CN114822127A - 一种基于虚拟现实设备的训练方法及训练装置 - Google Patents
一种基于虚拟现实设备的训练方法及训练装置 Download PDFInfo
- Publication number
- CN114822127A CN114822127A CN202210417262.2A CN202210417262A CN114822127A CN 114822127 A CN114822127 A CN 114822127A CN 202210417262 A CN202210417262 A CN 202210417262A CN 114822127 A CN114822127 A CN 114822127A
- Authority
- CN
- China
- Prior art keywords
- user
- training
- data
- media data
- body posture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012549 training Methods 0.000 title claims abstract description 176
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012360 testing method Methods 0.000 claims abstract description 38
- 238000012937 correction Methods 0.000 claims abstract description 30
- 230000001960 triggered effect Effects 0.000 claims abstract description 14
- 230000009471 action Effects 0.000 claims description 69
- 238000004590 computer program Methods 0.000 claims description 24
- 230000033001 locomotion Effects 0.000 claims description 15
- 230000035900 sweating Effects 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 8
- 238000009877 rendering Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 18
- 210000003128 head Anatomy 0.000 description 95
- 210000003414 extremity Anatomy 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 208000006011 Stroke Diseases 0.000 description 7
- 230000002490 cerebral effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000033764 rhythmic process Effects 0.000 description 6
- 238000011084 recovery Methods 0.000 description 5
- 206010008190 Cerebrovascular accident Diseases 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 210000005252 bulbus oculi Anatomy 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000004247 hand Anatomy 0.000 description 3
- 230000009191 jumping Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 210000003813 thumb Anatomy 0.000 description 3
- 206010019468 Hemiplegia Diseases 0.000 description 2
- 210000005013 brain tissue Anatomy 0.000 description 2
- 210000003811 finger Anatomy 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 208000022540 Consciousness disease Diseases 0.000 description 1
- 208000019505 Deglutition disease Diseases 0.000 description 1
- 208000016988 Hemorrhagic Stroke Diseases 0.000 description 1
- 208000032382 Ischaemic stroke Diseases 0.000 description 1
- 208000019022 Mood disease Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 201000007201 aphasia Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 230000013872 defecation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 206010013990 dysuria Diseases 0.000 description 1
- 210000001508 eye Anatomy 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 208000026762 inability to speak Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 208000020658 intracerebral hemorrhage Diseases 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000009251 neurologic dysfunction Effects 0.000 description 1
- 208000015015 neurological dysfunction Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 210000002027 skeletal muscle Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Rehabilitation Tools (AREA)
Abstract
本申请适用于设备训练的技术领域,提供了一种基于虚拟现实设备的训练方法,包括:响应于用户触发的启动指令,播放体能测试对应的第一媒体数据;计算当前躯体姿态数据与预设躯体姿态数据之间的第一误差值;根据第一误差值,匹配用户的体能状况;根据体能状况,匹配体能状况对应的训练计划媒体数据;播放训练计划媒体数据;根据实时躯***姿数据以及标准躯***姿数据,生成校正媒体数据。上述方案,通过体能测试确定用户体能状况,并根据体能状况为用户匹配适宜的运动强度(即训练计划媒体数据),并基于训练计划媒体数据指导用户进行训练,故可适应不同用户的训练需求,实现个性化训练过程,解决了无法适应不同用户的训练需求的技术问题。
