面向穿戴式传感器的人体运动意图异常检测方法及系统技术方案

本发明专利技术公开了一种面向穿戴式传感器的人体运动意图异常检测方法及系统，涉及运动意图识别领域。步骤为：采集已知运动类别数据；利用已知运动类别数据搭建和训练基于三元组损失函数的一维卷积神经网络，得到行为特征提取器；采集测试数据，测试数据中包含已知运动类别数据与未知运动类别数据；将测试数据输入到行为特征提取器中提取特征向量；将特征向量与已知类别中心的距离阈值进行比较，判断是否为异常数据，若为异常数据，则标记未知类别，反之则通过线性判别分析方法进行分类。本发明专利技术方法弥补了传统动作识别算法中只能对在训练数据中出现的已知类别进行分类，而无法将未知数据进行归类的缺陷，使得动作识别系统更具有鲁棒性。性。性。

【技术实现步骤摘要】
面向穿戴式传感器的人体运动意图异常检测方法及系统


[0001]本专利技术涉及运动意图识别
，更具体的说是涉及一种面向穿戴式传感器的人体运动意图异常检测方法及系统。

技术介绍

[0002]近年来，大量研究表明人类运动意图识别可以为与人交互的机器人(如假肢、外骨骼等)中层控制策略的制定提供很好的帮助。穿戴式传感器(如惯性传感器、拉压传感器、肌电等)相较于视觉传感器而言，可以更好地保护用户的生活隐私，因此得到了广泛地关注。
[0003]基于穿戴式传感器的对人体运动意图识别的传统做法是事先采集人类运动行为数据并标注，随后使用这些数据训练模式识别模型，训练好的模型就能在之后的使用过程中识别出事先采集的运动类别。然而，人类在日常生活中的运动行为类别是无穷无尽的，因此我们无法事先获得全部可能的行为类别数据，这就意味着，在识别系统的使用过程中，是无法避免遇到之前从未见过的运动模式。
[0004]传统的模式识别系统没有判断新出现类别的能力，因此只能将新类别样本点强行分类到已知的类别中。这种情况若是在人机交互(如穿戴外骨骼、假肢)的过程中出现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向穿戴式传感器的人体运动意图异常检测方法，其特征在于，具体步骤包括如下：采集已知运动类别数据；利用所述已知运动类别数据搭建和训练基于三元组损失函数的一维卷积神经网络，得到行为特征提取器；采集测试数据，所述测试数据中包含已知运动类别数据与未知运动类别数据；将所述测试数据输入到所述行为特征提取器中，提取特征向量；将所述特征向量与已知类别中心的距离阈值进行比较，判断是否为异常数据，若为异常数据，则标记未知类别，反之则通过线性判别分析方法，进行分类。2.根据权利要求1所述的一种面向穿戴式传感器的人体运动意图异常检测方法，其特征在于，若所述特征向量距离所有已知运动类别中心的距离均大于异常判断阈值，则判定所述特征向量属于未知类别；若所述特征向量与至少一个已知运动类别中心的距离小于异常判断阈值，则所述特征向量为已知数据，使用线性判别分析方法进行分类。3.根据权利要求1所述的一种面向穿戴式传感器的人体运动意图异常检测方法，其特征在于，还包括对所述已知运动类别数据和所述未知运动类别数据进行预处理。4.根据权利要求1所述的一种面向穿戴式传感器的人体运动意图异常检测方法，其特征在于，所述一维卷积神经网络包括：输入层、四个一维卷积层、两个一维最大池化层、两个全连接层和归一化层。5.根据权利要求1所述的一种面向穿戴式传感器的人体运动意图异常检测方法，其特征在于，训练所述一维卷积神经网络的步骤为：选取N个由锚样本、正样本、负样本组成的三元组数据；将所述三元组数据输入到所述一维卷积神经网络中，得到归一化特征向量；对所述归一化特征向量利用三元组损失函数进行迭代收敛，得到所述行为特征提取器。6.根据权利要求5所述的一种面向穿戴式...

【专利技术属性】
技术研发人员：王天童，
申请(专利权)人：北京大学，
类型：发明
国别省市：