一种训练动作比对方法及系统与流程

1.本发明涉及训练技术领域，尤其涉及一种训练动作比对方法。


背景技术：

2.训练动作对比方法是一种用于比较两个动作序列的技术，其源于体育运动和医疗领域中对运动员动作表现的评估需求。在体育运动中，动作表现的评估是评定运动员技能水平和进步的重要指标。而在医疗领域中，动作表现的评估则用于监测和评估患者康复进展情况，以及指导治疗和训练计划。
3.为了更好的实现对训练动作有效性，人类做出了很多尝试，例如中国专利cn106984027a公开了“一种动作对比分析方法、装置及一种显示器，通过检测目标用户的当前肢体动作；获取目标显示器的当前画面所对应动作的标准动作数据；将检测到的所述当前肢体动作与所述标准动作数据进行对比分析，得到对比分析结果；输出与所述对比分析结果对应的反馈信息”然而这种动作对比方法只考虑单一平面的动作，无法识别立体动作的细节，因此误差较大。尤其是在多维空间与平面空间都有位移以及角度变化的组合类协同动作，根本无法做到识别以及分析。


技术实现要素：

4.为了解决上述技术问题，本发明提供了一种训练动作比对方法，提高了动作识别的精度和准确性，适应更加复杂的动作形式并且能够更加精准地识别动作，降低误判率，提高识别的准确性和效率，同时能够提高现场动作识别的速度。
5.一种训练动作比对方法，其特征在于，包括以下步骤：
6.s1,捕捉待识别动作的运动数据；
7.s2,将捕捉的动作数据分类为单一平面动作和立体动作；
8.s3,对单一平面动作，记录起点位置、终点位置和角度，与预存储的动作数据进行对比，以确定动作的一致性；
9.s4,对立体动作，将其逐步分解为xy平面，xz平面和yz平面，将三个不同平面坐标序列与预存储动作进行对比。
10.进一步的，所述对立体动作逐步分解为xy平面，xz平面和yz平面，将三个不同平面坐标序列进行对比，包括以下步骤：
11.i.将动作分别分成三个平面xy平面，xz平面和yz平面的不同的平面坐标序列；
12.ii.通过每个轴在空间方向的角度反向变化转变成不同的关键的集合；
13.iii.记录关键点数据与预存储动作数据对比，以确定动作的一致性；
14.进一步的，在s1步骤前，对预存储动作进行捕捉记录，并将xyz轴的每一段的变化角度记录下来，以便能够快速和现场捕捉的动作进行对比。
15.进一步的，所述单一平面动作与预存储动作数据进行对比是通过单节点简单角度分解算法进行对比。
16.进一步的，在执行s4时，是通过欧几里得距离d结合夹角θ
合
来评估两个序列的相似度，其中所述距离夹角θ
合
＝(θ
xy
+θ
xz
+θ
yz
)/3，其中
17.进一步的，在执行s2之前，根据现场动作与预存储动作一致的起始点，忽略现场动作中前面不一致的部分。
18.进一步的，所述s1步骤中，分为有时间要求的动作捕捉以及忽略时间要素的动作捕捉。
19.进一步的，所述s2步骤中，根据三个轴上的变化幅度是否都大于阈值，将动作分类为单一平面动作或立体动作。
20.进一步的，所述的欧几里得距离d结合夹角θ
合
是通过分别设置d与θ
合
的权重并进行加权求和得到。
21.进一步的，本发明还公开了一种训练动作比对系统，其特征在于，所述系统包括：
22.动作数据捕捉模块，用于捕捉待识别动作的运动数据；
23.动作数据分类模块，用于将捕捉的动作数据分类为单一平面动作和立体动作；
24.单一平面动作对比模块，用于对单一平面动作，记录起点位置、终点位置和角度，与预存储的动作数据进行对比，以确定动作的一致性；
25.立体动作对比模块，用于对立体动作，将其逐步分解为xy平面，xz平面和yz平面，将三个不同平面坐标序列与预存储动作进行对比。
26.本发明的有益效果：
27.本发明的训练动作对比对方法提高了动作识别的精度和准确性，适应更加复杂的动作形式并且能够更加精准地识别动作，降低误判率，提高识别的准确性和效率，同时能够提高现场动作识别的速度，具有很高的实用价值。
附图说明
