一种基于机器学习的微惯性武术动作识别方法及系统技术方案

本发明专利技术提出了一种基于机器学习的微惯性武术动作识别方法及系统，包括数据采集模块、通信组网模块、数据处理模块、数据库存储模块、规范性分析模块以及反馈模块。数据采集模块可以通过微惯性数据传感器采集该用户训练时的节点速度，角速度，加速度及压力；通信组网模块通过滤波算法进行数据传输；数据库存储模块通过Sql进行数据存储；建立反馈模块，对不合理的数据进行反馈，并重新测量。本发明专利技术基于机器学习，将采集的运动信号进行处理，通过三级处理模式进行标样，可以以更规范且少量的数据源获得更多样性的组合动作以提高动作识别的准确性。本发明专利技术亦可准确识别人的武术动作，并进行规范性评估。规范性评估。

【技术实现步骤摘要】
一种基于机器学习的微惯性武术动作识别方法及系统


[0001]本专利技术及自动化及模式识别领域，具体为一种基于机器学习的微惯性武术动作识别方法及系统。

技术介绍

[0002]武术是中华文明的瑰宝，是几千年中华文明流传的精华，但是在快速发展的现代社会中，人们对于武术的相关了解越来越少，即使有相关的产业存在，可是与真正的传统武术却愈发的远，人们的动作越来越不标准，人们也用现代科技做过相关方面的努力，可是传统基于视频的动作识别比较通用，但是缺点也比较明显，视频识别无法实时准确的获取到人体动作的速度信息。
[0003]而基于低成本惯性传感器的运动识别一个充满挑战而又具有较高实际应用价值的任务，它可以通过传感器实时获取到人的肢体在运动时的三维速度信息，以便对动作的实时分析。相比图像视觉来说，惯性数据更加复杂多变，获取到的信息更为具体，更为多样，包括加速度、角速度、线速度等多种多样的速度信息。不同的动作类别之间具有相似性，而相同的类别在不同环境下又有着不同的特点。
[0004]本专利技术基于大量人体动作数据训练，同时将数据进行分类标签，构建出实用的数据集。配合惯性传感器及视觉分析技术，依据身体n个关键点实时检测并捕捉人体姿态结果，用于武术动作的识别与分析，以及也可用于智能康复，交互训练、武术健身及单兵国防领域等。

