一种基于深度学习模型的特定动作识别方法及系统技术方案

本发明专利技术涉及一种基于深度学习模型的特定动作识别方法及系统，所述方法包括：获取初始训练数据集；根据所述初始训练数据集得到设定动作光学轨迹信息和设定动作惯性轨迹信息，根据设定动作光学轨迹信息和设定动作惯性轨迹信息对动作识别模型进行训练，通过训练后的动作识别模型和样条函数完成设定动作的识别。本发明专利技术通过精确的训练集对模型进行训练，通过训练好的模型并基于样条函数完成设定动作的精准识别。

【技术实现步骤摘要】
一种基于深度学习模型的特定动作识别方法及系统
本专利技术涉及卷积神经网络
，特别是涉及一种基于深度学习模型的特定动作识别方法及系统。
技术介绍
在物联网时代，传感器设备将遍布我们的社会生活，通过传感器采集到的数据，可以实现浩如烟海的丰富功能，例如，当用户佩戴惯性传感器做出不同的行为、动作时，可以对应不同类型的控制命令，这意味着传感器在源源不断地采集着数据。然而，如何准确地提取出特定动作所对应的惯性传感器数据，就成为了一个重要的问题。假设传感器采样频率为200Hz，某特定动作持续时间为1.5秒，那么该动作所对应的时间序列数据即为300帧，需要从长达数万帧的数据中准确地提取出这300帧的数据，且起始、终止帧的误差均保持在10帧之内甚至更小，此外，特定动作所对应的时间序列数据在形态上并无明显的特征，进一步增加了难度。现有的时间序列数据的分割、提取、识别方案主要以判断数据的形态、几何特征为主要方法，而对于不具备形态、几何特征的时间序列数据，很难做到精确到帧的判断。
技术实现思路
本专利技术的目的是提供一种基于深度学习模本文档来自技高网...

【技术保护点】
1.一种基于深度学习模型的特定动作识别方法，其特征在于，包括：/n获取M组含有设定动作的初始训练数据集；所述初始训练数据集包括光学数据和惯性数据；所述光学数据和惯性数据帧对应；/n在第m组所述初始训练数据集中，根据所述光学数据得到设定动作的第一开始帧和第二终止帧；m∈M；/n根据所述光学数据得到光学轨迹信息；/n根据所述惯性数据得到惯性轨迹信息；/n根据所述第一开始帧和所述第一终止帧对所述光学轨迹信息进行分割得到设定动作光学轨迹信息，对所述惯性轨迹信息进行分割得到设定动作惯性轨迹信息；/n根据每一组的所述设定动作光学轨迹信息和所述设定动作惯性轨迹信息对动作识别模型进行训练，基于样条函数和训练后...

【技术特征摘要】
1.一种基于深度学习模型的特定动作识别方法，其特征在于，包括：
获取M组含有设定动作的初始训练数据集；所述初始训练数据集包括光学数据和惯性数据；所述光学数据和惯性数据帧对应；
在第m组所述初始训练数据集中，根据所述光学数据得到设定动作的第一开始帧和第二终止帧；m∈M；
根据所述光学数据得到光学轨迹信息；
根据所述惯性数据得到惯性轨迹信息；
根据所述第一开始帧和所述第一终止帧对所述光学轨迹信息进行分割得到设定动作光学轨迹信息，对所述惯性轨迹信息进行分割得到设定动作惯性轨迹信息；
根据每一组的所述设定动作光学轨迹信息和所述设定动作惯性轨迹信息对动作识别模型进行训练，基于样条函数和训练后的动作识别模型完成设定动作的识别。


2.根据权利要求1所述的一种基于深度学习模型的特定动作识别方法，其特征在于，所述根据所述光学数据得到光学轨迹信息，包括：
从所述光学数据中选取E帧图像作为初始图像；所述光学数据为在执行设定动作时，通过采集协同运动的设定数量的反光球得到的数据；
对第e帧所述初始图像进行加标签处理，得到标签图像；所述标签包括每个反光球宽度、高度和球心的横坐标、纵坐标；e∈E；
根据每一帧所述标签图像对光学卷神经网络模型进行训练；
通过训练好的所述光学卷神经网络模型对所述光学数据中的第h帧图像进行特征提取，得到每个反光球的球心坐标；h∈H，H为光学数据的总帧数；
对第h帧图像中每个反光球的球心坐标求平均值，得到所述光学轨迹信息。


3.根据权利要求2所述的一种基于深度学习模型的特定动作识别方法，其特征在于，在所述对第h帧图像中每个反光球的球心坐标求平均值，得到所述光学轨迹信息之前，还包括：
采用三次样条插值的方法对反光球的球心坐标中缺失的部分进行补足。


4.根据权利要求1所述的一种基于深度学习模型的特定动作识别方法，其特征在于，所述根据所述惯性数据得到惯性轨迹信息，包括：
根据所述惯性数据得到每一帧的四元数矩阵；
根据所述惯性数据和所述四元数矩阵得到每一帧的速度；
根据每一帧的速度得到每一帧的位移；
根据每一帧的位移得到所述惯性轨迹信息。


5.根据权利要求1所述的一种基于深度学习模型的特定动作识别方法，其特征在于，所述根据每一组的所述设定动作光学轨迹信息和所述设定动作惯性轨迹信息对动作识别模型进行训练，基于样条函数和训练后的动作识别模型完成设定动作的识别，包括：
根据每一组的所述设定动作光学轨迹信息和所述设定动作惯性轨迹信息对动作识别模型进行训练；
基于训练好的动作识别模型对设定动作进行识别，得到轨迹信息，进一步得到设定动作的初始开始帧、初始终止帧和设定动作窗口；
基于窗口扩大偏好模型对所述设定动作窗口进行扩大处理，得到扩大轨迹信息；
基于样条函数和Frechet距离的方法根据所述扩大轨迹信息得到第二开始帧和第二终止帧；
根据所述第二开始帧和所述第二终止帧对所述扩大轨迹信息进行分割完成设定动作的识别。


6.一种基于深度学习模型的特定动作识别系统，其特征在于，包括：
数据获取...

【专利技术属性】
技术研发人员：赵毅，王一峰，李虹颐，汪洋，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：广东;44