28.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
29.图1为本技术的方法流程示意图；
30.图2为本技术的单一平面动作对比示意图；
31.图3为本技术的空间坐标系xyz中立体动作轨迹示意图；
32.图4为本技术的立体动作分解后关键点集合示意图；
33.图5为本技术的立体动作分解通过关键点集合连线简单化示意图；
34.图6为本技术的立体动作分解xy平面,xz平面,yz平面关键点集合示意图；
35.图7为本技术的动作对比中忽略现场动作数据前面不一致的部分数据解析示意图。
具体实施方式
36.以下结合附图对本公开的具体实施方式进行详细说明。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。
37.因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例，仅用于说明和解释本公开。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
38.如本技术和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
39.如图1所示，本发明公开了一种训练动作比对方法，包括以下步骤：
40.步骤1，对预存储动作进行捕捉记录；
41.步骤2，捕捉待识别动作的运动数据；
42.步骤3，将捕捉的动作数据分类为单一平面动作和立体动作；
43.步骤4，对单一平面动作，记录起点位置、终点位置和角度，与预存储的动作数据进行对比，以确定动作的一致性；
44.步骤5，对立体动作，将其逐步分解为三个不同平面坐标序列与预存储动作进行对比。
45.所述对预存储动作进行捕捉记录这一步骤，我们需要预先存储一些规范标准的专业动作，这一步可以是专业的训练教练或者诊断主治医生来录制，预先存储专业动作的步骤是在训练动作之前进行的，它涉及到先将需要识别的动作按照不同的类别进行分类，并对每个类别选择多个典型的动作进行录制和存储。这些动作在录制时需要被经过专业人员精心设计和准确执行，以确保它们代表了该类别中的典型动作。
46.在录制过程中，陀螺仪、加速度计等传感器需要被固定在人体关键部位，以记录运动数据。这些数据经过处理后，被保存为一组特征向量，以便后续使用。同时，为了提高识别准确率，还需要记录每个动作的开始和结束状态，以及关键点的位置和角度等信息。
47.当训练好模型后，这些预先存储的专业动作将被用作对比和参考，以识别实时动作数据。因此，预先存储专业动作的准确性和丰富性对于识别准确性至关重要。当预存储动作信息完成后，接下来就可以进行捕捉识别训练信息并与之进行对比。
48.所述捕捉待识别动作的运动数据这一步骤中，捕捉待识别动作的运动数据是指使用陀螺仪和加速度计等传感器，记录动作执行者进行动作时的相关姿态和动作信息，并以数字化形式进行存储和表示。这个过程中，陀螺仪和加速度计通过测量运动加速度和角速度，可以获取到动作执行者的方向和旋转角度信息，并将这些信息转换为欧拉角的形式进行存储。
49.在进行动作捕捉前，需要进行一次陀螺仪的校准，以获取初始的角度信息。之后，陀螺仪和加速度计等传感器会不断地对动作执行者的姿态和动作进行采样，采集到的数据通过数字信号处理等技术进行滤波和融合，去除噪声和误差，得到精确的角度信息，并以欧拉角的形式进行存储。
50.在该技术方案中，使用欧拉角进行存储，即将动作执行者的姿态和动作信息表示为一组三个欧拉角既:俯仰角、偏航角和横滚角的形式进行存储。这种方式不仅能够准确地记录动作执行者的方向和旋转角度信息，而且存储空间较小，方便进行存储和处理。
