一種紅外搖臂跟蹤運動數據的濾波方法和終端的制作方法
【專利摘要】本發明提供了一種紅外搖臂跟蹤運動數據的濾波方法和終端，所述方法包括：獲取當前時刻前N個時間數據和前N個紅外搖臂跟蹤的運動數據，其中，N大于預設數值；根據當前時刻前N個時間數據和運動數據擬合出當前時刻的紅外搖臂跟蹤的運動數據。所述方法和終端通過獲取當前時刻前N個時間數據和運動數據，并利用這些數據擬合出當前時刻的紅外搖臂跟蹤的運動數據，擬合出的紅外搖臂跟蹤的運動數據有效消除了噪音，實現了在虛擬演播室系統中攝像機低速運動時虛擬背景運動平滑的跟蹤效果。
【專利說明】
-種紅外搖臂跟蹤運動數據的濾波方法和終端
技術領域
[0001] 本發明設及數據處理領域，尤其設及一種紅外搖臂跟蹤運動數據的濾波方法和終 JLjJU 乂而。
【背景技術】
[0002] 基于藍箱樞像技術的虛擬演播室系統作為實時電視節目制作的一種重要手段，目 前已廣泛應用于各類電視節目制作中，其中，當攝像機進行推拉搖移運動時，前景主持人和 虛擬背景要保證同步運動是虛擬演播室系統的基本指標之一。其中將攝像機放置于搖臂 上，在搖臂上加裝紅外發送裝置并在演播室適當位置加裝紅外接收裝置的紅外搖臂跟蹤是 虛擬演播室系統跟蹤技術方案中非常優秀的一種跟蹤方式，利用該跟蹤方式可W使前景主 持人和虛擬背景同步運動。該跟蹤方式適用于任何搖臂、導軌或帶腳輪的攝像機=腳架，同 時無需對上述設備進行機械加工改造，也對上述設備本身的制造工藝無任何要求，因而深 受用戶歡迎。
[0003] 紅外搖臂跟蹤技術的計算過程為:紅外發射裝置發射特定形狀的紅外光，紅外接 收裝置(一般采用視頻攝像傳感器)采集紅外圖像，識別特定形狀的紅外圖像邊緣，計算攝 像機運動數據，傳遞給擅染引擎進行虛擬背景3D場景圖像的擅染。由于紅外發射裝置在紅 外視頻攝像傳感器的成像面積較小，加上紅外視頻攝像傳感器存在固有的各種噪聲，因此 采集的紅外圖像存在各種噪聲，造成紅外圖像的邊緣不穩定，計算出的運動數據含有不可 忽略的噪聲，導致虛擬背景運動出現抖動。在攝像機搖臂做低速運動時，噪聲往往會達到有 用信號的數量級，而低速運動是演播室拍攝的常見方式，因此有必要對數據進行有效的濾 波才能達到滿意的跟蹤效果。
【發明內容】
[0004] 本發明提供了一種紅外搖臂跟蹤運動數據的濾波方法和終端，該方法和終端通過 對紅外搖臂跟蹤運動數據進行濾波，有效消除了數據的噪音，實現了在虛擬演播室系統中 攝像機低速運動時虛擬背景運動平滑的跟蹤效果。
[0005] -種紅外搖臂跟蹤運動數據的濾波方法，該方法包括：
[0006] 獲取當前時刻前N個時間數據{XI，X2,…，xn}和前N個紅外搖臂跟蹤的運動數據 Iyi,y2,…，yw}，其中，N大于預設數值；
[0007] 根據當前時刻前N個時間數據{Xi，X2，? ? ?，xn}和運動數據{yi，y2，? ? ?，yw}擬合出當前 時刻的紅外搖臂跟蹤的運動數據。
[000引一種終端,該終端包括；
[0009]獲取模塊，用于獲取當前時刻前N個時間數據{xi，X2,…，XN巧日前N個紅外搖臂跟蹤 的運動數據{yi，y2,…，yw}，其中，N大于預設數值；
[0010]擬合模塊，用于根據當前時刻前N個時間數據{xi，X2,…，孫}和運動數據{yi，y2,…， Yn}擬合出當前時刻的紅外搖臂跟蹤的運動數據。
[0011] 上述方法和終端通過獲取當前時刻前N個時間數據和運動數據，并利用運些數據 擬合出當前時刻的紅外搖臂跟蹤的運動數據，擬合出的紅外搖臂跟蹤的運動數據有效消除 了噪音，實現了在虛擬演播室系統中攝像機低速運動時虛擬背景運動平滑的跟蹤效果。
【附圖說明】