技术实现思路

[0005]针对目前难以采集传统武术动作中速度等相关信息的问题，本专利技术提出了一种基于机器学习的微惯性武术动作识别方法及系统，达到了实时检测捕捉人体姿态，有效分析并识别武术动作的效益。
[0006]一种基于机器学习的微惯性武术动作识别系统，包括数据采集模块、通信组网模块、数据处理模块、数据库存储模块、规范性分析模块以及反馈模块，
[0007]所述数据采集模块用于采集人体相应部位上的微惯性数据与力数据，并将微惯性数据上传到通信组网模块；
[0008]所述通信组网模块用于汇总各数据采集模块的数据，并通过滤波处理后一同上传到数据处理模块；
[0009]所述数据处理模块用于将采集到的数据进行三级数据处理，并将处理后的数据上传到数据库存储模块和规范性分析模块；
[0010]所述数据库存储模块用于将处理后的数据与数据库中的标准数据对比，并将得出的动作分类上传到规范性分析模块和反馈模块；
[0011]所述规范性分析模块用于将处理并分类后的数据与规范化动作的数据进行对比，并将比对后的评分上传至反馈模块；
[0012]所述反馈模块用于向用户显示检测到的武术动作名称以及规范性评分。
[0013]作为本专利技术系统进一步改进，所述数据采集模块，即一款微型纽扣式力传感器与一款集成了三轴加速度计、三轴陀螺仪以及一款低功耗微处理器的六轴姿态传感器，部署在人体相应部位上，采集相关运动数据。
[0014]作为本专利技术系统进一步改进，所述通信模块由部署在人体的n个采样节点和一个接收终端构成。所述采样节点进行级联传输，先传输到胸部主节点，汇总数据后一同发送到接收端。
[0015]作为本专利技术系统进一步改进，所述规范性分析及反馈模块，通过多次标准武术动作模拟及数据采集，构建动作数据库后，对初学者的武术动作进行规范和校正，对武术运动员的动作安全性进行评估，通过将实时采集到的的各项动作数据包括速度、加速度和角速度数据与数据库里面的标准数据进行对比，计算出差异度其中，d
t
、d
st
分别是待比对数据和标准数据，q
t
为数据d
t
的相似度占比加权，通过反馈结构将结果实时反馈给用户，适用于动作监测打分及规范性评估。
[0016]本专利技术提供一种基于机器学习的微惯性武术动作识别方法：所述方法采用三级数据处理模式；
[0017]所述三级处理模式中，一级数据操作为，根据惯性传感器得到的加速度，以及力传感器所测得力度，融合估计实际力度，计算式为，其中m
k
为第k个传感器附着部位的相对质量且可以通过m
k
＝p
jk
*M计算出，其中p
jk
为由用户的性别和具体部位共同决定的重量占比，其中M为用户输入的自身体重，a
k
为第k个传感器附着部位的三轴合加速度，f
k
为第k个传感器附着部位力传感器测得力度；
[0018]所述三级处理模式中，二级数据操作为，计算出该数据集中速度、加速度、角速度、压力、姿态角的信息熵：其中P
i
表示第i个动作数据占所有数据的比例，α为修正系数N为采集数据的类别数量，a为静态节点的个数，计算特征S
i
的标准加权数其中，a
t
为人体各个部位所对应的权重，q
t
为S
i
的各项高相关性因素的加权，且q
t
＞1，据此，构建随机森林模型，由于模型存在n个低相关性特征,该决策模型的最终票权P＝0.8
n
，所述高相关因素为相邻节点的加速度比值，胸部与腰部节点的速度信息、边界节点的速度与位置信息；所述低相关因素为幅值恒定的特征数据、静态节点的均值和标准差等；
[0019]所述三级处理模式中，三级数据操作为，通过对实时得到的动作数据和标准数据库里面的数据进行差异化计算其中L
t
为各个部位对应数据的差异值，可以得到显示动作标准性的差异度指标L。与现有技术相比，本专利技术的有益效果为：
[0020](1)相比传统的图像视觉识别，基于微惯性的武术动作识别可以采集到更复杂多变的惯性数据，获取到的信息更为具体，更为多样。
[0021](2)三级数据处理模式可以通过更规范且少量的数据源，获得更多样性的组合动作并提高动作识别的准确性，用于武术动作的识别与分析。
[0022](3)基于上位机的云端数据库，在系统的使用中根据新数据不断优化模型，使武术动作的评估愈发细致与标准化。
附图说明
[0023]图1为基于机器学习和微惯性的武术动作识别系统结构图
[0024]图2为规范性武术动作构建流程图；
[0025]图3为基于机器学习的武术动作识别流程。
具体实施方式
[0026]下面结合附图与具体实施方式对本专利技术作进一步详细描述：
[0027]图1为基于机器学习和微惯性的武术动作识别系统结构图
[0028]步骤S1：穿戴设备以及调试。
[0029]S1.1将数据采集模块穿戴在人体上，位置包括左小腿、左大腿、右小腿、右大腿、腰部、胸部、左大臂、左小臂、右大臂、右小臂，共计10个节点。
[0030]S1.2数据将采集人体动作时的速度、加速度、角速度、压力等信号，首先传输到胸部节点，在由胸部节点整合发送到处理终端。
[0031]图2为规范性武术动作构建流程图
[0032]步骤S2：构建规范性武术动作数据库数据库，具体包括
[0033]S2.1、在标准数据库的构建过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的微惯性武术动作识别系统，包括数据采集模块、通信组网模块、数据处理模块、数据库存储模块、规范性分析模块以及反馈模块，其特征在于，所述数据采集模块用于采集人体相应部位上的微惯性数据与力数据，并将微惯性数据上传到通信组网模块；所述通信组网模块用于汇总各数据采集模块的数据，并通过滤波处理后一同上传到数据处理模块；所述数据处理模块用于将采集到的数据进行三级数据处理，并将处理后的数据上传到数据库存储模块和规范性分析模块；所述数据库存储模块用于将处理后的数据与数据库中的标准数据对比，并将得出的动作分类上传到规范性分析模块和反馈模块；所述规范性分析模块用于将处理并分类后的数据与规范化动作的数据进行对比，并将比对后的评分上传至反馈模块；所述反馈模块用于向用户显示检测到的武术动作名称以及规范性评分。2.根据权利要求1所述的一种基于机器学习的微惯性武术动作识别系统，其特征在于：所述数据采集模块，即一款微型纽扣式力传感器与一款集成了三轴加速度计、三轴陀螺仪以及一款低功耗微处理器的六轴姿态传感器，部署在人体相应部位上，采集相关运动数据。3.根据权利要求1所述的一种基于机器学习的微惯性武术动作识别系统，其特征在于：所述通信模块由部署在人体的n个采样节点和一个接收终端构成，所述采样节点进行级联传输，先传输到胸部主节点，汇总数据后一同发送到接收端。4.根据权利要求1所述的一种基于机器学习的微惯性武术动作识别系统，其特征在于：所述规范性分析及反馈模块，通过多次标准武术动作模拟及数据采集，构建动作数据库后，对初学者的武术动作进行规范和校正，通过将实时采集到的的各项动作数据包括速度、加速度和角速度数据与数据库里面的标准数据进行对比，计算出差异度其中，d
t
、d
st
分别是待比对数据和标准数据，q
t
为数据d
t
的相似度占比加权，通过反馈结构将结果...

【专利技术属性】
技术研发人员：阳媛，周景皓，尹俊鹏，郑笑海，何子飞，杨浩然，李晓智，
申请(专利权)人：东南大学，
类型：发明
国别省市：