[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

说明书

本发明涉及一种人体姿态识别模型建立方法和人体姿态识别方法。该人体姿态识别模型建立方法包括：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。本发明的技术方案有助于提高人体姿态识别的精度和效率。

技术领域

本发明涉及计算机应用技术领域，具体而言，涉及一种人体姿态识别模型建立方法和人体姿态识别方法。

背景技术

人体姿态识别在健康监测、体育竞技分析以及人机交互场景中被广泛应用。传统的人体姿态识别算法分为两种，一是统计机器学习方法，例如，通过阈值分析、支持向量机或感知向量机等模型对原始信号进行分类，存在特征能力提取不足，识别准确率不高的问题；二是浅层机器学习算法与信号处理技术结合，例如，通过小波变换、经验模态分解或快速傅立叶变换提取信号特征后输入机器学习模型分类，虽然分类效果尚可，但存在提取过程复杂、滤波延时高、特征提取不全面的问题。

发明内容

针对现有技术的不足，本发明提供一种人体姿态识别模型建立、人体姿态识别方法和装置、存储介质。

第一方面，本发明提供了一种人体姿态识别模型建立方法，该方法包括如下步骤：

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。

第二方面，本发明提供了一种人体姿态识别模型建立装置，该装置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，实现如上所述的人体姿态识别模型建立方法。

第三方面，本发明提供了一种人体姿态识别方法，该方法包括如下步骤：

获取人体运动信号；

将所述人体运动信号输入根据如上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。

第四方面，本发明提供了一种人体姿态识别装置，该装置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，实现如上所述的人体姿态识别方法。

第五方面，本发明提供了一种计算机可读存储介质，该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，实现如上所述的人体姿态识别模型建立方法或者如上所述的人体姿态识别方法。

在本发明中，可通过例如智能腰带等智能穿戴设备采集人体运动信号，从而可用于各种需要实时进行姿态识别的场景，在对人体运动信号进行预处理后，可用于对预设模型的训练，其中，预设模型包括双向长短期记忆网络和支持向量机分类器，通过双向长短期记忆网络可进行双向特征深层提取，例如，可提取在时间前后双向时序的细微特征，通过支持向量机分类器可保证在小样本数据集的分类性能，最终显著提升模型在姿态识别任务上的识别精度和效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单的介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。