Description
技术领域
本申请属于设备训练的技术领域,尤其涉及一种基于虚拟现实设备的训练方法及训练装置、头部显示器及计算机可读存储介质。
背景技术
脑卒中是一种致残率极高的突发性疾病,其病因是大脑血管出现破裂或堵塞,引起一系列相应脑部神经功能障碍,可以表现为偏瘫、言语不能、大小便障碍或意识障碍等。脑卒中部分诱因是血管堵塞,又叫做缺血性脑卒中,也可以简称为缺血性中风。另一部分诱因是出血性卒中,即脑部的血管破裂,脑血管里面的血液流到脑组织,使脑组织受到压迫,会出现一系列改变,严重可以导致生命危险。由于脑卒中在治疗后,大部分患者会遗留有偏瘫、神经功能差、失语、口眼歪斜、吞咽困难、认知障碍、情绪障碍以及骨骼肌活动障碍等多功能障碍。患者可以通过一些积极的训练,促进功能恢复,来提升自理能力,改善生活质量。
随着科技的发展,目前市面上出现了基于虚拟现实(VR)技术的训练方式,主要通过VR技术的软硬件结合的方式执行预设训练指导,激励用户通过VR技术,进行一定的肢体锻炼,以促进肢体功能恢复。然而,市面上的VR技术采用的训练方式,对于所有用户都采用同一套训练逻辑,无法适应不同用户的训练需求。
发明内容
有鉴于此,本申请实施例提供了一种基于虚拟现实设备的训练方法及训练装置、头部显示器及计算机可读存储介质,以解决无法适应不同用户的训练需求的技术问题。
本申请实施例的第一方面提供了一种基于虚拟现实设备的训练方法,包括:
响应于用户触发的启动指令,播放体能测试对应的第一媒体数据;所述第一媒体数据用于指导用户做出测试动作;
获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据;
计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值;
根据所述第一误差值,匹配所述用户的体能状况;
根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据;所述训练计划媒体数据用于指导所述用户做出训练动作;
播放所述训练计划媒体数据,并获取所述手部握持装置以及所述腿部***采集的实时躯***姿数据;
根据所述实时躯***姿数据以及标准躯***姿数据,生成校正媒体数据;所述校正媒体数据用于指导所述用户纠正当前的错误动作。
进一步地,所述训练方法,还包括:
采集所述用户的生命体征信息;
根据所述生命体征信息以及特定参数,得到所述用户当前的疲劳等级;所述特定参数包括运动时长以及环境温度;
根据所述疲劳等级,调整所述体能状况,得到调整后的体能状况;
将所述调整后的体能状况作为所述体能状况,返回执行所述根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据的步骤以及后续步骤。
进一步地,所述手部握持装置包括心率检测装置以及湿度传感器;所述生命体征信息包括心率数值以及出汗等级;
所述采集所述用户的生命体征信息,包括:
通过所述心率检测装置采集所述用户的所述心率数值;
通过所述湿度传感器采集所述用户手部的湿度数值;
根据所述湿度数值,得到所述湿度数值对应的所述出汗等级;其中,每个出汗等级对应不同的湿度数值区间。
进一步地,所述根据所述生命体征信息以及特定参数,得到所述用户当前的疲劳等级,包括:
将所述心率数值、所述出汗等级、所述运动时长以及所述环境温度,代入如下公式,得到所述疲劳等级;
所述公式如下:
其中,D表示所述疲劳等级,S表示所述心率数值,J表示所述出汗等级,H表示所述环境温度,T表示所述运动时长,a表示预设常数。
进一步地,所述当前躯体姿态数据包括第一躯体姿态数据和第二躯体姿态数据;
所述获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据,包括:
接收由所述手部握持装置中的第一红外线装置发射多个第一角度的第一红外线;
根据多个所述第一红外线,得到多个第一距离信息;
根据多个所述第一角度和多个所述第一距离信息,得到所述手部握持装置相对于所述头部显示器的所述第一躯体姿态数据;
接收由所述腿部***中的第二红外线装置发射多个第二角度的第二红外线;
根据多个所述第二红外线,得到多个第二距离信息;
根据多个所述第二角度和多个所述第二距离信息,得到所述腿部***相对于所述头部显示器的所述第二躯体姿态数据。
进一步地,在所述根据多个所述第二角度和多个所述第二距离信息,得到所述腿部***相对于所述头部显示器的所述第二躯体姿态数据之后,还包括:
根据所述当前躯体姿态数据,生成人体姿态图像模型;
在头部显示器中渲染得到所述人体姿态图像模型对应的动态三维图像;所述动态三维图像用于向用户展示其目前的肢***置。
进一步地,所述计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值,包括:
计算手部以及腿部各自对应的当前躯体姿态数据与预设躯体姿态数据之间的差值;
分别将多个所述差值,与手部以及腿部各自对应的比例系数相乘,得到多个乘积;
将多个所述乘积相加,得到所述第一误差值。
本申请实施例的第二方面提供了一种基于虚拟现实设备的训练装置,包括:
播放单元,用于响应于用户触发的启动指令,播放体能测试对应的第一媒体数据;所述第一媒体数据用于指导用户做出测试动作;
第一获取单元,用于获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据;
计算单元,用于计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值;
第一匹配单元,用于根据所述第一误差值,匹配所述用户的体能状况;
第二匹配单元,用于根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据;所述训练计划媒体数据用于指导所述用户做出训练动作;
第二获取单元,用于播放所述训练计划媒体数据,并获取所述手部握持装置以及所述腿部***采集的实时躯***姿数据;
校正单元,用于根据所述实时躯***姿数据以及标准躯***姿数据,生成校正媒体数据;所述校正媒体数据用于指导所述用户纠正当前的错误动作。
本申请提供的一种基于虚拟现实设备的训练装置,通过头部显示器响应于用户触发的启动指令,播放体能测试对应的第一媒体数据;获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据;计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值;根据所述第一误差值,匹配所述用户的体能状况;根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据;所述训练计划媒体数据用于指导所述用户做出训练动作;播放所述训练计划媒体数据,并获取所述手部握持装置以及所述腿部***采集的实时躯***姿数据;根据所述实时躯***姿数据以及标准躯***姿数据,生成校正媒体数据;所述校正媒体数据用于指导所述用户纠正当前的错误动作。上述方案,通过体能测试确定用户体能状况,并根据体能状况为用户匹配适宜的运动强度(即训练计划媒体数据),并基于训练计划媒体数据指导用户进行训练,在训练过程中不断根据实时躯***姿数据校正用户的错误动作,故可适应不同用户的训练需求,实现个性化训练过程,解决了无法适应不同用户的训练需求的技术问题。
