对象跟踪方法、装置、后端及介质

1.本发明涉及一种跟踪方法，特别是涉及一种对象跟踪方法、装置、后端及介质。


背景技术：

2.作为身体最灵活自由的部位之一，手能够以一种自然的方式与机器以及周围的环境进行交互。精确的手部追踪技术能够通过改善交互的沉浸感来帮助提升用户体验，这在vr/ar环境中是至关重要的。此外，手部动作通常与精神压力(如无意识地抓头发、摸嘴唇、咬指甲)和身体健康(洗手和摸脸)有关。
3.许多先前的研究倾向于使用相机和/或imu(inertial measurement unit，惯性测量单元)传感器来追踪用户的手部运动。目前，基于相机的方法已经实现了高精度的手部分割和跟踪。然而，视线遮挡、耗能高、计算复杂度大以及隐私泄露等问题限制了这些方法在移动应用程序中的使用。imu则为上述问题提供了解决方案。具体来说，它们可以放置在人体的任何关键部位，使其能够直接获得部署部位的状态信息。imu不依赖于视线范围，也不会产生类似于相机那样的隐私问题。然而，imu也存在漂移问题的限制，随着使用时间的增长其误差也会越来越大。


技术实现要素：

4.鉴于以上所述现有技术的缺点，本发明的目的在于提供一种对象跟踪方法、装置、后端及介质，用于解决现有技术中存在的上述问题。
5.为实现上述目的及其他相关目的，本发明的第一方面提供一种基于永磁铁的对象跟踪方法，应用于跟踪装置的后端，所述方法包括：获取传感器阵列发送的原始传感器数据，所述传感器阵列包括多个磁场传感器，所述原始传感器数据包括所述传感器阵列所在位置的磁场强度；根据所述原始传感器数据判断目标磁铁是否存在，其中，所述目标磁铁为设置于目标对象的永磁铁；当所述目标磁铁存在时，根据所述原始传感器数据对所述目标磁铁进行跟踪。
6.于所述第一方面的一实施例中，根据所述原始传感器数据判断目标磁铁是否存在的实现方法包括：利用训练好的分类器模型对所述原始传感器数据进行分类，以判断所述目标磁铁是否存在。
7.于所述第一方面的一实施例中，对所述目标磁铁进行跟踪的实现方法包括：对所述传感器阵列中的各磁场传感器，分别建立其采集到的磁场强度与所述目标磁铁的位姿参数之间的方程；根据所述方程获取所述目标磁铁的位姿参数，从而实现对所述目标磁铁的跟踪。
8.于所述第一方面的一实施例中，所述位姿参数包括所述目标磁铁的磁矩矢量及其相对于所述传感器阵列的位置矢量，所述方程为其中，为所述传感器阵列中第i个磁场传感器采集到的磁场强度，n为所述目标磁铁的数量，
为环境磁场强度，μ0为真空磁导率，为第j个目标磁铁的磁矩矢量，为第j个目标磁铁相对于该第i个磁场传感器的位置矢量。
9.于所述第一方面的一实施例中，所述传感器阵列的设计方法包括：确定所述传感器阵列的布局层数；确定所述传感器阵列的层间距离；确定所述传感器阵列中各所述磁场传感器的位置。
10.于所述第一方面的一实施例中，对所述传感器阵列进行校准，以使所述传感器阵列中的各所述磁场传感器在旋转至不同方向时采集到的磁场强度一致。
11.于所述第一方面的一实施例中，所述方法还包括：利用跟踪工具获取所述目标磁铁在跟踪工具坐标系中的位置和方向；将所述目标磁铁在所述跟踪工具坐标系中的位置和方向转换为后端坐标系中的位置和方向；根据所述目标磁铁在所述后端坐标系中的位置和方向，对所述后端的跟踪性能进行评估。
12.本发明的第二方面提供一种对象跟踪装置的后端，所述后端包括：传感器阵列，用于获取所在位置的磁场数据作为原始传感器数据，所述传感器阵列包括多个磁场传感器；处理器，与所述传感器阵列通信相连，用于根据所述原始传感器数据判断目标磁铁是否存在，当所述目标磁铁存在时，根据所述原始传感器数据对所述目标磁铁进行跟踪，其中，所述目标磁铁为设置于目标对象的永磁铁。
13.本发明的第三方面提供一种基于永磁铁的对象跟踪装置，所述装置包括：至少一目标磁铁，用于设置于目标对象，且所述目标磁铁为永磁铁；后端，包括传感器阵列和处理器，其中：所述传感器阵列用于获取所在位置的磁场数据作为原始传感器数据；所述处理器与所述传感器阵列通信相连，用于根据所述原始传感器数据判断目标磁铁是否存在，当所述目标磁铁存在时，根据所述原始传感器数据对所述目标磁铁进行跟踪。
