[发明专利]一种可动态增加运动识别姿态的装置和方法

说明书

本发明提出了一种可动态增加运动识别姿态的装置和方法，包括硬件采集电路、上位机、服务器，其特征在于，所述硬件采集电路用于采集人体运动姿态信号；所述上位机，包括采集、识别、上传三种工作模式，采集模式下将新增运动姿态数据存储在本地，识别模式下应用BP神经网络算法实时识别运动姿态并给出识别结果，上传模式下将本地存储的新增运动姿态数据通过网络传送至服务器；所述服务器，应用BP神经网络算法对新上传的运动姿态数据进行姿态训练并给出对应的训练权重文件返回上位机。其显著优势在于：装置可动态增加运动姿态，增加的运动姿态可以是新的运动姿态，也可以是装置已有的运动姿态；装置采用模块化设计，各模块可以独立工作，耦合度低。

技术领域

本发明涉及运动姿态识别领域，具体涉及一种新型的实时识别并可动态增加运动识别姿态的装置和方法。

背景技术

目前，针对实时运动姿态的主要识别技术主要是运用视频图像、加速度传感器等的识别方法，且几乎都是对固定动作的识别。

《基于GMM的人体运动姿态的追踪与识别》文献中采用改进的混合高斯背景模型(GMM)算法对视频每帧图像进行前景提取，利用Shi-tomasi算法提取图像特征点并进行追踪，获取运动目标轮廓并绘制出边缘，经过SVM(Support Vector Machine)训练实现对人体运动姿态的实时追踪和识别。

《视频中关键人体姿态的识别》文献中提出一种识别视频关键帧中人体姿态的方法.首先通过计算视频中帧间的覆盖率和失真率，提取关键帧；然后抽取关键帧中人体姿态轮廓的多种特征，建立多特征融合的姿态描述算子；在自采集和公用数据上构建标准姿态的特征库，用于训练基于支持向量机的多类分类器，以实现人体姿态的识别.

智能电子设备作为现代社会中人们日常生活中必不可少的通讯设备，其不断提升的计算、存储能力，以及丰富的传感器带来的感知能力，吸引了许多研究者的关注，以智能手机为平台的人体日常运动行为识别也成为了热点。

《基于手机传感器的人体运动姿态识别研究》文献中利用智能手机内置传感器获取用户运动时产生的加速度信息以及相同时刻的重力加速度，遵从数据采集、数据预处理、特征提取与特征选择、分类模型训练与评估这一流程对人体运动姿态识别。

《基于九轴传感器的人体运动姿态识别系统及方法》文献中一种基于九轴传感器的人体运动姿态识别系统及方法。该系统包括信号采集模块、数据处理模块以及人机交互模块，能够较佳地对人体运行姿态进行连续识别。

通过视频图像进行识别，需要相机等工具，成本较高，设备复杂，智能手机中识别也只能识别固定姿态的运动姿态，不能动态添加。《一种基于电荷感应的运动姿态识别装置及方法》(专利号201910798833.X，2019.8.23)提到使用采集卡和KNN进行识别，但无法实时运行和动态新增姿态，故需要一种操作简单，几乎自动化、一体化的实时运动姿态识别并且可以动态增加运动姿态的装置和方法。

发明内容

本发明的目的在于克服上述现有技术中存在的不足，提出一种可动态增加运动识别姿态的装置和方法。

为实现上述发明目的，本发明提出的技术方案为：一种可动态增加运动识别姿态的装置，如附图1所示，包括硬件采集电路、上位机、服务器，其特征在于，所述硬件采集电路，包括探测电极、电荷传感器、放大滤波电路、单片机，用于采集人体运动姿态信号，并通过单片机串口连接上位机；所述上位机，设有串口设置区来设置串口信息，包括采集、识别、上传三种工作模式，采集模式下将新增运动姿态数据存储在本地，同时显示运动姿态波形，识别模式下应用BP神经网络算法实时识别运动姿态并给出识别结果，同时显示运动姿态波形，上传模式下将本地存储的新增运动姿态数据通过网络传送至服务器；所述服务器，应用BP神经网络算法对新上传的运动姿态数据进行姿态训练并给出对应的训练权重文件返回上位机。