本申请实施例的第三方面提供了一种基于虚拟现实设备的训练***,所述训练***包括包括头部显示器、手部握持装置以及腿部***;
所述头部显示器用于响应于用户触发的启动指令,播放体能测试对应的第一媒体数据;所述第一媒体数据用于指导用户做出测试动作;
所述手部握持装置以及所述腿部***用于采集用户的当前躯体姿态数据;
所述头部显示器用于获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据;
所述头部显示器用于计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值;
所述头部显示器用于根据所述第一误差值,匹配所述用户的体能状况;
所述头部显示器用于根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据;所述训练计划媒体数据用于指导所述用户做出训练动作;
所述手部握持装置以及所述腿部***用于采集用户的实时躯体姿态数据;
所述头部显示器用于播放所述训练计划媒体数据,并获取所述手部握持装置以及所述腿部***采集的实时躯***姿数据;
所述头部显示器用于根据所述实时躯***姿数据以及标准躯***姿数据,生成校正媒体数据;所述校正媒体数据用于指导所述用户纠正当前的错误动作。
本申请实施例的第四方面提供了一种头部显示器,包括双眼显示器、红外线接收器、通信模块、麦克风、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
本申请实施例的第五方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:在本申请中,通过头部显示器响应于用户触发的启动指令,播放体能测试对应的第一媒体数据;获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据;计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值;根据所述第一误差值,匹配所述用户的体能状况;根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据;所述训练计划媒体数据用于指导所述用户做出训练动作;播放所述训练计划媒体数据,并获取所述手部握持装置以及所述腿部***采集的实时躯***姿数据;根据所述实时躯***姿数据以及标准躯***姿数据,生成校正媒体数据;所述校正媒体数据用于指导所述用户纠正当前的错误动作。上述方案,通过体能测试确定用户体能状况,并根据体能状况为用户匹配适宜的运动强度(即训练计划媒体数据),并基于训练计划媒体数据指导用户进行训练,在训练过程中不断根据实时躯***姿数据校正用户的错误动作,故可适应不同用户的训练需求,实现个性化训练过程,解决了无法适应不同用户的训练需求的技术问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或相关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申请的一些实施例,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获得其它的附图。
图1示出了本申请提供的训练***示意图;
图2示出了本申请提供的一种基于虚拟现实设备的训练方法的示意性流程图;
图3示出了本申请提供的一种基于虚拟现实设备的训练方法中步骤202的具体示意性流程图;
图4示出了本申请提供的一种基于虚拟现实设备的训练方法中步骤203的具体示意性流程图;
图5示出了本申请提供的另一种媒体设备的控制方法的示意性流程图;
图6示出了本申请提供的一种基于虚拟现实设备的训练方法中步骤208的具体示意性流程图;
图7示出了本申请提供的一种基于虚拟现实设备的训练装置的示意图;
图8是本发明一实施例提供的一种头部显示器的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
本申请实施例提供了一种基于虚拟现实设备的训练方法及训练装置、训练***、头部显示器及计算机可读存储介质,以解决无法适应不同用户的训练需求的技术问题。
首先,本申请提供了一种训练***,请参见图1,图1示出了本申请提供的训练***示意图,如图1所示,训练***包括头部显示器1、手部握持装置2以及腿部***3。手部握持装置2与头部显示器1通过无线进行连接,腿部***3与头部显示器1通过无线进行连接。
在用户使用训练***前,分别将手部握持装置2和腿部***3与头部显示器1建立连接后,需要用户将腿部***3和腿部***3’分别固定在腿部(腿部***具有绑带,可通过绑带固定在腿部),双手分别握持手部握持装置2和手部握持装置2’,并将头部显示器1佩戴至头部。
头部显示器1、手部握持装置2以及腿部***3分别用于:
头部显示器1用于响应于用户触发的启动指令,播放体能测试对应的第一媒体数据;所述第一媒体数据用于指导用户做出测试动作;
手部握持装置2以及所述腿部***3用于采集用户的当前躯体姿态数据;
头部显示器1用于获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据;
头部显示器1用于计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值;
头部显示器1用于根据所述第一误差值,匹配所述用户的体能状况;
头部显示器1用于根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据;所述训练计划媒体数据用于指导所述用户做出训练动作;
手部握持装置2以及所述腿部***3用于采集用户的实时躯体姿态数据;
头部显示器1用于播放所述训练计划媒体数据,并获取所述手部握持装置2以及所述腿部***3采集的实时躯***姿数据;
头部显示器1用于根据所述实时躯***姿数据以及标准躯***姿数据,生成校正媒体数据;所述校正媒体数据用于指导所述用户纠正当前的错误动作。
作为一个可选实施例,头部显示器1还可以连接至云端4,通过云端获取用户信息或向云端传输用户的身体体能的数据等。
本申请以上述硬件环境为例,对头部显示器的执行流程进行详细说明。请参见图2,图2示出了本申请提供的一种基于虚拟现实设备的训练方法的示意性流程图。如图2所示,该训练方法可以包括如下步骤:
步骤201,响应于用户触发的启动指令,播放体能测试对应的第一媒体数据;所述第一媒体数据用于指导用户做出测试动作;
由于脑卒中患者经过治疗后的后遗症症状程度不同,且经过治疗后恢复程度不同,故不同患者的运动体能各部相同,且即使是同一个患者在不同时期的运动体能也各不相同。故本申请在对用户进行肢体训练前,先对用户的体能进行评估,以针对不同用户制定个性化的训练计划,进而适应不同用户或同一用户不同时期的训练需求。
当用户通过手部握持装置启动相应的训练程序后,触发启动指令。头部显示器响应于启动指令,播放第一媒体数据,第一媒体数据包括但不限于VR视频文件或音频文件等。用户根据第一媒体数据的指导,做出相应的肢体动作,例如:头部显示器播放演示视频,通过演示视频中教练做出的示范动作以及音频提示,向用户传达需要做出的动作信息,用户根据动作信息,作为相应的测试动作。其中,测试动作包括但不限于展臂、踏步、扭头、奔跑以及跳跃等等一种或多种动作的组合。
作为本申请的一种可选实施例,在播放第一媒体数据前,还可以采集用户的性别、年龄以及身体状况等参数。并基于性别、年龄以及身体状况等参数,选择不同的第一媒体数据,以适应不同的用户群体,进而后续为用户匹配更为精准的训练计划媒体数据,进一步实现个性化训练定制。其中,对于性别、年龄以及身体状况等参数采集,可以在头部显示器中显示不同的选项,通过采集用户通过手部握持装置产生的选择指令,得到相应的参数值。例如:在头部显示器中显示如下几个选项:“0至10岁”、“10至30岁”、“30至50岁”、“50至70岁”以及“80岁以上”,用户通过手部握持装置选中“50至70岁”选项,则得到用户的年龄参数为“50至70岁”。