14.本发明的第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本发明第一方面任一项所述基于永磁铁的对象跟踪方法。
15.如上所述，本发明一个或多个实施例中所述基于永磁铁的对象跟踪方法具有以下有益效果：
16.当所述目标对象为用户的手部时，所述对象跟踪方法能够基于磁场实现手部跟踪，磁场的特性使其能不受视线的限制并且能够很好地保护隐私。由于永磁铁不需要维护，所以它们可以一直戴在手上，仅仅只有传感器板需要充电，就像智能手表一样。此外，所述基于永磁铁的对象跟踪方法不依赖于imu单元实现，其不存在漂移问题。
附图说明
17.图1显示为本发明所述基于永磁铁的对象跟踪方法于一具体实施例中的流程图。
18.图2显示为本发明所述基于永磁铁的对象跟踪方法于一具体实施例中对分类器模型进行训练的流程图。
19.图3显示为本发明所述基于永磁铁的对象跟踪方法于一具体实施例中步骤s13的流程图。
20.图4显示为本发明所述基于永磁铁的对象跟踪方法于一具体实施例中的关键步骤流程图。
21.图5显示为本发明所述基于永磁铁的对象跟踪方法于一具体实施例中的关键步骤
流程图。
22.元件标号说明
23.s11～s13步骤
24.s21～s22步骤
25.s131～s132步骤
26.s41～s43步骤
27.s51～s53步骤
具体实施方式
28.以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
29.需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。此外，在本文中，诸如“第一”、“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
30.于本发明的一实施例中提供一种基于永磁铁的对象跟踪方法，应用于对象跟踪装置的后端。具体地，请参阅图1，所述方法包括：
31.s11，获取传感器阵列发送的原始传感器数据，所述传感器阵列包括多个磁场传感器，所述原始传感器数据包括所述传感器阵列所在位置的磁场强度。
32.s12，根据所述原始传感器数据判断目标磁铁是否存在，其中，所述目标磁铁为设置于目标对象上的永磁铁，其中，所述目标对象包括但不限于用户的手部。特别地，当所述目标对象为用户的手部时，所述目标磁铁可以佩戴于用户的手指。
33.s13，当所述目标磁铁存在时，根据所述原始传感器数据对所述目标磁铁进行跟踪。
34.根据以上描述可知，本实施例提供了一种基于永磁铁的对象跟踪方法。当所述目标对象为用户的手部时，所述对象跟踪方法能够基于磁场实现精确地手部跟踪，磁场的特性使其能不受视线的限制并且能够很好地保护隐私。并且，由于永磁铁不需要维护，所以它们可以一直戴在手上，仅仅只有传感器板需要充电，就像智能手表一样。此外，所述基于永磁铁的对象跟踪方法不依赖于imu单元实现，其不存在漂移问题。
35.此外，由于磁场强度关于距离而呈现有规律的衰减，这就导致放置在远场的磁铁产生的磁场强度太弱以至于无法被磁场传感器所感知，因此，对远场磁铁的跟踪既耗电、准确率又低。针对这一问题，本实施例通过步骤s12对目标磁铁是否存在进行检测，并且步骤s13中只有在检测到目标磁铁存在时才会对其进行跟踪，此种方式有利于减少耗电，且有利于提升跟踪的准确率。
36.可选地，本实施例中，所述对象跟踪方法还包括：当所述目标磁铁不存在时，控制所述后端进入休眠模式，以此来提供更加平稳高效的跟踪性能，同时进一步节省电量。
37.于本发明的一实施例中，根据所述原始传感器数据判断目标磁铁是否存在的实现方法包括：利用训练好的分类器模型对所述原始传感器数据进行分类，以判断所述目标磁铁是否存在，其中，所述分类器模型例如为svm分类器，其核函数可以采用径向基函数(rbf)等。
38.可选地，请参阅图2，本实施例中对所述分类器模型的训练方法包括：
