本發(fā)明涉及運動姿態(tài)感知，尤其涉及一種運動體運動姿態(tài)感知方法及系統(tǒng)。

背景技術(shù)：

1、運動體運動姿態(tài)感知方法旨在實時監(jiān)測和分析運動者的姿態(tài)，以提高運動效果、預(yù)防運動損傷，并為運動訓(xùn)練提供科學(xué)指導(dǎo)，通過結(jié)合了視覺傳感器與慣性傳感器，以建立綜合的數(shù)據(jù)采集和處理框架，實時獲取運動者的姿態(tài)信息，在數(shù)據(jù)融合過程中，采用先進(jìn)的濾波算法（如卡爾曼濾波）來減少傳感器噪聲和誤差，從而提高姿態(tài)識別的準(zhǔn)確性和穩(wěn)定性。還通過訓(xùn)練模型分析運動者的歷史數(shù)據(jù)，識別個體特征和運動模式，實現(xiàn)個性化的姿態(tài)評估與反饋，提供針對性的改善建議，幫助運動者在后續(xù)訓(xùn)練中更好地調(diào)整姿態(tài)，優(yōu)化運動效果。然而，現(xiàn)有的運動姿態(tài)感知方法主要依賴于攝像頭和視覺傳感器，這些方法在復(fù)雜的運動場景或光照變化大的環(huán)境中，視覺傳感器會受到遮擋或反射產(chǎn)生相應(yīng)的測量噪聲和漂移，往往容易產(chǎn)生累積誤差，從而導(dǎo)致姿態(tài)識別準(zhǔn)確率降低。

技術(shù)實現(xiàn)思路

1、基于此，本發(fā)明有必要提供一種運動體運動姿態(tài)感知方法及系統(tǒng)，以解決至少一個上述技術(shù)問題。

2、為實現(xiàn)上述目的，一種運動體運動姿態(tài)感知方法，包括以下步驟：

3、步驟s1：通過高分辨率攝像頭對運動體對應(yīng)的運動過程進(jìn)行運動圖像實時拍攝，得到運動體實時運動變化圖像數(shù)據(jù)；通過內(nèi)置的加速度計以及陀螺儀對運動體對應(yīng)的運動過程進(jìn)行運動狀態(tài)參數(shù)實時監(jiān)測，得到運動體實時加速度數(shù)據(jù)以及運動體實時角速度數(shù)據(jù)；對運動體實時運動變化圖像數(shù)據(jù)、運動體實時加速度數(shù)據(jù)以及運動體實時角速度數(shù)據(jù)進(jìn)行時序?qū)R同步處理，得到在同一時序維度下的運動體運動圖像數(shù)據(jù)、運動體加速度數(shù)據(jù)以及運動體角速度數(shù)據(jù)；

4、步驟s2：對運動體運動圖像數(shù)據(jù)進(jìn)行運動體運動坐標(biāo)定位，得到運動體運動空間坐標(biāo)點位集；基于運動體運動空間坐標(biāo)點位集對運動體加速度數(shù)據(jù)以及運動體角速度數(shù)據(jù)進(jìn)行長短期互補(bǔ)濾波融合分析，得到運動體運動姿態(tài)變化融合特征序列；

5、步驟s3：基于運動體運動姿態(tài)變化融合特征序列對相對應(yīng)的運動過程進(jìn)行運動姿態(tài)軌跡識別分析，以生成運動體運動姿態(tài)變化軌跡；

6、步驟s4：對運動體運動姿態(tài)變化軌跡進(jìn)行姿態(tài)變化模式識別分析，得到運動體運動姿態(tài)變化模式；基于運動體運動姿態(tài)變化模式對相對應(yīng)的運動體運動姿態(tài)變化軌跡進(jìn)行運動姿態(tài)感知分類，以得到運動體在當(dāng)前運動過程中對應(yīng)的運動姿態(tài)類別信息。

7、進(jìn)一步的，步驟s1包括以下步驟：

8、步驟s11：通過高分辨率攝像頭對運動體對應(yīng)的運動過程進(jìn)行運動圖像實時拍攝，得到運動體實時運動變化圖像數(shù)據(jù)；

9、步驟s12：通過內(nèi)置的加速度計對運動體對應(yīng)的運動過程進(jìn)行運動加速度實時監(jiān)測，得到運動體實時加速度數(shù)據(jù)；

10、步驟s13：通過內(nèi)置的陀螺儀對運動體對應(yīng)的運動過程進(jìn)行運動角速度實時監(jiān)測，得到運動體實時角速度數(shù)據(jù)；