[0012] 為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用 的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發明的一些實施例，對于本領域 普通技術人員來講，在不付出創造性勞動的前提下，還可W根據運些附圖獲得其他的附圖。
[0013] 圖1為本發明實施例的一種紅外搖臂跟蹤運動數據的濾波方法的示意流程圖；
[0014] 圖2為圖1中步驟S12的具體方法示意流程圖；
[0015] 圖3為圖2中步驟S21的具體方法示意流程圖；
[0016] 圖4為圖2中步驟S23的具體方法示意流程圖；
[0017]圖5為本發明實施例的一種終端的示意性框圖；
[0018] 圖6為第一計算模塊的示意性框圖；
[0019] 圖7為第二計算模塊的示意性框圖；
[0020] 圖8為本發明另一實施例的一種終端的示意性框圖。
【具體實施方式】
[0021] 下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完 整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基于本發 明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施 例，都屬于本發明保護的范圍。
[0022] 應當理解，當在本說明書和所附權利要求書中使用時，術語"包括"和"包含"指示 所描述特征、整體、步驟、操作、元素和/或組件的存在，但并不排除一個或多個其它特征、整 體、步驟、操作、元素、組件和/或其集合的存在或添加。
[0023] 請參看圖1，為一種紅外搖臂跟蹤運動數據的濾波方法的示意流程圖，該方法包 括：
[0024] 步驟Sll，獲取當前時刻前N個時間數據{xi，X2,…，xn}和前N個紅外搖臂跟蹤的運 動數據{yi，y2,…，yw}，其中，N大于預設數值。N為大于零的整數，優選地，N〉= 10。前N個時間 數據{xi，X2，? ? ?，xn}和前N個紅外搖臂跟蹤的運動數據{yi，y2，? ? ?，yw}是--對應的，一個時 間數據對應該時間數據下的一個紅外搖臂跟蹤的運動數據。
[0025] 步驟Sl2，根據當前時刻前N個時間數據{Xi，X2，? ? ?，XN巧Pl運動數據{yi，y2，? ? ?，yw}擬 合出當前時刻的紅外搖臂跟蹤的運動數據。
[0026] 上述實施例通過當前時刻前N個時間數據和運動數據擬合出當前時刻的紅外搖臂 跟蹤的運動數據，擬合出的紅外搖臂跟蹤的運動數據能有效消除噪音，實現在虛擬演播室 系統中攝像機低速運動時虛擬背景運動平滑的跟蹤效果。
[0027] 請參看圖2,為步驟S12的具體方法流程圖。步驟S12具體包括：
[0028] 步驟S21，根據當前時刻前N個時間數據{xi，X2，...，XN巧日前N個運動數據{yi，y2,…， Yn}的標準偏差Sd計算權重。其中，標準偏差Sd是通過前N個時間數據所對應的前N個運動數 據{yi,y2，，，，,yw}計算得到。
[0029] 步驟S22,根據權重對當前時刻前N個時間數據{xi，X2,…，xn}和運動數據{yi， 72,…，yw}進行修正。
[0030] 步驟S23,根據修正后的前N個時間數據{xi'，x'2,…，x'N巧日運動數據{yi'，y'2,…， y'N}，利用最小二乘法計算當前時刻的紅外搖臂跟蹤的運動數據。
[0031] 上述實施例進一步具體描述了如何利用前N個時間數據和運動數據擬合出當前時 亥Ijx的紅外搖臂跟蹤的運動數據y，即先對前N個時間數據和運動數據進行修正，根據修正后 的時間數據和運動數據，利用最小二乘法計算當前時刻的紅外搖臂跟蹤的運動數據。
