【技术实现步骤摘要】
本申请涉及虚拟现实的，尤其是涉及一种基于动捕技术的vr动作训练教学方法及系统。
技术介绍
1、随着虚拟现实（vr）技术的飞速发展，其在教育领域的应用日益广泛，特别是在动作训练教学中，vr技术以其独特的沉浸式体验和高度的互动性，为传统教学模式带来了革新。现有的vr动作训练教学方法，通常通过构建虚拟环境，模拟真实场景下的动作训练过程，使用户能够在虚拟空间中进行反复练习，从而有效提升动作技能的掌握程度。
2、然而，尽管现有的vr动作训练教学系统在一定程度上提高了教学的趣味性和有效性，但仍存在一些显著的缺陷。首先，现有的vr动作训练教学系统往往缺乏对不同动作类型的精细化区分，无论是武术、武打还是醒狮等各具特色的动作，都采用相同的训练模式和反馈机制，导致训练效果针对性不强，难以满足用户多样化的学习需求；其次，现有的vr动作训练教学系统在时，往往缺乏连贯性的考虑，即未能将异常数据与其前后的连续动作数据相结合进行分析，导致反馈信息片面，用户难以全面了解自身动作存在的问题，同时，缺乏连贯性的教学反馈形式也相对单一，往往只是简单地指出当前动作的错误，而连贯动作中某个动作的异常错误通常还可能因动作与动作之间的衔接不正确导致，缺少对于由于前后连续动作的衔接中出现的错误原因进行反馈。
技术实现思路
1、为了解决上述的缺陷，本申请提供了一种基于动捕技术的vr动作训练教学方法及系统。
2、本申请的上述专利技术目的一是通过以下技术方案得以实现的：
3、一种基于动捕技术的vr动
4、当接收到用户端的训练指令时，识别该训练指令对应关联的动作类型，所述动作类型包括武术动作、武打动作以及醒狮；
5、基于识别的动作类型匹配预设对应的虚拟子场景，并获取该虚拟子场景的教学训练信息，所述教学训练信息包括教学影音数据以及标准动作数据；
6、采集目标对象于虚拟子场景下的动作传感数据，并实时将采集的动作传感数据与标准动作数据进行比对分析；
7、当识别到异常比对数据时，识别其异常类型，所述异常类型包括异常姿势、异常幅度、异常速度以及异常节奏；
8、基于动作类型、异常类型以及预设的识别策略，识别异常比对数据关联的连续动作数据；
9、基于教学影音数据、异常比对数据以及连续动作数据，对用户端进行教学训练反馈。
10、通过采用上述技术方案，当接收到用户端的训练指令时，首先对该指令对应的动作类型进行识别，动作类型包括武术动作、武打动作以及醒狮，根据识别的动作类型匹配预设的对应虚拟子场景，每个虚拟子场景都包含了针对特定动作类型的教学影音数据和标准动作数据，在用户于虚拟子场景中进行训练时，实时采集目标对象的动作传感数据，用于与标准动作数据进行比对分析，以评估目标对象的动作表现，当比对分析发现异常比对数据时，进一步识别异常比对数据的类型，包括异常姿势、异常幅度、异常速度以及异常节奏，从而精确地定位用户动作中存在的问题，基于动作类型、异常类型以及预设的识别策略，识别异常比对数据关联的连续动作数据，完成对异常比对数据对应动作的前后连贯动作的数据进行识别，最后基于教学影音数据、异常比对数据以及连续动作数据，对用户端进行全面的教学训练反馈；本申请通过精细化区分不同的动作类型，并匹配相应的虚拟子场景和教学训练信息，提供更具针对性的训练内容和反馈，从而有效提高训练的针对性和有效性，同时，基于当前的异常数据结合连续动作数据进行分析，从而提供全面的教学反馈，不仅指出了用户动作中的具体错误，还对连续动作衔接的出错原因进行分析反馈，有助于用户全面了解自身动作存在的问题并进行针对性的改进，具有为用户提供连贯、全面的反馈信息，从而丰富反馈形式，提升用户体验和学习效果的效果。
11、本申请在一较佳示例中可以进一步配置为：所述采集目标对象于虚拟子场景下的动作传感数据，并实时将采集的动作传感数据与标准动作数据进行比对分析的步骤，包括步骤：
12、对标准动作数据进行建模，生成标准动作模型；
13、实时采集目标对象在虚拟子场景中的动作传感数据，并提取动作传感数据的动作传感特征；
14、将动作传感特征与标准动作模型进行匹配，计算其第一相似度得分；
15、将第一相似度得分低于相似度阈值的动作传感特征对应的动作传感数据设定为异常比对数据。