11、步驟s14：對運動體實時運動變化圖像數(shù)據(jù)、運動體實時加速度數(shù)據(jù)以及運動體實時角速度數(shù)據(jù)進(jìn)行數(shù)據(jù)平滑預(yù)處理，得到運動體運動變化圖像平滑數(shù)據(jù)、運動體加速度平滑數(shù)據(jù)以及運動體角速度平滑數(shù)據(jù)；

12、步驟s15：對運動體運動變化圖像平滑數(shù)據(jù)、運動體加速度平滑數(shù)據(jù)以及運動體角速度平滑數(shù)據(jù)進(jìn)行時序?qū)R同步處理，得到在同一時序維度下的運動體運動圖像數(shù)據(jù)、運動體加速度數(shù)據(jù)以及運動體角速度數(shù)據(jù)。

13、進(jìn)一步的，步驟s2包括以下步驟：

14、步驟s21：對運動體運動圖像數(shù)據(jù)內(nèi)的每一連續(xù)幀運動圖像進(jìn)行運動圖像角點提取，得到運動體運動圖像特征角點集；

15、步驟s22：對運動體運動圖像數(shù)據(jù)進(jìn)行三維空間坐標(biāo)系建立，以生成運動體運動圖像三維空間坐標(biāo)系；

16、步驟s23：基于運動體運動圖像三維空間坐標(biāo)系對運動體運動圖像數(shù)據(jù)內(nèi)的每一連續(xù)幀運動圖像進(jìn)行圖像空間位置幾何變換計算，得到運動體運動圖像空間位置幾何配準(zhǔn)矩陣；

17、步驟s24：基于運動體運動圖像空間位置幾何配準(zhǔn)矩陣對運動體運動圖像特征角點集內(nèi)相對應(yīng)的每一個運動圖像特征角點進(jìn)行運動體運動坐標(biāo)定位，得到運動體運動空間坐標(biāo)點位集；

18、步驟s25：基于運動體運動空間坐標(biāo)點位集對運動體加速度數(shù)據(jù)以及運動體角速度數(shù)據(jù)進(jìn)行長短期互補(bǔ)濾波融合分析，得到運動體運動姿態(tài)變化融合特征序列。

19、進(jìn)一步的，步驟s23包括以下步驟：

20、步驟s231：對運動體運動圖像數(shù)據(jù)內(nèi)的每一連續(xù)幀運動圖像進(jìn)行圖像坐標(biāo)點生成，得到每一幀運動圖像對應(yīng)的運動體運動圖像坐標(biāo)點集；

21、步驟s232：基于運動體運動圖像三維空間坐標(biāo)系對每一幀運動圖像對應(yīng)的運動體運動圖像坐標(biāo)點集進(jìn)行相鄰幀空間幾何變換估計，以得到每一相鄰幀運動圖像之間對應(yīng)的圖像空間幾何變換參數(shù)，其中圖像空間幾何變換參數(shù)包括圖像空間位置變換參數(shù)、圖像空間旋轉(zhuǎn)變換參數(shù)以及圖像空間縮放變換參數(shù)；

22、步驟s233：根據(jù)每一相鄰幀運動圖像之間對應(yīng)的圖像空間幾何變換參數(shù)進(jìn)行幾何配準(zhǔn)矩陣變換計算，得到運動體運動圖像空間位置幾何配準(zhǔn)矩陣。

23、進(jìn)一步的，步驟s25包括以下步驟：

24、步驟s251：基于運動體運動空間坐標(biāo)點位集內(nèi)的每一個運動空間坐標(biāo)點對運動體加速度數(shù)據(jù)以及運動體角速度數(shù)據(jù)進(jìn)行點位匹配劃分，得到每一個運動空間坐標(biāo)點位處對應(yīng)的運動體加速度以及運動體角速度；

25、步驟s252：對運動體運動空間坐標(biāo)點位集內(nèi)的每一個運動空間坐標(biāo)點進(jìn)行運動體動態(tài)響應(yīng)時長監(jiān)測，得到每一個運動空間坐標(biāo)點位處對應(yīng)的運動響應(yīng)時長；

