Discloses a method, a real-time recognition action includes: motion data acquisition; collect samples, and divides it into the required training samples and test samples required by the two part; the required training samples for sample labeling, feature extraction, feature learning and training model, get the motion recognition model; the test samples are required to test the action recognition model. It also discloses the use of this method to identify the hand ring and the computing device of the action in real time.
【技术实现步骤摘要】
实时识别动作的方法以及相应的手环与计算设备
本专利技术涉及可穿戴设备
,更具体地说,涉及一种实时识别动作的方法以及相应的手环与计算设备。
技术介绍
手环是一款风靡的穿戴式设备,通过佩戴手环,用户可以记录运动的实时数据。在如今家长对儿童的健康情况愈加关心的情况下,手环已经逐步出现在儿童穿戴设备中。但是,目前的手环使用较简单,往往用户在使用一段时间后就失去兴趣,不易起到督促运动的作用,也无法起到帮助儿童强身健体,同时,目前市面上的手环产品很难准确实时地识别出人体动作,如跳跃、下蹲、游泳、打篮球、打羽毛球等动作。针对以上问题,将手环和一些电子产品结合起来,以兴趣为向导,来激励儿童运动。利用模式识别算法,对一些指定动作(跳跃、下蹲、向左跳、向右跳等)进行识别分类,将分类结果提供给后续软件(例如诸如手机、平板等计算设备上的软件),以用于高级应用(如互动娱乐方面、体育教育方面)。
技术实现思路
为解决上述问题,本专利技术提供一种实时识别动作的方法以及采用该方法的手环。该方法利用信号处理和模式识别算法,对一些指定动作(跳跃、下蹲、向左跳、向右跳等)进行识别分类。根据本专利技术的第一个主要方面,提供一种实时识别动作的方法,包括:进行运动数据采集;收集运动样本,并将其随机分为训练所需样本以及测试所需样本两部分;利用所述训练所需样本进行样本的样本标记、特征提取、特征学习与模型训练,得到动作识别模型;以及利用所述测试所需样本对所述动作识别模型进行测试。根据本专利技术的第二个主要方面,提供用于实现实时识别动作的手环,包括:数据测量装置,用于测量运动的相关数据;以及无线通信模块, ...
【技术保护点】
一种实时识别动作的方法,包括:进行运动数据采集;收集运动样本,并将其随机分为训练所需样本以及测试所需样本两部分;利用所述训练所需样本进行样本的样本标记、特征提取、特征学习与模型训练,得到动作识别模型;以及利用所述测试所需样本对所述动作识别模型进行测试。
【技术特征摘要】
1.一种实时识别动作的方法,包括:进行运动数据采集;收集运动样本,并将其随机分为训练所需样本以及测试所需样本两部分;利用所述训练所需样本进行样本的样本标记、特征提取、特征学习与模型训练,得到动作识别模型;以及利用所述测试所需样本对所述动作识别模型进行测试。2.根据权利要求1所述的方法,其特征在于,进行运动数据采集还包括,将采集的运动数据加上序号和数据生成时的时间戳。3.根据权利要求2所述的方法,其特征在于,所述运动数据包括运动的三轴加速度数据与三轴角速度数据。4.根据权利要求3所述的方法,其特征在于,进行运动数据采集还包括,利用数值插值对采样率较低的所述三轴角速度数据进行重建,以使其与所述三轴加速度数据同步。5.根据权利要求4所述的方法,其特征在于,所述数据插值为线性插值。6.根据权利要求1所述的方法,其特征在于,利用训练所需样本进行样本的样本标记、特征提取、特征学习与模型训练,得到动作识别模型包括,标记所述训练所需样本对应的动作类型。7.根据权利要求6所述的方法,其特征在于,利用训练所需样本进行样本的样本标记、特征提取、特征学习与模型训练,得到动作识别模型还包括,对获得的训练所需样本,提取以下特征中的一种或多种:绝对值均值、绝对值均值比、方差、峰度、偏度、均方根、平均绝对偏差、过零率、能量、相关系数、模型系数、四分位差、小波能量、分形维数、小波峰。8.根据权利要求7所述的方法,其特征在于,利用训练所需样本进行样本的样本标记、特征提取、特征学习与模型训练,得到动作识别模型还包括,利用模式分类算法进行计算,基于提取的一种或多种所述特征而获得模型参数,以得到动作识别模型。9.根据权利要求8所述的方法,其特征在于,所述模式分类算法选自由决策树、贝叶斯网络、人工神经网络、K-近邻、支持向量机、Boosting等算法组成的组。10.根据权利要求8所述的方法,其特征在于,利用测试所需样本对动作识别模型进行测试包括,利用所述测试所需样本重复进行所述特征提取,然后对所述动作识别模型的动作识别效果进行评估。11.根据权利要求1所述的方法,其特征在于,所述动作包括跳跃、下蹲、向左跳、向右跳中的一种或几种。12.一种用于实现实时识别动作的手环,包括:数据测量装置,用于测量运动的相关数据;以及无线通信模块,用于将所测...
【专利技术属性】
技术研发人员:孙贤军,程楠,陈默,唐佳茵,
申请(专利权)人:上海葡萄纬度科技有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。