51.当得到捕捉待识别动作后，在对比捕捉动作和预存储动作时，往往会出现难以确定动作的类型：如果将单一动作和立体动作混在一起，对于识别系统来说，难以准确地确定动作的类型。这会导致系统对动作的识别率降低，同时也会给后续处理造成困难，其次是难以对不同类型的动作进行有效处理：单一动作和立体动作在运动模式和特征上存在较大差异。如果不进行分类处理，识别系统将难以针对不同类型的动作进行有效处理，最后是增加系统的运算负担：在不区分单一动作和立体动作的情况下，系统需要对所有的动作数据都进行完整的处理和比对，这会增加系统的运算负担，影响系统的效率和响应速度。
52.因此本技术方案是将捕捉到的动作数据分类为单一平面动作和立体动作可以帮助我们更准确地识别和分析不同类型的动作。所述将捕捉的动作数据分类为单一平面动作和立体动作进一步的可以理解为将捕捉的动作数据分类为单一平面动作和立体动作是动作识别方法中的一步骤，目的是将动作数据按照其所处的运动状态进行分类，以便于后续的处理和识别。具体来说，单一平面动作是在同一平面上进行的运动，单一平面动作指的是动作发生在平面上，单一平面动作的分类判断可基于任意轴进行，以适应不同类型的训练动作。例如测量人体的肘关节活动度，需要手臂在同一个平面内做水平摆动的动作。如图所示2，将手向上水平抬60
°
。例如单部位的如腕关节、肘关节、踝关节和膝关节等关节活动度测量，多部位的如侧平衡、俯卧撑等。而立体动作涉及三个轴线上的运动，立体动作指的是动作发生在空间中的三维空间内，例如跑步摆动手臂的动作，打高尔夫球手臂的完整动作，手臂从拿起水杯到喝到嘴里的喝水动作等，人体的手臂向上挥动，同时也有水平方向的摆动。例如深蹲、引体向上，跳绳，跑步，跳跃等，这样的分类处理和比对方法可以提高动作对比的准确性和灵活性，能够更精确地判断用户的动作是否与预存储的动作一致。通过准确的比对分析，系统可以给出相应的反馈和评估结果，帮助用户改善动作执行的准确性和效果。
53.在分类时，可以通过判断动作所涉及的坐标系的个数来进行区分。对于单一平面动作，通常只涉及到一个平面内的坐标系，而对于立体动作，则涉及到多个坐标系。因此，可以通过对动作数据的加工处理来判断其所处的运动状态，进而进行分类。
54.具体的，本技术是根据捕捉到的动作数据中，对于平面动作分类，判断某一轴的变化幅度是否小于一定阈值，判断该动作是否为平面动作。如果某一轴的变化幅度小于阈值，说明该轴方向上的运动基本上是平移的，这种动作就可以被归类为平面动作。而对于立体动作分类，判断三个轴上的变化幅度是否都大于一定阈值，判断该动作是否为立体动作。如果三个轴的变化幅度都大于阈值，说明该动作在三维空间中有较大的运动变化，这种动作就可以被归类为立体动作。
55.这里需要说明的是，阈值的设定需要根据实际情况和需求进行调整。本技术所用
的方法是基于经验和试错法。具体操作步骤如下：
56.s11.收集足够的动作数据样本，包括单一平面动作和立体动作，尽可能涵盖不同种类和难度的动作。
57.s21.对数据进行预处理，提取出关键的特征参数，如起点位置、终点位置、角度、速度。
58.s31.尝试不同的阈值设置，对每个阈值进行测试，记录测试结果，包括正确识别的动作数量、错误识别的动作数量、漏识别的动作数量等。
59.s41.分析测试结果，评估不同阈值的性能和优劣，选取最优的阈值作为设定值。
60.s51.根据实际情况和需求，对阈值进行微调和优化。
61.分类后的数据可以在后续的动作识别过程中起到关键作用，有助于提高动作识别的准确度和可靠性。
62.分类之后接下来是分别判定两大类别的动作数据，对于单一的平面动作，先对比平面动作可以提高算法的效率，减少计算复杂度，下面将详细说明其原理：
63.所述对单一平面动作，记录起点位置、终点位置和角度，与预存储的动作数据进行对比，以确定动作的一致性这一步骤中，具体的讲，对单一平面动作的识别需要记录起点位置、终点位置和角度，与预存储的动作数据进行对比，以确定动作的一致性。