26、步驟s253：根據(jù)預(yù)設(shè)的響應(yīng)時長閾值對每一個運動空間坐標(biāo)點位處對應(yīng)的運動響應(yīng)時長進(jìn)行逐點遍歷判斷，當(dāng)運動響應(yīng)時長大于或等于預(yù)設(shè)的響應(yīng)時長閾值時，則將其對應(yīng)的運動空間坐標(biāo)點位標(biāo)記為長期響應(yīng)坐標(biāo)點位；當(dāng)運動響應(yīng)時長小于預(yù)設(shè)的響應(yīng)時長閾值時，則將其對應(yīng)的運動空間坐標(biāo)點位標(biāo)記為短期響應(yīng)坐標(biāo)點位；

27、步驟s254：將被標(biāo)記為長期響應(yīng)坐標(biāo)點位對應(yīng)的運動體加速度以及運動體角速度進(jìn)行長期運動狀態(tài)參數(shù)合并，得到運動體長期響應(yīng)運動狀態(tài)參數(shù)子集；將被標(biāo)記為短期響應(yīng)坐標(biāo)點位對應(yīng)的運動體加速度以及運動體角速度進(jìn)行短期運動狀態(tài)參數(shù)合并，得到運動體短期響應(yīng)運動狀態(tài)參數(shù)子集；分別對運動體長期響應(yīng)運動狀態(tài)參數(shù)子集以及運動體短期響應(yīng)運動狀態(tài)參數(shù)子集進(jìn)行運動姿態(tài)變化特征分析，得到運動體長期運動姿態(tài)變化特征子集以及運動體短期運動姿態(tài)變化特征子集；

28、步驟s255：對運動體長期運動姿態(tài)變化特征子集以及運動體短期運動姿態(tài)變化特征子集進(jìn)行長短期互補(bǔ)濾波融合分析，得到運動體運動姿態(tài)變化融合特征序列。

29、進(jìn)一步的，步驟s255包括以下步驟：

30、分別對運動體長期運動姿態(tài)變化特征子集以及運動體短期運動姿態(tài)變化特征子集進(jìn)行動靜態(tài)特征分離，得到運動體長期運動姿態(tài)動態(tài)特征成分、運動體長期運動姿態(tài)靜態(tài)特征成分、運動體短期運動姿態(tài)動態(tài)特征成分以及運動體短期運動姿態(tài)靜態(tài)特征成分；

31、利用特征成分累積誤差計算公式對運動體長期運動姿態(tài)動態(tài)特征成分、運動體長期運動姿態(tài)靜態(tài)特征成分、運動體短期運動姿態(tài)動態(tài)特征成分以及運動體短期運動姿態(tài)靜態(tài)特征成分進(jìn)行長短期累積誤差核算，得到運動體長期運動姿態(tài)累積誤差以及運動體短期運動姿態(tài)累積誤差；

32、基于運動體長期運動姿態(tài)累積誤差以及運動體短期運動姿態(tài)累積誤差對運動體長期運動姿態(tài)變化特征子集以及運動體短期運動姿態(tài)變化特征子集進(jìn)行長短期互補(bǔ)濾波融合分析，得到運動體運動姿態(tài)變化融合特征序列。

33、進(jìn)一步的，所述特征成分累積誤差計算公式具體為：

34、；

35、；

36、式中，為運動體長期運動姿態(tài)累積誤差，為運動體短期運動姿態(tài)累積誤差，為長期運動姿態(tài)觀察總時間，為短期運動姿態(tài)觀察總時間，為積分時間變量參數(shù)，為運動體長期運動姿態(tài)變化特征子集內(nèi)長期運動姿態(tài)特征的總數(shù)量，為長期運動姿態(tài)特征的項次索引參數(shù)，為在時間處對應(yīng)的運動體運動姿態(tài)動態(tài)特征基準(zhǔn)值，為在時間處對應(yīng)的運動體運動姿態(tài)靜態(tài)特征基準(zhǔn)值，為第個長期運動姿態(tài)特征在時間處對應(yīng)的運動體長期運動姿態(tài)動態(tài)特征成分，為長期動態(tài)特征成分的誤差權(quán)重系數(shù)，為第個長期運動姿態(tài)特征在時間處對應(yīng)的運動體長期運動姿態(tài)靜態(tài)特征成分，為長期靜態(tài)特征成分的誤差權(quán)重系數(shù)，為運動體短期運動姿態(tài)變化特征子集內(nèi)短期運動姿態(tài)特征的總數(shù)量，為短期運動姿態(tài)特征的項次索引參數(shù)，為第個短期運動姿態(tài)特征在時間處對應(yīng)的運動體短期運動姿態(tài)動態(tài)特征成分，為短期動態(tài)特征成分的誤差權(quán)重系數(shù)，為第個短期運動姿態(tài)特征在時間處對應(yīng)的運動體短期運動姿態(tài)靜態(tài)特征成分，為短期靜態(tài)特征成分的誤差權(quán)重系數(shù)，為運動體長期運動姿態(tài)累積誤差的修正系數(shù)，為運動體短期運動姿態(tài)累積誤差的修正系數(shù)。