进一步地,还可以通过语音识别的方式采集性别、年龄以及身体状况等参数,例如:头部显示器显示多个参数选项,并通过音频单元播放音频文件,为用户播放如下语言提示:“请选择您的年龄区间,0至10岁、10至30岁、30至50岁、50至70岁或80岁以上”。通过麦克风采集用户发出的语音信号,识别语音信号中的选择指令,根据选择指令选择相对应的选项,进而得到用户选择的年龄区间。
进一步地,还可以通过眼球追踪技术采集性别、年龄以及身体状况等参数。通过头部显示器中的摄像头,实时采集用户的眼部图像,并定位用户瞳孔的中心点,将中心点的位置映射至显示界面中的光标位置。用户通过转动眼球,控制显示界面中光标的移动,进而实现参数的选择,例如:头部显示器显示多个参数选项,用户通过眼球转动,将光标移动至相应的选项下,并停留一定时长,使得头部显示器采集到相应的参数。
步骤202,获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据;
当前躯体姿态数据包括第一躯体姿态数据和第二躯体姿态数据。
本申请提供了多种采集当前躯体姿态数据的方式:
采集方式①:在用户所处的环境中,在对角线方向上安装两个基站,用于发射定位信号。每个基站中具有横向与竖向设置的两个旋转发射器,用于发射激光信号。通过头部显示器、手部握持装置以及腿部***中的激光接收器接收激光信息,并计算头部显示器、手部握持装置以及腿部***的位置数据,进而得到当前躯体姿态数据。
采集方式②:在用户所处的环境中,安装三个红外线摄像头,分别设置在用户身体两侧以及身后。头部显示器、手部握持装置以及腿部***中设置有红外发射装置,红外发射装置以特定的频率闪烁。红外线摄像头周期性拍摄图像,捕捉红外发射装置在图像中的位置,并计算头部显示器、手部握持装置以及腿部***的位置数据,进而得到当前躯体姿态数据。
采集方式③:在用户的正前方设置一个摄像头,头部显示器、手部握持装置以及腿部***上分别设置有不同颜色的可见光光源。摄像头拍摄图像,并基于不同颜色的可见光光源,计算头部显示器、手部握持装置以及腿部***的位置数据,进而得到当前躯体姿态数据。
其中,上述三种采集方式都需要额外增加部件(例如:基站和红外摄像头等),才能实现对头部显示器、手部握持装置以及腿部***的定位,具有一定的安装难度与硬件成本。为了克服上述问题,本申请还提出一种采集方式④:
具体地,步骤202具体包括步骤2021至步骤2026,请参见图3,图3示出了本申请提供的一种基于虚拟现实设备的训练方法中步骤202的具体示意性流程图。
步骤2021,接收由所述手部握持装置中的第一红外线装置发射多个第一角度的第一红外线;
手部握持装置中设置有第一红外线装置,第一红外线装置中的多个红外线光源,以不同的第一角度发射第一红外线,头部显示器接收手部握持装置以不同第一角度发射的第一红外线。
可以理解的是,由于佩戴在手部的手部握持装置对于体积与重量存在一定限制,故手部握持装置无法配置较高的计算能力,而头部显示器往往具有较高的算力,故本申请通过手部握持装置向头部显示器发送第一红外线,以通过头部显示器进行数据处理。
步骤2022,根据多个所述第一红外线,得到多个第一距离信息;
通过现有的红外线测距原理,计算多个第一红外线各自对应的第一距离信息。
步骤2023,根据多个所述第一角度和多个所述第一距离信息,得到所述手部握持装置相对于所述头部显示器的第一躯体姿态数据;
头部显示器以当前位置作为原点,建立三维坐标系。头部显示器根据多个第一角度和多个第一距离信息,计算手部握持器在三维坐标系中的位置数据,将该位置数据作为手臂部的第一躯体姿态数据。
可以理解的是,由于手部握持装置需要用手掌进行握持,而手掌位于手臂端部,故手掌的位置可以近似为手臂的位置。
步骤2024,接收由所述腿部***中的第二红外线装置发射多个第二角度的第二红外线;
腿部***中设置有第二红外线装置,第二红外线装置中的多个红外线光源,以不同的第二角度发射第二红外线,头部显示器接收腿部***以不同第二角度发射的第二红外线。
可以理解的是,由于佩戴在腿部的腿部***对于体积与重量存在一定限制,故腿部***无法配置较高的计算能力,而头部显示器往往具有较高的算力,故本申请通过腿部***向头部显示器发送第二红外线,以通过头部显示器进行数据处理。
步骤2025,根据多个所述第二红外线,得到多个第二距离信息;
通过现有的红外线测距原理,计算多个第二红外线各自对应的第二距离信息。
步骤2026,根据多个所述第二角度和多个所述第二距离信息,得到所述腿部***相对于所述头部显示器的第二躯体姿态数据。
头部显示器以当前位置作为原点,建立三维坐标系。头部显示器根据多个第二角度和多个第二距离信息,计算腿部***在三维坐标系中的位置数据,将该位置数据作为腿部的第二躯体姿态数据。
值得注意的是,由于脑卒中患者不宜进行大幅度的训练动作,主要是进行手臂与腿部训练动作,头部基本不存在运动幅度(避免在运动过程中出现眩晕等情况),故本申请仅针对手部及腿部进行检测定位,无需对头部进行定位。优选地,在大部分头部显示器中,均安装有三轴陀螺仪,也可将三轴陀螺仪数据,作为头部的定位数据。
作为本申请一个可选实施例,由于脑卒中患者的血管普遍较为脆弱,故为了防止剧烈运动给用户带来损伤。本申请在用户进行测试运动时,实时监测用户的心率数据。其中,本申请中的手部握持装置设置有心率检测装置,且手部握持装置具有人体工学设计。当用户按照指定握持方式握住手部握持装置时,大拇指指端将与心率检测装置抵接,使得心率检测装置可以检测用户的心率数据。当用户的心率数据大于阈值时,通过头部显示器以视频和/或音频的方式,向用户发出心率过快的信息,并暂时播放第一媒体数据。防止用户心率过快造成损伤。进一步地,心率检测装置可以通过向大拇指发射一定波长的光束照射到指端皮肤表面,光束将通过透射或反射方式传送到光电接收器,在此过程中由于受到指端皮肤肌肉和血液的吸收衰减作用,心率检测装置检测到的光强度将减弱皮肤组织和肌肉组织等对光的吸收,在整个血液循环中是保持恒定不变的。而皮肤内的血液容积在心脏作用下呈搏动性变化,进而可以检测到用户心率数据。
步骤203,计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值;
预设躯体姿态数据是预先存储在存储器中的肢***置参数(例如:三维坐标值),用于评估用户的动作误差。预设躯体姿态数据包括但不限于手臂姿态数据与腿部姿态数据等一种数据或多种数据之间的组合。为了更好说明本申请的技术方案,本申请以手臂姿态数据与腿部姿态数据为例进行解释说明:
具体地,步骤203具体包括步骤2031至步骤2033,请参见图4,图4示出了本申请提供的一种基于虚拟现实设备的训练方法中步骤203的具体示意性流程图。
步骤2031,计算手部以及腿部各自对应的当前躯体姿态数据与预设躯体姿态数据之间的差值;
以预设躯体姿态数据为三维坐标值为例,将手部对应的当前躯体姿态数据与预设躯体姿态数据相减,得到手部在X轴、Y轴和Z轴上的坐标差值,将X轴、Y轴和Z轴上的坐标差值代入公式中,得到最终的差值。将腿部对应的当前躯体姿态数据与预设躯体姿态数据相减,得到腿部在X轴、Y轴和Z轴上的坐标差值,将X轴、Y轴和Z轴上的坐标差值代入公式中,得到最终的差值。
步骤2032,分别将多个所述差值,与手部以及腿部各自对应的比例系数相乘,得到多个乘积;
