[发明专利]一种动作识别方法在审
| 申请号： | 202111151588.7 | 申请日： | 2021-09-29 |
| 公开（公告）号： | CN113869228A | 公开（公告）日： | 2021-12-31 |
| 发明（设计）人： | 周升丽;尹奎英 | 申请（专利权）人： | 西北工业大学;中国电子科技集团公司第十四研究所 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 西安铭泽知识产权代理事务所(普通合伙) 61223 | 代理人： | 姬莉 |
| 地址： | 710072 陕西*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 动作 识别 方法 | ||
1.一种动作识别方法，其特征在于，包括以下步骤：
对多个动作信号进行采集，作为原始输入集；
对原始输入集中的每个动作信号逐个进行活动段检测，获取有效的信号；
基于有效的信号进行特征提取，获取有效的样本特征集；
基于有效的样本特征集，构建多层动作识别模型；
采集待测试的动作信号，将待测试的动作信号送入构建好的多层动作识别模型，进行动作识别，并将识别的结果输出。
2.根据权利要求1所述的一种动作识别方法，其特征在于，对动作信号进行采集，基于可穿戴设备的运动传感信号或者肌电信号。
3.根据权利要求1所述的一种动作识别方法，其特征在于，基于有效的信号进行特征提取，获取有效的样本特征集包括以下步骤：
对每个动作的有效信号分窗进行特征提取，获取子特征，并将子特征进行组合，获得动作的有效样本特征集。
4.根据权利要求1所述的一种动作识别方法，其特征在于，多层动作识别模型包括：k最邻近分类模型和高斯混合模型分类器，其中，k最邻近分类模型为第一决策层，高斯混合模型分类器为第二决策层。
5.根据权利要求4所述的一种动作识别方法，其特征在于，所述k最邻近分类模型的构建包括以下步骤：
设训练样本特征集X为{(X1,Y1),(X2,Y2),...,(XC,YC)}，其中C为定义的动作类别数目；c＝1，2，…，C为第c类手部动作；Xc为第c类手部动作的信号特征集合；Yc为第c类手部动作的类别标签；
将训练样本特征集X按照样本的类别进行离线存储。
6.根据权利要求4所述的一种动作识别方法，其特征在于，所述高斯混合模型分类器的构建包括以下步骤：
设训练样本特征集X为{(X1,Y1),(X2,Y2),...,(XC,YC)}，其中C为定义的动作类别数目；c＝1，2，…，C为第c类手部动作；Xc为第c类手部动作的信号特征集合；Yc为第c类手部动作的类别标签；
对于C类手部动作，利用训练样本特征集Xc＝{x1,x2,...,xN}，c＝1，2，…，C分别训练C个高斯混合模型分类器。
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西北工业大学;中国电子科技集团公司第十四研究所，未经西北工业大学;中国电子科技集团公司第十四研究所许可，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/202111151588.7/1.html，转载请声明来源钻瓜专利网。