37、進(jìn)一步的，所述基于運動體長期運動姿態(tài)累積誤差以及運動體短期運動姿態(tài)累積誤差對運動體長期運動姿態(tài)變化特征子集以及運動體短期運動姿態(tài)變化特征子集進(jìn)行長短期互補(bǔ)濾波融合分析包括以下步驟：

38、對運動體長期運動姿態(tài)累積誤差以及運動體短期運動姿態(tài)累積誤差進(jìn)行比較判斷，若運動體長期運動姿態(tài)累積誤差大于或等于運動體短期運動姿態(tài)累積誤差，則根據(jù)運動體長期運動姿態(tài)累積誤差與運動體短期運動姿態(tài)累積誤差之間的差值設(shè)置為短期運動姿態(tài)特征滑動窗口，并基于短期運動姿態(tài)特征滑動窗口對運動體短期運動姿態(tài)變化特征子集進(jìn)行短期協(xié)同濾波，以得到每一短期滑動窗口內(nèi)對應(yīng)的運動體短期運動姿態(tài)濾波特征成分；

39、將每一短期滑動窗口內(nèi)對應(yīng)的運動體短期運動姿態(tài)濾波特征成分對運動體長期運動姿態(tài)變化特征子集在同一短期滑動窗口內(nèi)對應(yīng)的運動體長期運動姿態(tài)特征成分進(jìn)行短期替換互補(bǔ)，得到運動體長期運動姿態(tài)特征互補(bǔ)序列；

40、若運動體長期運動姿態(tài)累積誤差小于運動體短期運動姿態(tài)累積誤差，則根據(jù)運動體短期運動姿態(tài)累積誤差與運動體長期運動姿態(tài)累積誤差之間的差值設(shè)置為長期運動姿態(tài)特征滑動窗口，并基于長期運動姿態(tài)特征滑動窗口對運動體長期運動姿態(tài)變化特征子集進(jìn)行長期協(xié)同濾波，以得到每一長期滑動窗口內(nèi)對應(yīng)的運動體長期運動姿態(tài)濾波特征成分；

41、將每一長期滑動窗口內(nèi)對應(yīng)的運動體長期運動姿態(tài)濾波特征成分對運動體短期運動姿態(tài)變化特征子集在同一長期滑動窗口內(nèi)對應(yīng)的運動體短期運動姿態(tài)特征成分進(jìn)行長期替換互補(bǔ)，得到運動體短期運動姿態(tài)特征互補(bǔ)序列；

42、利用動態(tài)時間規(guī)整方法對運動體長期運動姿態(tài)特征互補(bǔ)序列以及運動體短期運動姿態(tài)特征互補(bǔ)序列進(jìn)行長短期動態(tài)規(guī)劃融合分析，得到運動體運動姿態(tài)變化融合特征序列。

43、進(jìn)一步的，步驟s3包括以下步驟：

44、步驟s31：對運動體運動姿態(tài)變化融合特征序列進(jìn)行運動過程參數(shù)化描述分析，得到運動體運動過程實際參數(shù)化描述集，其中運動體運動過程實際參數(shù)化描述集包括運動體加速度實際變化參數(shù)以及運動體角速度實際變化參數(shù)；

45、步驟s32：基于運動體運動過程實際參數(shù)化描述集對相對應(yīng)的運動過程進(jìn)行運動關(guān)鍵節(jié)點標(biāo)識處理，得到運動體運動過程關(guān)鍵節(jié)點集，其中運動體運動過程關(guān)鍵節(jié)點集包括起始點、轉(zhuǎn)折點以及結(jié)束點；

46、步驟s33：基于運動體運動過程實際參數(shù)化描述集以及運動體運動過程關(guān)鍵節(jié)點集對相對應(yīng)的運動過程進(jìn)行運動姿態(tài)軌跡識別分析，以生成運動體運動姿態(tài)變化軌跡。

47、進(jìn)一步的，本發(fā)明還提供了一種運動體運動姿態(tài)感知系統(tǒng)，用于執(zhí)行如上所述的運動體運動姿態(tài)感知方法，該運動體運動姿態(tài)感知系統(tǒng)包括：

