[發明專利]一種基于動態賦權和灰色預測下的骨骼抖動檢測方法

有效

• 申請號: 201910316968.8
• 申請日: 2019-04-19
• 公開（公告）號: CN110083239B
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 王海學;楊淑婷;樓容;張陽;劉峰
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06V40/20
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 王素琴

1.一種基于動態賦權和灰色預測下的骨骼抖動檢測方法，其特征在于，所述方法包括：

S1、采集設定骨骼動作的歷史運動數據，對所述歷史運動數據利用距離公式進行動態切割，截取所述歷史運動數據中對應骨骼動作的有效數據序列；

S2、采用分段冪函數對所述有效數據序列進行動態賦權處理，得到賦權數據序列，并基于所述賦權數據序列獲取對應骨骼動作的第一規律性；

S3、采用灰度預測算法整合所述賦權數據序列，獲取所述賦權數據序列對應的骨骼動作的第二規律性，基于所述第二規律性預測骨骼在1s～2s后的運動數據；

S4、基于所述歷史運動數據設置人體運動所對應的骨骼運動閾值采用距離公式對所述運動數據預處理得到數據序列{Y_m}，Y_m＝Y_i,0≤i≤m，若則說明骨骼無抖動現象；否則，說明出現骨骼抖動。

2.如權利要求1所述的基于動態賦權和灰色預測下的骨骼抖動檢測方法，其特征在于，所述歷史運動數據由利用骨骼傳感器采集的在骨骼傳感器下三維坐標系表示人體肩部、肘部和腕部的實際坐標值構成。

3.如權利要求2所述的基于動態賦權和灰色預測下的骨骼抖動檢測方法，其特征在于，步驟S1中所述預處理包括：通過靈敏度分析得到3s～4s的所述歷史運動數據，以及對所有所述歷史運動數據與圖片數據的最后一幀之差做平方差，并設定一閾值，比較所述閾值與所述平方差得到值比較，去除所述歷史運動數據中的無效數據。

4.如權利要求1所述的基于動態賦權和灰色預測下的骨骼抖動檢測方法，其特征在于，所述步驟S2包括：通過公式計算第k個所述歷史運動數據x的權重，并基于所述權重得到所述賦權數據序列。

5.如權利要求1所述的基于動態賦權和灰色預測下的骨骼抖動檢測方法，其特征在于，所述步驟S3包括：

S31、判斷所述賦權數據序列是否滿足GM(1,1)灰色預測的可行性：

設定所述有效數據序列為x^o＝(x⁰(1),x⁰(2),...,x⁰(n))，并計算所述有效數據序列的級比

判斷所有所述級比是否落在區間若所有所述級比均落在所述區間內，則轉至步驟S32，否則進行數據變化處理；

S32、構建GM(1,1)灰色預測模型，通過所述GM(1,1)灰色預測模型累加所述賦權數據序列生成對應規律性：

假設所述賦權數據序列累加后為其中，x¹的灰導數為d(k)＝x⁰(k)；

獲取所述賦權數據序列的鄰值生成數列z¹(k)＝ax¹(k)+(1-a)x¹，基于所述鄰值生成數列z¹(k)＝ax¹(k)+(1-a)x¹求得GM(1,1)的灰微分方程d(k)+az¹(k)＝b，其中，a和b為待求參數；

S33、通過回歸方程求解所述灰微分方程d(k)+az¹(k)＝b分別獲得a和b的估計值，并得到所述灰微分方程d(k)+az¹(k)＝b的最終解：實現對骨骼在1s～2s后的抖動的預測。

6.如權利要求5所述的基于動態賦權和灰色預測下的骨骼抖動檢測方法，其特征在于，所述數據變化處理為平移變換。