39.s21，获取训练数据，其中，所述训练数据包含传感器数据及其对应的标签，所述标签例如为：在感知范围内不存在磁铁、存在1个或多个磁铁。
40.可选地，本实施例可以采用仿真驱动的方法来获取所述训练数据。具体地，在两个磁铁以随机的朝向被随机放置的条件下通过仿真生成相应的传感器数据，在仿真过程中，磁铁的磁矩和地磁场强度始终保持恒定。基于此，通过对仿真生成的传感器数据进行标记即可得到所述训练数据，例如，可以将所述传感器数据标记为以下两种类别：在感知范围内不存在磁铁、存在1个或两个磁铁。
41.此外，在仿真过程中，可以通过跟踪性能来选择感知范围，例如，可以将所述感知范围确定为跟踪误差在2cm以内的最大距离。
42.s22，利用所述训练数据对所述分类器模型进行训练，其中，对所述分类器模型进行训练的方法可以采用现有算法实现，此处不做过多赘述。
43.根据以上描述可知，本实施例提供了一种判断目标磁铁是否存在的方法，该方法通过数据仿真的方式生成训练数据，以实现对所述分类器模型的训练，基于训练好的分类器模型对所述原始传感器数据进行分类即可得到判断结果。然而，本发明并不以此为限，实际应用中也可以采用其他方法来判断目标磁铁是否存在。
44.请参阅图3，于本发明的一实施例中，对所述目标磁铁进行跟踪的实现方法包括：
45.s131，对所述传感器阵列中的各磁场传感器，分别建立其采集到的磁场强度与所述目标磁铁的位姿参数之间的方程，其中，所述位姿参数是指反映所述目标磁铁位置以及运动姿态的参数。由于所述目标磁铁的位置以及运动姿态会影响其磁场分布，因此，步骤s131可以建立各所述磁场传感器采集到的磁场强度与所述目标磁铁的位姿关系之间的方程。
46.s132，根据所述方程获取所述目标磁铁的位姿参数，从而实现对所述目标磁铁的跟踪。具体地，每一所述磁场传感器均对应一方程，根据多个磁场传感器对应的方程进行联立可以得到一方程组，对该方程组进行求解即可得到所述目标磁铁的位姿参数。
47.可选地，所述位姿参数包括所述目标磁铁的磁矩矢量及其相对于所述传感器阵列的位置矢量。所述方程为其中，为所述传感器阵列中第i个磁场传感器采集到的磁场强度，n为所述目标磁铁的数量，为环境磁场强度，μ0为真空磁导率，为第j个目标磁铁的磁矩矢量，为第j个目标磁铁相对于该第i个磁场传感器的位置矢量。
48.可选地，由于磁矩的大小为一常数，因此，对于第j个目标磁铁，其磁矩矢量可以在
球坐标系中表示为其中，mj为该第j个目标磁铁的磁矩大小，θ和φ分别为球坐标中的两个参数。
49.基于上述方程可知，对于n个所述目标磁铁，需要3+6
×
n个参数实现其跟踪，也即，需要3+6
×
n个自由度的信息。同时，由于每个磁场传感器均能够在三个不同的轴上建立方程，也即，每个磁场传感器可以提供3个自由度的信息，因此，所述磁场传感器的数量应当大于或等于(3+6
×
n)/3。例如，对于两个目标磁铁的跟踪需要识别15个自由度的信息，而每个磁场传感器能够提供3个自由度的信息，因此，理论上需要5个磁场传感器实现对两个目标磁铁的跟踪。优选地，为了在限制功耗的同时使得系统更加稳健和准确，可以选取8个磁场传感器来实现对两个目标磁铁的跟踪。
50.可选地，本实施例中步骤s132可以将多个磁场传感器对应的方程联立成一方程组，通过求解所述方程组来获取所述目标磁铁的位姿参数。由于所述方程组为多个非线性方程的组合，因此，实际应用中很难得出其解析解。针对这一问题，本实施例中优选采用levenberg-marquardt(lm)算法来获取该方程组的解，从而得到所述目标磁铁的位姿参数。
51.可选地，为了减少环境噪声对于跟踪性能的影响，本实施例中所述对象跟踪方法还包括：对所述原始传感器数据进行滑动窗口滤波，以抑制其中的异常高频噪声；在lm算法的输出结果后添加卡尔曼滤波器，以对lm算法的输出结果进行滤波，从而使得跟踪路径更加平滑，同时为下一个数据点的初始化提供可行的猜测。
