[发明专利]一种枪支姿态感知识别方法与系统

说明书

本发明涉及一种枪支姿态感知识别方法与系统，其中包括进行了有效的预处理和目标显著性检测，通过地磁、角速度、加速度的信号处理分类、姿态识别，通过信号特征检测，来判断枪械的姿态；该方法是基于枪械的各种动作在九轴信号中产生的不同信号特征，并利用这些信号特征进行机器学习分类设计分类器进行分类，其后通过新加入的数据在算法模型上进行机器学习迭代训练，最终通过分类器完成枪械姿态可能性的判别，从而形成一套完整的枪械姿态识别方法。本发明的枪械姿态识别感知方法鲁棒性好、实时性强、识别精度非常高。

技术领域

本发明应用于公共安全领域，具体涉及一种枪支姿态感知识别方法与系统。

背景技术

随着人工智能技术的不断发展演进，我国对枪支管理电子化、信息化及智能化建设的要求也提升到了新的高度。其中，在枪支智能化的大战略背景下，颇为关注的一个问题是，如何检测枪支的上膛、击发、验枪等姿态动作，如何实现利用枪支的九轴数据对枪支姿态进行实时感知，为此研发一种行之有效的枪支姿态智能感知算法成为了重中之重，且对于我国枪支管理具有非常大的现实意义。

随着全国各地对于公务用枪的使用规范度进一步提升，及公务枪支管理制度的进一步规范完善，枪支的智能姿态感知技术应运而生，枪支的姿态通常包含，验枪、上膛、击发、出枪套、入枪套。

目前存在的问题是：第一，没有有效的方法捕捉枪支的姿态数据。第二，没有有效的方法通过分析枪支的姿态数据去感知姿态。所以一个以智能微动作感知芯片为载体，人工智能识别技术为依托的姿态感知方法，是有需求，且有必要的。

目前，公安部门对于枪支姿态感知识别还没有一个通用化的智能解决方案。

发明内容

本发明的目的是通过以下技术方案实现的。

本发明利用枪支的九轴数据(三轴角速度、三轴加速度以及三轴地磁变化)，通过大量的枪支姿态动作数据采集，在经过数据预处理、神经网络搭建、及迭代训练，从而得到最终的识别模型，从而在枪支做出上膛、验枪、击发等姿态动作后，通过分析九轴传感器得到的枪支九轴数据后，对枪支进行实时且有效的姿态识别，从而实现了对枪支进行智能化改造。

根据本发明第一个方面，提供一种枪支姿态感知识别方法，包括：

采集枪支姿态感知数据样本，建立枪支姿态动作样本数据库；

对所述枪支姿态感知数据样本进行预处理，消除噪声数据并标签每个所述枪支姿态感知数据样本的姿态类别；

提取预处理后的枪支姿态感知数据样本的特征，得到九个二维频域序列；

将所述九个二维频域序列融合为一组二维序列；

将所述一组二维序列输入分类器模型进行训练，得到训练后的分类器模型；

获取单次枪支姿态感知数据，输入到训练好的分类器模型中，输出识别结果。

优选的，进一步包括以下步骤：用带有标签的测试集对已训练完毕的分类器模型进行测试，计算所述分类器模型的准确率。

优选的，所述枪支姿态感知数据样本包括出套、上膛、击发、验枪、和/ 或入套的信号数据。

优选的，所述分类器模型是SVM分类器。

优选的，通过带通滤波器处理所述枪支姿态感知数据样本，消除噪声数据

优选的，所述提取预处理后的枪支姿态感知数据样本的特征，得到九个二维频域序列，包括：

将预处理后的枪支姿态感知数据样本经由快速傅立叶变换后，得到横坐标为频率，纵坐标为传感器检测值的二维序列，即特征信号；

将特征信号进行能量积分，得到九个二维频域序列。