[发明专利]肢体动作识别方法、装置、系统以及可读存储介质

权利要求书

1.一种肢体动作识别方法，其特征在于，包括：

通过贴合肢体设置的肌电信号传感器和加速度传感器，分别获得肌电信号和加速度信号；

根据所述肌电信号和所述加速度信号进行有效活动时间段识别，并获得所述有效活动时间段对应的有效肌电信号和有效加速度信号；其中，所述有效活动 时间段为所述肢体进行动作活动时的时间段；

对每个所述有效活动时间段对应的所述有效肌电信号和所述有效加速度信号均分别进行AR模型特征提取、小波分析特征提取以及模糊熵特征提取，获得所述有效肌电信号对应的肌电第一特征数据、肌电第二特征数据、肌电第三特征数据，以及所述有效加速度信号对应的加速度第一特征数据、加速度第二特征数据和加速度第三特征数据；

以所述肌电第一特征数据、所述肌电第二特征数据和所述肌电第三特征数据作为第一样本矩阵，所述加速度第一特征数据、所述加速度第二特征数据和所述加速度第三特征数据作为第二样本矩阵，对所述第一样本矩阵中的各个特征数据和所述第二样本矩阵中的特征数据进行相关性分析，获得融合特征矩阵；

利用预先创建获得的支持向量机对所述融合特征矩阵进行识别，获得肢体动作信息。

2.如权利要求1所述的肢体动作识别方法，其特征在于，对所述第一样本矩阵中的各个特征数据和所述第二样本矩阵中的特征数据进行相关性分析，获得融合特征矩阵的过程包括：

设定所述第一样本矩阵和所述第二样本矩阵分别满足的第一线性关系式和第二线性关系式其中，X为所述第一样本矩阵；x_i为所述第一样本矩阵中的第i个特征数据；a_i为所述第一线性关系式中第i个特征数据对应的第一相关变量；a＝(a₁,a₂,......,a_n)；Y为所述第二样本矩阵；y_i为所述第二样本矩阵中的第i个特征数据；b_i为所述第二线性关系式中第i个特征数据对应的第二相关变量；b＝(b₁,b₂,......,b_n)；

利用基于广义典型相关判别准则构建的拉格朗日目标函数以a^T·S_xx·a_i＝1，b^T·S_yy·b_i＝1为约束条件，确定各组(a_i,b_i)；其中，S_xx为所述第一样本矩阵中各个特征数据的方差；S_yy为所述第二样本矩阵中各个特征数据的方差；为所述第一样本矩阵和所述第二样本矩阵之间的协方差；λ₁、λ₂分别为第一系数和第二系数；

根据各组(a_i,b_i)，提取所述第一样本矩阵、所述第二样本矩阵对应的广义正则判别特征，获得第一广义正则判别特征W_x＝(a₁x₁,a₂x₂,......,a_nx_n)和第二广义正则判别特征W_y＝(b₁y₁,b₂y₂,......,b_ny_n)；

根据所述第一广义正则判别特征和所述第二广义正则判别特征获得融合特征矩阵。

3.如权利要求2所述的肢体动作识别方法，其特征在于，根据所述第一广义正则判别特征和所述第二广义正则判别特征获得融合特征矩阵包括：

根据所述第一广义正则判别特征和所述第二广义正则判别特征确定所述融合特征矩阵为

其中，第一权重系数为第二权重系数为

4.如权利要求1所述的肢体动作识别方法，其特征在于，获得所述肌电信号的过程包括：

利用数字高通滤波算法对所述肌电信号传感器采集的原始肌电信号进行滤波，获得频率在20Hz～200Hz之间的肌电信号。