[發明專利]一種人體姿態預測方法、裝置及系統在審
| 申請號： | 201810790542.1 | 申請日： | 2018-07-18 |
| 公開（公告）號： | CN109145739A | 公開（公告）日： | 2019-01-04 |
| 發明（設計）人： | 郭漸凌;程靖儀 | 申請（專利權）人： | 郭漸凌;程靖儀 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06N3/08 |
| 代理公司： | 中國航天科技專利中心 11009 | 代理人： | 范曉毅 |
| 地址： | 100190 北京*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 人體姿態 時間段 動作參數 預設 預測 實際用戶 裝置及系統 時間窗口 用戶姿態 可穿戴設備 動作預測 姿態修正 準確度 個性化 修正 智能 | ||
1.一種人體姿態預測方法，其特征在于，包括：
獲取用戶特征部位的動作參數；
根據當前預設時間窗口內獲取到的動作參數序列，預測即將發生的第一時間段內的用戶的動作參數序列；
基于預設人體姿態識別模型，根據所述當前預設時間窗口內獲取到的動作參數序列和預測的所述第一時間段內的用戶的動作參數序列，預測所述第一時間段的用戶姿態，所述姿態包括正常姿態和異常姿態；
基于所述預設人體姿態識別模型，根據所述當前預設時間窗口內獲取到的動作參數序列和所述第一時間段內實際獲取到的用戶的動作參數序列，確定所述第一時間段的實際用戶姿態；
判斷預測的所述第一時間段的用戶姿態和所述實際用戶姿態是否一致；
若否，則根據所述當前預設時間窗口內獲取到的動作參數序列和所述實際用戶姿態修正所述預設人體姿態識別模型，以用修正的所述預設人體姿態識別模型進行人體姿態預測。
2.根據權利要求1所述的人體姿態預測方法，其特征在于，基于隱馬爾科夫模型，根據當前預設時間窗口內獲取到的動作參數序列，預測即將發生的第一時間段內的用戶的動作參數序列。
3.根據權利要求1所述的人體姿態預測方法，其特征在于，基于卷積神經網絡自學習算法，根據所述當前預設時間窗口內獲取到的動作參數序列和所述實際用戶姿態修正所述預設人體姿態識別模型。
4.根據權利要求1所述的人體姿態預測方法，其特征在于，所述獲取用戶特征部位的動作參數之前，還包括：構建所述預設人體姿態識別模型。
5.根據權利要求4所述的人體姿態預測方法，其特征在于，所述構建所述預設人體姿態識別模型，包括：
建立用戶動作參數與姿態數據庫，所述數據庫中包含多個用戶在預設時間窗口的動作參數序列與姿態的對應關系，所述姿態包括正常姿態和異常姿態；
根據所述數據庫，訓練得到所述預設人體姿態識別模型。
6.根據權利要求1所述的人體姿態預測方法，其特征在于，所述根據所述當前預設時間窗口內獲取到的動作參數序列和所述實際用戶姿態修正所述預設人體姿態識別模型，之后還包括：
當所述實際用戶姿態為異常姿態時，將所述當前預設時間窗口內獲取到的動作參數序列和所述實際用戶姿態上傳至服務器，以使所述服務器修正所述預設人體姿態識別模型，并將修正后的預設人體姿態識別模型發送至其他同類設備，以更新所述其他同類設備內置的預設人體姿態識別模型。
7.一種人體姿態預測裝置，其特征在于，包括：
參數獲取模塊，用于獲取用戶特征部位的動作參數；
參數預測模塊，用于根據當前預設時間窗口內獲取到的動作參數序列，預測即將發生的第一時間段內的用戶的動作參數序列；
姿態預測模塊，用于基于預設人體姿態識別模型，根據所述當前預設時間窗口內獲取到的動作參數序列和預測的所述第一時間段內的用戶的動作參數序列，預測所述第一時間段的用戶姿態，所述姿態包括正常姿態和異常姿態；
姿態確定模塊，用于基于所述預設人體姿態識別模型，根據所述當前預設時間窗口內獲取到的動作參數序列和所述第一時間段內實際獲取到的用戶的動作參數序列，確定所述第一時間段的實際用戶姿態；
判斷模塊，用于判斷預測的所述第一時間段的用戶姿態和所述實際用戶姿態是否一致；
修正模塊，用于若預測的所述第一時間段的用戶姿態和所述實際用戶姿態不一致，則根據所述當前預設時間窗口內獲取到的動作參數序列和所述實際用戶姿態修正所述預設人體姿態識別模型，以用修正的所述預設人體姿態識別模型進行人體姿態預測。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于郭漸凌;程靖儀，未經郭漸凌;程靖儀許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810790542.1/1.html，轉載請聲明來源鉆瓜專利網。
