[发明专利]一种基于改进的CNN网络空中手写动作识别方法

摘要

本发明公开了一种改进的卷积神经网络的空中手写动作识别方法，该方法利用多时间序列和部分权重共享技术的CNN对特征进行提取，解决了传统方法需手工设计特征等缺点。该方法主要包括以下内容：1、对传感器数据的预处理以及动作片段提取；2、利用改进的CNN提取动作特征，改进包括引入多时间序列作为输入，在卷积层利用部分权重共享技术一定程度上解决了因传统特征提取导致局部差异性削弱而带来的精度下降问题，使特征更具代表性，在池化层和反向传播上结合部分权重共享做出了相应改进，使网络能进行正确的训练。本发明通过改进的CNN提高了空中手写动作的识别精度，可用于模式识别系统中，为基于智能腕带的手部动作识别做技术支撑。

主权项

1.一种基于改进的CNN网络空中手写动作识别方法，其特征在于，利用智能穿戴设备内置的加速度传感器和陀螺仪采集人空中手写动作传感器数据，对数据进行预处理，利用动作片段提取算法对动作片段进行提取，对动作片段的数据格式化，对用于分类的CNN网络进行改进，引入多时间序列和部分权重共享技术，实现对空中手写动作的分类识别；所述传感器数据采集和数据预处理，利用智能手表、腕带等可穿戴设备中内置加速度传感器和陀螺仪采集人手部在空中手写动作的传感器数据，利用归一化、滑动均值滤波、低通滤波等算法对数据进行预处理，去除噪声对识别精度的影响；所述动作片段提取，包括对空中手写动作的陀螺仪数据的动作片段提取和加速度传感器的动作片段提取；所述陀螺仪动作片段提取，利用滑动窗口计算窗口内数据均值，利用经验阈值与均值进行比较，舍弃不满足条件数据，得到动作片段1，再对动作片段1利用两个滑动窗口计算曲线平滑程度以及曲线的运动趋势，与经验阈值相比较，得到最终的动作片段陀螺仪传感器数据S1；所述加速度动作片段提取，利用滑动窗口计算窗口内曲线平滑程度以及曲线运动，与经验阈值相比较，得到动作片段1，再计算动作片段1长度，与预设动作长度阈值相比较，判断是否为有效数据，得到最终的动作片段加速度传感器数据S2；所述动作片段的格式化，分别对S1和S2的X、Y、Z轴数据进行拼接，得到数组S1_1和S2_1，再利用固定尺寸的滑动窗口分别对S1_1和S2_1进行切割，分别将其填充到初始化为0的N*N的矩阵A、B中，最后填充后的矩阵A、B即为格式化后的传感器数据；所述CNN网络的改进主要利用多时间序列和部分权重共享技术，提高对空中手写动作传感器数据的特征提取精度，提高分类模型的总体识别率。