技术摘要：
本发明涉及动作捕捉技术领域，公开了一种基于边缘计算的动作捕捉识别评估装置与方法，包括可穿戴传感器，可穿戴传感器内设有惯性测量芯片和蓝牙芯片，惯性测量芯片用于采集运动员肢体中的一个或多个运动动作的运动数据；数据处理系统，可穿戴传感器通过蓝牙芯片与数据  全部
背景技术：
边缘计算起源于传媒领域，是指在靠近物或数据源头的一侧，采用网络、计算、存 储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产 生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需 求。动作捕捉，又称运动捕捉，技术涉及尺寸测量、物理空间里物体的定位及方位测定等方 面可以由计算机直接理解处理的数据。运动员可以通过智能可穿戴装置捕捉分析他们在运 动中使用的一种或多种运动动作(例如，关键，基本和/或经常重复的运动动作)的表现，来 寻求改善他们对所选运动的表现。 然而，目前传统的体育运动训练中大多采用的是高速摄像机进行动作捕捉，通常 设备的价格较高，且无法实时为运动员的动作进行评估分析和建议。
技术实现要素：
本发明的主要目的是提出一种基于边缘计算的动作捕捉识别评估系统，旨在解决 现有的体育运动中采用高速摄像机进行动作识别捕捉，价格高，且无法实时为运动员的动 作进行评估分析和建议的技术问题。 为实现上述目的，本发明提出的基于边缘计算的动作捕捉识别评估系统，包括可 穿戴传感器，所述可穿戴传感器内设有惯性测量芯片和蓝牙芯片，所述惯性测量芯片用于 采集运动员肢体中的一个或多个运动动作的运动数据；以及 数据处理系统，所述可穿戴传感器通过所述蓝牙芯片与所述数据处理系统数据连 接，所述数据处理系统用于获取所述可穿戴传感器的运动数据，识别和/或评估正在进行的 一个或多个运动动作。 进一步地，所述可穿戴传感器为智能手环，所述智能手环的两端分别设有第一表 带和第二表带，所述第一表带的端部设有一通槽，所述第二表带的端部可活动的穿设于所 述通槽内设置，所述第一表带沿长度方向间隔的设有多个卡扣孔，所述第二表带的端部的 内侧壁凸设有一第二卡扣凸起，所述第二卡扣凸起可拆卸的嵌设于所述卡扣孔内设置。 进一步地，所述惯性测量芯片采用Bosch的BMI160芯片。 进一步地，所述蓝牙芯片采用DA14583蓝牙芯片。 进一步地，所述数据处理系统包括智能移动终端设备、个人计算机以及云服务器， 所述智能移动终端设备和个人计算机分别通过所述蓝牙芯片与所述可穿戴传感器无线通 信连接，所述云服务器通过网络分别与所述智能移动终端设备和个人计算机通信连接。 本发明还提供一种基于边缘计算的动作捕捉识别评估方法，采用上述系统进行， 包括以下步骤： 4 CN 111603750 A 说　明　书 2/5 页 智能手环传感器采集样本数据； PC端根据样本数据进行样本特征提取、特征学习与模型训练，生成标准数据库模 型； 将PC端生成的数据模型导入智能手环传感器； 智能手环传感器中的惯性测量芯片采集用户数据，获取用户的协调、速度、平衡、 力量、敏捷训练数据，并对用户数据清洗去噪处理，统一数据形式，提取特征值； 智能手环传感器中的微处理器将惯性测量芯片提取的用户数据的特征值与标准 数据库模型中的特征值进行对比，对用户运动水平分类；以及 将评估结果显示在智能移动终端设备上，对用户现有运动成绩打分，并提出相应 运动建议。 进一步地，所述的智能手环传感器采集样本数据还包括，将采集的样本数据加上 序号和数据生成时的时间戳，所述样本数据包括运动的三轴加速度数据与三轴角速度数 据，利用线性数值插值对采样率较低的所述三轴角速度数据进行重建，以使其与所述三轴 加速度数据同步。 进一步地，所述的PC端根据样本数据进行特征提取、特征学习与模型训练，生成标 准数据库模型，所述的样本特征提取提取以下特征中的一种或多种： 绝对值均值、绝对值均值比、方差、峰度、偏度、均方根、平均绝对偏差、过零率、能 量、相关系数、模型系数、四分位差、小波能量、分形维数、小波峰；利用模式分类算法进行计 算，基于提取的一种或多种所述特征而获得模型参数，以得到标准数据库模型。 进一步地，所述模式分类算法选自由决策树、贝叶斯网络、人工神经网络、K－近 邻、支持向量机、Boosting等算法组成的组。 采用本发明的技术方案，具有以下有益效果：本发明的技术方案，通过可穿戴传感 器随手部或脚部一起运动，传感器本体内设有的惯性测量芯片可实现无感应的手部或手部 动作捕捉识别，并将数据通过无线通信模块提供给后台云服务器，后台云服务器软件通过 三维成像原理和图像识别算法，完美捕捉到手部或脚部的动作，为运动员提供实时运动分 析，与后台标准动作数据库进行对比，评估出动作的规范性，并通过移动智能终端或个人计 算机呈现，用户可随时随地记录自己的动作并观看，有助于提高运动员训练水平，本发明可 用于分析一个或多个肢体运动的运动动作捕捉识别与实时分析，低成本，易于使用，通过智 能惯性测量传感器和智能终端设备App及个人计算机、云服务器配合使用，十分方便，易于 推广。 附图说明 为了更清楚地说明本发明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 发明的一些实施例，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。 图1为本发明一实施例的一种基于边缘计算的动作捕捉识别评估系统的框架结构 示意图； 图2为本发明一实施例的一种基于边缘计算的动作捕捉识别评估系统的可穿戴传 5 CN 111603750 A 说　明　书 3/5 页 感器的结构示意图； 图3为本发明一实施例的一种基于边缘计算的动作捕捉识别评估方法的框架流程 结构示意图。 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。