[发明专利]可穿戴设备的交互控制系统及其工作方法在审

专利信息
申请号: 202210429544.4 申请日: 2022-04-22
公开(公告)号: CN114756128A 公开(公告)日: 2022-07-15
发明(设计)人: 赵家伟 申请(专利权)人: 杭州芮科科技有限公司
主分类号: G06F3/01 分类号: G06F3/01;G06K9/62;G06N3/04
代理公司: 北京恒泰铭睿知识产权代理有限公司 11642 代理人: 胡琳丽
地址: 310000 浙江省杭州市萧*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 穿戴 设备 交互 控制系统 及其 工作 方法
【权利要求书】:

1.一种可穿戴设备的交互控制系统,其特征在于,包括:

骨骼时序数据获取单元,用于获取由粘贴在手臂上的多个运动传感器所采集的在预定时间内的骨骼时序数据;

矩阵构造单元,用于将所述骨骼时序数据按照数据项和时间维度排列为输入矩阵;

第一神经网络单元,用于将所述矩阵通过作为过滤器的第一卷积神经网络以获得长度为所述第一卷积神经网络的通道数的特征向量;

生物信号获取单元,用于获取由肌电传感器在所述预定时间内所捕捉的生物电信号的信号波形图;

第二神经网络单元,用于将所述信号波形图输入作为特征提取器的第二卷积神经网络以获得尺寸为宽度*高度的特征矩阵,所述宽度为所述信号波形图的宽度,所述高度为所述信号波形图的高度;

尺度归一单元,用于将所述特征向量和所述特征矩阵转化相同尺度,其中,所述特征向量V的长度为L,所述特征矩阵M的尺寸为L×L;

高斯分布构造单元,用于基于所述特征向量V和所述特征矩阵M,构造基于似然性最大化的高斯密度图的向量化的高斯分布,其中,所述向量化的高斯分布的均值向量基于所述特征向量V与所述特征矩阵M之间的点乘确定,所述向量化的高斯分布的方差矩阵基于所述特征向量V与所述特征矩阵M之间的点乘与所述均值向量之间的差值确定;

离散化单元,用于对所述向量化的高斯分布的每个位置的高斯分布进行高斯离散化以获得分类特征图;

手势类别单元,用于将所述分类特征图通过分类器以获得所述分类特征图归属于预定手势的概率;

手势确定单元,用于所述分类特征图归属于预定手势的概率,确定手势类型;以及

交互单元,用于基于所述手势类型,确定交互指令。

2.根据权利要求1所述的可穿戴设备的交互控制系统,其中,所述第一神经网络单元,包括:

特征图提取子单元,用于使用所述第一卷积神经网络从所述输入矩阵获得运动特征图;以及

全局池化子单元,用于对所述运动特征图的沿通道维度的每个特征矩阵进行全局池化处理以将所述运动特征图沿通道维度的每个特征矩阵转化为一个全局特征值,以获得由多个全局特征值组成的所述特征向量。

3.根据权利要求2所述的可穿戴设备的交互控制系统,其中,所述全局池化子单元,进一步用于对所述运动特征图的沿通道维度的每个特征矩阵进行全局最大值池化处理或者全局平均值池化处理以获得一个所述全局特征值。

4.根据权利要求3所述的可穿戴设备的交互控制系统,其中,所述第二神经网络单元,包括:

卷积处理子单元,用于将所述信号波形图输入所述第二卷积神经网络以获得信号特征图;以及

通道池化子单元,用于对所述信号特征图进行沿通道维度的池化处理以获得所述特征矩阵。

5.根据权利要求4所述的可穿戴设备的交互控制系统,其中,所述尺度归一单元,进一步用于通过线性变换将所述特征向量和所述特征矩阵转化相同尺度。

6.根据权利要求5所述的可穿戴设备的交互控制系统,其中,所述高斯分布构造单元,进一步用于:基于所述特征向量V和所述特征矩阵M,构造基于似然性最大化的高斯密度图的所述向量化的高斯分布;

其中,所述向量化的高斯分布的均值向量,用公式表示为:

μ=V×MT⊕MT×V

其中,所述向量化的高斯分布的方差矩阵,用公式表示为:

∑=V×((V×M-μ)⊙(M×V-μ))T

其中,⊕表示点加,而⊙表示点乘。

7.根据权利要求6所述的可穿戴设备的交互控制系统,其中,所述手势类别单元,包括:

全连接编码子单元,用于使用所述分类器的多个全连接层对所述分类特征图进行全连接编码以获得分类特征向量;以及

概率生成子单元,用于将所述分类特征向量输入所述分类器的Softmax分类函数以获得所述分类特征向量归属于预定手势的概率。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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杭州芮科科技有限公司,未经杭州芮科科技有限公司许可,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/202210429544.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top