[发明专利]人体行为的识别方法、装置、移动终端以及存储介质在审
申请号: | 202210204599.5 | 申请日: | 2022-03-03 |
公开(公告)号: | CN114613003A | 公开(公告)日: | 2022-06-10 |
发明(设计)人: | 周兴康;裴璇;郭彦东 | 申请(专利权)人: | OPPO广东移动通信有限公司 |
主分类号: | G06V40/20 | 分类号: | G06V40/20;G06N3/04;G06N3/08 |
代理公司: | 深圳市智圈知识产权代理事务所(普通合伙) 44351 | 代理人: | 吕静 |
地址: | 523860 广东*** | 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: | 人体 行为 识别 方法 装置 移动 终端 以及 存储 介质 | ||
1.一种人体行为的识别方法,其特征在于,应用于移动终端,所述移动终端与可穿戴设备连接,所述方法包括:
采集人体的运动数据作为第一运动数据,并获取所述可穿戴设备采集的所述人体的对应部位的运动数据作为第二运动数据;
将所述第一运动数据和所述第二运动数据输入已训练的人体行为识别模型;
获取所述已训练的人体行为识别模型输出的所述人体的行为。
2.根据权利要求1所述的方法,其特征在于,所述移动终端包括第一惯性测量单元,所述可穿戴设备包括第二惯性测量单元,所述采集人体的运动数据作为第一运动数据,并获取所述可穿戴设备采集的所述人体的对应部位的运动数据作为第二运动数据,包括:
通过所述第一惯性测量单元采集所述人体的运动数据,作为第一运动数据;
获取所述可穿戴设备通过所述第二惯性测量单元采集的所述人体的对应部位的运动数据,作为第二运动数据。
3.根据权利要求1所述的方法,其特征在于,所述采集人体的运动数据作为第一运动数据,并获取所述可穿戴设备采集的所述人体的对应部位的运动数据作为第二运动数据,包括:
采集所述人体在预设时间段内的运动数据,作为第一运动数据;
获取所述可穿戴设备在所述预设时间段内采集的所述人体的对应部位的运动数据,作为第二运动数据。
4.根据权利要求3所述的方法,其特征在于,所述预设时间段包括起始时间段、中间时间段以及结尾时间段,所述采集所述人体在预设时间段内的运动数据,作为第一运动数据,包括:
采集所述人体在所述预设时间段内的运动数据,作为第三运动数据;
删除采集时间在所述起始时间段和所述结尾时间段内的第三运动数据,并保留采集时间在所述中间时间段内的第三运动数据作为所述第一运动数据。
5.根据权利要求4所述的方法,其特征在于,所述获取所述可穿戴设备在所述预设时间段内采集的所述人体的对应部位的运动数据,作为第二运动数据,包括:
获取所述可穿戴设备在所述预设时间段内采集的所述人体的对应部位的运动数据,作为第四运动数据;
删除采集时间在所述起始时间段和所述结尾时间段内的第四运动数据,并保留采集时间在所述中间时间段内的第四运动数据作为所述第二运动数据。
6.根据权利要求1-5任一项所述的方法,其特征在于,在所述采集人体的运动数据作为第一运动数据,并获取所述可穿戴设备采集的所述人体的对应部位的运动数据作为第二运动数据之前,还包括:
获取训练数据集,其中,所述训练数据集包括第一训练数据、第二训练数据以及训练人体的行为,所述第一训练数据由移动终端采集所述训练人体的运动数据获得,所述第二训练数据由可穿戴设备采集所述训练人体的对应部位的运动数据获得;
将所述第一训练数据和所述第二训练数据作为输入数据,以及所述训练人体的行为作为输出数据,对CNN-LSTM模型进行训练,获得已训练的人体行为识别模型。
7.根据权利要求6所述的方法,其特征在于,所述CNN-LSTM模型包括数据融合模块和分类器,所述将所述第一训练数据和所述第二训练数据作为输入数据,以及所述训练人体的行为作为输出数据,对CNN-LSTM模型进行训练,获得已训练的人体行为识别模型,包括:
将所述第一训练数据和所述第二训练数据输入所述数据融合模块,获取所述数据融合模块对所述第一训练数据和所述第二训练数据进行数据融合获得的第三训练数据;
基于所述第三训练数据和所述训练人体的行为对所述分类器进行训练,获得所述已训练的人体行为识别模型。
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OPPO广东移动通信有限公司,未经OPPO广东移动通信有限公司许可,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/202210204599.5/1.html,转载请声明来源钻瓜专利网。