[發明專利]一種動作識別方法及系統

在審

• 申請號: 201710128589.7
• 申請日: 2017-03-06
• 公開（公告）號: CN107016342A
• 公開（公告）日: 2017-08-04
• 發明（設計）人: 王曉龍;樊旭;彭意兵;孫兆沛;姚干;嚴浩;徐龍光
• 申請（專利權）人: 武漢拓撲圖智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 武漢東喻專利代理事務所(普通合伙)42224
• 代理人: 方可

技術領域

本發明屬于人機交互技術領域，更具體地，涉及一種動作識別方法及系統。

背景技術

隨著計算機科學與人工智能的發展，傳統的人機交互方式如鍵盤、鼠標等已經逐漸滿足不了新興行業的應用，例如在AR/VR應用中，傳統交互方式無法給用戶提供沉浸式的體驗。而基于動作識別的人機交互設備具有自然、直觀、簡潔等特點，得到越來越多的應用。

目前，動作識別方案大部分是基于光學感測原理，來自為微軟公司的US20100199228A1提供了利用深度攝像機采集用戶的身體姿態信息，并進行識別的方案；來自中國的CN104933408A提供了一種通過圖像進行手勢識別的方案。然而，基于光學感測的識別技術都需要圖像數據，計算量大，需要計算能力較強的處理器；通過圖像識別一個動作處理時間往往較長，無法達到用戶的實時要求；單/雙目攝像頭和體感攝像機體積都比較大，無法實現便攜化，并且硬件成本高；用戶的動作容易受到遮擋，造成系統無法識別。這些缺陷都限制了其使用范圍。

也有部分方案采用了加速度傳感器來采集用戶的手部運動信息，來自Nintendo公司的US20080291160A1提供了利用紅外傳感器和加速度傳感器捕獲用戶手部位置的方案。但方案中仍需要使用紅外傳感器來進行輔助定位，所以用戶的使用環境固定，無法移動。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種動作識別方法及系統，采用慣性傳感器采集運動信息，相比于視覺傳感器，具有更精確的運動信息，能夠更準確地識別；使用者可以不受環境限制，隨時移動；可識別圖像中被物體遮擋的動作。

一種動作識別方法，包括以下步驟：

(1)啟動慣性傳感器采集運動關節處的運動參數：

(2)依據采集的運動參數解算姿態數據；

(3)將姿態數據與動作模型庫匹配輸出動作識別結果。

進一步地，所述動作模型按照如下方式訓練：

(31)利用慣性傳感器多次采集某一動作下的運動樣本參數，依據該運動樣本參數解算該動作對應的姿態樣本數據；

(32)將姿態樣本數據代入K個高斯模型，得到姿態樣本數據x在第k個高斯模型下產生的概率,并估計K個分高斯模型的權值π_k；

(33)計算姿態樣本數據x屬于某一動作的概率

(34)判定概率p(x)是否趨于收斂，若是，則得到由K個高斯模型組成的動作模型，若否，則依據當前權值π_k更新K個高斯模型的參數，返回步驟(32)。

進一步地，所述高斯模型個數K按照如下方式確定：

根據訓練用的樣本數據分別作出X/Y/Z軸加速度數據的分布直方圖，并求出各個直方圖的加速度閾值，按閾值對各軸加速度分布進行分割，保留處于閾值之上加速度分布，計算加速度極大值個數，取三個極大值個數中最大的為高斯模型個數K。

進一步地，所述高斯模型參數以及權重按照如下方式初始化：

根據訓練用的樣本數據得到加速度在三維空間的分布，并聚類得到聚類中心，各聚類中心的三維矢量即為高斯模型的初始期望μ；以各聚類中心為圓心，以聚類中心之間最短距離的1/m作為半徑，作出K個球體，統計球體內點的個數，根據個數之比求出各高斯模型權重的初始值，并利用協方差公式計算出高斯模型的初始協方差。

進一步地，采用隨機生成的隱馬爾可夫模型以及上述求得的初始化參數，訓練得到若干個備選動作模型，將得到的模型對訓練數據進行識別，選取平均識別率最高的模型為最終的動作模型。

進一步地，對至少相鄰的兩個姿態數據求平均，將均值作為步驟(3)匹配的姿態數據。

進一步地，所述步驟(3)還將不同運動部位的姿態數據轉換到同一坐標系下。

進一步地，所述運動參數包括角速度和加速度，或者速度、加速度和磁場強度及方向；所述姿態數據包括航向角、俯仰角和橫滾角。

進一步地，所述慣性傳感器為加速度計，或者陀螺儀，或者加速度計和陀螺儀的組合，或者加速度計和磁力計的組合，或者陀螺儀和磁力計的組合，或者加速度計、陀螺儀和磁力計的組合。

一種動作識別系統，包括：

額外信息獲取單元，設置在輔助運動部位，用于采集輔助運動關節的運動參數；