本申请实施例提供一种动作姿态识别方法、装置、存储介质及可穿戴设备，所述方法包括：获取目标对象在执行当前动作姿态过程中产生的多个加速度数据和多个角速度数据；从每一加速度数据中获取至少一个方向的加速度值，得到至少一个方向的多个加速度值；计算多个所述加速度值的标准差，基于计算得到的所述标准差判断所述目标对象在执行所述当前动作姿态时的当前状态；根据所述当前状态，从多个预设姿态算法模型中选择与所述当前状态对应的目标姿态算法模型；将多个所述角速度数据和多个所述加速度数据发送给所述目标姿态算法模型，输出所述目标对象的所述当前动作姿态。本申请实施例高人体动作姿态的识别效率。高人体动作姿态的识别效率。高人体动作姿态的识别效率。
【技术实现步骤摘要】
动作姿态识别方法、装置、存储介质及可穿戴设备
[0001]本申请涉及互联网
，特别涉及一种动作姿态识别方法、装置、存储介质及可穿戴设备。
技术介绍
[0002]随着人口老龄化趋势不断加剧，对老年人日常生活的监护以及对姿态等意外突发情况的检测成为养老服务的重要内容。老年人的日常动作是评价其生活质量和健康状态的重要依据，因此，识别和记录老年人的日常动作，对老年人的日常生活进行监护具有重要意义。
[0003]此外，目前我国养老服务方面，主要依赖人工管理和服务，而在人工服务过程中，服务人员的服务动作是检验其是否完成服务项目(例如洗头、理发、换衣服、翻身扫地和拖地等)的重要依据，因此，识别和记录服务人员的服务动作，对服务人员的服务过程进行监督具有重要意义。
[0004]现有的人体姿态检测技术主要是基于图像识别的技术，基于图像识别的技术是采用摄像头，集人的运动图像序列，通过图像处理的方法实现检测、识别人体姿态，该方法存在数据采集量大，算法复杂，并且容易受周围环境的影响和检测范围限制的缺点。
[0005]因此，现有技术存在缺陷，有待改进与发展。
技术实现思路
[0006]本申请实施例提供一种动作姿态识别方法、装置、存储介质及可穿戴设备，能够提高人体动作姿态的识别效率。
[0007]本申请实施例提供一种动作姿态识别方法，所述方法包括：
[0008]获取目标对象在执行当前动作姿态过程中产生的多个加速度数据和多个角速度数据；
[0009]从每一加速度数据中获取至少一个方向的加速度值，得到至少一个方向的多个加速度值；
[0010]计算多个所述加速度值的标准差，基于计算得到的所述标准差判断所述目标对象在执行所述当前动作姿态时的当前状态；
[0011]根据所述当前状态，从多个预设姿态算法模型中选择与所述当前状态对应的目标姿态算法模型；
[0012]将多个所述角速度数据和多个所述加速度数据发送给所述目标姿态算法模型，输出所述目标对象的所述当前动作姿态。
[0013]在本申请实施例所述的动作姿态识别方法中，所述将多个所述角速度数据和多个所述加速度数据发送给所述目标姿态算法模型，输出所述目标对象的所述当前动作姿态之前，还包括：
[0014]对多个所述角速度数据和多个所述加速度数据进行预处理；
[0015]基于预处理后得到的多个加速度，生成合加速度序列，以及基于预处理后得到的多个角速度，生成合角速度序列；
[0016]分别对所述合加速度序列和合角速度序列进行特征提取，其中，提取的特征包括时域特征、频域特征和数据变化速率特征；
[0017]所述将多个所述角速度数据和多个所述加速度数据发送给所述目标姿态算法模型，输出所述目标对象的所述当前动作姿态，包括：
[0018]将所述时域特征、频域特征和数据变化速率特征发送给所述目标姿态算法模型，输出所述目标对象的所述当前动作姿态。
[0019]在本申请实施例所述的动作姿态识别方法中，所述预设姿态算法模型包括运动姿态算法模型和静止姿态算法模型，当所述目标姿态算法模型为运动姿态算法模型时，所述将所述时域特征、频域特征和数据变化速率特征发送给所述目标姿态算法模型，输出所述目标对象的所述当前动作姿态，包括：
[0020]通过运动姿态算法模型分别将所述时域特征、频域特征和数据变化速率特征与其自身所保存的每一预设动作姿态对应的预设时域特征、预设频域特征和预设数据变化速率特征进行对比、分析，生成多个匹配结果，其中，每一预设动作姿态对应一匹配结果；
[0021]获取每一匹配结果中的匹配值，将所述匹配值进行比较，将匹配值最高的匹配结果对应的预设动作姿态作为所述目标对象的所述当前动作姿态，并输出所述当前动作姿态。
[0022]在本申请实施例所述的动作姿态识别方法中，所述预设姿态算法模型包括运动姿态算法模型和静止姿态算法模型，当所述目标姿态算法模型为静止姿态算法模型时，所述将所述时域特征、频域特征和数据变化速率特征发送给所述目标姿态算法模型，输出所述目标对象的所述当前动作姿态，包括：
[0023]通过静止姿态算法模型对获取到的时域特征、频域特征和数据变化速率特征进行分析计算，得到一静止状态数据值；
[0024]将所述静止状态数据值与预设节点阈值进行比较，基于比较结果识别出所述目标对象的所述当前动作姿态，并输出所述当前动作姿态。
