【技术实现步骤摘要】
本专利技术属于生物学工程应用领域，尤其涉及一种考虑具有个体差异的人体下坐轨迹预测方法。
技术介绍
1、目前，有关预测行动不便者转移和护理时的个性化动作的研究仍处于早期阶段。虽然已经提出了各种方法，如基于视觉、可穿戴传感器和肌电图的方法，用于一般的动作预测，但像用于如厕护理的转运环这样的特定场景提出了独特的挑战。在这种情况下，除了要考虑传感器的可移植性，预测模型还必须解决准确性、实时性和泛化能力等问题。利用三维人体模型捕捉运动特征被认为是一种有效的方法，但现有的模型计算量大，表达复杂，导致重建人体运动的滞后。此外，现有基于可穿戴传感器三维模型的研究通常只关注矢状面内的运动，对左右摇晃的考虑有限，从而导致预存不准确。
技术实现思路
1、本专利技术提供一种人体下坐轨迹预测方法，其目的在于解决现有方法存在模型计算量大，以及对左右摇晃的考虑有限，导致预测不准确的问题。本专利技术不仅仅考虑了冠状面内的运动，还大大简化了模型的复杂度，实现轻量化的人体三维模型来重建人体运动。
2、技术方案：
3、本专利技术提出一种人体下坐轨迹预测方法，步骤为：
4、步骤1：根据膝关节和臀部在矢状面和冠状面的运动情况，得到臀部在三维空间中的坐标点，三维空间中的坐标点形成臀部运动的时间序列作为bi-lstm的输入层；
5、步骤2：输入层将臀部运动的时间序列分别输入至隐藏层的前向lstm网络层和反向lstm网络层，前向lstm网络层计算出第一组前向隐藏状态，反向lstm网
6、步骤3：将第一组前向隐藏状态和第二组隐藏层状态拼接后生成新的时间序列作为多头注意力层的输入，多头注意力层输出查询q、密钥k和值v，并生成注意力输出矩阵；
7、步骤4：将生成的注意力输出矩阵经过对不同的子空间进行注意力计算，得到最终的多个注意力头headi；
8、步骤5：多个注意力头headi通过concat将n个注意力头的结果拼接在一起，再通过线性化输出最终预测结果y。
9、进一步的，步骤1中所述臀部在三维空间中坐标点为：
10、
11、式中，l1是右小腿的长度，l2是右大腿的参数，α1是传感器3绕x轴旋转的角度，β1是传感器1绕y轴的旋转角度，β2是传感器2绕y轴的旋转角度，ob是臀部到右脚踝之间的距离。
12、进一步的，步骤2中第一组前向隐藏状态为：
13、其中，
14、式中，是前向隐藏层在t时刻的状态，f是激活函数，是前向隐藏层在t时刻的权重，是前向隐蔽层在t时刻的偏置，xi是t时刻的样本输入，是共享参数。
15、进一步的，步骤2中第二组隐藏层状态为：
16、其中，
17、式中，是t时刻的反向隐藏层状态，f是激活函数，是t时刻处反向隐藏层的权重，是t时刻的反向隐藏层的偏移，xi是t时刻时的样本输入，为共享参数。
18、进一步的，步骤3中多头注意力层置于bi-lstm的隐藏层和完全连接层之间。
19、进一步的，步骤3中注意力输出矩阵为：
20、
21、式中，dk表示关键帧的特征维度，用于权重缩放，softmax用于归一化注意力权重。
22、进一步的，步骤4中多个注意力头headi计算公式为：
23、
24、式中，分别表示q、k和v的权重矩阵，headi表示多个注意力头的第i个模块。
25、进一步的，步骤5中最终预测结果为：
26、y＝linear(multi(q,k,v))
27、multi(q,k,v)＝concat(head1,...,headn)wo
28、式中，w0是用于线性变换的权重矩阵，concat表示级联运算，multi(q，k，v)是输出结果。
29、本专利技术还提出一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现所述的人体下坐轨迹预测方法。
30、本专利技术还提出一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现所述的一种人体下坐轨迹预测方法。
31、有益效果：
32、本专利技术为一种考虑具有个体差异的人体下坐轨迹预测方法，基于矢状面和冠状面分析建立一种考虑人体左右晃动的人体三维模型。将mha机制放置在bi-lstm的隐藏层和完全连接层之间得到mha-bi-lstm预测模型，mha-bi-lstm预测模型得到的预测结果相较于mha lstm以及mha cnn bi-lstm预测误差更小，在针对不同个体下坐运动时具有更高的准确性。本专利技术针对个体差异这一问题提高了预测的准确度。
本文档来自技高网...【技术保护点】
1.一种人体下坐轨迹预测方法，其特征在于：步骤为：
2.根据权利要求1所述的一种人体下坐轨迹预测方法，其特征在于：
3.根据权利要求1所述的一种人体下坐轨迹预测方法，其特征在于：
4.根据权利要求1所述的一种人体下坐轨迹预测方法，其特征在于：
5.根据权利要求1所述的一种人体下坐轨迹预测方法，其特征在于：步骤3中多头注意力层置于Bi-LSTM的隐藏层和完全连接层之间。
6.根据权利要求1所述的一种人体下坐轨迹预测方法，其特征在于：
7.根据权利要求1所述的一种人体下坐轨迹预测方法，其特征在于：
8.根据权利要求1所述的一种人体下坐轨迹预测方法，其特征在于：
9.一种电子设备，其特征在于：所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-7任一所述的人体下坐轨迹预测方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少
...【技术特征摘要】
1.一种人体下坐轨迹预测方法，其特征在于：步骤为：
2.根据权利要求1所述的一种人体下坐轨迹预测方法，其特征在于：
3.根据权利要求1所述的一种人体下坐轨迹预测方法，其特征在于：
4.根据权利要求1所述的一种人体下坐轨迹预测方法，其特征在于：
5.根据权利要求1所述的一种人体下坐轨迹预测方法，其特征在于：步骤3中多头注意力层置于bi-lstm的隐藏层和完全连接层之间。
6.根据权利要求1所述的一种人体下坐轨迹预测方法，其特征在于：
7.根据权利要求1所述的一种人体下坐轨迹预测方法，其特征在于：
【专利技术属性】
技术研发人员：王义娜，郝文杰，周勃，俞彦军，傅国强，李恺如，
申请(专利权)人：沈阳工业大学，
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。