52.根据以上描述可知，本实施例提供了一种对目标磁铁进行跟踪的方法，在该方法中，所述磁场传感器采集到的磁场强度可以表示为各个目标磁铁所产生的磁场强度与环境磁场磁场强度的线性组合，此时，该方法能够充分考虑环境磁场对磁场强度的影响，由此得到的位姿参数具有更高的准确性，因而能够实现准确的磁铁跟踪。
53.请参阅图4，于本发明的一实施例中，所述传感器阵列的设计方法包括：
54.s41，确定所述传感器阵列的布局层数。优选地，所述传感器阵列的布局层数为两层，此时，各所述磁场传感器分散到不同层上，以最大化各个磁场传感器之间距离的同时最小化传感器阵列在任何平面上的影响，也即，在不减少传感器之间距离的情况下使得传感器阵列的整体布局更小。一方面，与三层板或更多层板相比，两层pcb板的生产在技术上更容易且成本更低。另一方面，多层pcb板通常使用排针在层与层之间进行通信，而排针的数量会随着层数的增加而增加，使用过多的排针会导致在数据传输时引入额外的噪声，两层布局有利于减少排针的数量，进而减少数据传输时的噪声。
55.s42，确定所述传感器阵列的层间距离。具体地，步骤s42可以从所述传感器阵列收集到的数据的多样性以及设备体积这两个角度出发来确定所述传感器阵列的层间距离，一方面，层间距离越大则所述磁场传感器阵列采集到的空间信息越多样化，而另一方面，层间距离越大则设备体积会越大，不利于用户佩戴，此外，连接相邻层的排针的尺寸也应当满足规格。
56.s43，确定所述传感器阵列中各所述磁场传感器的位置。
57.优选地，当所述磁场传感器的数量为8、且所述传感器阵列采用两层布局时，可以将4个传感器放置在上层正方形的顶点上，将另外4个传感器放置在下层正方形的顶点上，
且上层正方形与下层正方形之间交错排列，并使得上层正方形的对角线与下层正方形的中轴线相互平行，此种方式不仅最大限度地增加了不同传感器之间的距离，还可以通过挖空pcb板上未被使用的部分来最大限度地减少pcb板上大面积的铜皮所引起的潜在电磁屏蔽问题。
58.可选地，所述对象跟踪方法还包括：在基于相同约束设计的所有传感器布局中获取最优布局，并基于所述最优布局对s41～s43所述的布局方式进行比较。其中，获取所述最优布局的方式包括仿真设计、采用粒子群(pso)算法进行优化以及确定目标函数等步骤，接下来将对上述步骤进行详细介绍。
59.在仿真设计步骤中，可以借助计算机找到最优布局的前提是模拟磁铁的磁场并进行相关的测量。在仿真过程中，本实施例采用磁偶极子模型，并假定两块磁铁之间没有干扰。因此，在各所述磁场传感器处测得的磁场强度能够被表示为磁铁场强的线性组合。
60.本实施例提出了一种三步仿真过程：模拟理想的传感器读数、添加传感器噪声和量化传感器读数。首先，在给定磁铁参数(磁铁位置、磁矩方向、磁矩大小和传感器的布局)的情况下计算理论上的磁场传感器读数(即不存在噪声)，其中，理论上的磁场传感器读数可以通过对相应的方程计算得到，所述相应的方程例如为：以及其中，为磁场强度，为磁矩矢量，为目标磁铁指向被观测点的向量，m为磁矩矢量的大小；获取当地的地磁场强度并设置环境磁场强度。然后，根据磁场传感器的数据文档向方程计算结果中添加高斯噪声。最终，根据传感器分辨率对传感器读数进行量化。仿真结果是与磁铁运动轨迹相对应的时序化的磁场传感器读数，实际应用中，例如可以采用numpy实现上述仿真过程。
61.在采用粒子群算法进行优化这一步骤中，本实施例利用仿真数据来评估传感器阵列的性能。本实施例的目标是找到具有最佳跟踪性能的硬件布局。然而，找到最佳硬件布局是一个np-hard问题，因为磁场传感器不同放置位置的组合是不可数的。由于lm算法是不可微的，因此基于梯度的优化也是不可行的。因此，本实施例采用粒子群优化算法来解决这一问题。具体地，首先，本实施例中随机初始化了多种(例如，500种)可能的布局(均将给定的8个传感器放置在两个相互平行的平面上)，其中每种布局在粒子群优化算法中均表示为一个粒子。每个粒子均是一个24维数组，用于表示8个磁场传感器在3维空间中的位置。本实施例的目标是从上述多种布局中找到整体最优的布局。
