一种动作类型的识别方法、装置和设备制造方法及图纸

本发明专利技术实施例提供了一种动作类型的识别方法、装置和设备，所述方法包括：采集用户的动作数据；提取所述动作数据中的多个特征元素；采用所述多个特征元素，生成所述动作数据的特征信息；依据所述特征信息，识别所述动作数据对应的动作类型，解决了现有技术中无法通过普通的智能穿戴设备识别用户的动作类型的问题，本发明专利技术实施例基于不同的动作类型的特征信息不同，通过识别动作数据的特征信息来进行动作类型的识别，提高了识别的效率和准确性。

【技术实现步骤摘要】
一种动作类型的识别方法、装置和设备
本专利技术涉及信息
，特别是涉及一种动作类型的识别方法、一种动作类型的识别装置和一种动作类型的识别设备。
技术介绍
智能穿戴设备又称作可穿戴设备，是一种应用穿戴式技术对日常穿戴进行智能化设计、开发出的可以穿戴的设备的总称，如智能眼镜、智能手表、智能手环等等。通常，当用户在佩戴智能穿戴设备后，智能穿戴设备能够对用户的行走或跑步进行简单的计数，向用户输出当前的行走或跑步的步数及距离。但是，现有的智能穿戴设备却无法对用户的动作进行识别，例如，篮球运动中的运球、投篮、传球、接球，羽毛球运动中扣杀、挑球、击球等动作，目前的智能穿戴设备根本无法识别。
技术实现思路
鉴于上述问题，提出了本专利技术实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种动作类型的识别方法、一种动作类型的识别装置和相应的一种动作类型的识别设备。为了解决上述问题，本专利技术实施例公开了一种动作类型的识别方法，包括：采集用户的动作数据；提取所述动作数据中的多个特征元素；采用所述多个特征元素，生成所述动作数据的特征信息；依据所述特征信息，识别所述动作数据对应的动作类型。可选地，所述采集用户的动作数据的步骤包括：采集用户在动作过程中的加速度信号和角速度信号。可选地，所述提取所述动作数据中的多个特征元素的步骤包括：分别提取所述加速度信号和角速度信号的最大值、最小值、均值方差、斜率、上升时间，和/或，下降时间。可选地，所述多个特征元素分别具有相应的特征数值，所述采用所述多个特征元素，生成所述动作数据的特征信息的步骤包括：对多个特征元素的特征数值进行归一化处理，以获得多个特征元素的归一化特征数值；对所述归一化特征数值进行降维处理，以获得目标特征数值；采用所述目标特征数值，生成所述动作数据的特征向量。可选地，所述依据所述特征信息，识别所述动作数据对应的动作类型的步骤包括：计算预置的动作特征库中的多个样本动作数据与所述特征信息的相似度，所述多个样本动作数据分别具有相应的标签信息；提取所述相似度超过预设阈值的多个样本动作数据作为目标样本动作数据；将所述目标样本动作数据的标签信息所指示的动作类型识别为所述动作数据的动作类型。可选地，所述依据所述特征信息，识别所述动作数据对应的动作类型的步骤包括：计算预置的动作特征库中的多个特征集合与所述特征信息的相似度，所述多个特征集合分别具有相应的标签信息；提取所述相似度最大值对应的特征集合为目标特征集合；将所述目标特征集合的标签信息所指示的动作类型识别为所述动作数据的动作类型。可选地，所述预置的动作特征库通过如下方式生成：采集多个样本动作数据，所述多个样本动作数据分别具有相应的标签信息；提取所述多个样本动作数据中的多个特征元素；采用所述多个特征元素，生成所述多个样本动作数据的特征信息；依据所述特征信息及其对应的标签信息，生成动作特征库。可选地，还包括：分别将具有相同标签信息的多个特征信息组合为特征集合。为了解决上述问题，本专利技术实施例公开了一种动作类型的识别装置，包括：采集模块，用于采集用户的动作数据；提取模块，用于提取所述动作数据中的多个特征元素；生成模块，用于采用所述多个特征元素，生成所述动作数据的特征信息；识别模块，用于依据所述特征信息，识别所述动作数据对应的动作类型。可选地，所述采集模块包括：采集子模块，用于采集用户在动作过程中的加速度信号和角速度信号。可选地，所述提取模块包括：提取子模块，用于分别提取所述加速度信号和角速度信号的最大值、最小值、均值方差、斜率、上升时间，和/或，下降时间。可选地，所述多个特征元素分别具有相应的特征数值，所述生成模块包括：归一化子模块，用于对多个特征元素的特征数值进行归一化处理，以获得多个特征元素的归一化特征数值；降维子模块，用于对所述归一化特征数值进行降维处理，以获得目标特征数值；生成子模块，用于采用所述目标特征数值，生成所述动作数据的特征向量。可选地，所述识别模块包括：第一计算子模块，用于计算预置的动作特征库中的多个样本动作数据与所述特征信息的相似度，所述多个样本动作数据分别具有相应的标签信息；第一提取子模块，用于提取所述相似度超过预设阈值的多个样本动作数据作为目标样本动作数据；第一识别子模块，用于将所述目标样本动作数据的标签信息所指示的动作类型识别为所述动作数据的动作类型。可选地，所述识别模块包括：第二计算子模块，用于计算预置的动作特征库中的多个特征集合与所述特征信息的相似度，所述多个特征集合分别具有相应的标签信息；第二提取子模块，用于提取所述相似度最大值对应的特征集合为目标特征集合；第二识别子模块，用于将所述目标特征集合的标签信息所指示的动作类型识别为所述动作数据的动作类型。可选地，所述预置的动作特征库通过调用如下模块生成：样本动作数据采集模块，用于采集多个样本动作数据，所述多个样本动作数据分别具有相应的标签信息；特征元素提取模块，用于提取所述多个样本动作数据中的多个特征元素；特征信息生成模块，用于采用所述多个特征元素，生成所述多个样本动作数据的特征信息；动作特征库生成模块，用于依据所述特征信息及其对应的标签信息，生成动作特征库。可选地，还包括：特征信息组合模块，用于分别将具有相同标签信息的多个特征信息组合为特征集合。为了解决上述问题，本专利技术实施例公开了一种动作类型的识别设备，包括：传感器、处理器、存储器、无线连接模组、电源模组和显示模组；所述传感器用于采集用户的动作数据；所述处理器用于提取所述动作数据中的多个特征元素；采用所述多个特征元素，生成所述动作数据的特征信息；依据所述特征信息，识别所述动作数据对应的动作类型。与
技术介绍
相比，本专利技术实施例包括以下优点：本专利技术实施例，通过采集用户的动作数据，并提取所述动作数据中的多个特征元素，然后采用所述多个特征元素，生成所述动作数据的特征信息，进而能够依据所述特征信息，识别所述动作数据对应的动作类型，解决了现有技术中无法通过普通的智能穿戴设备识别用户的动作类型的问题，本专利技术实施例基于不同的动作类型的特征信息不同，通过识别动作数据的特征信息来进行动作类型的识别，提高了识别的效率和准确性。附图说明图1是本专利技术的一种动作类型的识别方法实施例一的步骤流程图；图2是本专利技术的一种动作类型的识别方法实施例二的步骤流程图；图3是本专利技术的一种动作类型的识别方法的原理图；图4是本专利技术的一种动作类型的识别装置实施例的结构框图；图5是本专利技术的一种动作类型的识别设备实施例的结构框图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。参照图1，示出了本专利技术的一种动作类型的识别方法实施例一的步骤流程图，具体可以包括如下步骤：步骤101，采集用户的动作数据；在本专利技术实施例中，所述方法可以应用于智能手环、智能手表等智能穿戴设备中，本专利技术实施例对智能穿戴设备的具体类型不作限定。所述动作数据可以是用户在运动过程中作出某个动作时所产生的相关数据，例如，可以是用户在篮球运动中所作出的运球、投篮、传球、接球等动作，或者在羽毛球运动中所作出的扣杀、挑球、击球等动作时产生的相关的加速度信号、角速度信号等运动数据。在具体实现中，可以通过陀螺仪、加速度计等传感器采集用户在动本文档来自技高网...

