[发明专利]动作识别处理方法、装置、电子设备及存储介质

权利要求书

1.一种动作识别处理方法，其特征在于，包括：

S104、从获取的惯性传感信号数据中识别出动作特征信息；

S106、获取所述动作特征信息中的分周期特征信息，基于所述分周期特征信息获取所述动作特征信息中的分周期数量；以及

S108、至少基于所述动作特征信息中的分周期数量获取所述动作特征信息中的特征动作的动作周期数量。

2.根据权利要求1所述的动作识别处理方法，其特征在于，步骤S104中，从所述惯性传感信号数据中识别出动作特征信息，包括：

基于当前处理窗口对所述惯性传感信号数据中的当前识别区域的动作特征信息进行识别；

将所述当前处理窗口移动至当前识别区域的下一识别区域，以对下一识别区域的动作特征信息进行识别；以及

基于缓冲覆盖窗口对已进行动作特征信息识别的识别区域进行覆盖。

3.根据权利要求2所述的动作识别处理方法，其特征在于，步骤S106中，还获取所述动作特征信息中的特征动作的特征参数；步骤S108中，基于所述动作特征信息中的分周期数量以及所述特征动作的特征参数获取所述动作特征信息中的特征动作的动作周期数量。

4.根据权利要求3所述的动作识别处理方法，其特征在于，所述特征动作的特征参数包括所述特征动作的动作周期长度。

5.根据权利要求4所述的动作识别处理方法，其特征在于，基于所述特征动作的动作周期长度设置/调整所述当前处理窗口以及所述缓冲覆盖窗口的尺寸特征。

6.根据权利要求5所述的动作识别处理方法，其特征在于，所述当前处理窗口以及所述缓冲覆盖窗口均至少能够容纳一个动作周期长度。

7.根据权利要求1所述的动作识别处理方法，其特征在于，步骤S104中，从所述惯性传感信号数据中识别出动作特征信息，包括：

基于经过训练的深度学习模型从所述惯性传感信号数据中识别出特征动作信号；

所述深度学习模型包括第一卷积神经网络模块、池化层模块、激活层模块、空时融合的残差结构模块以及全连接层模块；

其中，所述惯性传感信号数据以预设长度输入至所述第一卷积神经网络模块，所述第一卷积神经网络模块的输出作为所述池化层的输入，所述池化层的输出作为所述激活层的输入，所述激活层的输出作为所述空时融合的残差结构模块的输入，所述空时融合的残差结构模块的输出作为所述全连接层的输入，所述全连接层输出特征动作信号的识别结果；

优选地，所述空时融合的残差结构模块包括第二卷积神经网络模块、GRU模块组以及融合模块；

所述激活层的输出作为所述第二卷积神经网络模块的输入，所述第二卷积神经网络模块的输出作为所述GRU模块组的输入以及所述融合模块的输入；

所述融合模块的输出作为所述全连接层的输入；

优选地，所述惯性传感信号数据为基于惯性传感器装置获取的动作对象的惯性传感信号数据。

8.一种动作识别处理装置，其特征在于，包括：

特征动作识别模块，所述特征动作识别模块从惯性传感信号数据中识别出动作特征信息；

分周期特征信息获取模块，所述分周期特征信息获取模块获取所述动作特征信息中的分周期特征信息，基于所述分周期特征信息获取所述动作特征信息中的分周期数量；以及

动作周期数量获取模块，所述动作周期数量获取模块至少基于所述动作特征信息中的分周期数量获取所述动作特征信息中的特征动作的动作周期数量；

优选地，还包括：惯性传感器，所述惯性传感器获取动作对象的惯性传感信号数据。

9.一种电子设备，其特征在于，包括：

存储器，所述存储器存储执行指令；以及

处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行权利要求1至7中任一项所述的方法。

10.一种可读存储介质，其特征在于，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现权利要求1至7中任一项所述的方法。