[发明专利]一种人体姿态识别模型建立方法和人体姿态识别方法

权利要求书

1.一种人体姿态识别模型建立方法，其特征在于，包括：

获取不同姿态下的人体运动信号，其中，所述人体运动信号的来源包括穿戴于人体的智能穿戴设备；

对所述人体运动信号进行预处理，获得模型输入信号；

基于所述模型输入信号对预设模型进行训练，获得人体姿态识别模型，所述人体姿态识别模型用于输出姿态分类结果，其中，所述预设模型包括依次连接的双向长短期记忆网络和支持向量机分类器，所述模型输入信号用于对所述双向长短期记忆网络进行训练。

2.根据权利要求1所述的人体姿态识别模型建立方法，其特征在于，所述获取不同姿态下的人体运动信号包括：

获取步行、跑步、上楼、下楼、站立和坐下姿态下的所述人体运动信号，其中，所述人体运动信号包括由所述智能穿戴设备采集的三维度加速度数据、三维度角速度数据和三维度角度数据。

3.根据权利要求2所述的人体姿态识别模型建立方法，其特征在于，所述对所述人体运动信号进行预处理，获得模型输入信号包括：

根据所述三维度加速度数据获得三维度重力加速度数据和三维度线性加速度数据；

基于所述三维度加速度数据、所述三维度角速度数据、所述三维度角度数据、所述三维度重力加速度数据和所述三维度线性加速度数据获得所述模型输入信号。

4.根据权利要求3所述的人体姿态识别模型建立方法，其特征在于，所述对所述人体运动信号进行预处理，获得模型输入信号还包括：

对所述人体运动信号进行移动均值滤波；

对所述人体运动信号进行数据标准化处理。

5.根据权利要求1至4任一项所述的人体姿态识别模型建立方法，其特征在于，所述双向长短期记忆网络包括第一全连接层、前向LSTM层、反向LSTM层和第二全连接层，所述第一全连接层的两个输出分别接入所述前向LSTM层和所述反向LSTM层，所述前向LSTM层和所述反向LSTM层的输出经拼接后接入所述第二全连接层，所述第二全连接层的输出用于接入所述支持向量机分类器。

6.根据权利要求5所述的人体姿态识别模型建立方法，其特征在于，所述基于所述模型输入信号对预设模型进行训练包括：

将所述前向LSTM层和所述反向LSTM层在最后时刻的输出拼接后与Softmax分类器组合，通过沿时间反向传播算法更新内部各层神经网络参数，利用最小化损失函数完成对所述预设模型的训练。

7.一种人体姿态识别模型建立装置，其特征在于，包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于当执行所述计算机程序时，实现如权利要求1至6任一项所述的人体姿态识别模型建立方法。

8.一种人体姿态识别方法，其特征在于，包括：

获取人体运动信号；

将所述人体运动信号输入根据如权利要求1至6任一项所述的人体姿态识别模型建立方法建立的人体姿态识别模型，获得姿态分类结果。

9.一种人体姿态识别装置，其特征在于，包括存储器和处理器；

所述存储器，用于存储计算机程序；

所述处理器，用于当执行所述计算机程序时，实现如权利要求8所述的人体姿态识别方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1至6任一项所述的人体姿态识别模型建立方法或者如权利要求8所述的人体姿态识别方法。