[发明专利]一种基于卷积神经网络的相似性动作识别装置及方法

权利要求书

1.一种基于卷积神经网络的相似性动作识别装置，其特征在于：包括相连接的加速度计模块及移动终端；所述加速度计模块包括单片机及分别与其连接的加速度传感器、蓝牙模块、电源模块；在采集数据的过程中，将加速度计模块放置在受试者身上，把采集到的数据通过蓝牙传输到安卓客户端模块；安卓客户端模块首先将采集到的数据进行本地存储和实时显示，随后定时将数据文件通过无线网络传至服务器；服务器端模块首先对数据进行存储，然后通过TensorFlow平台下构建的卷积神经网络模型对数据进行训练和分类，最后再将动作识别的结果返回至安卓客户端模块；

基于卷积神经网络的相似性动作识别方法，使用上述识别装置，包括以下步骤：

步骤S1：将加速度计模块放置在受试者的腰部口袋，把采集到的数据通过蓝牙传输到安卓客户端模块；安卓客户端模块首先将采集到的数据进行本地存储和实时显示，随后定时将数据文件通过无线网络传至服务器；服务器端模块首先对数据进行存储；

步骤S2：获取足够样本数据后，对采集的数据进行预处理；

步骤S3：借助TensorFlow平台搭建卷积神经网络模型，然后选取一部分原始数据作为训练样本，对卷积神经网络模型进行训练；

步骤S4：将待识别原始数据直接输入训练好的卷积神经网络模型进行处理,由所述卷积神经网络模型根据应用场景自动提取特征值，再根据提取到的特征值,由Softmax层确定所述待识别原始数据的动作识别结果；所述卷积神经网络模型由已知数据在服务器上训练所得；

对采集的数据进行预处理为有滤波降噪、缺失值处理、归一化和窗口切割；

所述相似性动作为周期性出现的相似性动作，包括上楼梯动作或下楼梯动作；

在采集数据的过程中，将加速度计模块放置在受试者的大腿部口袋，放置方向为竖直放置，其中垂直方向为Y轴方向，左右两侧为X轴方向，前进的方向为Z轴的方向；

所述卷积神经网络模型依托移动端的安卓客户端模块运行，对加速度计模块的原始数据进行直接处理以自动提取特征值。

2.根据权利要求1所述的基于卷积神经网络的相似性动作识别装置，其特征在于：所述单片机采用MSP430G230单片机；加速度传感器采用FXOS8700CQ传感器；蓝牙模块采用HC06。

3.根据权利要求1所述的基于卷积神经网络的相似性动作识别装置，其特征在于：所述电源模块包括电源芯片、充电芯片及电池；所述电源芯片一端与充电芯片一端连接；充电芯片另一端与电池一端连接；电池另一端与电源芯片另一端连接。

4.根据权利要求3所述的基于卷积神经网络的相似性动作识别装置，其特征在于：电源模块采用SGM2019 LDO芯片；充电芯片采用BQ24040充电芯片；电池标称容量为120mAh。