16、通过采用上述技术方案，对标准动作数据进行深入建模，以此生成精确的标准动作模型，实时采集目标对象在虚拟子场景中执行动作时的传感数据，并从中提取出关键的动作传感特征，将提取出的动作传感特征与先前建立的标准动作模型进行细致匹配，通过计算得出第一相似度得分，以此评估目标对象的动作表现与标准动作的契合程度；若第一相似度得分低于预设的相似度阈值，则将对应的动作传感数据标记为异常比对数据，从而实现对动作异常情况的实时监测与识别，基于上述的步骤，本申请具有提高动作数据处理的准确性和实时性，并使系统得以更精确地识别出目标对象在动作执行过程中的异常表现的效果，而通过实时的比对分析，实现了为用户反馈关于动作执行情况的准确信息，从而帮助用户及时发现并纠正动作中的不足，有效提升用户的训练效果。
17、本申请在一较佳示例中可以进一步配置为：所述基于动作类型、异常类型以及预设的识别策略，识别异常比对数据关联的连续动作数据的步骤，包括步骤：
18、基于动作类型以及异常比对数据，识别异常比对数据对应的异常动作项；
19、基于异常动作项、异常类型以及预设的识别策略，识别异常比对数据对应时间戳的连续动作数据。
20、通过采用上述技术方案，依据动作类型和异常比对数据，精确识别出导致异常的特定动作项，即异常动作项，基于识别出的这一异常动作项，结合异常类型以及预先设定的识别策略，进一步追溯并识别出与异常比对数据对应时间戳的连续动作数据，从而准确锁定动作执行中的异常环节；同时，通过关联分析，揭示异常动作与前后动作之间的潜在联系，从而为用户提供更加全面、连贯的反馈；基于上述的步骤，本申请提升了系统对异常动作的识别精度，使得反馈更加准确具体，其次，通过关联分析连续动作数据，帮助用户更好地理解异常动作的产生原因，以及其如何影响整个动作流程，从而指导用户进行有针对性的改进。
21、本申请在一较佳示例中可以进一步配置为：所述基于教学影音数据、异常比对数据以及连续动作数据，对用户端进行教学训练反馈的步骤，包括步骤：
22、对标准动作数据进行建模，生成标准动作模型；
23、提取连续动作数据的连续动作特征，并将连续动作特征与标准动作模型进行匹配，以识别出异常动作序列特征；
24、将异常动作序列特征以及异常比对数据输入至预训练好的异常分析模型，使异常分析模型输出异常信息，所述异常信息包括异常程度信息以及异常原因信息；
25、基于异常信息以及教学影音数据对用户端进行教学训练反馈。
26、通过采用上述技术方案，通过本文档来自技高网...
【技术保护点】
1.一种基于动捕技术的VR动作训练教学方法，其特征在于：包括步骤：
2.根据权利要求1所述的一种基于动捕技术的VR动作训练教学方法，其特征在于：所述采集目标对象于虚拟子场景下的动作传感数据，并实时将采集的动作传感数据与标准动作数据进行比对分析的步骤，包括步骤：
3.根据权利要求1所述的一种基于动捕技术的VR动作训练教学方法，其特征在于：所述基于动作类型、异常类型以及预设的识别策略，识别异常比对数据关联的连续动作数据的步骤，包括步骤：
4.根据权利要求1所述的一种基于动捕技术的VR动作训练教学方法，其特征在于：所述基于教学影音数据、异常比对数据以及连续动作数据，对用户端进行教学训练反馈的步骤，包括步骤：
5.根据权利要求4所述的一种基于动捕技术的VR动作训练教学方法，其特征在于：所述异常分析模型包括整合层、匹配层以及分析层，所述将异常动作序列特征以及异常比对数据输入至预训练好的异常分析模型，使异常分析模型输出异常信息，所述异常信息包括异常程度信息以及异常原因信息的步骤，包括步骤：
6.根据权利要求4所述的一种基于动捕技术的
7.一种基于动捕技术的VR动作训练教学系统，其特征在于：包括：
8.根据权利要求7所述的一种基于动捕技术的VR动作训练教学系统，其特征在于：所述比对分析模块包括：
...【技术特征摘要】
1.一种基于动捕技术的vr动作训练教学方法，其特征在于：包括步骤：
2.根据权利要求1所述的一种基于动捕技术的vr动作训练教学方法，其特征在于：所述采集目标对象于虚拟子场景下的动作传感数据，并实时将采集的动作传感数据与标准动作数据进行比对分析的步骤，包括步骤：
3.根据权利要求1所述的一种基于动捕技术的vr动作训练教学方法，其特征在于：所述基于动作类型、异常类型以及预设的识别策略，识别异常比对数据关联的连续动作数据的步骤，包括步骤：
4.根据权利要求1所述的一种基于动捕技术的vr动作训练教学方法，其特征在于：所述基于教学影音数据、异常比对数据以及连续动作数据，对用户端进行教学训练反馈的步骤，包括步骤：
【专利技术属性】
技术研发人员：吴正，黄晓红，
申请(专利权)人：广州市昱德信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。