[發(fā)明專利]一種人體動作比對方法及裝置

有效

• 申請?zhí)枺?/td>: 201710313793.6
• 申請日: 2017-05-05
• 公開（公告）號: CN107122752B
• 公開（公告）日: 2020-06-26
• 發(fā)明（設(shè)計(jì)）人: 左國玉;徐兆坤;盧佳豪;邱永康;杜婷婷
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩

1.一種人體動作比對方法，其特征在于，包括：

S1，基于可穿戴傳感器采集到的當(dāng)前人體動作，利用二叉樹分類器網(wǎng)絡(luò)進(jìn)行識別，確認(rèn)所述當(dāng)前人體動作為標(biāo)準(zhǔn)動作或非標(biāo)準(zhǔn)動作；

其中所述利用二叉樹分類器網(wǎng)絡(luò)通過以下步驟獲取：

采集應(yīng)用領(lǐng)域中已知的標(biāo)準(zhǔn)人體動作，進(jìn)行濾波去噪和歸一化處理；

將處理后的所述標(biāo)準(zhǔn)人體動作進(jìn)行分段處理，獲得若干段動作數(shù)據(jù)，其中每一段動作數(shù)據(jù)為一個(gè)基本人體動作；

基于每一個(gè)基本人體動作，分別從所述基本人體動作的時(shí)域、頻域和時(shí)頻域數(shù)據(jù)中提取第一特征向量；

基于所述第一特征向量，根據(jù)樣本類間的相對距離，構(gòu)建所述二叉樹分類器網(wǎng)絡(luò)BT-SVM-NN，包括構(gòu)建出最優(yōu)的不完全二叉樹結(jié)構(gòu)，基于所述不完全二叉樹結(jié)構(gòu)，為每個(gè)非葉子節(jié)點(diǎn)構(gòu)建并訓(xùn)練相應(yīng)的二分類SVM-NN混合模式分類器，以將各個(gè)父節(jié)點(diǎn)中的所有類別，劃分到其兩個(gè)孩子節(jié)點(diǎn)中，直到孩子節(jié)點(diǎn)為葉子節(jié)點(diǎn)，且只包含一個(gè)基本動作類別；所述二叉樹分類器網(wǎng)絡(luò)的每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)為一個(gè)與網(wǎng)絡(luò)分類結(jié)構(gòu)需求對應(yīng)的二分類支持向量機(jī)和最近鄰混合分類器SVM-NN；

S2，當(dāng)確認(rèn)為非標(biāo)準(zhǔn)動作時(shí)，將所述非標(biāo)準(zhǔn)動作與所述非標(biāo)準(zhǔn)動作對應(yīng)的標(biāo)準(zhǔn)動作數(shù)據(jù)進(jìn)行比對，獲得所述非標(biāo)準(zhǔn)動作的各關(guān)節(jié)角度的偏差信息；

其中，所述基于所述第一特征向量，構(gòu)建所述二叉樹分類器網(wǎng)絡(luò)之前還包括：-

對所述第一特征向量進(jìn)行主要成分分析，提取獨(dú)立不重復(fù)的特征值，以構(gòu)成新的第一特征向量。

2.如權(quán)利要求1所述的方法，其特征在于，所述S1進(jìn)一步包括：

S1.1，對可穿戴傳感器采集到的所述當(dāng)前人體動作進(jìn)行濾波去噪、歸一化處理和分段處理，得到若干段動作數(shù)據(jù)；

S1.2，分別從所述若干段動作數(shù)據(jù)的時(shí)域、頻域和時(shí)頻域數(shù)據(jù)中提取第二特征向量；

S1.3，利用所述二叉樹分類器網(wǎng)絡(luò)對所述第二特征向量進(jìn)行分類識別，確認(rèn)所述當(dāng)前人體動作為標(biāo)準(zhǔn)動作或非標(biāo)準(zhǔn)動作。

3.如權(quán)利要求1所述的方法，其特征在于，所述S2所述標(biāo)準(zhǔn)動作數(shù)據(jù)通過以下步驟獲取：

對應(yīng)用領(lǐng)域中已知的標(biāo)準(zhǔn)人體動作，進(jìn)行濾波去噪、歸一化處理和分段處理后，得到若干基本人體動作；

基于所述基本人體動作，計(jì)算人體各肢體的四元數(shù)數(shù)據(jù)；

基于人體關(guān)節(jié)的相鄰兩個(gè)肢體的四元數(shù)數(shù)據(jù)，利用四元數(shù)方法解算出人體各關(guān)節(jié)的角度信息為所述標(biāo)準(zhǔn)動作數(shù)據(jù)。

