CN119027558B 一种基于vr虚拟数字人的健身训练评估决策模型的构建方法 （北京赛普力量教育科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119027558B(45)授权公告日2025.07.11

(21)申请号202411098040.4

(22)申请日2024.08.12

(65)同一申请的已公布的文献号申请公布号CN119027558A

(43)申请公布日2024.11.26

(56)对比文件

CN115543094A,2022.12.30

CN106097787A,2016.11.09

审查员于典

(73)专利权人北京赛普力量教育科技有限公司

地址100026北京市大兴区金星路30号院2

号楼1层108室

(72)发明人许力牛鞋徐人杰

(74)专利代理机构南通宁竞智凡专利代理事务所(普通合伙)32666

专利代理师孙珍珍

(51)Int.CI.

GO6T13/40(2011.01)

GO6T19/00(2011.01)权利要求书4页说明书17页附图3页

(54)发明名称

一种基于VR虚拟数字人的健身训练评估决策模型的构建方法

(57)摘要

CN119027558B本发明涉及计算机技术领域，尤其涉及一种基于VR虚拟数字人的健身训练评估决策模型的构建方法。该方法包括以下步骤：通过高精度的惯性式摄像头组网络对专家的练习动作进行运动捕捉，得到专家动作数据，其中专家动作数据包括关节运动角度数据以及肌肉活动电位数据；基于刚体动力学模型以及肌肉骨骼模拟对专家动作数据进行关节扭矩、肌腱传递比以及惯性力分析，得到生物力学参数；将专家动作数据以及生物力学参数导入虚拟现实引擎，并通过骨骼驱动以及逆运动学进行虚拟数字人动作演示生成，得到虚拟动作演示数据。本发明融合刚体动力学模型、肌肉骨骼模型等生物力学模型，量化计算

CN119027558B

通过高精度的惯性式摄像头组网络对专家的练习动作进行运动捕捉，得到专家动作数据，其中专家动作数据包括关节运动角度数据以及肌肉活动电位数据

基于刚体动力学模型以及肌肉骨骼模拟对专家动作数据进行关节扭矩、肌腱传递比以及惯性力分析，得到生物力学参数

将专家动作数据以及生物力学参数导入虚拟现实引擎，并通过骨骼驱动以及逆运动学进行虚拟数字人动作演示生成，得到虚拟动作演示数据

利用计算机视觉技术对预获取的学员动作视频数据进行关键

关节点的特征表达强化，并根据虚拟动作演示数据对学员动作视频数据进行功法动作识别，从而得到学员运动模式数据

对学员动作视频数据进行人体生物参数分析，得到学员生物参数；根据虚拟动作演示数据对学员运动模式数据进行差异度量分析，得到动作差异度量数据；根据学员生物参数以及动作差异度量数据进行基于生物力学模型的动作调整，并生成训练评估报告数据；根据训练评估报告数据进行基于决策树模型的训练评估决策模型构建

S1

S2

S3

S5

CN119027558B权利要求书1/4页

2

1.一种基于VR虚拟数字人的健身训练评估决策模型的构建方法，其特征在于，包括以下步骤：

步骤S1:通过高精度的惯性式摄像头组网络对专家的练习动作进行运动捕捉，得到专家动作数据，其中专家动作数据包括关节运动角度数据以及肌肉活动电位数据；

步骤S2:基于刚体动力学模型以及肌肉骨骼模拟对专家动作数据进行关节扭矩、肌腱

传递比以及惯性力分析，得到生物力学参数，步骤S2具体为：

步骤S21:根据专家动作数据构建刚体链模型以及肌肉模型；将肌肉活动电位数据映射为肌肉模型的活动参数，从而得到参数化肌肉模型；

步骤S22:将关节运动角度数据作为运动输入，驱动刚体链模型运动，并基于牛顿第二定律对各关节的力和力矩进行求解，得到各关节在每个时间步的扭矩值，从而得到关节扭矩数据；

步骤S23:将关节扭矩数据作为输入，对参数化肌肉模型进行肌肉收缩力反解，从而得到肌肉收缩力数据；

步骤S24:根据肌肉收缩力数据进行基于肌肉附着点位置的作用于骨骼的力矩计算，从而得到骨骼力矩数据；根据骨骼力矩数据以及肌肉收缩力数据计算肌腱传递比数据，其中肌腱传递比=骨骼力矩/肌肉收缩力；

步骤S25:根据刚体链模型将关节运动角度数据分解为每个刚体的运动，并基于刚体进行线加速度以及角加速度的计算，从而得到刚体运动参数数据；

步骤S26:对刚体运动参数数据进