[发明专利]一种识别动作种类的方法

说明书

本发明提供一种识别动作种类的方法，包括如下步骤：采集运动数据；对运动数据处理成若干数据段；分别对若干个数据段进行傅立叶变换，得到若干个数据段的频域特征；用若干个数据段的频域特征分别匹配动作要素的频域特征，得到若干个数据段对应的动作要素；将若干个数据段对应的动作要素连起来，得到连续的动作要素；和用连续的动作要素匹配连续动作模型，识别出动作的种类。采用本发明的方法，能够识别出复杂的连续动作，并且计算成本低。

技术领域

本发明涉及运动轨迹领域，具体涉及利用传感器数据作运动轨迹识别的方法。

背景技术

目前利用传感器数据作运动轨迹识别在民用领域主要用于跟踪人体的运动来计算步数或者在app里跟踪手机运动实现导航等。计算步数的方法主要是在滤波后分析加速度值得波峰和波谷，通过研究行走运动的峰谷特征，设定阈值来判断是否进行了行走运动，其优点是计算量很小，针对简单的运动，可以用很低的成本就能够实现。但是这种方法主要是用于辨别比较简单的运动，识别的运动种类比较少且单一，无法识别稍微复杂的连续运动。

在连续复杂的运动中，可以在不同的运动方向设置传感器，以获取运动的特征数据。例如设置6个运动传感器，分别是空间三维3个方向的加速度数据(x，y，z)和分别以加速度方向作为旋转轴的3个角速度数据(a，b，c)，一共6个数据。在连续的时间里面对这6个数据连续采集n组数据，得到以下的数组：{(x₁，y₁，z₁，a₁，b₁，c₁)，(x₂，y₂，z₂，a₂，b₂，c₂)......(x_n，y_n，z_n，a_n，b_n，c_n)}。不同的物体作同一个动作会有巨大差别，无法用简单的相关性去分析动作。要用这n组数据进行傅立叶变换提取频域特征进行识别，由于动作的维度太多，是一个6维的向量，采用傅立叶变换的快速变换计算非常消耗算力，计算的时间复杂度为O(N^M*logN)，N为数据长度，M为维数，计算出来的结果也难以分析。计算的公式如下：

而现实实践应用中，商家渴望获知展架上的商品发生的移动行为是否为顾客的选购行为。但现有技术的方法无法满足这样的要求。

背景技术部分的内容仅仅是发明人所知晓的技术，并不当然代表本领域的现有技术。

发明内容

针对现有技术存在问题中的一个或多个，本发明的目的是提供一种识别动作种类的方法，该方法利用快速傅立叶变换的直接对运动矢量采样的轨迹模型匹配的技术，能够用较少的计算成本就能识别出复杂的连续运动的轨迹，并进一步实现运作和种类。

本发明提供一种识别动作种类的方法，包括如下步骤：

采集运动数据；

对运动数据处理成若干数据段；

分别对若干个数据段进行傅立叶变换，得到若干个数据段的频域特征；

用若干个数据段的频域特征分别匹配动作要素的频域特征，得到若干个数据段对应的动作要素；

将若干个数据段对应的动作要素连起来，得到连续的动作要素；和

用连续的动作要素匹配连续动作模型，识别出动作种类。

优选地，利用传感器采集二维以上的运动数据；

根据本发明的一个方面，所述对运动数据处理成若干数据的方法为：

将二维以上的数据转换成一维数据；和

将一维数据切分得到若干个数据段。