一种人类运动信息识别系统和方法技术方案

本发明专利技术涉及一种人类运动信息识别系统和方法，首先通过方法获得运动信息识别神经网络，方法步骤主要包括：合成神经网络，选择n种常见人类运动，并将所述n种常见人类运动划分为运动y1、运动y2、...、运动y

【技术实现步骤摘要】
一种人类运动信息识别系统和方法


[0001]本专利技术涉及运动生物力学领域，具体而言，涉及一种人类运动信息识别系统和方法。

技术介绍

[0002]在传感器技术和普适计算技术的快速发展中，基于传感器的人类活动识别技术越来越受欢迎，该技术在动物活动信息采集、医疗健康、运动管理，以及体育教育等行业应用广泛。
[0003]在人类运动信息采集中，来自不同类行为的信息通常是从一组专用的穿戴式运动传感器中收集的，例如加速度计、陀螺仪和磁力计。由于人体、动物体等人类运动的加速度和角速度数据会根据人类运动而变化，因此，这些数据可用于推断人类活动。穿戴式运动传感器的小型化和灵活性允许人类佩戴或携带嵌入各种传感单元的移动设备，与基于固定传感器不同，而且，该类传感器具有低成本、低功耗、高容量、小型化、对环境依赖性小等特点。
[0004]但是，在使用穿戴式运动传感器进行人类活动识别时，在现有技术中往往只是使用惯性传感器进行信息采集，通过惯性传感器得到人类活动时速度，加速度等信息，随后通过这些信息对人类活动进行识别。但是此类传感器无法获得部分关节或环节的弯曲特征，对活动识别的正确率有着一定影响。

