿态估计模型。利用上述技术方案，提升了惯性动作捕捉的准确性，同时优化了用户体验，使惯性动作捕捉系统在长时间连续使用中保持高效和稳定。

公开(公告)号：CN117593762A

公开(公告)日：2024-02-23

申请号：CN202311302990.X

申请日：2023-10-10

Applicant: 厦门大学

Inventor： 应恩挺 ,  郭珏 ,  郭诗辉 ,  石祥仁 ,  邱明

IPC: G06V40/10 ,  G06V10/774 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G01L5/00

Abstract: 本发明涉及一种融合视觉和压力的人体姿态估计方法、设备及介质，该方法中利用单目相机获取的图像数据和传感器获取的压力数据，并通过构建融合图像特征和压力特征的人体姿态识别模型，基于深度学习和数据融合，实现对人体姿态的三维估计。本发明相比于现有的方法，实现了更准确的3D人体姿势估计。