62.在每次迭代中，每一个粒子都使用pso更新规则来更新其位置和速度，更新规则例如为：其中，分别表示t时刻和t-1时刻粒子i的运动速度；表示粒子i在t-1时刻的位置；表示粒子i截止到t-1时刻的最优位置；表示截止t-1时刻所有粒子中找到的最优位置；表示粒子i在t时刻的位置；ω、c1和c2是超参数；r1和r2是从位于0和1之间的均匀分布中抽取的随机数。目标函
数是一个可移动磁铁在其使用范围内的跟踪性能函数。例如，在检测脸部触摸事件的应用中，传感器阵列与用户面部边界的距离在30cm以内。然后，在感知范围内，本实施例对数据点进行均匀采样以评估布局的跟踪性能。在每次迭代后，每个粒子都会更新其最佳布局和相应的目标函数值。同时全局优化结果也被更新。最后，该算法在进行预设次(例如，1000次)的迭代后停止，并将此时得到的全局最优布局作为最终的最佳布局。
63.此外，由于n个传感器之间是可互相交换的，因此最优解可能会有不同的表达形式，并可能因此对结果产生误导。所以，在每次迭代中，本实施例都基于传感器的坐标对它们进行排序来避免最优解产生二元性。
64.在确定目标函数的步骤中，评估传感器阵列性能最直观的想法是去比较不同传感器阵列采用lm算法在同一预先设定的轨迹上的平均跟踪性能。但是这种方法有两个缺点：(1)跟踪误差会受到随机噪声的影响；(2)移动路径可能并没有揭示传感器阵列的整体跟踪性能。为了克服这些缺点，本实施例采用了基于无迹变换的目标函数。无迹变换被用于评估将非线性变换应用于概率分布的效果。其关键思想是在原始分布中选择一些点，表示为∑点，然后将它们传递给非线性函数并评估最终结果分布的均值和方差。选择∑点的约束条件列在如下所示的方程中：
[0065][0066][0067]
其中，对第i个粒子，和分别为均值以及方差的超参数；f(xi)则是对应的概率密度函数。每个∑点通过非线性变换转换为值γ，最终结果分布的均值μ和方差能够利用下列方程来计算：下列方程来计算：
[0068]
由于lm算法是一个将传感器读数映射到磁铁位置的非线性函数，所以本实施例使用无迹变换来计算跟踪结果的不确定性。传感器读数被建模为正态分布，其中理想的传感器读数被设定为均值，测量噪声被设定为方差。通过对传感器读数分布应用无迹变换，本实施例能够计算出磁铁位置的均值与方差。此外，利用磁铁位置协方差矩阵的特征值范数，本实施例可以以一种确定性的方式测量跟踪结果的不确定性。
[0069]
基于上述步骤可以得到所述传感器阵列的最优布局方案，根据该最优布局方案在不同距离下的跟踪性能即可对上述步骤s41～s43所述布局方法的性能进行评估。通过实际测试可知，上述步骤s41～s43所确定的布局方案与最优布局方案在不同距离下的跟踪性能相当，且其成本更低。
[0070]
在实际应用中，磁场传感器的读数很容易受到硬/软铁效应的影响而出现偏差，针对这一问题，于本发明的一实施例中，所述对象跟踪方法还包括：在远离磁性物质的环境中，对所述传感器阵列进行校准，以使所述传感器阵列中的各所述磁场传感器在旋转至不同方向时采集到的磁场强度一致。
[0071]
具体地，在远离磁性物质的环境中，随机旋转所述传感器阵列的同时收集磁场传感器的读数，此时获取的磁场传感器的读数存在不同的偏差与缩放，对此，可使用标准校准算法来去除这些误差。当所述传感器阵列中所有磁场传感器的测量读数在所有方向均保持一致时，所述磁场传感器校准完毕，可以进行目标磁铁跟踪。此外，由于所述传感器阵列所
固有的硬铁效应和软铁效应运行过程中是稳定的，所以本实施例只需要在进行一系列的实验或使用之前校准一次即可。
[0072]
请参阅图5，于本发明的一实施例中，所述对象跟踪方法还包括：
[0073]
s51，利用跟踪工具获取所述目标磁铁在跟踪工具坐标系中的位置和方向。
[0074]
优选地，所述跟踪工具为一笔形工具，所述笔形工具包括：一根顶端带有半球形凹槽的圆柱形小棒、一根钕制球形磁体以及一根尖顶盖子，其中，磁铁被固定在小棒的顶部并被盖子封装，且它们的北极指向盖子尖端，并且，所述钕制球形磁体的磁感应强度分布接近于磁偶极子模型。