[0032] 請參看圖3,為步驟S21的具體方法流程圖。步驟S21具體包括：
[0033] 步驟S211，根據第一公式Value[ i ] =Ki*sd*i計算第一數值Value[ i ]，其中Ki為常 數。
[0034] 步驟S212,根據第二公式
h算第二數值acc，其中K2為常數。
[OO%] 步驟S213,根據第一數值Value[i巧日第二數值acc計算權重Weight[i] =K3*Value [i]/acc，其中K3為常數。
[0036] 其中，Ki、K2、K3為常數值，由經驗值來確定。一般Ki = K2，當Ki = K2時，acc即為權重 均值。取K3 = 1，實現將權重均一化(權重之和為N)。權重均一化后，離當前時刻時間越長的 運動數據，權重越小;離當前時刻時間越近的運動數據，權重越大。可W理解為，當前時刻前 N個運動數據對當前時間的運動數據都有貢獻，離當前時刻越近的運動數據貢獻越大。
[0037] 當K2〉Ki時，當前時刻前N個點的權重之和大于N，即放大當前時刻前N個點的作用， 即使得擬合之后當前時刻X的紅外搖臂跟蹤的運動數據y也做相應的放大。運種情況適用于 搖臂運動為加速度越來越大的加速運動，則當前時刻的運動數據要比前N個運動數據要大 很多，因此將前N個值進行相應的放大，就能獲得合適的當前時刻的運動數據。當K2<Ki時，當 前時刻前N個點的權重之和小于N，即縮小當前時刻前N個點的作用，使得經過擬合之后當前 時刻X的紅外搖臂跟蹤的運動數據y也做相應的縮小。運種情況適用于搖臂運動為加速度越 來越小的運動，對前N個點的運動數據進行縮小，就能得到合適的當前的運動數據。
[0038] 上述實施例使得離當前時刻時間越長的運動數據，權重越小，離當前時刻時間越 近的運動數據，權重越大，通過計算權重可進一步提高擬合后的運動數據的準確性。
[0039] 根據權重對當前時刻前N個時間數據{Xi，X2，? ? ?，xn}和運動數據{yi，y2，…，yw}進行 修正具體使用如下公式，其中，lxi'，x'2,…，x'N}、{yl'，y'2，…，y'N}分別為修正后的時間數 據和運動數據：
[0040] (xi*Wei曲t[l] ,X2*Wei曲t[2],,XN*Weight[N]} = {xi '，x'2,... ,x'n};
[0041 ] (yi*Wei曲t[l] ,y2*Wei曲t[2],,yN*Weight[N]} = {yi'，y'2,...，y'N}。
[0042] 請參看圖4,為步驟S23的具體方法流程圖。該方法包括如下步驟：
[0043] 步驟S231，根據修正后的前N個時間數據{xi'，x'2,…，x'n}和運動數據{yi'，y ' 2，…，y ' N}，利用最小二乘法計算出(a，b)，其中最小二乘法的目標函數為：
[0044]
[0045] 步驟S232,根據計算得到的（a，b)和預設的函數y = ax+b，計算出當前時刻的紅外 搖臂的運動數據，其中，X表示時間數據，y表示紅外搖臂的運動數據。預設的函數即為擬合 函數，（a,b)為擬合函數的系數。將當前時刻的時間數據代入擬合函數中，可計算出當前時 刻的紅外搖臂的運動數據。
[0046] 上述實施例進一步具體描述了如何使用最小二乘法計算出當前時刻的紅外搖臂 的運動數據。
[0047] 請參看圖5,為本發明實施例的一種終端的示意性框圖。該終端50包括獲取模塊 51、擬合模塊52。
[004引獲取模塊51，用于獲取當前時刻前N個時間數據{xi，X2,…，xn}和前N個紅外搖臂跟 蹤的運動數據{yi，y2,…，yw}，其中，N大于預設數值。N為大于零的整數，優選地，N〉= 10。前N 個時間數據{xi，X2，? ? ?，xn}和前N個紅外搖臂跟蹤的運動數據{yi，y2，? ? ?，yw}是--對應的， 一個時間數據對應該時間數據下的一個紅外搖臂跟蹤的運動數據。
