[发明专利]一种基于耳机检测动作进行功能控制的方法及系统

说明书

本发明公开了一种基于耳机检测动作进行功能控制的方法，包括：所述耳机通过传感器采集佩戴者动作信息；基于所述动作信息，采用神经网络算法和先验规则识别目标动作；所述目标动作识别结果用于控制与所述耳机相应的终端功能。本发明的基于耳机检测动作进行功能控制的方法及系统，将人工智能人类先验知识进行结合，大大提高动作识别的准确性，同时减少对人工标定数据的大量需求。

技术领域

本发明属于媒体播放设备技术领域，特别涉及一种基于耳机检测动作进行功能控制的方法及系统。

背景技术

耳机作为一种便携式媒体播放设备给人们的工作和生活带来了极大方便。在佩戴耳机使用电子设备进行工作和娱乐的过程中，经常会需要对设备执行一些功能控制，如音乐播放、暂停、上一曲、下一曲等。传统的功能控制通过设备上的实体按键或者是触摸屏上的虚拟按键与设备交互。

为了更加便利的控制耳机相关的功能操作，简化按键或消除按键成为改进耳机控制的方向。现有技术中多采用光学识别人体运动来进行相应的功能控制，如微软的Kinect，是Xbox外接的3D体感设备，可通过光学方式，感知用户体态。但这种设备价格较高，同时携带不便，进而也不便利用到耳机控制中。

现有技术中也存在使用运动传感器感知佩戴者动作的技术。但一般通过有限的预设动作进行简单的识别匹配，而人体运动的方式复杂繁多，因此，很难做到智能的识别与控制，错误动作率高。

因此，如何实现智能地基于耳机检测动作进行功能控制，是亟待解决的问题。

发明内容

针对上述问题，本发明提供一种基于耳机检测动作进行功能控制的方法，包括：

所述耳机通过传感器采集佩戴者动作信息；

基于所述动作信息，采用神经网络算法和先验规则识别目标动作；

所述目标动作识别结果用于控制与所述耳机相应的终端功能。

进一步地，

所述动作信息为原始动作序列；

所述采用神经网络算法和先验规则识别目标动作包括：

对所述原始动作序列采用第一神经网络模型进行深度特征提取，得到子动作识别结果；

基于所述原始动作序列，根据先验规则识别，得到姿态计算结果；

根据所述子动作识别结果、所述姿态计算结果和所述原始动作系列，采用第二神经网络模型进行识别，得到所述目标动作识别结果。

进一步地，

在采用第一神经网络模型进行深度特征提取前，根据人工标注数据，训练所述第一神经网络模型进行监督性学习。

进一步地，

所述根据先验规则识别，得到姿态计算结果包括：判断所述原始动作序列中的动作幅度和持续时间是否满足相应的动作阈值。

进一步地，

所述第二神经网络模型为LSTM模型，所述LSTM模型预先经过设定权重的训练，用于根据多个相关子动作序列识别表示佩戴者意图的目标动作。

进一步地，

所述目标动作识别结果用于控制与所述耳机相应的终端功能包括：

根据与所述耳机信号连接的终端应用确定工作模式；

在媒体播放模式下，根据所述目标动作识别结果控制媒体播放动作；

在非播放模式下，将所述目标动作识别结果转换为系统操作动作映射发送到所述终端应用，控制终端应用功能。