实时识别动作的方法以及相应的手环与计算设备技术

公开了一种实时识别动作的方法，其包括：进行运动数据采集；收集运动样本，并将其分为训练所需样本以及测试所需样本两部分；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；利用测试所需样本对动作识别模型进行测试。也公开了利用本方法来实时识别动作的手环与计算设备。

The method of real time recognition of action and the corresponding bracelet and computing equipment

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，用于将所测量的所述运动的相关数据发送给与所述手环配合使用的计算设备。根据本专利技术的第三个主要方面，提供一种用于实现实时识别动作的计算设备，包括：数据接收装置，用于从与所述计算设备配合使用的手环接收通过所述计算设备的数据测量装置获得的运动的相关数据；以及数据重建与同步模块，用于对通过数据接收装置获取的数据进行必要的重建与同步。根据本专利技术的技术方案，可以通过简便的方法实现对动作的实时且相对准确可靠的识别。附图说明为了更清楚地说明本专利技术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简单地介绍。显而易见地，下面描述中的附图仅仅描述本专利技术的一部分实施例。这些附图对于本专利技术来说并不是限制性的，而是起示例性的作用。图1为示出根据本专利技术的一个实施方式的手环的示意图；图2为示出图1中手环的功能模块的功能框图；图3为示出根据本专利技术的实施方式的手环与计算设备的示意图；图4为示出根据本专利技术的实时动作识别方法的基本步骤的流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施形式，都属于本专利技术保护的范围。图1为示出根据本专利技术的一个实施方式的手环的示意图。如图1中所示，该手环整体为环状，环中位置内嵌仪表盘，仪表盘外表面包覆彩色EVA材质涂层，仪表盘两侧设置链带，通过链带构成环状结构，链带为与所述涂层相同颜色和材质的EVA链带，并与所述涂层整体成型，两侧链带连接处通过针扣缩放来调节手环佩戴时的松紧程度。图2为示出图1中的手环的功能模块的功能框图。如图2中所示，该手环包括：数据测量装置，其包括加速度计与陀螺仪器，分别用于检测运动的三轴加速度和三轴角速度；蓝牙模块，用于通过蓝牙将数据测量装置发送给与手环配合使用的计算设备，如手机、平板电脑、电脑，等等。图3为示出根据本专利技术的实施方式的手环与计算设备的示意图。如图3中所示，手环包括的功能模块及其功能与图2中所示出的相应部分相同，而计算设备(例如手机、平板电脑、电脑等等)之中包括数据接收装置以及数据重建与同步模块。其中，数据接收装置用于通过蓝牙从手环接收数据测量装置所测得的数据，而数据重建与同步模块用于对通过数据接收装置获取的数据进行以下将进一步进行说明的重建与同步。图4为示出根据本专利技术的实时动作识别方法的基本步骤的流程图。如图4中所示，根据本专利技术的实时动作识别方法主要包括：1.在步骤ST1中，通过手环的传感器进行运动数据采集；2.在步骤ST2中，收集运动样本，并将其分为训练所需样本以及测试所需样本两部分；3.在步骤ST3中，利用训练所需样本进行样本的特征学习与模型训练，得到动作识别模型；4.在步骤ST4中，利用测试所需样本对动作识别模型进行测试。下面，将对这些步骤进行进一步地说明。第一步、进行运动数据采集本环节分为三个步骤，基本任务是从含有数据测量装置的手环设备中读取传感器的原始测量数据，之后把数据通过蓝牙传输到计算设备(手机、平板电脑或PC)，并由后者进行必要的传感器信号重建和同步。具体步骤如下：(a)动作数据采集手环设备里面设置有加速度计和陀螺仪，分别提供三轴的加速度测量值和角速度测量值。然后以符合蓝牙通信协议(例如BLE4.0蓝牙传输协议)的合适的数据组织格式把这些测量值打包。(b)通过蓝牙传输数据采用BLE4.0的蓝牙传输协议传输上述测量值的数据包，每次传送若干组这样的数据包。这种蓝牙传输协议为当前大多数设备所支持，而且也是一种低功耗的蓝牙传输协议，可用于延长设备的续航时间和减少电池的容量。数据接收端将可解析的指令发送给手环，手环接收到该数据就会开启本地传感器的数据测量，手环将不停更新的数据通过蓝牙传输协议发送给数据接收端，具体步骤如下：(1)客户端初始化配置：安装在诸如手机、平板电脑、电脑等的计算设备上的客户端初始化并开启蓝牙，向手环蓝牙层发送控制指令，开启蓝牙监听，准备好接收手环的传感器数据。(2)发送端组织数据：每10ms手环上的两个传感器会上报本地实时数据到手环控制系统层。手环控制系统层会将当前获取的传感器数据加上序号和数据生成的时间戳，调用蓝牙传输层，发送给客户端。(3)客户端收到数据后，根据收到的数据包序号和时间戳，通过线性插值计算，进行信号重建，将数据处理成平滑的数据，以减少数据序号不连续和时间戳不均匀造成的信号失真的影响。下面的(c)步具体说明了如何进行该信号重建。(c)传感器信号重建和同步因为加速度计和陀螺仪数据的采样时刻和采样率很难达到同步，所以对往往采样率较低的陀螺仪数据采用数据插值的方法重建，以便与加速度计的时刻进行同步。下面以最常用的线性插值方法为例，具体步骤如下：假设陀螺仪在t1时刻的数据为G(t1)，陀螺仪在t2时刻的数据为G(t2)，求陀螺仪在t1时刻与t2时刻间的时刻t的数据值G(t)，具体如下：具体地，以如何获得陀螺仪在时刻t＝[03:51:49.384]数值为例，来说明利用原始陀螺仪数据重建和同步的过程：第一步.找到与加速度时刻t＝[03:51:49.384]时间相近的前后陀螺仪数据时刻t1＝[03:51:49.376]和t2＝[03:51:49.387]的数据，第二步,通过采用线性插值方法计算时刻t＝[03:51:49.384]的陀螺仪数据，代入如上公式，即可得到G(t＝[03:51:49.384])时刻数据值。第三步，重复以上两个步骤，即可得到重建后的与加速度计时刻同本文档来自技高网...

【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