48、運動體運動狀態(tài)參數(shù)分析模塊，用于通過高分辨率攝像頭對運動體對應(yīng)的運動過程進(jìn)行運動圖像實時拍攝，得到運動體實時運動變化圖像數(shù)據(jù)；通過內(nèi)置的加速度計以及陀螺儀對運動體對應(yīng)的運動過程進(jìn)行運動狀態(tài)參數(shù)實時監(jiān)測，得到運動體實時加速度數(shù)據(jù)以及運動體實時角速度數(shù)據(jù)；對運動體實時運動變化圖像數(shù)據(jù)、運動體實時加速度數(shù)據(jù)以及運動體實時角速度數(shù)據(jù)進(jìn)行時序?qū)R同步處理，從而得到在同一時序維度下的運動體運動圖像數(shù)據(jù)、運動體加速度數(shù)據(jù)以及運動體角速度數(shù)據(jù)；

49、運動體運動特征濾波融合模塊，用于對運動體運動圖像數(shù)據(jù)進(jìn)行運動體運動坐標(biāo)定位，得到運動體運動空間坐標(biāo)點位集；基于運動體運動空間坐標(biāo)點位集對運動體加速度數(shù)據(jù)以及運動體角速度數(shù)據(jù)進(jìn)行長短期互補(bǔ)濾波融合分析，從而得到運動體運動姿態(tài)變化融合特征序列；

50、運動體運動姿態(tài)軌跡識別模塊，用于基于運動體運動姿態(tài)變化融合特征序列對相對應(yīng)的運動過程進(jìn)行運動姿態(tài)軌跡識別分析，以生成運動體運動姿態(tài)變化軌跡；

51、運動體運動狀態(tài)感知分類模塊，用于對運動體運動姿態(tài)變化軌跡進(jìn)行姿態(tài)變化模式識別分析，得到運動體運動姿態(tài)變化模式；基于運動體運動姿態(tài)變化模式對相對應(yīng)的運動體運動姿態(tài)變化軌跡進(jìn)行運動姿態(tài)感知分類，以得到運動體在當(dāng)前運動過程中對應(yīng)的運動姿態(tài)類別信息。