[0049] 擬合模塊52,用于根據當前時刻前N個時間數據{xi，X2,…，xn}和運動數據{yi， 72,…，yw}擬合出當前時刻的紅外搖臂跟蹤的運動數據。
[0050] 具體地，擬合模塊52包括第一計算模塊521、修正模塊522、第二計算模塊523。
[0051] 第一計算模塊521，用于根據當前時刻前N個時間數據{xi，X2,…，xn}和前N個運動 數據{yi，y2,…，yN}的標準偏差Sd計算權重。其中，標準偏差Sd是通過前N個時間數據所對應 的前N個運動數據{yi，y2，? ? ?，yw}計算得到。
[0052] 具體地，如圖6所示，第一計算模塊521包括第一計算單元5211、第二計算單元 5212、第S計算單元5213。第一計算單元5211，用于根據第一公式Value[i] =Ki*sd*i計算 第一數值Va lue[i]，其中Ki為常數。第二計算單元5 212,用于根據第二公式
計算第二數值acc，其中K2為常數。第=計算單元5213，用于根據第一 數值化Iue [ i巧日第二數值acc計算權重Weight [ i ] =K3*化Iue [ i Vacc，其中拉為常數。
[(K)對其中，Ki、K2、K3為常數值，由經驗值來確定。一般Ki = K2，當Ki = K2時，acc即為權重 均值。取K3 = 1，實現將權重均一化(權重之和為N)。權重均一化后，離當前時刻時間越長的 運動數據，權重越小;離當前時刻時間越近的運動數據，權重越大。可W理解為，當前時刻前 N個運動數據對當前時間的運動數據都有貢獻，離當前時刻越近的運動數據貢獻越大。
[0054] 當K2〉Ki時，當前時刻前N個點的權重之和大于N，即放大當前時刻前N個點的作用， 即使得擬合之后當前時刻X的紅外搖臂跟蹤的運動數據y也做相應的放大。運種情況適用于 搖臂運動為加速度越來越大的加速運動，則當前時刻的運動數據要比前N個運動數據要大 很多，因此將前N個值進行相應的放大，就能獲得合適的當前時刻的運動數據。當K2<Ki時，當 前時刻前N個點的權重之和小于N，即縮小當前時刻前N個點的作用，使得經過擬合之后當前 時刻X的紅外搖臂跟蹤的運動數據y也做相應的縮小。運種情況適用于搖臂運動為加速度越 來越小的運動，對前N個點的運動數據進行縮小，就能得到合適的當前的運動數據。
[0055] 修正模塊522,用于根據權重對當前時刻前N個時間數據{xi，X2,…，xn}和運動數據 {yi，y2,…，yw}進行修正。根據權重對當前時刻前N個時間數據{xi，X2,…，xn}和運動數據 {yi，y2，''，，yw}進行修正具體使用如下公式，其中，{xi'，x'2,…，x'n}、{yi'，y'2,…，y'N}分別 為修正后的時間數據和運動數據：
[0056] (xi*Wei曲t[l] ,X2*Wei曲t[2],,XN*Weight[N]} = {xi '，x'2,... ,x'n};
[0057] (yi*Wei曲t[l] ,y2*Wei曲t[2],,yN*Weight[N]} = {yi'，y'2,...，y'N}。
[0化引第二計算模塊523,用于根據修正后的前N個時間數據{XI'，x'2,…，x'n}和運動數 據{yi'，y'2,…，y'N}，利用最小二乘法計算當前時刻的紅外搖臂跟蹤的運動數據。
[0059] 具體地，如圖7所示，第二計算模塊523包括第四計算單元5231、第五計算單元 5232。第四計算單元5231，用于根據修正后的前N個時間數據{XI'，x'2,…，x'n}和運動數據 {yi'，y'2,…，y'N}，利用最小二乘法計算出（a，b)，其中最小二乘法的目標函數為：
