[发明专利]一种生物特征运动模态智能识别方法及其应用

说明书

本发明提出了一种生物特征运动模态智能识别方法及其应用，包括如下步骤：S1，通过智能终端运动参数传感器获取用户身体运动参数数据，并形成多维度数据；S2，通过对上述用户身体运动参数数据集进行数据分析和机器学习模型不断训练之后形成用户身体运动参数特征向量第一数据库；S3，通过视频图像采集方式获取用户身体运动图像数据集，经过机器学习模型不断训练之后形成用户身体运动图像特征向量第二数据库；S4，将用户身体运动参数特征向量第一数据库按照正方向运动和侧方向运动参数特征向量分解后与第二数据库进行区间映射训练；S5，判断映射匹配结果并根据用户身体运动参数特征向量进行映射校验，同时录入身体运动参数分解特征向量第三数据库。

技术领域

本发明涉及计算机领域，尤其涉及一种生物特征运动模态智能识别方法及其应用。

背景技术

随着大数据及人工智能技术的快速发展，基于人脸、指纹、虹膜、步态等生物特征的识别技术得到了广泛应用。在工程实践中，由于人脸、指纹、虹膜、步态等生物特征的识别技术主要基于2D空间进行分析识别，因此在实际应用场景下开展个体精准识别时将受到诸多限制：一是受限于图像数据采集时的角度、光照度、观测距离以及目标对象的配合程度等条件变化，严重影响识别精度；二是需要目标对象有意识或潜意识配合，由于化妆、带口罩、携带随身物等行为常导致现有个体识别模式效率极度下降；三是基于2D空间的信息表达过于直观，比对样本数据采集难、存储难，涉及公民个人信息容易被盗用等问题导致应用场景受限。

截至目前，尽管基于深度学习的神经网络机器模型在人脸、指纹、虹膜等生物特征识别方面有所突破，但海量的学习样本采集，比对样本采集以及大规模的模型训练仍然是广大工程师头痛的问题。此外，最终的模型训练结果和数据特征值表达对工程师来讲也是极度抽象的，始终缺乏一种最优化的认定范式。特别是在步态识别方面，由于缺乏对生物运动模态识别的有效方法和研究途径，因此国内除了对步态识别有一定的初步应用研究外，对其它生物运动模态识别，比如手势运动或其它特殊运动的识别和应用研究极少涉及。这就亟需本领域技术人员解决相应的技术问题。

发明内容

为了实现本发明的上述目的，本发明提供了一种生物特征运动模态智能识别方法，包括如下步骤：

S1，通过智能终端运动参数传感器获取用户身体运动参数数据，并形成多维度数据，将多维度数据与用户身份信息进行关联匹配；

S2，根据匹配认证后的的多维度数据形成用户身体运动参数数据集，经过不断训练之后形成用户身体运动参数特征向量第一数据库；

S3，通过视频图像采集方式获取用户身体运动图像数据集，经过不断训练之后形成用户身体运动图像特征向量第二数据库；

S4，将用户身体运动参数特征向量第一数据库按照正方向运动和侧方向运动参数特征向量分解后与用户身体运动图像特征向量第二数据库进行数据映射匹配；

S5，判断映射匹配结果并根据用户身体运动参数特征向量进行映射校验，同时录入用户身体运动参数分解特征向量第三数据库。

优选的，所述S1包括：上述指出的运动参数传感器涵盖了陀螺仪传感器、加速度传感器、磁传感器，获取用户身体运动参数数据；

S1-1，根据陀螺仪传感器获取三维瞬间角度向量数据，

其中r_x,r_y,r_z分别为每个方位获取的陀螺仪角度值；

根据加速度传感器获取三维瞬间加速度向量数据，

其中g_x,g_y,g_z分别为每个方位获取的加速度值；

根据磁传感器获取三维瞬间角度向量数据，