[发明专利]一种基于生物脉冲的动作识别方法

说明书

本发明请求保护一种基于生物脉冲的动作识别方法，通过采集人体四肢生物脉冲，并采用自适应门限值算法对生物脉冲进行降噪处理；基于李雅普诺夫指数等方式对的生物脉冲进行特征提取，求出该生物脉冲的复杂度和组合特征向量；将获取的生物脉冲的复杂度和组合特征向量作为特征向量输入神经网络分类器，进行生物脉冲的模式识别，获取动作聚类特征。本发明引入了自适应门限值,可以对不同变换层次上的生物脉冲采用自适应的门限值,变换级数越大,门限值相应也越大,使得降噪更加精确,不仅保存了大量有用的信号,可以对大批量人体生物脉冲进行处理,同时可以保存信号处理过程中的关键数据供进一步的分析。

技术领域

本发明涉及人机交互中的动作识别技术领域，具体涉及一种基于生物脉冲的动作识别方法。

背景技术

目前，人机交互系统中的动作识别方案主要可以分为两类：基于视觉的方案和基于传感器的方案。基于视觉的动作识别研究较早，识别方法也较为成熟，但是该方案存在对环境敏感，系统复杂，计算量大等弊端。而基于传感器的动作识别虽然起步时间较晚，但是灵活可靠，不受环境、光线的影响，实现简单，是一种具有发展潜力的识别方法。

在中远距离的动作识别场景中，由于距离较远，因此，如何在跟踪肢体的运动轨迹的同时，准确的判断肢体的形态非常关键。现有的基于视觉的分析方法可以分为基于普通视觉的分析方法和基于深度视觉的方法：其中，基于普通视觉的分析方法，主要是通过视觉的方法跟踪肢体的运动轨迹和空间位置，并采用多目视觉的方法才能识别出用户的三维姿态信息，造成算法复杂度的提高及对动作动作的识别率降低；而基于深度视觉的方法受限于设备性能或造价，无法有效解决中远距离情况下的动作型识别。因此，现有的动作识别技术的算法复杂度高、对动作的识别率低。

为解决上述出现的技术问题，亟需一种基于生物动作发出的脉冲准确地进行动作识别的方法。

发明内容

为解决上述问题，本发明提供了一种基于生物脉冲的动作识别方法，能够有效解决当前动作识别时的识别率低、识别过程繁琐的技术难题。

具体来说，本发明请求保护一种基于生物脉冲的动作识别方法，其特征在于该方法包括如下步骤：

A.采集人体四肢生物脉冲，并采用自适应门限值算法对生物脉冲进行降噪处理；

B.基于李雅普诺夫指数等方式对步骤A获取的生物脉冲进行特征提取，求出该生物脉冲的复杂度和组合特征向量；

C.将步骤B获取的生物脉冲的复杂度和组合特征向量作为特征向量输入神经网络分类器，进行生物脉冲的模式识别，获取动作聚类特征。

优选的，所述步骤A中采集人体四肢生物脉冲，并采用自适应门限值算法对生物脉冲进行降噪处理还包括：

选择小波离散函数和小波变换级数，对生物脉冲进行小波变换，得到小波树和分段小波系数，计算其最佳小波树，获取最佳小波树的各叶结点系数，在生物脉冲的最佳小波树中选取一个未处理的叶结点，计算该叶结点系数对应的自适应门限值和降噪方式，进行降噪，判断最佳小波树种是否有叶结点未处理，如果有则重新在生物脉冲的最佳小波树中选取一个未处理的叶结点，如果没有，则如果最后一级第一个结点的父结点系数为零，重构父结点，如果不是，保留原来的父结点。再对上一级第一个结点做同样处理，直到第一级第一个结点，最后得到重构生物脉冲。

优选的，基于李雅普诺夫指数等方式对步骤A获取的生物脉冲进行特征提取，求出该生物脉冲的复杂度和组合特征向量；还包括：

1)求生物脉冲的局部极大、极小值；通过插值函数获得脉冲的上下样条曲线；并对上下样条曲线求平均，记为n(j)；以样条曲线上同符号值t(j)替代对应序列点上生物脉冲原有值 y(j)，求脉冲t(j)与n(j)的差值，记为i(j)＝t(j)-n(j)；