.第五計算單元5232,用于根據計算得到的（a,b)和預設的函數y = ax+ b，計算出當前時刻的紅外搖臂的運動數據，其中，X表示時間數據，y表示紅外搖臂的運動數 據。預設的函數即為擬合函數，（a,b)為擬合函數的系數。將當前時刻的時間數據代入擬合 函數中，可計算出當前時刻的紅外搖臂的運動數據。
[0060] 上述終端通過當前時刻前N個時間數據和運動數據擬合出當前時刻的紅外搖臂跟 蹤的運動數據，擬合出的紅外搖臂跟蹤的運動數據能有效消除噪音，實現在虛擬演播室系 統中攝像機低速運動時虛擬背景運動平滑的跟蹤效果。
[0061] 請參看圖8,其為本發明另一實施例一種終端的示意性框圖。該終端80包括存儲器 81、處理器82,存儲器81與處理器82通過總線83連接，其中：
[0062] 存儲器81，用于存儲帶有各種功能的程序數據。本發明實施例中存儲器81存儲的 數據包括當前時刻前N個時間數據{Xi，X2，…，XN}和運動數據{yi，y2，…，yN}，Ki、K2、K3，W及 其他可調用并運行的程序數據。具體實現中，本發明實施例的存儲器81可W是系統存儲器， 比如，揮發性的（諸如RAM),非易失性的（諸如ROM,閃存等），或者兩者的結合。具體實現中， 本發明實施例的存儲器81還可W是系統之外的外部存儲器，比如，磁盤、光盤、磁帶等。
[0063] 處理器82,用于調用存儲器81中存儲的程序數據，并執行如下操作：
[0064] 獲取當前時刻前N個時間數據{XI，X2,…，xn}和前N個紅外搖臂跟蹤的運動數據 {yi，y2，'。，yw}，其中，N大于預設數值；
[0065] 根據當前時刻前N個時間數據{Xi, X2，? ? ?，xn}和運動數據{yi，Y2，? ? ?，yn}擬合出當前 時刻的紅外搖臂跟蹤的運動數據。
[0066] 在其他可行的實施例中，處理器82還執行如下操作：
[0067] 獲取當前時刻前N個時間數據{XI，X2,…，xn}和前N個紅外搖臂跟蹤的運動數據 {yi，y2，'。，yw}，其中，N大于預設數值；
[006引根據當前時刻前N個時間數據Ixi，X2，…，抑}和運動數據{yi，y2，…，yw}的標準偏差 sd計算權重；
[0069] 根據權重對當前時刻前N個時間數據{Xi, X2，? ? ?，xn}和運動數據{yi，Y2，…，yw}進行 修正；
[0070] 根據修正后的前N個時間數據{xi'，x'2,…，x'n}和運動數據{yi'，y'2,…，y'N}，利 用最小二乘法計算當前時刻的紅外搖臂跟蹤的運動數據。
[0071] 在其他可行的實施例中，處理器82還執行如下操作：
[0072] 根據第一公式化Iue[ i ] =Ki*sd*i計算第一數值化Iue[ i ]，其中Ki為常數；
[0073] 根據第二公式，
十算第二數值acc，其中K2為常數；
[0074] 根據第一數值 Value [ i ]和第二數值 acc 計算權重 Weight [ i ] =K3*Value [ i ] /acc， 其中K3為常數。
[0075] 在其他可行的實施例中，處理器82還執行如下操作：
[0076] 根據權重對當前時刻前N個時間數據{Xi，X2，? ? ?，xn}和運動數據{yi，y2，…，yw}按照 如下公式進行修正。其中，Ixi'，x'2,…，x'N}、{yl'，y'2，…，y'N}分別為修正后的時間數據和 運動數據：
[0077] (xi*Wei曲t[l] ,X2*Wei曲t[2],,XN*Weight[N]} = {xi '，x'2,... ,x'n};
[007引（yi*Wei曲t[l] ,y2*Wei曲t[2],,yN*Weight[N]} = {yi'，y'2,...，y'N}。