由于不同肢体动作,对于手部与腿部的关注度不同,例如:在跳跃动作中,对于腿部的关注度较高,而对于手部的关注度较低。故本申请针对不同动作为手部和腿部分别设置比例系数,以更好地评估动作误差,其中,关注度越高比例系数越大,关注度越低比例系数越小。头部显示器将手部对应的差值与手部的比例系数相乘,将腿部对应的差值与手部的比例系数相乘,得到手部与腿部各自对应的乘积。
步骤2033,将多个所述乘积相加,得到所述第一误差值。
将手部与腿部各自对应的乘积相加,得到第一误差值,也即第一误差值用于表征用户整体动作上的误差大小。
步骤204,根据所述第一误差值,匹配所述用户的体能状况;
可以理解的是,由于体能测试具有一定运动强度,故但用户在运动前期,基本都可以做出近似标准的测试动作,但随着时间的推移,若用户的体能较弱,则用户很难做出标准的测试动作。用户做出未达到标准的测试动作,会通过第一误差值体现出来,故可根据第一误差值评估用户的体能状况。
其中,体能状况是预先制定的划分标准,每个体能状况都对应一个误差值区间,例如:体能状况包括极好状况、充沛状况、适中状况、疲软状况以及无体能状况,极好状况对应误差值区间为0至1,充沛状况对应误差值区间为1至3,适中状况对应误差值区间为3至8,疲软状况对应误差值区间为8至12,无体能状况对应误差值区间为12至无穷大。上述区间数值仅仅作为示例,不作为本申请的任何限定。
头部显示器根据第一误差值所落入的误差值区间,确定用户的体能状况。
步骤205,根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据;所述训练计划媒体数据用于指导所述用户做出训练动作;
由于每个患者在经过治疗后,遗留下来的后遗症以及恢复情况的不同,不同患者所能承受的运动强度存在很大差别。故本申请先判断每个用户的体能状况,再根据体能状况匹配相对应的训练计划媒体数据,以适应不同用户的训练需求。
训练计划媒体数据是预存的VR视频数据或音频数据。头部显示器通过播放训练计划媒体数据,指导用户做出训练动作。例如:头部显示器播放的VR视频中人物做出示范动作、动作解析以及语音提示等信息,用户根据这些信息做出相应的训练动作。训练动作包括但不限于展臂、踏步、扭头、奔跑以及跳跃等等一种或多种动作的组合。
不同的体能状况对应不同的训练计划媒体数据。针对体能状况较差的情况,匹配运动强度较低以及运动时间较短的训练计划媒体数据。针对体能状况较强的情况,匹配运动强度较高以及运动时间较长的训练计划媒体数据。
其中,多个体能状况与多种训练计划媒体数据具有映射关系,在执行步骤205时,头部显示器根据体能状况以及映射关系,匹配该体能状态相对应的训练计划媒体数据。
作为本申请的一个可选实施例,在匹配到相对应的训练计划媒体数据后,可以通过语音或文字的形式询问用户是否可以接受当前的训练计划媒体数据。若用户接受当前的训练计划媒体数据,则执行步骤206。若用户不接受当前的训练计划媒体数据,则采集用户的选择指令,确定用户所选择的训练计划媒体数据,并在执行步骤206时,播放用户选择的训练计划媒体数据。
步骤206,播放所述训练计划媒体数据,并获取所述手部握持装置以及所述腿部***采集的实时躯***姿数据;
头部显示器播放训练计划媒体数据,用户根据训练计划媒体数据做出训练动作,头部显示器通过手部握持装置以及腿部***采集用户的实时躯***姿数据。其中,实时躯***姿数据的采集方式与步骤202中的采集方式相同,具体可参见步骤202中相关内容,在此不再赘述。
步骤207,根据所述实时躯***姿数据以及标准躯***姿数据,生成校正媒体数据;所述校正媒体数据用于指导所述用户纠正当前的错误动作。
标准躯体姿态数据是预先存储在存储器中的肢***置参数(例如:三维坐标值),用于评估用户的动作误差。标准躯体姿态数据包括但不限于手臂姿态数据与腿部姿态数据等一种数据或多种数据之间的组合。而校正媒体数据是基于用户的动作误差生成的语音数据、文字数据或视频数据。为了更好说明本申请的技术方案,本申请以手臂姿态数据与腿部姿态数据为例进行解释说明:
示例性地,以标准躯体姿态数据为三维坐标值为例,将手部对应的实时躯体姿态数据与标准躯体姿态数据相减,得到手部在X轴、Y轴和Z轴上的坐标差值。将腿部对应的实时躯体姿态数据与标准躯体姿态数据相减,得到腿部在X轴、Y轴和Z轴上的坐标差值。将手部和腿部的坐标差值取反后,得到校正参数。根据校正参数,生成校正媒体数据。例如:手部对应的校正参数为(0厘米,10厘米,10厘米),则生成语音数据:“手部调高10厘米后,再向前平移10厘米”。
作为本申请的一个可选实施例,由于校正媒体数据中的参数为具体数值,然而部分用户对于距离或长度的感知较差,仍然无法正确地纠正错误动作。故在本申请中校正媒体数据中也可以不采用具体的数值,仅需提示用户修正的动作方向即可,在用户近似达到标准动作,则视为纠正成功。例如:手部对应的校正参数为(0厘米,10厘米,10厘米),则生成语音数据:“手部调高一点,再向前平移一点”。在播放该语音数据后,用户根据语音数据进行调整,若还未达到标准,则再播放一遍语音数据,以此循环,直至用户达到动作标准或播放次数达到阈值,则停止播放。
可选的,由于用户在佩戴头部显示器后,无法看到自身肢体动作,故在做训练动作或纠正动作时,无法很好地进行动作调整。故本申请在体能测试阶段或训练阶段检测到用户当前躯体姿态数据后,基于当前躯体姿态数据生成人体姿态图像模型,并在头部显示器中渲染得到人体姿态图像模型对应的动态三维图像,以使得用户可以在头部显示器中观察到自己的肢体动作,以更好地纠正错误动作。进一步地,若根据当前躯体姿态数据确定用户做的动作错误,可以在动态三维图像中将对应的人体部位标红或换成其他醒目的颜色,以更好地提醒用户错误动作。
在本实施例中,通过头部显示器响应于用户触发的启动指令,播放体能测试对应的第一媒体数据;获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据;计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值;根据所述第一误差值,匹配所述用户的体能状况;根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据;所述训练计划媒体数据用于指导所述用户做出训练动作;播放所述训练计划媒体数据,并获取所述手部握持装置以及所述腿部***采集的实时躯***姿数据;根据所述实时躯***姿数据以及标准躯***姿数据,生成校正媒体数据;所述校正媒体数据用于指导所述用户纠正当前的错误动作。上述方案,通过体能测试确定用户体能状况,并根据体能状况为用户匹配适宜的运动强度(即训练计划媒体数据),并基于训练计划媒体数据指导用户进行训练,在训练过程中不断根据实时躯***姿数据校正用户的错误动作,故可适应不同用户的训练需求,实现个性化训练过程,解决了无法适应不同用户的训练需求的技术问题。
可选地,在步骤207之后还包括如下步骤208至步骤211。请参见图5,图5示出了本申请提供的另一种媒体设备的控制方法的示意性流程图。
步骤208,采集所述用户的生命体征信息;
生命体征信息包括但不限于心率数值、出汗等级以及呼吸频率等一种信息或多种信息之间的组合。为了更好地说明本申请的技术方案,本申请以生命体征信息为心率数值以及出汗等级为例,进行解释说明:
具体地,步骤208具体包括步骤2081至步骤2083,请参见图6,图6示出了本申请提供的一种基于虚拟现实设备的训练方法中步骤208的具体示意性流程图。
步骤2081,通过所述心率检测装置采集所述用户的所述心率数值;
步骤2082,通过所述湿度传感器采集所述用户手部的湿度数值;
本申请中的手部握持装置设置有心率检测装置以及湿度传感器,且手部握持装置具有人体工学设计,当用户按照指定握持方式握住手部握持装置时,大拇指指端将与心率检测装置抵接,手掌掌心将与湿度传感器抵接,使得心率检测装置可以检测用户的心率数据,使得湿度传感器可以检测到用户掌心的湿度数值。