【技术保护点】
一种动作类型的识别方法，其特征在于，包括：采集用户的动作数据；提取所述动作数据中的多个特征元素；采用所述多个特征元素，生成所述动作数据的特征信息；依据所述特征信息，识别所述动作数据对应的动作类型。

【技术特征摘要】
1.一种动作类型的识别方法，其特征在于，包括：采集用户的动作数据；提取所述动作数据中的多个特征元素；采用所述多个特征元素，生成所述动作数据的特征信息；依据所述特征信息，识别所述动作数据对应的动作类型。2.根据权利要求1所述的方法，其特征在于，所述采集用户的动作数据的步骤包括：采集用户在动作过程中的加速度信号和角速度信号。3.根据权利要求2所述的方法，其特征在于，所述提取所述动作数据中的多个特征元素的步骤包括：分别提取所述加速度信号和角速度信号的最大值、最小值、均值方差、斜率、上升时间，和/或，下降时间。4.根据权利要求1-3任一所述的方法，其特征在于，所述多个特征元素分别具有相应的特征数值，所述采用所述多个特征元素，生成所述动作数据的特征信息的步骤包括：对多个特征元素的特征数值进行归一化处理，以获得多个特征元素的归一化特征数值；对所述归一化特征数值进行降维处理，以获得目标特征数值；采用所述目标特征数值，生成所述动作数据的特征向量。5.根据权利要求4所述的方法，其特征在于，所述依据所述特征信息，识别所述动作数据对应的动作类型的步骤包括：计算预置的动作特征库中的多个样本动作数据与所述特征信息的相似度，所述多个样本动作数据分别具有相应的标签信息；提取所述相似度超过预设阈值的多个样本动作数据作为目标样本动作数据；将所述目标样本动作数据的标签信息所指示的动作类型识别为所述动作数据的动作类型。6.根据权利要求4所述的方法，其特征在于，所述依据所述特征信息，识别所述动作数据对应的动作类型的步骤包括：计算预置的动作特征库中的多个特征集合与所述特征信息的相似度，所述多个特征集合分别具有相应的标签信息；提取所述相似度最大值对应的特征集合为目标特征集合；将所述目标特征集合的标签信息所指示的动作类型识别为所述动作数据的动作类型。7.根据权利要求5或6所述的方法，其特征在于，所述预置的动作特征库通过如下方式生成：采集多个样本动作数据，所述多个样本动作数据分别具有相应的标签信息；提取所述多个样本动作数据中的多个特征元素；采用所述多个特征元素，生成所述多个样本动作数据的特征信息；依据所述特征信息及其对应的标签信息，生成动作特征库。8.根据权利要求7所述的方法，其特征在于，还包括：分别将具有相同标签信息的多个特征信息组合为特征集合。9.一种动作类型的识别装置，其特征在于，包括：采集模块，用于采集用户的动作数据；提取模块，用于提取所述动作数据中的多个特征元素；生成模块，用于采用所述多个特征元素，生成所述动作数据的特征信息；识别模块，用于依据所述特征信息，识别所述动作数据对应的动作类型...

【专利技术属性】
技术研发人员：史鹏，白锋，
申请(专利权)人：北京红旗胜利科技发展有限责任公司，
类型：发明
国别省市：北京,11