64.首先，对于单一平面动作，需要确定该动作所在的平面，例如在二维平面上的运动。然后，根据捕捉到的运动数据记录下该动作的起点位置和终点位置，同时记录下角度信息。其次，对于预存储的动作数据，也需要记录其起点位置、终点位置和角度信息。最后，将捕捉到的动作数据与预存储的动作数据进行对比，以确定它们的一致性。这个对比可以采用各种方法，这里使用的是单节点简单角度分解算法，所述单节点简单角度分解算法是将捕捉到的动作数据转换为一系列坐标点，记录每个点在平面上的位置坐标和运动方向角度。确定起点和终点位置，并计算两点之间的直线距离。计算起点和终点的运动方向角度，并计算其差值。将差值与预存储的相应动作数据进行比较，确定两个动作之间的相似度。如果相似度高于预设的阈值，则认为两个动作是相同的；否则，认为它们不同，需要说明的是，这里所说的阈值也如上文所述来确定，这里就不做过多赘述。总的来说，这个步骤的目的是为了将单一平面动作与预存储的动作进行匹配，以确定待识别的动作是否与预存储的动作相同。
65.下面，将举例说明，如图所示2，简单动作对比，预对比的动作仅是单一运动动作如将手向上水平抬60
°
，此种情况只需通过穿戴设备的陀螺仪来计算从同样的起点到终点的角度即可比较两个动作的一致性。
66.更多的时候需要对比的动作是比较复杂的一系列空间立体xyz轴的时序动作，比如说需要对比的预动作是做了一个复杂的手臂立体运动，最后通过xyz的时序坐标轴的展示如图3所示。
67.这个时候就不能够通过简单的动作对比的方式来比较预动作和现场捕捉的动作的一致性了，而对于立体的动作来说，本发明是通过将其逐步分解为三个平面既xy平面，xz平面和yz平面的不同平面坐标序列进行对比，具体的讲，分为三个步骤：
68.i.将动作分别分成三个平面xy平面，xz平面和yz平面的不同的平面坐标序列；
69.ii.通过每个轴在空间方向的角度反向变化转变成不同的关键的集合；
70.iii.记录关键点数据与预存储动作数据对比，以确定动作的一致性；
71.具体的，i.将动作分别分成三个平面的不同平面坐标序列：对于一个三维空间中的动作，需要先确定其在三个平面上的投影。然后，针对每个平面，将其投影坐标序列作为一个序列来记录，并进行后续的对比。例如，在xy平面上的投影可以通过保持z轴坐标为常量，而将其余两个坐标作为xy平面上的投影来获得。
72.ii.如图6所示，通过每个轴在空间方向的角度反向变化转变成不同的关键集合：对于每个平面坐标序列，需要将其转换成一个关键点序列。这可以通过在每个轴方向上的角度反向变化时记录坐标变化的关键点来实现。如图4所示，例如，对于xy平面上的坐标序列，可以记录其在x轴和y轴方向上的极值点，以及x轴和y轴方向上的均值点，然后将这些点组成一个关键点序列。
73.iii.记录关键点数据与预存储动作数据对比，以确定动作的一致性：将每个平面的关键点序列与预存储的动作数据进行对比，以确定动作的一致性。具体的来讲，这里是通过多节点随机动作分解算法来实现动作对比的，所述多节点随机动作分解算法是比较平面坐标系的关键点序列时，采用欧几里得距离d结合夹角θ
合
综合来评估两个序列的相似度。其中，欧几里得距离可以用来评估两个序列之间的距离差异，夹角余弦则可以用来评估两个序列之间的方向差异。
74.具体的，采用欧几里得距离进行对比时，需要计算两个序列中每个关键点之间的距离，然后将所有距离加权求和得到总距离。这个总距离可以用来衡量两个序列之间的相似度，距离越小则相似度越高，例如：假设捕捉到的动作序列为a，预存储的动作序列为b，对于每个平面(xy，xz，yz)的关键点序列，我们可以将其表示为a
{plane}
和b
{plane}
。以xy平面为例，对于其中的关键点pi，其坐标表示为(xi,yi)，则a
xy
＝{(x1,y1),(x2,y2}),...,(xn,yn)}，b
xy
同理。
75.接下来，我们需要计算a
{plane}
和b
{plane}
之间的距离d，以评价两个动作序列在该平面上的一致性。一种距离计算方法是欧氏距离，其公式为：
[0076][0077]
其中n是该平面上的关键点个数，分别是a
{plane}
和b
{plane}
中第i个关键点的坐标。
[0078]
我们有三个平面(xy，xz，yz)，我们可以使用以下公式计算总的距离d：