52、本發(fā)明的有益效果：

53、1、本發(fā)明所提出的運動體運動姿態(tài)感知方法，與現(xiàn)有技術(shù)相比，本技術(shù)的有益效果在于通過使用高分辨率攝像頭對運動體對應(yīng)的運動過程進(jìn)行運動圖像實時拍攝，可以獲得高質(zhì)量的運動圖像數(shù)據(jù)，這種實時監(jiān)測為運動體運動分析提供了豐富的視覺信息，能夠清晰記錄運動體的每一個細(xì)微變化，這不僅有助于分析運動軌跡、姿態(tài)和行為，還能為后續(xù)的動作識別和分類提供基礎(chǔ)數(shù)據(jù)。通過使用內(nèi)置的加速度計對運動體對應(yīng)的運動過程進(jìn)行運動加速度實時監(jiān)測，可以實時監(jiān)測運動體的加速度變化，這一過程能夠為分析運動的力度、加速和減速提供重要數(shù)據(jù)，通過監(jiān)測加速度，研究人員能夠了解運動體在不同運動階段所經(jīng)歷的動態(tài)變化，為后續(xù)的處理過程提供了數(shù)據(jù)支持。還通過使用內(nèi)置的陀螺儀對運動體對應(yīng)的運動過程進(jìn)行運動角速度實時監(jiān)測，可以用于實時監(jiān)測運動體的角速度變化，能夠提供運動體在三維空間中的旋轉(zhuǎn)和轉(zhuǎn)動信息，從而為后續(xù)的運動姿態(tài)感知分析提供了基礎(chǔ)數(shù)據(jù)保障。同時，通過對運動體實時運動變化圖像數(shù)據(jù)、運動體實時加速度數(shù)據(jù)以及運動體實時角速度數(shù)據(jù)進(jìn)行時序?qū)R同步處理，這一過程可以將不同來源的數(shù)據(jù)整合到同一時序維度下，為全面的運動分析提供統(tǒng)一的基礎(chǔ)，時序?qū)R能夠幫助分析運動體的各項參數(shù)之間的關(guān)系，揭示出運動過程中的內(nèi)在規(guī)律。例如，運動體的速度、加速度與角速度之間的變化關(guān)系可以被更為準(zhǔn)確地分析，幫助運動體優(yōu)化運動技術(shù)和戰(zhàn)術(shù)，使得后續(xù)的運動姿態(tài)感知分析過程變得更加全面和深入。其次，通過對運動體運動圖像數(shù)據(jù)進(jìn)行運動體運動坐標(biāo)定位，使得運動體在三維空間中的每個特征點都能被精確定位，這一過程的核心在于將圖像數(shù)據(jù)與三維空間相結(jié)合，從而實現(xiàn)運動體特征角點在真實三維空間中的定位，這一步驟的實現(xiàn)不僅提高了運動分析的精度，還使得后續(xù)對運動軌跡、速度、加速度等動態(tài)特征的分析成為可能。還通過基于運動體運動空間坐標(biāo)點位集對運動體加速度數(shù)據(jù)以及運動體角速度數(shù)據(jù)進(jìn)行長短期互補(bǔ)濾波融合分析，能夠有效提升運動姿態(tài)變化的精度和可靠性，長短期互補(bǔ)濾波技術(shù)結(jié)合了短期運動姿態(tài)特征信息和長期運動姿態(tài)特征信息，能夠?qū)崟r捕捉到運動體的快速變化，同時也能對慢變化趨勢進(jìn)行平滑處理，這種分析方法在處理動態(tài)系統(tǒng)時具有顯著優(yōu)勢，可以有效抑制噪聲影響，減少長短期運動姿態(tài)特征信息之間的累積誤差，提高后續(xù)姿態(tài)估計的穩(wěn)定性和準(zhǔn)確性，從而能夠幫助研究人員和工程師深入理解運動體的動態(tài)行為。然后，通過基于運動體運動姿態(tài)變化融合特征序列對相對應(yīng)的運動過程進(jìn)行運動姿態(tài)軌跡識別分析，這一過程能夠形成對運動體在運動過程中的姿態(tài)變化的全景式了解，有助于掌握運動體在不同階段的運動特征和行為模式，通過分析運動軌跡，可以識別出運動體的運動規(guī)律和技巧，進(jìn)而為后續(xù)的運動姿態(tài)感知提供科學(xué)依據(jù)。最后，通過對運動體運動姿態(tài)變化軌跡進(jìn)行姿態(tài)變化模式識別分析，以獲取運動體在當(dāng)前運動過程中的姿態(tài)變化模式，可以幫助研究人員深入理解運動體在不同階段的表現(xiàn)及其運動姿態(tài)變化規(guī)律，這一過程通過分析運動軌跡的特征，能夠揭示出運動員在運動中所采用的不同姿態(tài)，以及這些姿態(tài)如何影響運動表現(xiàn)。此外，通過基于運動體運動姿態(tài)變化模式對相對應(yīng)的運動體運動姿態(tài)變化軌跡進(jìn)行運動姿態(tài)感知分類，以獲取運動體在當(dāng)前運動過程中的運動姿態(tài)類別信息，能夠?qū)⑦\動識別的結(jié)果轉(zhuǎn)化為可操作的信息，為運動體的行為分析提供支持，這一步驟通過對運動姿態(tài)的分類，可以幫助研究人員準(zhǔn)確理解當(dāng)前運動體的運動姿態(tài)狀態(tài)和可能的運動效果，包括站立、行走、跳躍等，進(jìn)而做出及時的調(diào)整和改進(jìn)，這一分類過程還能實現(xiàn)個性化的訓(xùn)練方案，根據(jù)不同運動者的需求和能力定制相應(yīng)的運動計劃，從而能夠提高了運動姿態(tài)識別的準(zhǔn)確率。

54、2、本發(fā)明所提出的運動體運動姿態(tài)感知系統(tǒng)，整體上由運動體運動狀態(tài)參數(shù)分析模塊、運動體運動特征濾波融合模塊、運動體運動姿態(tài)軌跡識別模塊以及運動體運動狀態(tài)感知分類模塊組成，能夠?qū)崿F(xiàn)本發(fā)明所述任意運動體運動姿態(tài)感知方法，用于聯(lián)合各個模塊上運行的計算機(jī)程序之間的操作實現(xiàn)運動體運動姿態(tài)感知方法，系統(tǒng)內(nèi)部結(jié)構(gòu)互相協(xié)作，這樣能夠大大減少重復(fù)工作和人力投入，能夠快速有效地提供更為準(zhǔn)確、更高效的運動體運動姿態(tài)感知過程，從而簡化了運動體運動姿態(tài)感知系統(tǒng)的操作流程。