步骤2083,根据所述湿度数值,得到所述湿度数值对应的所述出汗等级;其中,每个出汗等级对应不同的湿度数值区间。
通过预设出汗等级与湿度数值区间的映射关系,在执行步骤2083时,可基于湿度数值所处的湿度数值区间,得到出汗等级。例如:三种出汗等级(第一级、第二级和第三级)对应的湿度数值区间分别为0至5、5至10和10至15,若湿度数值为7.5,则出汗等级为第二级。
步骤209,根据所述生命体征信息以及特定参数,得到所述用户当前的疲劳等级;所述特定参数包括运动时长以及环境温度;
所述特定参数包括但不限于运动时长以及环境温度等一种参数或多种参数之前的组合。
其中,计算疲劳等级的方式如下:
将心率数值、出汗等级、运动时长以及环境温度,代入如下公式,得到疲劳等级;
所述公式如下:
其中,D表示所述疲劳等级,S表示所述心率数值,J表示所述出汗等级,H表示所述环境温度,T表示所述运动时长,a表示预设常数。
步骤210,根据所述疲劳等级,调整所述体能状况,得到调整后的体能状况;
可以理解的是,当用户越疲劳时,其体能状况越低。故可根据疲劳等级,调整在步骤204中得到的体能状况,以实时更新用户的体能状况,进而动态调整运动强度。
其中,本申请将疲劳等级作为一个修正系数,每个疲劳等级都对应一个数值(例如:第一级对应数值为1.1,第二级对应数值为1.3,第三级对应数值为1.5)。将疲劳等级对应的数值乘以第一误差值,得到最新误差区间,根据最新误差区间重新匹配体能状况,得到调整后的体能状况。体能状况是预先制定的划分标准,每个体能状况都对应一个误差值区间,例如:体能状况包括极好状况、充沛状况、适中状况、疲软状况以及无体能状况,极好状况对应误差值区间为0至1,充沛状况对应误差值区间为1至3,适中状况对应误差值区间为3至8,疲软状况对应误差值区间为8至12,无体能状况对应误差值区间为12至无穷大。上述区间数值仅仅作为示例,不作为本申请的任何限定。
步骤211,将所述调整后的体能状况作为所述体能状况,返回执行所述根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据的步骤以及后续步骤。
根据调整后的体能状态,为用户重新制定训练计划媒体数据,并进行训练过程,即返回执行步骤205。
在本实施中,根据生命体征信息动态获取用户的疲劳等级,在基于疲劳等级,调整体能状况,并基于调整后的体能状况匹配相应的训练计划媒体数据,进行用户训练,以动态适应用户的体能变化情况,进一步实现个性格训练定制。
如图7本申请提供了一种基于虚拟现实设备的训练装置7,请参见图7,图7示出了本申请提供的一种基于虚拟现实设备的训练装置的示意图,如图7所示一种基于虚拟现实设备的训练装置包括:
播放单元71,用于响应于用户触发的启动指令,播放体能测试对应的第一媒体数据;所述第一媒体数据用于指导用户做出测试动作;
第一获取单元72,用于获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据;
计算单元73,用于计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值;
第一匹配单元74,用于根据所述第一误差值,匹配所述用户的体能状况;
第二匹配单元75,用于根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据;所述训练计划媒体数据用于指导所述用户做出训练动作;
第二获取单元76,用于播放所述训练计划媒体数据,并获取所述手部握持装置以及所述腿部***采集的实时躯***姿数据;
校正单元77,用于根据所述实时躯***姿数据以及标准躯***姿数据,生成校正媒体数据;所述校正媒体数据用于指导所述用户纠正当前的错误动作。
本申请提供的一种基于虚拟现实设备的训练装置,通过头部显示器响应于用户触发的启动指令,播放体能测试对应的第一媒体数据;获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据;计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值;根据所述第一误差值,匹配所述用户的体能状况;根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据;所述训练计划媒体数据用于指导所述用户做出训练动作;播放所述训练计划媒体数据,并获取所述手部握持装置以及所述腿部***采集的实时躯***姿数据;根据所述实时躯***姿数据以及标准躯***姿数据,生成校正媒体数据;所述校正媒体数据用于指导所述用户纠正当前的错误动作。上述方案,通过体能测试确定用户体能状况,并根据体能状况为用户匹配适宜的运动强度(即训练计划媒体数据),并基于训练计划媒体数据指导用户进行训练,在训练过程中不断根据实时躯***姿数据校正用户的错误动作,故可适应不同用户的训练需求,实现个性化训练过程,解决了无法适应不同用户的训练需求的技术问题。
图8是本发明一实施例提供的一种头部显示器的示意图。如图8所示,该实施例的一种头部显示器8包括:双眼显示器80、红外线接收器81、通信模块82、麦克风83、处理器84、存储器85以及存储在所述存储器85中并可在所述处理器84上运行的计算机程序86,例如一种基于虚拟现实设备的训练程序。所述处理器84执行所述计算机程序86时实现上述各个一种基于虚拟现实设备的训练方法实施例中的步骤,例如图2所示的步骤201至步骤207。或者,所述处理器84执行所述计算机程序86时实现上述各装置实施例中各单元的功能,例如图7所示单元71至77的功能。
示例性的,所述计算机程序86可以被分割成一个或多个单元,所述一个或者多个单元被存储在所述存储器85中,并由所述处理器84执行,以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序86在所述一种头部显示器8中的执行过程。例如,所述计算机程序86可以被分割成各单元的具体功能如下:
播放单元,用于响应于用户触发的启动指令,播放体能测试对应的第一媒体数据;所述第一媒体数据用于指导用户做出测试动作;
第一获取单元,用于获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据;
计算单元,用于计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值;
第一匹配单元,用于根据所述第一误差值,匹配所述用户的体能状况;
第二匹配单元,用于根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据;所述训练计划媒体数据用于指导所述用户做出训练动作;
第二获取单元,用于播放所述训练计划媒体数据,并获取所述手部握持装置以及所述腿部***采集的实时躯***姿数据;
校正单元,用于根据所述实时躯***姿数据以及标准躯***姿数据,生成校正媒体数据;所述校正媒体数据用于指导所述用户纠正当前的错误动作。
所述头部显示器中包括但不限于双眼显示器80、红外线接收器81、通信模块82、麦克风83、处理器84和存储器85。本领域技术人员可以理解,图8仅仅是一种头部显示器8的示例,并不构成对一种头部显示器8的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种头部显示器还可以包括输入输出设备、网络接入设备、总线等。
红外线接收器81用于接收手部握持装置和腿部***发送的红外线。
通信模块82用于与手部握持装置与腿部***,或与云端或其他设备进行通信连接,用于同步用户的体能状态或身体恢复情况。
麦克风83用于采集用户的语音信号。
