[发明专利]加速度标注模型生成方法、加速度标注方法、设备及介质在审

专利信息
申请号: 202010772494.0 申请日: 2020-08-04
公开(公告)号: CN112115964A 公开(公告)日: 2020-12-22
发明(设计)人: 陶大鹏;林旭 申请(专利权)人: 深圳市联合视觉创新科技有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06K9/00;G06N3/08;G01C21/16
代理公司: 深圳众鼎专利商标代理事务所(普通合伙) 44325 代理人: 黄章辉
地址: 518000 广东省深圳市南山区南山街道南光*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 加速度 标注 模型 生成 方法 设备 介质
【权利要求书】:

1.一种加速度标注模型生成方法,其特征在于,包括:

获取原始数据,所述原始数据包括携带同一数据标识对应的训练惯性测量信号和训练加速度信号;

对所述训练惯性测量信号进行分析,获取所述训练惯性测量信号对应的标注动作类别;

对所述训练加速度信号进行分析,获取所述训练加速度信号对应的标注加速度特征;

基于同一数据标识对应的所述标注动作类别和所述标注加速度特征,形成标注训练样本;

采用所述标注训练样本训练神经网络模型,生成目标加速度标注模型。

2.如权利要求1所述的加速度标注模型生成方法,其特征在于,所述对所述训练惯性测量信号进行分析,获取所述训练惯性测量信号对应的标注动作类别,包括:

基于所述训练惯性测量信号,获取所述训练惯性测量信号对应的训练动作信息,所述训练动作信息包括训练关节角度信息和运动时间信息;

对所述训练关节角度信息和所述运动时间信息进行分析,获取所述训练惯性测量信号对应的标注动作类别。

3.如权利要求2所述的加速度标注模型生成方法,其特征在于,所述对所述训练关节角度信息和所述运动时间信息进行分析,获取所述训练惯性测量信号对应的标注动作类别,包括:

对所述训练关节角度信息和所述运动时间信息进行分析,获取关节运动周期和所述关节运动周期内的关节运动姿态;

基于所述关节运动姿态,确定关节运动角度范围;

基于所述关节运动周期和所述关节运动角度范围,确定关节伸展时间和关节弯曲时间;

基于所述关节运动角度范围、关节伸展时间和关节弯曲时间,获取所述训练惯性测量信号对应的标注动作类别。

4.如权利要求1所述的加速度标注模型生成方法,其特征在于,所述获取原始数据,包括:

采用设置在测试对象上的惯性测量传感器,实时采集携带数据标识的训练惯性测量信号;

采用设置在同一所述测试对象上的移动设备或加速度传感器,实时采集携带数据标识的训练加速度信号;

基于同一数据标识的所述训练惯性测量信号和所述训练加速度信号,获取原始数据。

5.如权利要求4所述的加速度标注模型生成方法,其特征在于,所述惯性测量传感器设置在所述测试对象的髋关节、膝关节和踝关节上。

6.如权利要求2所述的加速度标注模型生成方法,其特征在于,在所述采用设置在测试对象上的惯性测量传感器,实时采集携带数据标识的训练惯性测量信号之前,所述加速度标注模型生成方法还包括:

采用设置在测试对象上的惯性测量传感器,实时采集校准惯性测量信号;

对所述校准惯性测量信号进行转换,获取所述校准惯性测量信号对应的校准关节坐标;

基于所述校准关节坐标和预设关节坐标,获取校准映射关系;

所述基于所述训练惯性测量信号,获取所述训练惯性测量信号对应的训练动作信息,所述训练动作信息包括训练关节角度信息和运动时间信息;包括:

基于所述训练惯性测量信号,获取对应的原始关节角度信息;

采用所述校准映射关系对所述原始关节角度信息进行校准,获取训练关节角度信息。

7.如权利要求1所述的加速度标注模型生成方法,其特征在于,所采用所述标注训练样本训练神经网络模型,生成目标加速度标注模型,包括:

采用所述标注训练样本训练神经网络模型,生成原始加速度标注模型;

获取所述原始加速度标注模型的标注准确率,若所述标注准确率大于预设准确率,则将所述原始加速度标注模型确定为目标加速度标注模型。

8.一种加速度标注方法,其特征在于,包括:

获取待处理数据,所述待处理数据包括待处理加速度信号;

对所述待处理加速度信号进行分析,获取所述待处理加速度信号对应的待处理加速度特征;

将所述待处理加速度特征输入权利要求1-7任一项所述加速度标注模型,获取与所述待处理加速度特征相对应的目标动作类别。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市联合视觉创新科技有限公司,未经深圳市联合视觉创新科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010772494.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top