[0079][0080]
其中di是每个平面上的距离，也就是a
{plane}
和b
{plane}
之间的欧氏距离。
[0081]
最后，我们可以将d作为评价动作序列a和b一致性的指标。如果d越小，表示两个动作序列在三个平面上的一致性越高。
[0082]
对于角度的比较，我们可以通过以下公式来计算：
[0083][0084]
在三个平面中，我们可以将每个平面中的关键点序列看作一个向量，使用上述公式计算每个平面中对应的向量之间的夹角。然后我们可以对三个角度取平均值，得到最终
的角度差异值。
[0085]
具体地，设θ
xy
,θ
xz
和θ
yz
分别是三个平面中的向量夹角，则最终的角度差异值θ可以表示为：
[0086]
θ
合
＝(θ
xy
+θ
xz
+θ
yz
)/3
[0087]
如果θ
合
值越小，则说明两个动作之间的差异越小，它们的一致性也就越高。
[0088]
在计算出欧几里得距离和夹角后，可以将它们作为两个指标，同时考虑它们的大小和相对重要性来综合判定动作的一致性。对两个指标设置权重，并进行加权求和。在本技术中，将欧几里得距离的权重设为0.7，将夹角的权重设为0.3，在进行加权求和，最后将这个结果与阈值比较，如果这个综合指标小于一个预先设定的阈值，就认为这个立体动作和预存储的动作一致，否则就认为不一致。这里需要说明的是，在捕捉动作比对的过程中，我们需要将捕捉到的动作数据与预存储的动作数据进行比对，以判断它们之间的相似性。由于动作数据可能存在一定的噪声和误差，因此在比对时需要设置一个阈值，将相似性度量的结果与该阈值进行比较。比对时使用欧几里得距离和夹角等指标，是因为它们能够客观地衡量两个向量之间的差异或相似程度，且具有很好的数学性质和解释性。通过计算这些指标，我们可以得到一个相似性度量的结果，但是这个结果可能会因为数据噪声、误差等因素而出现波动，而设置一个合理的阈值，可以在一定程度上过滤掉这些波动，保证捕捉动作的准确性。
[0089]
因此，在比对过程中，我们一般将捕捉动作数据和预存储动作数据的相似性度量结果与预设的阈值进行比较，如果相似性度量结果大于等于阈值，就认为两个动作相似，否则认为它们不相似。
[0090]
当然，具体的阈值的设定可以根据具体应用场景和实验数据进行调整，调整的方法如上文所述，在这里就不做过多的赘述了。
[0091]
为了现实快速的动作对比，本技术还将预存储动作数据中的每个动作的xyz轴的每一段变化角度都事先记录下来，而不是每次进行对比时再重新捕捉计算。这样做可以大大减少对比时间，提高系统的响应速度，因此在对预存储动作进行捕捉记录后，提前将xyz轴的每一段的变化角度记录下来，以便能够快速和现场捕捉的动作进行对比。
[0092]
具体的，预存储的动作数据是通过事先进行捕捉和记录的。在记录每个动作的过程中，将使用的陀螺仪捕捉到的每一个动作中的xyz轴的每一段变化角度都记录下来。这些记录的角度变化数据将成为每个动作的关键特征，用于后续的动作对比。
[0093]
因此，在现场捕捉到一个新的动作后，系统会对该动作进行处理，将其分解成xyz轴的不同平面坐标序列。然后，通过反向变化将每个平面坐标序列转换为一组关键点集合。接下来，将该关键点数据与预存储动作数据中的关键点数据进行对比，以确定该动作与哪个预存储动作最为相似。
[0094]
本技术是通过对捕捉的动作进行分类对比，提高了动作识别的精度和准确性，该发明的主要发明点是将动作分为单一平面动作和立体动作，并针对这两种类型的动作采用不同的对比方法。对于单一平面动作，采用记录起点位置、终点位置和角度的方法进行对比，而对于立体动作，则采用将动作分解为三个平面坐标系，并记录关键点数据进行对比的方法。此外，该发明还提供了一种预存储动作数据的方法，即提前将xyz轴的每一段变化角度记录下来，以便进行快速对比。
[0095]