[0075]
s52，将所述目标磁铁在所述跟踪工具坐标系中的位置和方向转换为后端坐标系中的位置和方向。其中，所述跟踪工具坐标系是指以所述跟踪工具上的点作为原点所建立的坐标系，所述后端坐标系是指以所述后端上的点作为原点所建立的坐标系。
[0076]
s53，根据所述目标磁铁在所述后端坐标系中的位置和方向，对所述后端的跟踪性能进行评估。
[0077]
需要说明的是，本发明所述对象跟踪方法的应用场景并不限于手部识别。例如，所述对象跟踪方法可以应用于摸脸检测、无控制器的ar交互以及内囊检测等场景，本发明对所述目标对象的类别以及所述跟踪方法的应用场景不做限制。
[0078]
基于以上对所述对象跟踪方法的描述，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现图1所示的对象跟踪方法。
[0079]
基于以上对所述对象跟踪方法的描述，本发明还提供一种对象跟踪装置的后端，所述后端包括：传感器阵列，用于获取所在位置的磁场数据作为原始传感器数据，所述传感器阵列包括多个磁场传感器；处理器，与所述传感器阵列通信相连，用于根据所述原始传感器数据判断目标磁铁是否存在，当所述目标磁铁存在时，根据所述原始传感器数据对所述目标磁铁进行跟踪，其中，所述目标磁铁为设置于目标对象的永磁铁。具体地，所述处理器可以采用图1所示的对象跟踪方法实现对所述目标磁铁的跟踪，为节省说明书篇幅，此处不做过多赘述。
[0080]
基于以上对所述对象跟踪方法的描述，本发明还提供一种基于永磁铁的对象跟踪装置。所述手对象跟踪装置包括：至少一目标磁铁，用于设置于目标对象上，且所述目标磁铁为永磁铁；后端，包括传感器阵列和处理器，其中：所述传感器阵列用于获取所在位置的磁场数据作为原始传感器数据；所述处理器与所述传感器阵列通信相连，用于根据所述原始传感器数据判断目标磁铁是否存在，当所述目标磁铁存在时，根据所述原始传感器数据对所述目标磁铁进行跟踪。具体地，所述处理器可以采用图1所示的对象跟踪方法实现对所述目标磁铁的跟踪，为节省说明书篇幅，此处不做过多赘述。
[0081]
可选地，当所述对象跟踪装置用于手部跟踪时，所述后端可以通过帽子形态或徽章形态设置于用户身体上。在帽子形态下，用户将佩戴帽檐装有传感器阵列的鸭舌帽，并将两枚目标磁体佩戴在两根食指上。由于目标磁体被直接固定在手指上，其位置就是指尖位置的良好近似。徽章形态下，传感器阵列和磁体应分别置于使用者的胸前和手腕上。为了寻找指尖的位置，磁铁的北极应指向放松状态下指尖的自然朝向。通过这种方式，食指指尖的位置就可以通过磁体的位置、方向以及放松手掌的长度来近似获取。
[0082]
本发明所述的基于永磁铁的手部跟踪方法的保护范围不限于本实施例列举的步
骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
[0083]
本发明还提供一种基于永磁铁的手部跟踪装置，所述基于永磁铁的手部跟踪装置可以实现本发明所述的基于永磁铁的手部跟踪方法，但本发明所述的基于永磁铁的手部跟踪方法的实现装置包括但不限于本实施例列举的基于永磁铁的手部跟踪装置的结构，凡是根据本发明的原理所做的现有技术的结构变形和替换，都包括在本发明的保护范围内。
[0084]
综上所述，本发明所述基于永磁铁的对象跟踪方法能够实现对目标对象的跟踪，当所述目标对象为用户的手部时，所述基于永磁铁的对象跟踪方法基于磁场实现精确地手部跟踪，磁场的特性使其能不受视线的限制并且能够很好地保护隐私。由于永磁铁不需要维护，所以它们可以一直戴在手上，仅仅只有传感器板需要充电，就像智能手表一样。此外，所述基于永磁铁的对象跟踪方法不依赖于imu单元实现，其不存在漂移问题。因此，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
[0085]
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。