[发明专利]动作识别方法、装置、穿戴设备及计算机可读存储介质

说明书

本发明提供了一种动作识别方法、装置、穿戴设备及计算机可读存储介质，其中，动作识别方法包括：间隔预设时间获取穿戴设备所采集的用户的人体姿态数据；从人体姿态数据中提取动作特征；根据第一预设动作知识、动作识别参数和动作特征，识别人体姿态数据对应的动作为静态动作或动态动作；若人体姿态数据对应的动作为静态动作，则根据第二预设动作知识和动作特征，识别人体姿态数据对应的动作为静态站立或静态坐；若人体姿态数据对应的动作为动态动作，则根据第三预设动作知识和动作特征，识别人体姿态数据对应的动作为走路或跑步；动作识别参数为根据用户静止站立的静态数据初始化后的参数。本方案动作识别成本低、复杂度低、普遍性高。

技术领域

本发明涉及物联网技术领域，特别是指一种动作识别方法、装置、穿戴设备及计算机可读存储介质。

背景技术

人体动作识别是众多与人相关的智能系统中极为重要的一环，通过随身携带的姿态传感器实时监测人体姿态数据，提取人体姿态特征，识别人体动作状态，从而触发智能控制系统中后续控制动作，实现更加智能化的设备及环境。

但是，目前用于动作识别的穿戴式设备在穿戴侧只能实现数据采集及数据传输的功能，无论将数据传输到控制台或是云端进行计算，都会对使用场景有较高的要求和限制，增加了控制决策系统的计算量及延迟时间。

其次，基于数据训练的动作识别算法需要足够的用户数据来不断提高模型的准确性，通过部分穿戴者的数据训练的识别模型难以普适到一般用户，且出于用户隐私和用户差异性的约束，很难收集到足够的带标签样本进行训练。此外，目前用于动作识别的穿戴式设备用户体验度较差，多数算法通过增加传感器来弥补数据离散化丢失的数据信息，造成传感器的冗余程度高，且算法计算量及存储量大，大大增加了动作识别系统的复杂程度。

也就是，已有的动作识别算法需要足够带标签数据进行训练从而构造算法模型，特别是为解决用户数据差异性问题，训练算法需要增加大量差异性样本，不仅增添了人工成本，且无法保证动作识别适用于所有穿戴者。

此外，基于数据的训练模型需要足够的存储空间存储数据和算法，并需要占用大量的计算资源及计算时间完成算法流程。

另外，已有的穿戴式设备在舒适度和智能化方面实现度较差。由于算法的复杂性，穿戴式设备在穿戴侧仅能实现数据采集，对于数据的处理需要传输到其他计算设备上，不仅增加了控制端的计算成本和存储成本，还增大了对数据传输的要求，违背了当前物联网边缘化计算的趋势。

其次，当前算法对数据进行片段化处理及提取简单特征，丢失了数据中的大量信息，一般采用增加传感器的方式增加信息量，从而造成严重的传感器冗余，穿戴者需要佩戴大量的传感器，特别是对传感器的佩戴位置也有严格的限制，极大降低了穿戴式设备的舒适度。

综上，现有的动作识别算法及穿戴式设备不适用于实际的物联网场景。

发明内容

本发明的目的在于提供一种动作识别方法、装置、穿戴设备及计算机可读存储介质，解决现有技术中动作识别方案成本高、复杂度高、普遍性差的问题。

为了解决上述技术问题，本发明实施例提供一种动作识别方法，包括：

间隔预设时间获取穿戴设备所采集的用户的人体姿态数据；

从所述人体姿态数据中提取动作特征；

根据第一预设动作知识、动作识别参数和所述动作特征，识别所述人体姿态数据对应的动作为静态动作或动态动作；

若所述人体姿态数据对应的动作为静态动作，则根据第二预设动作知识和所述动作特征，识别所述人体姿态数据对应的动作为静态站立或静态坐；

若所述人体姿态数据对应的动作为动态动作，则根据第三预设动作知识和所述动作特征，识别所述人体姿态数据对应的动作为走路或跑步；