[发明专利]一种动作识别方法

说明书

本发明属于人机交互技术领域，涉及一种动作识别方法，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。本发明以多分类器融合为基础，提出了多层决策融合的拒绝决策算法，对于操作不规范或者非目标动作，进行二次判别，在两层分类器，两次置信决策均拒绝的情况下，该测试样本特征将被认定为非目标动作，实用性强，值得推广。

技术领域

本发明属于人机交互技术领域，具体涉及一种动作识别方法。

背景技术

近些年随着科学技术的进步，基于动作识别的人机交互也越来越多样化，其应用范围也越来越广泛。当前的人体动作识别系统虽然利用各种各种的特征提取算法及分类器算法已经取得了较高的识别正确率，但是仍然存在于一定的问题。首先，对于动作的识别准确率仍然具有上升的空间。其次，对于未在分类器中预定义的动作，仍然会将其强行分到预定义的类别中，识别为目标动作。此外，对于操作不规范的动作，也会有较大概率错误识别为其他动作。如果对该动作识别系统进行实际应用，则会存在对应用对象误操作的可能，导致意外的发生。

发明内容

有鉴于此，本发明提供了一种动作识别方法，以便解决上述提到的技术问题。

本发明的技术方案是：

一种动作识别方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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),...,(X_C,Y_C)}，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；X_c为第c类手部动作的信号特征集合；Y_c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。

优选的，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),...,(X_C,Y_C)}，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；X_c为第c类手部动作的信号特征集合；Y_c为第c类手部动作的类别标签；