一种人体运动行为识别方法技术

本发明专利技术涉及一种人体运动行为识别方法，包括以下步骤：步骤一、分别使用运动捕捉系统对人体的多个动作进行数据采集，获得包含三轴加速度计数据、三轴陀螺仪数据、三轴磁力计数据和三轴姿态角数据的原始数据；步骤二、构建应用于文本序列数据的CRF条件随机场模型；步骤三、将包含所有关节的人体动作原始数据时间序列转换成特征向量，并标记好对应的人体运动行为类型，使用特征向量和人体运动行为类型作为语料训练CRF模型；步骤四、给定待分类的人体动作数据时间序列特征向量进行人体运动行为识别，得到对应的人体运动行为类型。本发明专利技术通过对特征向量和模型结构的设计，在对人体动作进行准确识别的同时，降低了数据存储开销和时间复杂度。复杂度。复杂度。

【技术实现步骤摘要】
一种人体运动行为识别方法


[0001]本专利技术属于运动识别
，具体涉及一种人体运动行为识别方法。

技术介绍

[0002]基于惯性测量单元(IMU)的运动捕捉系统在商用发展方面最具前途，它几乎可以在任何地方使用，真正实现了不受场景约束的动作数据采集。一些全身人体运动捕捉系统已经被用于计算机图形和动画行业。相较于从视频中采集数据的方式，使用运动捕捉方法获得的数据更为准确。人体运动捕捉数据作为一种时间序列，记录了人体在运动时各个节点的时空信息，其中每一时刻的各节点信息描述了一个人体姿态。
[0003]当IMU测量单元采集完运动数据以后，需要对采集的数据进行后续处理识别出相应的运动类型。现有方法已经在运动识别领域取得了一定的成就，但是仍然存在着运动识别准确率较低以及运动识别的效率较低的问题。
[0004]运动识别是一项富有挑战的任务。在机器学习和深度学习技术得到广泛发展应用之后，在运动识别领域也开始采取机器学习和深度学习的模型训练方法。人体动作识别方法需要对人体运动数据中的时空信息进行建模，在深度神经网络模型方面，已经有一些运动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人体运动行为识别方法，其特征在于，包括以下步骤：步骤一、分别使用运动捕捉系统对人体的多个动作进行数据采集，且采集每个动作的数据时，均采用9轴传感器，9轴传感器包含3轴的加速度计、3轴的陀螺仪、以及3轴的磁力计，获得包含三轴加速度计数据、三轴陀螺仪数据、三轴磁力计数据和三轴姿态角数据的原始数据；步骤二、构建应用于文本序列数据的CRF条件随机场模型lambda＝CRF(w1,w2,...,wn),其中w1到wn是模型参数；步骤三、将包含所有关节的人体动作原始数据时间序列转换成特征向量，并标记好对应的人体运动行为类型，使用特征向量和人体运动行为类型作为语料训练CRF模型；训练后,得到具备预测能力的新模型:lambda＝CRF(w1,w2,...,wn),其中的模型参数已经改变；步骤四、给定待分类的人体动作数据时间序列特征向量(x1,x2,...,xn),经过模型计算lambda(x1,x2,...,xn)进行人体运动行为识别，得到对应的人体运动行为类型。2.基于权利要求1所述的一种人体运动行为识别方法，其特征在于，定义固定数目的隐含序列，将人体动作原始数据时间序列特征向量、隐含序列和人体运动行为类型作为语料训练CRF模型。3.基于权利要求1或2所述的一种人体运动行为识别方法，其特征在于，为隐含序列赋予运动语义特征。4.基于权利要求3所述的一种人体运动行为识别方法，其特征在于，根据两帧之间每个关节的变化幅度，定义隐含序列。5.基于权利要求3所述的一种人体运动行为识别方法，其特征在于，根据每个关节的运动方向定义隐含序列。6.一...

【专利技术属性】
技术研发人员：邱旭东，崔利荣，刘文浩，孙瑜，
申请(专利权)人：国家体育总局体育信息中心，
类型：发明
国别省市：