[发明专利]一种基于传感器的武术动作识别系统、方法及存储介质有效
申请号: | 202010333476.2 | 申请日: | 2020-04-24 |
公开(公告)号: | CN111544003B | 公开(公告)日: | 2023-04-25 |
发明(设计)人: | 曹明亮;曾瑜晴;张浩洋 | 申请(专利权)人: | 佛山科学技术学院 |
主分类号: | A61B5/11 | 分类号: | A61B5/11;A61B5/00;A63B69/00;A63B71/06 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 蔡伟杰 |
地址: | 528000 广*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 传感器 武术 动作 识别 系统 方法 存储 介质 | ||
1.一种基于传感器的武术动作识别方法,其特征在于,利用一种基于传感器的武术动作识别系统,所述系统包括:
上肢数据采集模块,包括,
第一陀螺仪组,由多个陀螺仪组成,用于采集上肢的动作信息,
第一处理器,用于对采集到的上肢的动作信息进行数据预处理后通过机器学习算法进行分类处理,形成上肢动作信息库,
第一通信单元,用于使所述上肢数据采集模块能够与处理中心进行数据交互;
下肢数据采集模块,包括,
第二陀螺仪组,由多个陀螺仪组成,用于采集下肢的动作信息,
第二处理器,用于对采集到的下肢的动作信息进行数据预处理后通过机器学习算法进行分类处理,形成下肢动作信息库,
第二通信单元,用于使所述下肢数据采集模块能够与处理中心进行数据交互;
处理中心,包括,
第三通信单元,用于与所述第一通信单元、第二通信单元通信连接,实现处理中心与所述上肢数据采集模块、下肢数据采集模块之间的信息交互;
第三处理模块,用于,
将相同动作的上、下肢动作信息进行标记,对上肢动作信息库以及下肢动作信息库整合得到完整数据库,
对上肢动作信息以及下肢动作信息进行数据预处理得到预处理后的数据信息;
Inter机器学习计算棒,用于接收所述第三处理模块输入的预处理后的所述上肢动作信息以及下肢动作信息,并进行武术动作识别得到预测结果;
显示模块,用于将所述预测结果予以显示;
所述上肢数据采集模块、下肢数据采集模块以及处理中心均配置有电源;
所述方法包括:
步骤101、分别获取上肢动作信息以及下肢动作信息;
步骤102、对所述上肢动作信息以及下肢动作信息进行数据预处理得到预处理后的数据信息;
步骤103、将预处理后的所述上肢动作信息以及下肢动作信息输入Inter机器学习计算棒中训练好的动作识别模型中,得到预测结果;
步骤104、将所述预测结果进行显示;
上述步骤103中的动作识别模型的建立包括以下:
步骤201、构建武术动作的完整数据库;
步骤202、根据所述完整数据库通过LSTM机器学习的方式训练得到每个武术动作对应的权值w;
步骤203、通过采用逻辑回归算法得到武术动作识别模型y=σ(f(x)),其中σ(x)为Sigmoid函数,f(x)为线性回归函数,f(x)=wTx,故其中x表示预处理后的数据信息。
2.根据权利要求1所述的一种基于传感器的武术动作识别方法,其特征在于,上述步骤102中的数据预处理操作包括,对所述上肢动作信息以及下肢动作信息分别进行卡尔曼滤波、均值中心化以及主成分分析处理得到相应数据处理后的数据信息。
3.根据权利要求1所述的一种基于传感器的武术动作识别方法,其特征在于,上述步骤201中完整数据库的构建具体包括以下:
步骤301、以相同的采样长度分别采集上、下肢的动作信息;
步骤302、对采集到的上、下肢的动作信息进行数据预处理后通过机器学习算法进行分类处理,分别得到上肢动作信息库以及下肢动作信息库;
步骤303、将相同动作的上、下肢动作信息进行标记,对上肢动作信息库以及下肢动作信息库整合得到完整数据库。
4.根据权利要求3所述的一种基于传感器的武术动作识别方法,其特征在于,上述步骤302中的机器学习算法为决策树算法或支持向量机算法中的任意一种。
5.根据权利要求3所述的一种基于传感器的武术动作识别方法,其特征在于,上述步骤103中预测结果的判定包括,将预处理后的数据信息x输入动作识别模型后,得到的y值大于0.5则判定为是该权值w对应的武术动作,得到的y小于0.5则判定为不是该权值w对应的武术动作。
6.根据权利要求1所述的一种基于传感器的武术动作识别方法,其特征在于,所述第一陀螺仪组设置有8个陀螺仪,所述第二陀螺仪组设置有7个陀螺仪。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于佛山科学技术学院,未经佛山科学技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010333476.2/1.html,转载请声明来源钻瓜专利网。