这种分类对比的方法可以有效提高动作识别的准确性和稳定性，同时也能够适应更加复杂的动作形式。相比于传统的动作识别方法，该发明能够更加精准地识别动作，降低误判率，提高识别的准确性和效率。此外，该发明还能够适应更加复杂的动作形式，并且能够提高现场动作识别的速度，具有很高的实用价值。
[0096]
传统的动作识别方法通常只考虑单一平面的动作，无法识别立体动作的细节，因此误差较大。而该发明将立体动作分解成三个平面的不同平面坐标序列进行对比，可以更准确地识别动作。其次是减少了对数据长度和方向的依赖：传统的动作识别方法通常使用向量等带有长度和方向的量进行对比，这使得动作识别结果容易受到数据长度和方向的影响。而该发明将动作分解成三个平面的坐标序列进行对比，避免了这种问题。最后提高了动作识别的实时性和效率：该发明在对预存储动作进行捕捉记录后，提前将xyz轴的每一段的变化角度记录下来，以便能够快速和现场捕捉的动作进行对比，从而提高了动作识别的实时性和效率。
[0097]
在实际操作中，人们可能会因为各种原因导致出现错误方向的动作，这些错误的动作会对后续动作的执行产生影响，导致最终动作的完成度降低。因此，本发明对现场动作进行处理，忽略掉前面不一致的部分，只关注与预存储动作一致的部分。这样可以避免错误方向的动作对后续动作的影响，提高动作比较的准确性，减少错误率，从而提高整体动作的完成度。
[0098]
具体地说，例如本发明中在进行立体动作的判定时，将现场动作逐步分解为三个平面既xy平面，xz平面和yz平面的不同平面坐标序列进行对比。在每个平面上，将动作分别分成不同的平面坐标序列，并通过每个轴在空间方向的角度反向变化转变成不同的关键的集合。然后记录关键点数据与预存储动作数据对比，以确定动作的一致性。在对预存储动作进行捕捉记录后，本发明提前将xyz轴的每一段的变化角度记录下来，以便能够快速和现场捕捉的动作进行对比。如图所示7，在执行s4之前，根据现场动作与预存储动作一致的起始点，忽略现场动作中前面不一致的部分。在这个过程中，本发明通过计算欧几里得距离和夹角的公式，对动作的一致性进行综合判定，如图5所示，只有当现场动作的某一段和预存储动作的xyz的a段方向一致时，才开始进行分段的比较。这样可以排除错误方向的动作，提高动作比较的准确性，进一步提高整体动作的完成度。当然在单一平面动作对比时，也是同理。
[0099]
在捕捉的过程中，在特定的情况下还需要考虑时间因素，例如：在一些特定的情况下，动作的速度也是非常重要的因素，例如在对肌张力的训练中，要求不仅动作一致，还要有一定的速度。而在另外一些特定的情况下，是不需要考虑时间因素，例如：对于患者因为自身原因而训练动作较慢的情况，医生也只需要要求患者慢慢地做动作做对即可。因此，我们在动作捕捉过程中，分为两种模式，有时间要求的动作捕捉以及忽略时间要素的动作捕捉，对于有时间要求，将xyz轴的每一段带上预动作和现场动作的时间进行比较。具体来说，可以将每一段的时间长度作为一个额外的维度，与欧几里得距离和夹角一起纳入综合判定中。这样就可以对动作的速度和准确性都进行综合评估，提高训练效果。而对于忽略时间要素的动作捕捉，在xyz轴上的任意一段都不带上时间进行对比，只要求患者的动作与预动作一致即可。这样就可以使训练更加灵活，适应不同患者的需要。
[0100]
本技术准确地比对用户的动作和预存储动作，并评估其一致性。通过对动作进行
分类处理，结合起点位置、终点位置、角度和三个平面坐标序列的比对，可以更全面地分析动作的特征和变化，从而提高动作对比的精确度和可靠性。这种方法提供准确的动作评估和反馈，帮助用户改善动作执行技巧和效果，提高训练的效果和效率。
[0101]
本发明还公开了一种训练动作对比系统，包括预存储动作模块，动作数据捕捉模块，动作数据分类模块，单一平面动作对比模块，立体动作对比模块。
[0102]
在本实施例中，关于各模块/单元的功能如下：
[0103]
预存储动作模块，用于对预存储动作进行捕捉记录；
[0104]
动作数据捕捉模块，用于捕捉待识别动作的运动数据；
[0105]