所述处理器84可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器85可以是所述一种头部显示器8的内部存储单元,例如一种头部显示器8的硬盘或内存。所述存储器85也可以是所述一种头部显示器8的外部存储设备,例如所述一种头部显示器8上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器85还可以既包括所述一种头部显示器8的内部存储单元也包括外部存储设备。所述存储器85用于存储所述计算机程序以及所述一种漫游控制设备所需的其他程序和数据。所述存储器85还可以用于暂时地存储已经输出或者将要输出的数据。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,既将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/头部显示器的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于监测到”。类似地,短语“如果确定”或“如果监测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦监测到[所描述条件或事件]”或“响应于监测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于虚拟现实设备的训练方法,其特征在于,所述训练方法应用于所述虚拟现实设备,所述虚拟现实设备包括头部显示器、手部握持装置以及腿部***,所述训练方法,包括:
响应于用户触发的启动指令,播放体能测试对应的第一媒体数据;所述第一媒体数据用于指导用户做出测试动作;
获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据;
计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值;
根据所述第一误差值,匹配所述用户的体能状况;
根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据;所述训练计划媒体数据用于指导所述用户做出训练动作;
播放所述训练计划媒体数据,并获取所述手部握持装置以及所述腿部***采集的实时躯***姿数据;
根据所述实时躯***姿数据以及标准躯***姿数据,生成校正媒体数据;所述校正媒体数据用于指导所述用户纠正当前的错误动作。
2.如权利要求1所述的训练方法,其特征在于,所述训练方法,还包括:
采集所述用户的生命体征信息;
根据所述生命体征信息以及特定参数,得到所述用户当前的疲劳等级;所述特定参数包括运动时长以及环境温度;
根据所述疲劳等级,调整所述体能状况,得到调整后的体能状况;
将所述调整后的体能状况作为所述体能状况,返回执行所述根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据的步骤以及后续步骤。
3.如权利要求2所述的训练方法,其特征在于,所述手部握持装置包括心率检测装置以及湿度传感器;所述生命体征信息包括心率数值以及出汗等级;
所述采集所述用户的生命体征信息,包括:
通过所述心率检测装置采集所述用户的所述心率数值;
通过所述湿度传感器采集所述用户手部的湿度数值;
根据所述湿度数值,得到所述湿度数值对应的所述出汗等级;其中,每个出汗等级对应不同的湿度数值区间。
5.如权利要求1所述的训练方法,其特征在于,所述当前躯体姿态数据包括第一躯体姿态数据和第二躯体姿态数据;
所述获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据,包括:
接收由所述手部握持装置中的第一红外线装置发射多个第一角度的第一红外线;
根据多个所述第一红外线,得到多个第一距离信息;
根据多个所述第一角度和多个所述第一距离信息,得到所述手部握持装置相对于所述头部显示器的所述第一躯体姿态数据;
接收由所述腿部***中的第二红外线装置发射多个第二角度的第二红外线;
根据多个所述第二红外线,得到多个第二距离信息;
根据多个所述第二角度和多个所述第二距离信息,得到所述腿部***相对于所述头部显示器的所述第二躯体姿态数据。
6.如权利要求5所述的训练方法,其特征在于,在所述根据多个所述第二角度和多个所述第二距离信息,得到所述腿部***相对于所述头部显示器的所述第二躯体姿态数据之后,还包括:
根据所述当前躯体姿态数据,生成人体姿态图像模型;
在头部显示器中渲染得到所述人体姿态图像模型对应的动态三维图像;所述动态三维图像用于向用户展示其目前的肢***置。
7.如权利要求1所述的训练方法,其特征在于,所述计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值,包括:
计算手部以及腿部各自对应的当前躯体姿态数据与预设躯体姿态数据之间的差值;
分别将多个所述差值,与手部以及腿部各自对应的比例系数相乘,得到多个乘积;
将多个所述乘积相加,得到所述第一误差值。
8.一种基于虚拟现实设备的训练装置,其特征在于,所述训练装置,包括:
播放单元,用于响应于用户触发的启动指令,播放体能测试对应的第一媒体数据;所述第一媒体数据用于指导用户做出测试动作;
第一获取单元,用于获取所述手部握持装置以及所述腿部***采集的当前躯体姿态数据;
计算单元,用于计算所述当前躯体姿态数据与预设躯体姿态数据之间的第一误差值;
第一匹配单元,用于根据所述第一误差值,匹配所述用户的体能状况;
第二匹配单元,用于根据所述体能状况,匹配所述体能状况对应的训练计划媒体数据;所述训练计划媒体数据用于指导所述用户做出训练动作;
第二获取单元,用于播放所述训练计划媒体数据,并获取所述手部握持装置以及所述腿部***采集的实时躯***姿数据;
校正单元,用于根据所述实时躯***姿数据以及标准躯***姿数据,生成校正媒体数据;所述校正媒体数据用于指导所述用户纠正当前的错误动作。
9.一种头部显示器,包括双眼显示器、红外线接收器、通信模块、麦克风、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210417262.2A CN114822127B (zh) | 2022-04-20 | 2022-04-20 | 一种基于虚拟现实设备的训练方法及训练装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210417262.2A CN114822127B (zh) | 2022-04-20 | 2022-04-20 | 一种基于虚拟现实设备的训练方法及训练装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114822127A true CN114822127A (zh) | 2022-07-29 |
CN114822127B CN114822127B (zh) | 2024-04-02 |
Family
ID=82505355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210417262.2A Active CN114822127B (zh) | 2022-04-20 | 2022-04-20 | 一种基于虚拟现实设备的训练方法及训练装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114822127B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106710351A (zh) * | 2016-12-28 | 2017-05-24 | 新支点数字科技(宜昌)有限公司 | 虚拟实境警务培训装置及方法 |
