[發明專利]終端設備的運動方向監測方法、介質、裝置和計算設備

在審

• 申請號: 202011417599.0
• 申請日: 2020-12-07
• 公開（公告）號: CN112419413A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 曾凡;李靜;張燕;易銳;邰海軍;柯欽瑜;黃勇
• 申請（專利權）人: 萱闈（北京）生物科技有限公司;鄭州大學第一附屬醫院
• 主分類號: G06T7/73
• 分類號: G06T7/73;G06T7/66;G06T7/246;G06T7/11;G06N3/04;G01P13/02
• 代理公司: 北京箴思知識產權代理有限公司 11913
• 代理人: 李春暉

1.一種終端設備的運動方向監測方法，包括：

將與所述終端設備采集的圖像對應的特征數據輸入至多個方向判斷子模型，得到各個所述方向判斷子模型分別對應的結果數據；

對多個所述結果數據進行計算，得到輸入數據；

將所述輸入數據輸入至方向判斷模型，得到所述終端設備的運動方向。

2.根據權利要求1所述的終端設備的運動方向監測方法，將與所述終端設備采集的圖像對應的特征數據輸入至多個方向判斷子模型，得到各個所述方向判斷子模型分別對應的結果數據之前，所述方法還包括：

對所述終端設備采集的圖像進行特征點識別，并按照預設方式對所述圖像進行分割，得到所述圖像對應的多個子矩陣，其中各個子矩陣分別包含不同的特征點；

基于所述各個子矩陣分別包含不同的特征點，計算得到各個子矩陣分別對應的中心點均值向量、中心點均值向量斜率、中心點擬合向量以及中心點擬合向量斜率；

將所述各個子矩陣分別對應的中心點均值向量、中心點均值向量斜率、中心點擬合向量以及中心點擬合向量斜率確定為所述圖像對應的特征數據。

3.根據權利要求2所述的終端設備的運動方向監測方法，多個所述方向判斷子模型至少包括：第一斜率判斷任務模型、第一時序判斷任務模型、第二斜率判斷任務模型以及第二時序判斷任務模型，將與所述終端設備采集的圖像對應的特征數據輸入至多個方向判斷子模型，得到各個所述方向判斷子模型分別對應的結果數據，包括：

將所述特征數據中的中心點均值向量斜率輸入至所述第一斜率判斷任務模型，得到第一結果數據，所述第一結果數據為所述第一斜率判斷任務模型對應的結果數據；

將所述特征數據中的中心點均值向量輸入至所述第一時序判斷任務模型，得到第二結果數據，所述第二結果數據為所述第一時序判斷任務模型對應的結果數據；

將所述中心點擬合向量斜率輸入至所述第二斜率判斷任務模型，得到第三結果數據，所述第三結果數據為所述第二斜率判斷任務模型對應的結果數據；

將所述中心點擬合向量輸入至所述第二時序判斷任務模型，得到第四結果數據，所述第四結果數據為所述第二時序判斷任務模型對應的結果數據。

4.根據權利要求3所述的終端設備的運動方向監測方法，將所述特征數據中的中心點均值向量斜率輸入至所述第一斜率判斷任務模型，得到第一結果數據，包括：

將所述特征數據中的中心點均值向量斜率輸入至所述第一斜率判斷任務模型，通過所述第一斜率判斷任務模型中的邏輯回歸模型對所述中心點均值向量斜率進行運算，得到第一結果數據。

5.根據權利要求3所述的終端設備的運動方向監測方法，將所述特征數據中的中心點均值向量輸入至所述第一時序判斷任務模型，得到第二結果數據，包括：

將所述特征數據中的中心點均值向量輸入至所述第一時序判斷任務模型，通過所述第一時序判斷任務模型中的卷積神經網絡提取所述中心點均值向量中的特征；

通過所述第一時序判斷任務模型中的長短期記憶網絡對所述特征進行回歸預測，得到第二結果數據。

6.根據權利要求3所述的終端設備的運動方向監測方法，將所述中心點擬合向量斜率輸入至所述第二斜率判斷任務模型，得到第三結果數據，包括：

將所述中心點擬合向量斜率輸入至所述第二斜率判斷任務模型，通過所述第二斜率判斷任務模型中的循環神經網絡對所述中心點擬合向量斜率進行運算，得到第三結果數據。

7.根據權利要求3所述的終端設備的運動方向監測方法，將所述中心點擬合向量輸入至所述第二時序判斷任務模型，得到第四結果數據，包括：

將所述中心點擬合向量輸入至所述第二時序判斷任務模型，通過所述第二時序判斷任務模型中的特征提取網絡提取所述中心點擬合向量中的特征；

通過所述第二時序判斷任務模型中的回歸網絡構建模型對所述特征進行回歸預測，得到第四結果數據。