[发明专利]基于虚拟惯性测量信号生成模型的动作识别方法及系统

权利要求书

1.一种虚拟惯性测量信号生成模型的训练方法，其特征在于，所述训练方法包括：

构建包括若干训练样本的训练样本集；每个训练样本包括同一肢体动作对应的训练用表面肌电信号和训练用惯性测量信号；

构建虚拟惯性测量信号生成模型；所述虚拟惯性测量信号生成模型为生成对抗网络模型；所述虚拟惯性测量信号生成模型中包括参考特征提取器、生成器和判别器；所述虚拟惯性测量信号生成模型用于根据表面肌电信号生成对应的虚拟惯性测量信号；

利用所述训练样本集，以所述训练用表面肌电信号为所述虚拟惯性测量信号生成模型中生成器的输入，以所述训练用表面肌电信号对应的训练用惯性测量信号为所述虚拟惯性测量信号生成模型中生成器的目标输出，对所述虚拟惯性测量信号生成模型进行迭代对抗训练，得到训练好的虚拟惯性测量信号生成模型；具体包括：

生成所述参考特征提取器的初始输入信号：构建一个与所述训练用惯性测量信号具有相同尺寸的图像，并对图像中每个像素赋予值域范围在[0,1]区间内的随机实数值，得到所述初始输入信号；

所述参考特征提取器对输入其的信号进行特征提取，得到参考信号特征；

所述生成器：对输入其的所述训练用表面肌电信号进行特征提取，得到肌电信号特征；将所述参考信号特征与所述肌电信号特征进行拼接，得到融合信号特征；并根据所述融合信号特征生成虚拟惯性测量信号；所述虚拟惯性测量信号用于输入所述判别器和所述参考特征提取器；

所述判别器对输入其的所述虚拟惯性测量信号与所述训练用惯性测量信号近似程度进行判别，得到判别值；所述判别值用于表征输入所述判别器的所述虚拟惯性测量信号与所述训练用惯性测量信号近似程度；

所述生成器根据所述近似程度调整生成器中的各权重系数；

判断是否达到训练终止条件，若是，则停止迭代对抗训练，得到训练好的虚拟惯性测量信号生成模型；若否，则将所述虚拟惯性测量信号输入到所述参考特征提取器中，开始下一轮对抗训练。

2.根据权利要求1所述的训练方法，其特征在于，所述构建虚拟惯性测量信号生成模型，具体包括：

构建包括卷积神经网络和全连接网络的参考特征提取器；在所述参考特征提取器中，所述卷积神经网络包括4个卷积层；所述全连接网络包括3个全连接层；

构建包括卷积神经网络、全连接网络和反卷积神经网络的生成器；在所述生成器中，所述卷积神经网络包括4个卷积层，所述全连接网络包括3个全连接层，所述反卷积神经网络包括3个反卷积层和1个卷积层；所述全连接网络的输出与所述参考特征提取器的输出相拼接后输入所述反卷积神经网络；

构建包括卷积神经网络、全连接网络和最小二乘损失函数的判别器；在所述判别器中，所述卷积神经网络包括4个卷积层，所述全连接网络包括3个全连接层。

3.一种基于虚拟惯性测量信号生成模型的动作识别方法，其特征在于，所述动作识别方法包括：

获取表面肌电信号；

利用如权利要求1-2任意一项所述的训练方法得到训练好的虚拟惯性测量信号生成模型；

将所述表面肌电信号输入到所述训练好的虚拟惯性测量信号生成模型中，得到虚拟惯性测量信号；

将所述表面肌电信号和所述虚拟惯性测量信号输入到动作识别模型中，得到动作识别结果。

4.根据权利要求3所述的动作识别方法，其特征在于，所述动作识别模型为双流神经网络模型，所述动作识别模型包括两个神经网络分支、特征层融合模块以及softmax分类器。

5.一种基于虚拟惯性测量信号生成模型的动作识别系统，其特征在于，所述动作识别系统包括：

表面肌电信号获取单元，用于获取表面肌电信号；

虚拟信号生成模型训练单元，用于根据如权利要求1-2任意一项所述的训练方法得到训练好的虚拟惯性测量信号生成模型；

虚拟惯性测量信号获取单元，用于将所述表面肌电信号输入到所述训练好的虚拟惯性测量信号生成模型中，得到虚拟惯性测量信号；

动作识别单元，用于将所述表面肌电信号和所述虚拟惯性测量信号输入到动作识别模型中，得到动作识别结果。

6.根据权利要求5所述的动作识别系统，其特征在于，所述动作识别模型为双流神经网络模型，所述动作识别模型包括两个神经网络分支、特征层融合模块以及softmax分类器。