动作数据分类模块，用于将捕捉的动作数据分类为单一平面动作和立体动作；
[0106]
单一平面动作对比模块，用于对单一平面动作，记录起点位置、终点位置和角度，与预存储的动作数据进行对比，以确定动作的一致性；
[0107]
立体动作对比模块，用于对立体动作，将其逐步分解为三个不同平面坐标序列与预存储动作进行对比。
[0108]
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

技术特征：
1.一种训练动作比对方法，其特征在于，包括以下步骤：s1,捕捉待识别动作的运动数据；s2,将捕捉的动作数据分类为单一平面动作和立体动作；s3,对单一平面动作，记录起点位置、终点位置和角度，与预存储的动作数据进行对比，以确定动作的一致性；s4,对立体动作，将其逐步分解为xy平面，xz平面和yz平面，将三个不同平面坐标序列与预存储动作进行对比。2.根据权利要求1所述的一种训练动作比对方法，其特征在于：所述对立体动作逐步分解为xy平面，xz平面和yz平面，将三个不同平面坐标序列进行对比，包括以下步骤：i.将动作分别分成三个平面xy平面，xz平面和yz平面的不同的平面坐标序列；ii.通过每个轴在空间方向的角度反向变化转变成不同的关键的集合；iii.记录关键点数据与预存储动作数据对比，以确定动作的一致性。3.根据权利要求2所述的一种训练动作比对方法，其特征在于：在s1步骤前，对预存储动作进行捕捉记录，并将xyz轴的每一段的变化角度记录下来，以便能够快速和现场捕捉的动作进行对比。4.根据权利要求3所述的一种训练动作比对方法，其特征在于：所述单一平面动作与预存储动作数据进行对比是通过单节点简单角度分解算法进行对比。5.根据权利要求3所述的一种训练动作比对方法，其特征在于：在执行s4时，是通过欧几里得距离d结合夹角θ
合
来评估两个序列的相似度，其中所述距离夹角θ
合
＝(θ
xy
+θ
xz
+θ
yz
)/3，其中，，，6.根据权利要求1-5中任意一项所述的一种训练动作比对方法，其特征在于：在执行s2之前，根据现场动作与预存储动作一致的起始点，忽略现场动作中前面不一致的部分。7.根据权利要求1-5中任意一项所述的一种训练动作比对方法，其特征在于：所述s1步骤中，分为有时间要求的动作捕捉以及忽略时间要素的动作捕捉。8.根据权利要求1所述的一种训练动作比对方法，其特征在于：所述s2步骤中，根据三个轴上的变化幅度是否都大于阈值，将动作分类为单一平面动作或立体动作。9.根据权利要求5所述的一种训练动作比对方法，其特征在于：所述的欧几里得距离d结合夹角θ
合
评估两个序列的相似度是通过分别设置d与θ
合
的权重并进行加权求和对比评估。10.一种训练动作比对系统，其特征在于，所述系统包括：动作数据捕捉模块，用于捕捉待识别动作的运动数据；动作数据分类模块，用于将捕捉的动作数据分类为单一平面动作和立体动作；单一平面动作对比模块，用于对单一平面动作，记录起点位置、终点位置和角度，与预存储的动作数据进行对比，以确定动作的一致性；立体动作对比模块，用于对立体动作，将其逐步分解为xy平面，xz平面和yz平面，将三个不同平面坐标序列与预存储动作进行对比。

技术总结
本申请提供了一种训练动作比对方法及系统，该方法通过对预存储动作进行捕捉记录；捕捉待识别动作的运动数据；将捕捉的动作数据分类为单一平面动作和立体动作；对单一平面动作，记录起点位置、终点位置和角度，与预存储的动作数据进行对比，以确定动作的一致性；对立体动作，将其逐步分解为XY平面，XZ平面和YZ平面，将三个不同平面坐标序列与预存储动作进行对比，从而实现在练习动作过程两套动作的比较，监督和提醒用户在训练过程中按照预存储动作进行训练，确保训练动作的准确和精准性。确保训练动作的准确和精准性。确保训练动作的准确和精准性。


技术研发人员：羊洁
受保护的技术使用者：华民康（成都）科技有限公司
技术研发日：2023.06.25
技术公布日：2023/9/22