[发明专利]一种人体动作比对方法及装置

权利要求书

1.一种人体动作比对方法，其特征在于，包括：

S1，基于可穿戴传感器采集到的当前人体动作，利用二叉树分类器网络进行识别，确认所述当前人体动作为标准动作或非标准动作；

其中所述利用二叉树分类器网络通过以下步骤获取：

采集应用领域中已知的标准人体动作，进行滤波去噪和归一化处理；

将处理后的所述标准人体动作进行分段处理，获得若干段动作数据，其中每一段动作数据为一个基本人体动作；

基于每一个基本人体动作，分别从所述基本人体动作的时域、频域和时频域数据中提取第一特征向量；

基于所述第一特征向量，根据样本类间的相对距离，构建所述二叉树分类器网络BT-SVM-NN，包括构建出最优的不完全二叉树结构，基于所述不完全二叉树结构，为每个非叶子节点构建并训练相应的二分类SVM-NN混合模式分类器，以将各个父节点中的所有类别，划分到其两个孩子节点中，直到孩子节点为叶子节点，且只包含一个基本动作类别；所述二叉树分类器网络的每个网络节点为一个与网络分类结构需求对应的二分类支持向量机和最近邻混合分类器SVM-NN；

S2，当确认为非标准动作时，将所述非标准动作与所述非标准动作对应的标准动作数据进行比对，获得所述非标准动作的各关节角度的偏差信息；

其中，所述基于所述第一特征向量，构建所述二叉树分类器网络之前还包括：-

对所述第一特征向量进行主要成分分析，提取独立不重复的特征值，以构成新的第一特征向量。

2.如权利要求1所述的方法，其特征在于，所述S1进一步包括：

S1.1，对可穿戴传感器采集到的所述当前人体动作进行滤波去噪、归一化处理和分段处理，得到若干段动作数据；

S1.2，分别从所述若干段动作数据的时域、频域和时频域数据中提取第二特征向量；

S1.3，利用所述二叉树分类器网络对所述第二特征向量进行分类识别，确认所述当前人体动作为标准动作或非标准动作。

3.如权利要求1所述的方法，其特征在于，所述S2所述标准动作数据通过以下步骤获取：

对应用领域中已知的标准人体动作，进行滤波去噪、归一化处理和分段处理后，得到若干基本人体动作；

基于所述基本人体动作，计算人体各肢体的四元数数据；

基于人体关节的相邻两个肢体的四元数数据，利用四元数方法解算出人体各关节的角度信息为所述标准动作数据。

4.如权利要求1所述的方法，其特征在于，所述S2进一步包括：

S2.1，基于所述非标准动作，计算所述非标准动作的若干段动作数据的四元数；

S2.2，利用四元数方法解算所述非标准动作的各关节的角度信息；

S2.3，比较所述非标准动作的各关节的角度信息与对应关节的标准动作数据，得到所述非标准动作的各关节的角度偏差信息。

5.如权利要求1所述的方法，其特征在于，所述第一特征向量包括：

从时域数据中解算出的特征值，包括：从所述基本人体动作的九轴姿态信号中计算得到的算数和、峰峰值、过零值、均值、均方差、能量、两轴间相关系数、偏度以及峰度信息；

从频域数据中解算出的特征值，包括：对所述基本人体动作的九轴姿态信号进行傅里叶变换后得到的傅里叶系数、能谱密度和频域熵；

从时频域数据中解算出的特征值，包括：对所述基本人体动作的九轴姿态信号进行小波变换后提取的不同方向上的小波能量比。

6.如权利要求2所述的方法，其特征在于，所述第二特征向量包括：

从时域数据中解算出的特征值，包括：从所述若干段动作数据的九轴姿态信号中计算得到的算数和、峰峰值、过零值、均值、均方差、能量、两轴间相关系数、偏度以及峰度信息；

从频域数据中解算出的特征值，包括：对所述若干段动作数据的九轴姿态信号进行傅里叶变换后得到的傅里叶系数、能谱密度和频域熵；

从时频域数据中解算出的特征值，包括：对所述若干段动作数据的九轴姿态信号进行小波变换后提取的不同方向上的小波能量比。

7.一种人体动作比对装置，其特征在于，包括：

动作识别模块，用于基于可穿戴传感器采集到的当前人体动作，利用二叉树分类器网络进行识别，确认所述当前人体动作为标准动作或非标准动作；

其中所述利用二叉树分类器网络通过以下步骤获取：

采集应用领域中已知的标准人体动作，进行滤波去噪和归一化处理；

将处理后的所述标准人体动作进行分段处理，获得若干段动作数据，其中每一段动作数据为一个基本人体动作；

基于每一个基本人体动作，分别从所述基本人体动作的时域、频域和时频域数据中提取第一特征向量；

基于所述第一特征向量，根据样本类间的相对距离，构建所述二叉树分类器网络BT-SVM-NN，包括构建出最优的不完全二叉树结构，基于所述不完全二叉树结构，为每个非叶子节点构建并训练相应的二分类SVM-NN混合模式分类器，以将各个父节点中的所有类别，划分到其两个孩子节点中，直到孩子节点为叶子节点，且只包含一个基本动作类别；所述二叉树分类器网络的每个网络节点为一个与网络分类结构需求对应的二分类支持向量机和最近邻混合分类器SVM-NN；

偏差比对模块，用于当确认为非标准动作时，将所述非标准动作与所述非标准动作对应的标准动作数据进行比对，获得所述非标准动作的各关节角度的偏差信息；

其中，所述基于所述第一特征向量，构建所述二叉树分类器网络之前还包括：-

对所述第一特征向量进行主要成分分析，提取独立不重复的特征值，以构成新的第一特征向量。