[0079] 在其他可行的實施例中，處理器82還執行如下操作：
[0080] 根據修正后的前N個時間數據{xi'，x'2,…，x'n}和運動數據{yi'，y'2,…，y'N}，利 用最小二乘法計算出(a, b)，其中最小二乘法的目標函數為
[0081] 根據計算得到的(a, b)和預設的函數y = ax+b，計算出當前時刻的運動數據，其中， X表示時間數據，y表示紅外搖臂的運動數據。
[0082] 本發明實施例的模塊和/或單元，可W W通用集成電路(如中央處理器CPU),或W 專用集成電路(ASIC)來實現。
[0083] 在本申請所提供的幾個實施例中，應該理解到，所掲露的終端和方法，可W通過其 它的方式實現。例如，W上所描述的終端實施例僅僅是示意性的，例如，所述模塊和/或單元 的劃分，僅僅為一種邏輯功能劃分，實際實現時可W有另外的劃分方式，例如多個單元或組 件可W結合或者可W集成到另一個系統，或一些特征可W忽略，或不執行。本發明實施例的 方法的步驟順序可W根據實際需要進行調整、合并或刪減。
[0084] 所述作為分離部件說明的模塊和/或單元可W是或者也可W不是物理上分開的， 作為模塊和/或單元顯示的部件可W是或者也可W不是物理單元。可W根據實際的需要選 擇其中的部分或者全部單元來實現本發明實施例方案的目的。
[0085] 另外，在本發明各個實施例中的各功能模塊和/或單元可W集成在一個處理模塊 和/或單元中，也可W是各個模塊和/或單元單獨物理存在，也可W是兩個或兩個W上模塊 和/或單元集成在一個單元中。上述集成的模塊和/或單元既可W采用硬件的形式實現，也 可W采用軟件功能單元的形式實現。
[0086] W上所述，僅為本發明的【具體實施方式】，但本發明的保護范圍并不局限于此，任何 熟悉本技術領域的技術人員在本發明掲露的技術范圍內，可輕易想到各種等效的修改或替 換，運些修改或替換都應涵蓋在本發明的保護范圍之內。因此，本發明的保護范圍應W權利 要求的保護范圍為準。
【主權項】
1. 一種紅外搖臂跟蹤運動數據的濾波方法，其特征在于： 獲取當前時刻前N個時間數據{χι，Χ2，···，χν}和前N個紅外搖臂跟蹤的運動數據{yi， y2，…，yN}，其中，N大于預設數值； 根據當前時刻前N個時間數據{χι，χ2，···，ΧΝ巧日運動數據{yi，y2,…，yN}擬合出當前時刻 的紅外搖臂跟蹤的運動數據。2. 如權利要求1所述的方法，其特征在于，根據當前時刻前N個時間數據{χι，Χ2，···，χν} 和運動數據{yl，y2，…，yN}擬合出當前時刻的紅外搖臂跟蹤的運動數據包括： 根據當前時刻前Ν個時間數據{XI，Χ2，…，ΧΝ}和前Ν個運動數據{y 1，y2，…，yN}的標準偏 差sd計算權重； 根據權重對當前時刻前N個時間數據{XI, X2，· · ·，XN}和運動數據{y 1，Y2，· · ·，yN}進行修 正； 根據修正后的前N個時間數據{Vl，x'2，…，x'N}和運動數據{/l，y'2，…，y'N}，利用最 小二乘法計算當前時刻的紅外搖臂跟蹤的運動數據。3. 如權利要求2所述的方法，其特征在于，根據當前時刻前N個時間數據{χι，Χ2，···，χν} 和前Ν個運動數據{yi，y2，···，yw}的標準偏差sd計算權重包括： 根據第一公式Value[i ] =Ki*sd*i計算第一數值化lue[i]，其中Κι為常數； 根據第二公'iV計算第二數值acc，其中拉為常數； 根據第一數值Value [ i巧日第二數值acc計算權重Weight [ i ]=拉*化lue [ i ]/acc，其中拉 為常數。4. 