动作识别处理方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种动作识别处理方法，包括：从获取的惯性传感信号数据中识别出动作特征信息；获取动作特征信息中的分周期特征信息，基于分周期特征信息获取动作特征信息中的分周期数量；以及，至少基于动作特征信息中的分周期数量获取动作特征信息中的特征动作的动作周期数量。本公开还提供了一种动作识别处理装置、电子设备以及可读存储介质。电子设备以及可读存储介质。电子设备以及可读存储介质。

【技术实现步骤摘要】
动作识别处理方法、装置、电子设备及存储介质


[0001]本公开涉及一种动作识别处理方法、装置、电子设备及存储介质。

技术介绍

[0002]当前用于六轴惯性传感信号的高强度运动状态识别和周期计数方法通常是基于两个独立的模型构建的，包括用于高强度运动状态识别的模式识别方法和用于运动次数计数的周期判断方法。
[0003]这种常规的高强度运动状态识别和周期计数方法不足在于：两个模型之间相互独立，相互之间没有反馈，一是导致模型的自适应性不强，从而在使用相同模型的情况下，通常独立的模型更容易出现运动状态误识别和周期误计数的情况；二是要到达相近的效果通常需要更复杂的算法，从而使得模型膨胀，导致运算量更大；三是模型相互独立时，有一部分相同的参数难以实现共享，从而需要更大的存储空间。

技术实现思路

[0004]为了解决上述技术问题中的至少一个，本公开提供了一种动作识别处理方法、装置、电子设备及存储介质。
[0005]根据本公开的一个方面，提供一种动作识别处理方法，包括：
[0006]S104、从获取的惯性传感信号数据中识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动作识别处理方法，其特征在于，包括：S104、从获取的惯性传感信号数据中识别出动作特征信息；S106、获取所述动作特征信息中的分周期特征信息，基于所述分周期特征信息获取所述动作特征信息中的分周期数量；以及S108、至少基于所述动作特征信息中的分周期数量获取所述动作特征信息中的特征动作的动作周期数量。2.根据权利要求1所述的动作识别处理方法，其特征在于，步骤S104中，从所述惯性传感信号数据中识别出动作特征信息，包括：基于当前处理窗口对所述惯性传感信号数据中的当前识别区域的动作特征信息进行识别；将所述当前处理窗口移动至当前识别区域的下一识别区域，以对下一识别区域的动作特征信息进行识别；以及基于缓冲覆盖窗口对已进行动作特征信息识别的识别区域进行覆盖。3.根据权利要求2所述的动作识别处理方法，其特征在于，步骤S106中，还获取所述动作特征信息中的特征动作的特征参数；步骤S108中，基于所述动作特征信息中的分周期数量以及所述特征动作的特征参数获取所述动作特征信息中的特征动作的动作周期数量。4.根据权利要求3所述的动作识别处理方法，其特征在于，所述特征动作的特征参数包括所述特征动作的动作周期长度。5.根据权利要求4所述的动作识别处理方法，其特征在于，基于所述特征动作的动作周期长度设置/调整所述当前处理窗口以及所述缓冲覆盖窗口的尺寸特征。6.根据权利要求5所述的动作识别处理方法，其特征在于，所述当前处理窗口以及所述缓冲覆盖窗口均至少能够容纳一个动作周期长度。7.根据权利要求1所述的动作识别处理方法，其特征在于，步骤S104中，从所述惯性传感信号数据中识别出动作特征信息，包括：基于经过训练的深度学习模型从所述惯性传感信号数据中识别出特征动作信号；所述深度学习模型包括第一卷积神经网络模块、池化层模块、...

【专利技术属性】
技术研发人员：李小勇，马群立，张博，
申请(专利权)人：上海墨百意信息科技有限公司，
类型：发明
国别省市：