技术实现思路

[0005]本专利技术的目的在于克服现有技术缺陷，且提供了一种能获取运动信息且识别运动形式的人类运动信息识别系统和方法。
[0006]本专利技术提供的一种人类运动信息识别神经网络获取方法，其技术方案如下：
[0007]一种人类运动信息识别神经网络获取方法，包括如下步骤：
[0008]步骤一、按运行方向依次设置输入模块、用于对输入数据进行降噪处理的可学习降噪模块、用于获取特征图像的卷积模块、用于识别所述特征图像的全连接层模块和输出模块，据此合成神经网络；
[0009]步骤二、选择n种常见人类运动，并将所述n种常见人类运动划分为运动y1、运动y2、...、运动y
n
；
[0010]步骤三、通过由惯性传感器和弯曲传感器组合而成的传感器，获取目标运动员进行所述n种常见人类运动中，运动y
i
时的拉伸量、加速度和角加速度信息，并以每一次进行所述运动y
i
时的拉伸量、加速度和角加速度的数据所合成的向量为元素组成一个数字图像，进一步得到以所述数字图像为元素的所述运动y
i
所对应的数字图像集合，其中，1≤i≤n；依次照本步骤中上述方法得到所述运动y1所对应的数字图像集合、所述运动y2所对应的数字图像集合、...、所述运动y
n
所对应的数字图像集合；
[0011]步骤四、将所述运动y
i
所对应的数字图像集合中每一元素均进行数据预处理后形成所述运动y
i
所对应的输入集；依次照本步骤中上述方法得到所述运动y1所对应的输入集、
所述运动y2所对应的输入集、...、所述运动y
n
所对应的输入集；
[0012]步骤五、以所述运动y
i
所对应的输入集中每一元素为输入数据，所述运动y
i
为理想输出，对所述神经网络进行训练，所述训练通过后，得到测试神经网络；
[0013]步骤六、构建与所述测试神经网络相匹配的测试集，并通过所述测试集对所述测试神经网络进行测试，通过所述测试后，得到运动信息识别神经网络。
[0014]采用上述技术方案，与现有技术相比，本专利技术申请所提供的技术方案至少可以带来的有益效果有：本方法基于惯性传感器和弯曲传感器合成的传感器进行数据采集，获得目标对象的加速度(三个方向)、角加速度(三个方向)和拉伸量特征，这样在获取整体运动特征的同时，还获得部分关节或环节的弯曲特征，进而提高了对人类运动识别的准确率。与此同时，在构建神经网络模型时，在现有的用于处理图像的卷积网络的基础上增加了可学习降噪模块，使得在处理数据时可以去除数据中的噪声。
[0015]作为优选，所述步骤一中设置的可学习降噪模块包括按运行顺序依次设置的用于对数字信号进行离散傅里叶变换处理的变换单元、采用过滤算法对经所述离散傅里叶变换处理后的数字信号进行过滤处理的过滤单元和对经所述过滤处理后的数字信号进行离散傅里叶逆变换处理的逆变换单元；这样的可以学习滤波器在进行降噪的同时有助于实现自适应的去除数据中的噪声。
[0016]作为优选，所述过滤算法包括按运行顺序设置的高通滤波器和低通滤波器；该滤波器组合对于去噪处理具有精度高、收敛型号等特征，有助于提高滤波去噪效率。
[0017]作为优选，所述步骤三中使用的传感器包括纺织式护腕传感器和纺织式护膝传感器；这样能够同时获得目标对象的膝部和腕部环节对应的加速度、角加速度和揽胜量，进而提高了实现了对于目标对象运动特征数据的精确采集。
[0018]作为优选，所述步骤四中将所述运动y
i
所对应的数字图像集合中每一元素均进行数据预处理后形成所述运动y
i
所对应的输入集的过程包括如下步骤：
[0019]步骤4.1、清除所述运动y
i
所对应的数字图像集合中每一个元素的异常数据，形成所述运动y
i
所对应的去噪处理集；
[0020]步骤4.2、通过卡尔曼滤波器对所述运动y
i
所对应的降噪处理集中每一元素进行降噪处理，形成所述运动y
i
所对应的数字分割集；
[0021]步骤4.3、采用滑动窗口的方式，将所述运动y
i
所对应的数字分割集中每一元素进行分割处理，形成所述运动y
i
所对应的数字归一化集；
[0022]步骤4.4、将所述运动y
i
所对应的数字归一化集中每一元素进行归一化处理，最终形成所述运动y
i
所对应的输入集；
[0023]经过如上处理之后，能够将传感器获得的数据顺利的传送到神经网络的输入模块中，进而提高了对于神经网络的训练和测试效率。
[0024]本专利技术提供的一种人类运动信息识别系统，其技术方案如下：
[0025]一种人类运动信息识别系统，包括沿数字信号传播方向依次设置的数字信号采集模块、数字信号预处理模块、基于本技术方案的人类运动信息识别神经网络获取方法建立的运动信息识别神经网络和终端显示模块；所述数字信号采集模块用于采集目标对象的拉伸量、加速度和角加速度信息，并以所述拉伸量、加速度和角加速度信息为元素形成数字图像；所述数字信号预处理模块用于对所述数字图像进行预处理，并形成输入数字图像；所述
运动信息识别神经网络用于对所述输入数字图像进行识别，获得所述输入数字图像代表的运动形式；所述终端显示模块用于将所述运动形式显示在终端设备上。
[0026]采用上述技术方案，与现有技术相比，本专利技术申请所提供的技术方案至少可以带来的有益效果有：通过设置数字信号采集模块、数字信号预处理模块、运动信息识别神经网络和终端显示模块，有序的处理了目标对象处于运动时的述拉伸量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人类运动信息识别神经网络获取方法，其特征是：包括如下步骤：步骤一、按运行方向依次设置输入模块、用于对输入数据进行降噪处理的可学习降噪模块、用于获取特征图像的卷积模块、用于识别所述特征图像的全连接层模块和输出模块，据此合成神经网络；步骤二、选择n种常见人类运动，并将所述n种常见人类运动划分为运动y1、运动y2、...、运动y
n
；步骤三、通过由惯性传感器和弯曲传感器组合而成的传感器，获取目标运动员进行所述n种常见人类运动中，运动y
i
时的拉伸量、加速度和角加速度信息，并以每一次进行所述运动y
i
时的拉伸量、加速度和角加速度的数据所合成的向量为元素组成一个数字图像，进一步得到以所述数字图像为元素的所述运动y
i
所对应的数字图像集合，其中，1≤i≤n；依次照本步骤中上述方法得到所述运动y1所对应的数字图像集合、所述运动y2所对应的数字图像集合、...、所述运动y
n
所对应的数字图像集合；步骤四、将所述运动y
i
所对应的数字图像集合中每一元素均进行数据预处理后形成所述运动y
i
所对应的输入集；依次照本步骤中上述方法得到所述运动y1所对应的输入集、所述运动y2所对应的输入集、...、所述运动y
n
所对应的输入集；步骤五、以所述运动y
i
所对应的输入集中每一元素为输入数据，所述运动y
i
为理想输出的方式，对所述神经网络进行训练，所述训练通过后，得到测试神经网络；步骤六、构建与所述测试神经网络相匹配的测试集，并通过所述测试集对所述测试神经网络进行测试，通过所述测试后，得到运动信息识别神经网络。2.根据权利要求1所述的人类运动信息识别神经网络获取方法，其特征是：所述步骤一中设置的可学习降噪模块包括按运行顺序依次设置的用于对数字信号进行离散傅里叶变换处理的变换单元、采用过滤算法对经所述离散傅里叶变换处理后的数字信号进行过滤处理的过滤单元和对经所述过滤处理后的数字信号进行离散傅里叶逆变换处理的逆变换单元。3.根据权利要求2所述的人类运动信息识别神经网络获取方法，其特征是：所述过滤算法包括按运行顺序设置的高通滤波器和低通滤波器。4.根据权利要求3所述的人类运动信息识别神经网络获取方法，其特征是：所述步骤三中使用的传感器包括纺织式护腕传感器和纺织式护膝传感器。5.根据权利要求4所述的人类运动信息识别神经网络获取方法，其特征是：所述步骤四中，将所述运动y

【专利技术属性】
技术研发人员：尚杰，方建波，陶烨豪，王逸韬，马腾飞，李润伟，
申请(专利权)人：中国科学院宁波材料技术与工程研究所，
类型：发明
国别省市：