如權利要求2所述的方法，其特征在于，根據權重對當前時刻前N個時間數據{XI， x2，···，XN巧日運動數據{yl，y2，···，yN}進行修正包括： (xi*Wei曲t[l] ,X2*Weight[2],,XN*Wei曲t[N]} = {V i,x'2,... ,χ'ν}; (71*胖6；[曲1:[1],72*胖61邑111:[2],...,7腫胖61邑111:^]} = {7'1,7'2，...，7^，其中{義'1，又 '2,…，義^、{/1，7'2^-，7^分別為修正后的前師寸間數據和運動數據。5. 如權利要求2所述的方法，其特征在于，根據修正后的前Ν個時間數據{χ/ι，χ'2，···， χ'ν}和運動數據{/l，y'2，…，y'N}，利用最小二乘法計算當前時刻的紅外搖臂跟蹤的運動 數據包括： 根據修正后的前Ν個時間數據{Vl，x'2，…，x'N}和運動數據{/l，y'2，…，y'N}，利用最 小二乘法計算出(a, b)，其中最小二乘法的目標函數為根據計算得到的（a, b)和預設的函數y = ax+b，計算出當前時刻的運動數據，其中，X表 示時間數據，y表示紅外搖臂的運動數據。6. -種終端，其特征在于，所述終端包括： 獲取模塊，用于獲取當前時刻前N個時間數據{xi，X2，···，xn}和前N個紅外搖臂跟蹤的運 動數據{y 1，y2，…，yN}，其中，N大于預設數值； 擬合模塊，用于根據當前時刻前N個時間數據{χι，χ2，···，ΧΝ巧日運動數據{yi，y2，一，yN} 擬合出當前時刻的紅外搖臂跟蹤的運動數據。7. 如權利要求6所述的終端，其特征在于，擬合模塊具體包括： 第一計算模塊，用于根據當前時刻前N個時間數據{χι，Χ2，···，χν}和前N個運動數據{yi， 72,…，yw}的標準偏差sd計算權重； 修正模塊，用于根據權重對當前時刻前N個時間數據{χι，Χ2，···，χν}和運動數據{yi， 72,…，yw}進行修正； 第二計算模塊，用于根據修正后的前N個時間數據{χ/l，X'2，…，X'N}和運動數據{/l， y'2,…，y'N}，利用最小二乘法計算當前時刻的紅外搖臂跟蹤的運動數據。8. 如權利要求7所述的終端，其特征在于，第一計算模塊包括： 第一計算單元，用于根據第一公式Value [ i ] =Ki*sd*i計算第一數值Value [ i ]，其中Κι 為常數； 第二計算單元，還用于根據第二公?!f算第二數值acc，其中Κ2 為常數； 第Ξ計算單元，還用于根據第一數值化lue [ i巧日第二數值acc計算權重Weight [ i ] =Κ3* 化lue[i]/acc，其中Κ3為常數。9. 如權利要求7所述的終端，其特征在于，修正模塊包括： (xi*Wei曲t[l] ,X2*Weight[2],,XN*Wei曲t[N]} = {V ι,χ'2,... ,χ'ν}; (71*胖6；[曲1:[1],72*胖61邑111:[2],...,7腫胖61邑111:^]} = {7'1,7'2，...，7^，其中{義'1，又 '2,…，義^、{/1，7'2^-，7^分別為修正后的前師寸間數據和運動數據。 10 .如權利要求7所述的終端，其特征在于，第二計算模塊包括： 第四計算單元，用于根據修正后的前N個時間數據{χ/l，x'2，…，x'N}和運動數據{/l， y ' 2，…，y ' n}，利用最小二乘法計算出（a，b)，其中最小二乘法的目標函數為：第五計算單元，還用于根據計算得到的（a, b)和預設的函數y = ax+b，計算出當前時刻 的紅外搖臂的運動數據，其中，X表示時間數據，y表示紅外搖臂的運動數據。
【文檔編號】H04N5/21GK105979119SQ201610387714
【公開日】2016年9月28日
【申請日】2016年6月2日
【發明人】錢東東, 李二超, 張黎陽, 溫曉晴, 劉林運
【申請人】深圳迪樂普數碼科技有限公司