CN109472217A (zh) * | 2018-10-19 | 2019-03-15 | 广州慧睿思通信息科技有限公司 | 智能化运动训练模型构建方法及装置、训练方法及装置 |
WO2019120032A1 (zh) * | 2017-12-21 | 2019-06-27 | Oppo广东移动通信有限公司 | 模型构建方法、拍照方法、装置、存储介质及终端 |
CN109966726A (zh) * | 2017-12-27 | 2019-07-05 | 晶翔机电股份有限公司 | 规划健身课程参数方法及*** |
CN113558608A (zh) * | 2021-06-30 | 2021-10-29 | 杭州程天科技发展有限公司 | 基于坐卧式下肢康复设备的康复训练数据处理方法和设备 |
CN113593348A (zh) * | 2021-08-11 | 2021-11-02 | 中国人民解放军联勤保障部队大连康复疗养中心 | 虚拟训练控制***、方法、装置、设备及存储介质 |
CN114053679A (zh) * | 2021-11-19 | 2022-02-18 | 上海复动医疗管理有限公司 | 运动训练方法及其*** |
CN114187651A (zh) * | 2021-11-04 | 2022-03-15 | 福建中医药大学附属康复医院 | 基于混合现实的太极拳训练方法及***、设备及存储介质 |
-
2022
- 2022-04-20 CN CN202210417262.2A patent/CN114822127B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106710351A (zh) * | 2016-12-28 | 2017-05-24 | 新支点数字科技(宜昌)有限公司 | 虚拟实境警务培训装置及方法 |
WO2019120032A1 (zh) * | 2017-12-21 | 2019-06-27 | Oppo广东移动通信有限公司 | 模型构建方法、拍照方法、装置、存储介质及终端 |
CN109966726A (zh) * | 2017-12-27 | 2019-07-05 | 晶翔机电股份有限公司 | 规划健身课程参数方法及*** |
CN109472217A (zh) * | 2018-10-19 | 2019-03-15 | 广州慧睿思通信息科技有限公司 | 智能化运动训练模型构建方法及装置、训练方法及装置 |
CN113558608A (zh) * | 2021-06-30 | 2021-10-29 | 杭州程天科技发展有限公司 | 基于坐卧式下肢康复设备的康复训练数据处理方法和设备 |
CN113593348A (zh) * | 2021-08-11 | 2021-11-02 | 中国人民解放军联勤保障部队大连康复疗养中心 | 虚拟训练控制***、方法、装置、设备及存储介质 |
CN114187651A (zh) * | 2021-11-04 | 2022-03-15 | 福建中医药大学附属康复医院 | 基于混合现实的太极拳训练方法及***、设备及存储介质 |
CN114053679A (zh) * | 2021-11-19 | 2022-02-18 | 上海复动医疗管理有限公司 | 运动训练方法及其*** |
Also Published As
Publication number | Publication date |
---|---|
CN114822127B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110890140B (zh) | 基于虚拟现实的自闭症康复训练及能力评估***及方法 | |
US8758020B2 (en) | Periodic evaluation and telerehabilitation systems and methods | |
US5293187A (en) | Method and apparatus for eye tracking for convergence and strabismus measurement | |
KR101911179B1 (ko) | 가상현실과 근전도 피드백 기반 재활훈련시스템 | |
US20090239710A1 (en) | Training and instructing support device | |
US10881290B2 (en) | System and method for ocular function tests | |
KR101584090B1 (ko) | 미러 디바이스, 웨어러블 디바이스 및 이를 이용한 운동 관리 시스템 | |
US10722165B1 (en) | Systems and methods for reaction measurement | |
KR20140015678A (ko) | 생체신호 피드백을 이용한 맞춤 가상현실 운동 시스템 | |
CN110600103B (zh) | 一种提升视力的可穿戴智能服务*** | |
TW201827012A (zh) | 眩暈患者動態評估暨復健系統及其應用方法 | |
WO2017140696A1 (en) | Device, system and method for determining a subject's breathing rate | |
WO2013040642A1 (en) | Activity training apparatus and method | |
US20200367789A1 (en) | Wearable computing apparatus with movement sensors and methods therefor | |
US20220284824A1 (en) | Posture and movement improvement systems and methods | |
CN114822127B (zh) | 一种基于虚拟现实设备的训练方法及训练装置 | |
CN114613486A (zh) | 一种用于心理治疗的装置 | |
WO2020139108A1 (ru) | Способ проведения когнитивных исследований с использованием системы нейровизуализации и механизма обратной связи | |
CN112402767B (zh) | 眼动脱敏再加工干预***及眼动脱敏再加工干预方法 | |
CN213525108U (zh) | 一种可穿戴设备 | |
US12001605B2 (en) | Head mounted display with visual condition compensation | |
US20210295730A1 (en) | System and method for virtual reality mock mri | |
KR20240113364A (ko) | 기울기 센서를 구비한 디지털 헬스케어 헤어밴드 및 그 작동방법 | |
CN117179717A (zh) | 实现血压测量的方法、可穿戴设备、移动终端和存储介质 | |
CN115336970A (zh) | 通过远距传输提供实时生物回馈训练的***与方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |