System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及交互识别,尤其涉及一种基于卷积神经网络的玩具交互动作识别方法及系统。
技术介绍
1、玩具交互动作识别主要运用了人机交互,人机交互是指研究系统与用户之间的交互关系,提高系统的可用性和用户友好性;系统宽泛上指各种机器设备或是计算机化的系统和软件;用户可通过人机交互界面与系统友好互动;通常机器人身上会安装一个显示屏,用户可通过显示屏与机器人互动,交换信息。
2、现有的用于玩具的交互识别方面的改进,通常是对交互识别中的语音识别进行改进,比如在申请公开号为cn113920993a的中国专利中,公开了一种语音交互毛绒玩具的智能唤醒方法及装置,该方案就是通过提供的语音交互毛绒玩具的智能唤醒方法,使语音交互毛绒玩具具有主动性,提升了用户体验,其他的用于玩具的交互识别方面的改进,通常是对玩具本身的装置进行改进,通过提高装置的便携性以及灵敏性从而提高玩具与用户之间的交互频率以及交互识别的准确性,但是上述方法缺少对玩具在交互动作识别方面的改进,这会导致玩具在与用户交互时无法准确地捕捉用户的动作信息从而无法及时作出回应从而影响用户体验,鉴于此,有必要对现有的玩具交互动作识别技术进行改进。
技术实现思路
1、针对现有技术存在的不足,本专利技术目的是提供一种基于卷积神经网络的玩具交互动作识别方法及系统,用于解决现有技术中缺少对玩具在交互动作识别方面的改进,这会导致玩具在与用户交互时无法准确地捕捉用户的动作信息从而无法及时作出回应从而影响用户体验的问题。
2、为了实现上述目
3、录制手势交互动作,对手势交互动作命名并制作手势交互表格;在玩具运行前,使用摄像头对手势交互动作进行录制,每个交互动作的录制时间为第一录制时间,将录制后的影像记为录制影像1至录制影像n;获取录制影像1至录制影像n,对于录制影像1至录制影像n中的任意一个录制影像,使用影像分析法输出录制影像对应的手势交互动作;
4、将手势交互动作录入玩具系统以及卷积神经网络中;
5、通过玩具系统中的摄像头对交互动作进行录制,记为预交互影像,将预交互影像放入卷积神经网络进行分析;
6、基于卷积神经网络的分析结果向玩具系统输出准确交互动作,玩具系统基于准确交互动作进行对应的动作交互。
7、进一步地,录制手势交互动作,对手势交互动作命名并制作手势交互表格包括如下子步骤:
8、获取玩具系统内进行交互的手势交互动作并对手势交互动作进行命名;
9、对录制影像1至录制影像n进行分析,基于分析结果得到每个录制影像对应的手势交互动作并制作手势交互表格。
10、进一步地,获取玩具系统内进行交互的手势交互动作并对手势交互动作进行命名包括如下子步骤:
11、获取玩具系统内进行交互的手势交互动作;
12、当手势交互动作的执行条件为从下向上的手势时,将手势交互动作命名为向上手势;
13、当手势交互动作的执行条件为从上向下的手势时,将手势交互动作命名为向下手势;
14、当手势交互动作的执行条件为从左向右的手势时,将手势交互动作命名为向右手势;
15、当手势交互动作的执行条件为从右向左的手势时,将手势交互动作命名为向左手势。
16、进一步地,对录制影像1至录制影像n进行分析,基于分析结果得到每个录制影像对应的手势交互动作并制作手势交互表格包括如下子步骤:
17、制作手势交互表格,其中,手势交互表格为q列×p行的表格,所述手势交互表格的顶行横向填入向上手势、向下手势、向左手势以及向右手势,在手势交互表格中向上手势、向下手势、向左手势以及向右手势的所在列中填入对应的录制影像。
18、进一步地,所述影像分析法还包括:
19、对录制影像进行逐帧划分,记为影像帧1至影像帧m;
20、对影像帧1进行灰度化处理,将灰度化处理后的影像帧1记为灰度图像1;
21、将灰度图像1放入平面直角坐标系中,对灰度图像1使用轮廓提取法,将从灰度图像1中提取到的图形轮廓记为初始轮廓1至初始轮廓z,获取初始轮廓1至初始轮廓z所占的坐标,记为初始轮廓坐标组1至初始轮廓坐标组z;
22、对影像帧2进行灰度化处理,将灰度化处理后的影像帧2放入平面直角坐标系中并使用轮廓提取法获取灰度化处理后的影像帧2中的图形轮廓,并记为变动轮廓1至变动轮廓z,获取变动轮廓1至变动轮廓z所占的坐标,记为变动轮廓坐标组1至变动轮廓坐标组z;
23、将初始轮廓坐标组1至初始轮廓坐标组z以及变动轮廓坐标组1至变动轮廓坐标组z中每个坐标完全相同的初始轮廓坐标组以及变动轮廓坐标组删除,将剩下的初始轮廓相邻最近的变动轮廓记为待定移动轮廓1至待定移动轮廓r;
24、获取待定移动轮廓1至待定移动轮廓r覆盖区域的面积,记为待定移动物体1至待定移动物体r,将待定移动物体1至待定移动物体r中所占面积最大的待定移动物体记为目标移动物体,将目标移动物体所占的坐标记为目标移动坐标组,将目标移动物体对应的待定移动轮廓记为目标移动轮廓;
25、依次对影像帧3至影像帧m进行处理,对影像帧使用灰度化处理,并将灰度化处理后的影像帧放入平面直角坐标系中使用轮廓提取法获取灰度化处理后的影像帧中的图形轮廓,记为可选轮廓1至可选轮廓z,获取可选轮廓1至可选轮廓z所占的坐标,记为可选轮廓坐标组1至可选轮廓坐标组z;
26、获取被处理的影像帧的序号减一的影像帧的目标移动轮廓,基于目标移动轮廓的目标移动坐标组将目标移动轮廓放入比对平面直角坐标系中,基于可选轮廓坐标组1至可选轮廓坐标组z将可选轮廓1至可选轮廓z逐个放入比对平面直角坐标系中并与目标移动轮廓使用轮廓中心点比对法进行比对,将轮廓中心点比对法中比对结果最小的可选轮廓记为影像帧中的目标移动轮廓。
27、进一步地,所述影像分析法还包括:
28、将影像帧2以及影像帧m放入平面直角坐标系中,获取影像帧2以及影像帧m中的目标移动轮廓,记为初始目标轮廓以及终止目标轮廓,对初始目标轮廓以及终止目标轮廓进行像素化处理,将像素化处理后的初始目标轮廓以及终止目标轮廓记为像素初始轮廓以及像素终止轮廓;
29、获取像素初始轮廓中最右侧的像素点对应的坐标,记为(x1,y1);
30、获取像素终止轮廓中最右侧的像素点对应的坐标,记为(x2,y2);
31、将x2减去x1的值记为b1,将y2减去y1的值记为b2;
32、当b1的绝对值大于b2且b1为正数时,将录制影像对应的手势交互动作记为向右手势;
33、当b1的绝对值小于b2且b2为正数时,将录制影像对应的手势交互动作记为向上手势;
34、当b1的绝对值大于b2且b1为负数时,将录制影像对应的手势交互动作记为向左手势;
35、当b1的绝对值小于b2且b2为本文档来自技高网...
【技术保护点】
1.一种基于卷积神经网络的玩具交互动作识别方法,其特征在于,包括:
2.根据权利要求1所述的一种基于卷积神经网络的玩具交互动作识别方法,其特征在于,录制手势交互动作,对手势交互动作命名并制作手势交互表格包括如下子步骤:
3.根据权利要求2所述的一种基于卷积神经网络的玩具交互动作识别方法,其特征在于,获取玩具系统内进行交互的手势交互动作并对手势交互动作进行命名包括如下子步骤:
4.根据权利要求3所述的一种基于卷积神经网络的玩具交互动作识别方法,其特征在于,对录制影像1至录制影像N进行分析,基于分析结果得到每个录制影像对应的手势交互动作并制作手势交互表格包括如下子步骤:
5.根据权利要求4所述的一种基于卷积神经网络的玩具交互动作识别方法,其特征在于,所述影像分析法还包括:
6.根据权利要求5所述的一种基于卷积神经网络的玩具交互动作识别方法,其特征在于,所述影像分析法还包括:
7.根据权利要求5所述的一种基于卷积神经网络的玩具交互动作识别方法,其特征在于,所述轮廓中心点比对法包括:
8.根据权利要求7所
9.根据权利要求8所述的一种基于卷积神经网络的玩具交互动作识别方法,其特征在于,通过玩具系统中的摄像头对交互动作进行录制,记为预交互影像,将预交互影像放入卷积神经网络进行分析还包括如下子步骤:
10.适用于权利要求1-9任意一项的一种基于卷积神经网络的玩具交互动作识别方法的系统,其特征在于,包括录制命名模块、录入模块以及终端处理器,所述录制命名模块以及录入模块与终端处理器通讯连接;
...【技术特征摘要】
1.一种基于卷积神经网络的玩具交互动作识别方法,其特征在于,包括:
2.根据权利要求1所述的一种基于卷积神经网络的玩具交互动作识别方法,其特征在于,录制手势交互动作,对手势交互动作命名并制作手势交互表格包括如下子步骤:
3.根据权利要求2所述的一种基于卷积神经网络的玩具交互动作识别方法,其特征在于,获取玩具系统内进行交互的手势交互动作并对手势交互动作进行命名包括如下子步骤:
4.根据权利要求3所述的一种基于卷积神经网络的玩具交互动作识别方法,其特征在于,对录制影像1至录制影像n进行分析,基于分析结果得到每个录制影像对应的手势交互动作并制作手势交互表格包括如下子步骤:
5.根据权利要求4所述的一种基于卷积神经网络的玩具交互动作识别方法,其特征在于,所述影像分析法还包括:
6.根据权利要求5所述的...
【专利技术属性】
技术研发人员:周丹妮,陈雪芳,周平,
申请(专利权)人:杭州稚爱教育科技有限公司,
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。