[發明專利]一種基于慣性傳感器式動作捕捉方法

在審

• 申請號: 202110364209.6
• 申請日: 2021-04-04
• 公開（公告）號: CN113057628A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 趙鄭;段小霞;時梅;于言言
• 申請（專利權）人: 北京澤橋傳媒科技股份有限公司
• 主分類號: A61B5/11
• 分類號: A61B5/11
• 代理公司: 北京鼎德寶專利代理事務所(特殊普通合伙) 11823
• 代理人: 安軍永

1.一種基于慣性傳感器式動作捕捉方法，其特征在于，包括以下步驟：

S1、慣性傳感器采集人體動作數據，并對采集的數據進行存儲；

S2、對采集的數據進行噪聲處理，去除毛刺；

S3、對噪聲處理后的數據進行窗口分割和特征提取；

S4、對特征進行降維，去除數據冗余；

S5、根據降維后的特征，訓練分類模型，并對分類模型進行驗證；

S6、將獲取的動作數據輸入訓練后的分類模型，識別人體動作。

2.根據權利要求1所述的一種基于慣性傳感器式動作捕捉方法，其特征在于，所述步驟S2中，對采集的數據進行噪聲處理包括以下步驟：

S201、將連續采集的數據看成一個固定長度為N的隊列；

S202、在新的一次測量后，將隊列的首數據去掉，其余N-1個數據依次前移；

S203、將新的采集數據插入，作為新隊列的尾，對新隊列進行算數運算，并將其結果作為本次測量的結果。

3.根據權利要求1所述的一種基于慣性傳感器式動作捕捉方法，其特征在于，所述步驟S3中，對數據進行分割和特征提取包括以下步驟：

S301、將噪聲處理后的數據劃分為n個時間窗口；

S302、提取各時間窗口的特征。

4.根據權利要求1所述的一種基于慣性傳感器式動作捕捉方法，其特征在于，所述步驟S302中，提取的特征包括時域特征和頻域特征，其中時域特征包括最大值、最小值、均值、方差、偏度和峰值，頻域特征為選取離散傅里葉變換頻譜的最大峰值和能量。

5.根據權利要求1所述的一種基于慣性傳感器式動作捕捉方法，其特征在于，所述步驟S4中，特征進行降維包括以下步驟：

S401、計算出訓練樣本集合的均值向量，并將所有的樣本中心化；

S402、求出協方差矩陣和m個特征值λ_i(i＝1,2,......,m)，并按照特征值的大小進行排列，即λ₁≥λ₂≥...≥λ_m；

S403、設置累積方差貢獻率的閾值，選取前l(l≤m)個特征值所對應的特征向量，組成投影矩陣；

S404、將原始m維特征向量投影到低緯度的向量空間，得到降維后的特征集合。

6.根據權利要求1所述的一種基于慣性傳感器式動作捕捉方法，其特征在于，所述分類模型為平行隱馬爾科夫模型。

7.根據權利要求1所述的一種基于慣性傳感器式動作捕捉方法，其特征在于，所述步驟S5中，對分類模型進行驗證包括以下步驟：

S501、m個特征向量按照n個人的數據進行劃分；

S502、選取其中一個人的特征向量用于測試，其他n-1個的特征向量用于訓練分類模型；

S503、重復S501-S502的過程，交叉驗證n次，以平均結果為最終的分類結果。

8.根據權利要求7所述的一種基于慣性傳感器式動作捕捉方法，其特征在于，所述步驟S503，在對分類模型驗證后，還包括：對分類結果準確率與設定閾值進行對比，若分類結果準確率P≥設定閾值p，則結束對分類模型的訓練，若分類結果準確率P＜設定閾值p，則重復步驟S1-S5。