4.如權(quán)利要求1所述的方法，其特征在于，所述S2進(jìn)一步包括：

S2.1，基于所述非標(biāo)準(zhǔn)動作，計(jì)算所述非標(biāo)準(zhǔn)動作的若干段動作數(shù)據(jù)的四元數(shù)；

S2.2，利用四元數(shù)方法解算所述非標(biāo)準(zhǔn)動作的各關(guān)節(jié)的角度信息；

S2.3，比較所述非標(biāo)準(zhǔn)動作的各關(guān)節(jié)的角度信息與對應(yīng)關(guān)節(jié)的標(biāo)準(zhǔn)動作數(shù)據(jù)，得到所述非標(biāo)準(zhǔn)動作的各關(guān)節(jié)的角度偏差信息。

5.如權(quán)利要求1所述的方法，其特征在于，所述第一特征向量包括：

從時(shí)域數(shù)據(jù)中解算出的特征值，包括：從所述基本人體動作的九軸姿態(tài)信號中計(jì)算得到的算數(shù)和、峰峰值、過零值、均值、均方差、能量、兩軸間相關(guān)系數(shù)、偏度以及峰度信息；

從頻域數(shù)據(jù)中解算出的特征值，包括：對所述基本人體動作的九軸姿態(tài)信號進(jìn)行傅里葉變換后得到的傅里葉系數(shù)、能譜密度和頻域熵；

從時(shí)頻域數(shù)據(jù)中解算出的特征值，包括：對所述基本人體動作的九軸姿態(tài)信號進(jìn)行小波變換后提取的不同方向上的小波能量比。

6.如權(quán)利要求2所述的方法，其特征在于，所述第二特征向量包括：

從時(shí)域數(shù)據(jù)中解算出的特征值，包括：從所述若干段動作數(shù)據(jù)的九軸姿態(tài)信號中計(jì)算得到的算數(shù)和、峰峰值、過零值、均值、均方差、能量、兩軸間相關(guān)系數(shù)、偏度以及峰度信息；

從頻域數(shù)據(jù)中解算出的特征值，包括：對所述若干段動作數(shù)據(jù)的九軸姿態(tài)信號進(jìn)行傅里葉變換后得到的傅里葉系數(shù)、能譜密度和頻域熵；

從時(shí)頻域數(shù)據(jù)中解算出的特征值，包括：對所述若干段動作數(shù)據(jù)的九軸姿態(tài)信號進(jìn)行小波變換后提取的不同方向上的小波能量比。

7.一種人體動作比對裝置，其特征在于，包括：

動作識別模塊，用于基于可穿戴傳感器采集到的當(dāng)前人體動作，利用二叉樹分類器網(wǎng)絡(luò)進(jìn)行識別，確認(rèn)所述當(dāng)前人體動作為標(biāo)準(zhǔn)動作或非標(biāo)準(zhǔn)動作；

其中所述利用二叉樹分類器網(wǎng)絡(luò)通過以下步驟獲取：

采集應(yīng)用領(lǐng)域中已知的標(biāo)準(zhǔn)人體動作，進(jìn)行濾波去噪和歸一化處理；

將處理后的所述標(biāo)準(zhǔn)人體動作進(jìn)行分段處理，獲得若干段動作數(shù)據(jù)，其中每一段動作數(shù)據(jù)為一個(gè)基本人體動作；

基于每一個(gè)基本人體動作，分別從所述基本人體動作的時(shí)域、頻域和時(shí)頻域數(shù)據(jù)中提取第一特征向量；

基于所述第一特征向量，根據(jù)樣本類間的相對距離，構(gòu)建所述二叉樹分類器網(wǎng)絡(luò)BT-SVM-NN，包括構(gòu)建出最優(yōu)的不完全二叉樹結(jié)構(gòu)，基于所述不完全二叉樹結(jié)構(gòu)，為每個(gè)非葉子節(jié)點(diǎn)構(gòu)建并訓(xùn)練相應(yīng)的二分類SVM-NN混合模式分類器，以將各個(gè)父節(jié)點(diǎn)中的所有類別，劃分到其兩個(gè)孩子節(jié)點(diǎn)中，直到孩子節(jié)點(diǎn)為葉子節(jié)點(diǎn)，且只包含一個(gè)基本動作類別；所述二叉樹分類器網(wǎng)絡(luò)的每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)為一個(gè)與網(wǎng)絡(luò)分類結(jié)構(gòu)需求對應(yīng)的二分類支持向量機(jī)和最近鄰混合分類器SVM-NN；

偏差比對模塊，用于當(dāng)確認(rèn)為非標(biāo)準(zhǔn)動作時(shí)，將所述非標(biāo)準(zhǔn)動作與所述非標(biāo)準(zhǔn)動作對應(yīng)的標(biāo)準(zhǔn)動作數(shù)據(jù)進(jìn)行比對，獲得所述非標(biāo)準(zhǔn)動作的各關(guān)節(jié)角度的偏差信息；

其中，所述基于所述第一特征向量，構(gòu)建所述二叉樹分類器網(wǎng)絡(luò)之前還包括：-

對所述第一特征向量進(jìn)行主要成分分析，提取獨(dú)立不重復(fù)的特征值，以構(gòu)成新的第一特征向量。