[发明专利]基于习惯分析的3D远程互动的动作优化系统

权利要求书

1.基于习惯分析的3D远程互动的动作优化系统，其特征在于：包括3D视觉模块（1），所述3D视觉模块（1）用于对人体肢体动作进行远距离跟踪、捕捉，所述3D视觉模块（1）将采集的信息输入、存储至数据库存储单元（4），所述数据库存储单元（4）内集成有深化学习模块（5），由所述深化学习模块（5）将数据库存储单元（4）划分为高优先级数据库（6）和低优先级数据库（7），所述数据库存储单元（4）输出端连接有互动输出单元（8），所述互动输出单元（8）将3D视觉模块（1）采集的动作信息与数据库存储单元（4）进行匹配，通过互动终端输出响应动作实现远程互动；

所述深化学习模块（5）对动作采集单元（2）采集到的肢体互动信息进行算法训练分析，完成对数据库存储单元（4）中的信息进行学习、分类，所述深化学习模块（5）将肢体动作分为高频动作（51）和低频动作（52），将数据库中的高频动作（51）进行提取并暂存至高优先级数据库（6）中，所述低频动作（52）暂存至低优先级数据库（7）中，通过深化学习模块（5）实现高优先级数据库（6）与低优先级数据库（7）之间数据的转存与交换；

所述深化学习模块（5）采用深度分类算法建立算法模型，建立两个分类器：高优先级分类器（53）和低优先级分类器（54），针对数据库存储单元（4）中的动作数据进行优化分类，将高频数据（56）分入高优先级分类器（53）中，在动作识别模块（3）提取数据库存储单元（4）中数据时，优选从高优先级分类器（53）中提取数据，提升输出终端的互动响应速度；

所述深化学习模块（5）采用的深度分类算法，其包括如下方法步骤：

S1、确定待分类数据：低频数据（55），高频数据（56）；

S2、建立描述预先定义的数据类别的分类器：高优先级分类器（53）和低优先级分类器（54）；

S3、用高频数据（56）训练高优先级分类器（53），低频数据（55）训练低优先级分类器（54）；

S4、根据深度分类算法公式，得出高频数据（56）和低频数据（55）的权重信息，采用增量训练，即逐次选择低优先级分类器（54）中的高频数据（56），增量加入到高优先级分类器（53）中，并将高优先级分类器（53）中低频数据（55）增量加入到低优先级分类器（54）中；

所述深度分类算法公式如下：

；

其中，每个动作信息看成是一个特征项；表示特征项的权重，表示在数据库中的优先级；

为特征项频率，指某个特征项在分类数据库中的出现次数，分类数据库为高优先级数据库（6）与低优先级数据库（7）的总称；

分类数据库频率指整个数据库集合中包含特征项的存储个数；

是与特征项成反比的分类数据库频率，N为所有分类数据库的总数；

所述高频动作（51）分入高优先级分类器（53）中，并在高优先级分类器（53）内通过深度分类算法，计算出高优先级分类器（53）内各个特征项的权重，并将权重占比较低的低频数据（55）降级至低优先级分类器（54）内；

所述低频动作（52）分入低优先级分类器（54）中，并在低优先级分类器（54）内通过深度分类算法，计算出低优先级分类器（54）内各个特征项的权重，并将权重占比较高的高频数据（56）降级至高优先级分类器（53）内。

2.根据权利要求1所述的基于习惯分析的3D远程互动的动作优化系统，其特征在于：所述3D视觉模块（1）包括3D视觉传感器、动作采集单元（2）和动作识别模块（3），3D视觉传感器用于对动作信息进行图像识别、传输和处理，经过识别处理后的动作信息通过动作采集单元（2）将动作数据记录并存储至数据库存储单元（4）内，同时，通过动作识别模块（3）将动作信息与数据库存储单元（4）中的信息进行检索、比对，并提取匹配动作通过互动输出单元（8）由互动终端输出响应动作实现远程互动。