[0025]在本申请实施例所述的动作姿态识别方法中，所述当前状态包括运动状态和静止状态，当所述目标对象的所述当前状态为运动状态时，所述预处理包括数据去噪、数据零偏误差补偿和数据去干扰；
[0026]当所述目标对象的所述当前状态为静止状态时，所述预处理包括数据去噪和数据零偏误差补偿。
[0027]在本申请实施例所述的动作姿态识别方法中，所述计算多个所述加速度值的标准差，基于计算得到的所述标准差判断所述目标对象在执行所述当前动作姿态时的当前状态，包括：
[0028]计算多个所述加速度值的标准差，将所述标准差与预设标准差阈值进行比较；
[0029]若所述标准差小于或等于所述预设标准差阈值，则判定所述目标对象在执行所述当前动作姿态时的当前状态为静止状态；
[0030]若所述比较结果为所述标准差大于所述预设标准差阈值，则判定所述目标对象在执行所述当前动作姿态时的当前状态为运动状态。
[0031]在本申请实施例所述的动作姿态识别方法中，所述预设姿态算法模型包括运动姿态算法模型和静止姿态算法模型，所述根据所述当前状态，从多个预设姿态算法模型中选择与所述当前状态对应的目标姿态算法模型，包括：
[0032]若所述当前状态为静止状态，则从多个预设姿态算法模型中选择与静止状态对应的静止姿态算法模型；
[0033]若所述当前状态为运动状态，则从多个预设姿态算法模型中选择与静止状态对应的运动姿态算法模型。
[0034]本申请实施例还提供一种动作姿态识别装置，所述装置包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行以上任一实施例所述的动作姿态识别方法。
[0035]本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行以上任一实施例所述的动作姿态识别方法。
[0036]本申请实施例还提供一种可穿戴设备，所述可穿戴设备包括以上实施例所述的动作姿态识别装置。
[0037]本申请实施例提供的动作姿态识别方法，在识别某一当前动作姿态时，先是获取目标对象在执行当前动作姿态的过程中产生的多个加速度数据和多个角速度数据，然后从每一加速度数据中获取至少一个方向上的加速度值，得到至少一个方向上的多个加速度值，接着计算得到的多个加速度值的标准差，根据标准差判断目标对象在执行当前动作姿态时的当前状态，然后根据判断得到的当前状态，从多个预设姿态算法模型中选择与该当本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种动作姿态识别方法，其特征在于，所述方法包括：获取目标对象在执行当前动作姿态过程中产生的多个加速度数据和多个角速度数据；从每一加速度数据中获取至少一个方向上的加速度值，得到至少一个方向上的多个加速度值；计算多个所述加速度值的标准差，基于计算得到的所述标准差判断所述目标对象在执行所述当前动作姿态时的当前状态；根据所述当前状态，从多个预设姿态算法模型中选择与所述当前状态对应的目标姿态算法模型；将多个所述角速度数据和多个所述加速度数据发送给所述目标姿态算法模型，输出所述目标对象的所述当前动作姿态。2.如权利要求1所述的动作姿态识别方法，其特征在于，所述将多个所述角速度数据和多个所述加速度数据发送给所述目标姿态算法模型，输出所述目标对象的所述当前动作姿态之前，还包括：对多个所述角速度数据和多个所述加速度数据进行预处理；基于预处理后得到的多个加速度，生成合加速度序列，以及基于预处理后得到的多个角速度，生成合角速度序列；分别对所述合加速度序列和合角速度序列进行特征提取，其中，提取的特征包括时域特征、频域特征和数据变化速率特征；所述将多个所述角速度数据和多个所述加速度数据发送给所述目标姿态算法模型，输出所述目标对象的所述当前动作姿态，包括：将所述时域特征、频域特征和数据变化速率特征发送给所述目标姿态算法模型，输出所述目标对象的所述当前动作姿态。3.如权利要求2所述的动作姿态识别方法，其特征在于，所述预设姿态算法模型包括运动姿态算法模型和静止姿态算法模型，当所述目标姿态算法模型为运动姿态算法模型时，所述将所述时域特征、频域特征和数据变化速率特征发送给所述目标姿态算法模型，输出所述目标对象的所述当前动作姿态，包括：通过运动姿态算法模型分别将所述时域特征、频域特征和数据变化速率特征与其自身所保存的每一预设动作姿态对应的预设时域特征、预设频域特征和预设数据变化速率特征进行对比、分析，生成多个匹配结果，其中，每一预设动作姿态对应一匹配结果；获取每一匹配结果中的匹配值，将所述匹配值进行比较，将匹配值最高的匹配结果对应的预设动作姿态作为所述目标对象的所述当前动作姿态，并输出所述当前动作姿态。4.如权利要求2所述的动作姿态识别方法，其特征在于，所述预设姿态算法模型包括运动姿态算法模型和静止姿态算法模型，当所述目标姿态算法模型为静止姿态算法模型时，所述将所...
【专利技术属性】
技术研发人员：董金山，
申请(专利权)人：深圳开鸿数字产业发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。