[发明专利]一种基于惯性传感器式动作捕捉方法

说明书

本发明公开了一种基于惯性传感器式动作捕捉方法，属于人体运动捕捉技术领域，包括以下步骤：S1、惯性传感器采集人体动作数据，并对采集的数据进行存储，S2、对采集的数据进行噪声处理，去除毛刺，S3、对噪声处理后的数据进行窗口分割和特征提取，S4、对特征进行降维，去除数据冗余。本发明中，采用移动平滑滤波方式对数据进行噪声处理，使得数据变得较为平滑，提高了动作捕捉的精度，对高维特征向量进行降维，去除数据冗余，用一个新的低维数据的特征集合来取代原始高维数据，让其尽可能地反映原来数据的信息，从而能够减少数据计算，使得数据够直观及数据可视性较好，采用交叉验证的方式，能够提高识别正确率，获得了更高的精度。

技术领域

本发明涉及人体运动捕捉技术领域，具体为一种基于惯性传感器式动作捕捉方法。

背景技术

从人类诞生的那一天起，动作就一直伴随着人们的生活存在。人体动作是指人的全身或部分肢体所产生的行为，用以表达思想、情感和生活的需要。人体动作识别是指采用一些技术手段，对人们的动作模式和类型进行分类。

人体动作识别的早期研究中，基于视频设备的方法是最常用的手段。通常这些系统采用一个或多个摄像机对人体动作进行监测。在获得动作视频后，通过分析视频序列，提取人的身体轮廓和丰富的时空兴趣点，并采用机器学习或模型推理识别出人体动作。尽管基于视频的方法取得了令人瞩目的研究成果，然而，在实际的应用中经常会遇到一些难以解决的问题。首先，在现实生活中，并不是每个人都愿意长时间被摄像头监测，这涉及到用户的隐私问题。其次，由于摄像机的位置固定，通常很难监测到用户全部的日常活动，对于户外的一些动作也是无能为力。第三，在采集视频数据的过程中，容易受到一些因素的干扰，如光线的影响、障碍物的遮挡等，这些都会降低动作识别的准确性。第四，虽然视频可以直观地反映出人体运动的姿态，然而其难以获得动作的一些参数信息，如肢体运动的加速度和角速度等。最后，视频设备的费用相对普通传感器而言通常较高，这也限制了它在实际应用中的推广。

随着传感器的类型越来越丰富，精度越来越高，体积越来越小，基于传感器的动作识别逐渐成为研究的热点。用户通过身体上的传感器节点，可以测量并收集运动时所产生的相关数据，这些数据可以通过无线通讯的方式传送给移动设备或个人终端，采用机器学习的方法对各种动作进行分类。

但是，传统的惯性传感器动作捕捉方法，对于采集的数据进行简单的平移降噪，简单平移后的数据整体不平滑，除噪效果不佳，影响后续动作捕捉的精度，对高维度特征向量未进行降维，会增加计算量，影响捕捉速度，同时，分类模型采用单层的验证方式，会在相似的上肢动作和下肢动作特征空间产生复杂的决策边界，增加了分类的难度，也会影响动作捕捉的精度，无法满足对于人体动作捕捉的需求。

发明内容

本发明提供的发明目的在于提供一种基于惯性传感器式动作捕捉方法，采用移动平滑滤波方式对数据进行噪声处理，使得数据变得较为平滑，提高了动作捕捉的精度，对高维特征向量进行降维，去除数据冗余，用一个新的低维数据的特征集合来取代原始高维数据，让其尽可能地反映原来数据的信息，从而能够减少数据计算，使得数据够直观及数据可视性较好，采用交叉验证的方式，能够提高识别正确率，获得了更高的精度。

为了实现上述效果，本发明提供如下技术方案：一种基于惯性传感器式动作捕捉方法，包括以下步骤：

S1、惯性传感器采集人体动作数据，并对采集的数据进行存储。

S2、对采集的数据进行噪声处理，去除毛刺。

S3、对噪声处理后的数据进行窗口分割和特征提取。

S4、对特征进行降维，去除数据冗余。

S5、根据降维后的特征，训练分类模型，并对分类模型进行验证。

S6、将获取的动作数据输入训练后的分类模型，识别人体动作。

进一步的，所述步骤S2中，对采集的数据进行噪声处理包括以下步骤：