[发明专利]一种基于改进的信号片段提取算法的手部动作识别方法

说明书

本发明涉及一种基于改进的信号片段提取算法的手部动作识别方法。本发明包括以下步骤：S1、采集人体的手部动作数据，去除所述手部动作数据中的过渡动作数据，得到手部动作数据的雏形动作片段；S2、针对不同长度的动作雏形动作片段进行自适应的片段提取，探测手部动作的完整动作片段和其真实的起始点和终止点；S3、提取所述完整动作片段的特征值，对手部动作分类模型进行训练，最后利用所述手部动作分类模型进行手部动作识别。本发明能够自适应不同手部动作类型的运动时间长度，对人体各手部动作的完整动作片段进行精确提取，并能够探测得到各动作片段的真实状态点(起始点和终止点)，获得各个动作的精确完整动作片段。

技术领域

本发明涉及通信电子技术和模式识别技术领域，具体的说是一种基于改进的信号片段提取算法的手部动作识别方法。

背景技术

近年来随着微电子技术和物联网发展，微型芯片的普及和可穿戴设备的应用，利用智能移动设备内置传感器对人体行为识别具有十分重要的研究和应用价值，很多研究和机构都进行应用开发和科学研究。

其中，对预处理过后的传感器数据的动作片段的提取是整个识别流程的核心部分，其对手部动作完整片段的提取结果对人体手部动作识别效果有着重要的影响。

经过预处理后的数据仍然是连续的人体手部动作数据信号，其中包含了多个手部动作数据，并不能直接分类识别。因此，要在包含多个动作的连续性数据序列中识别人体动作，首先最重要的能够提取到包含了一个完整的人体行为动作的数据片段，剔除相邻动作间的过渡性数据干扰。同时，动作片段的提取也能够使计算机更好的为动作进行标识，感知动作的起始点和终止点等，并且这些状态变化由计算机智能的识别，其体现出一定的创新性和挑战性。

传统的数据切割方法对人体手部动作数据流进行分割得到的数据片段，可以较为完整的提取到每个动作。然而这些动作行为的片段夹杂了一些过渡行为的数据，这些数据并不属于人体发生动作时产生的数据，该类数据将会动作识别产生极大地影响，导致后期动作识别的精确度下降。同时，不同手部动作持续的时间长度也不一致，无法设置单一滑动窗口长度对数据进行分割。

发明内容

针对现有技术中存在的上述不足之处，本发明要解决的技术问题是提供一种基于改进的信号片段提取算法的手部动作识别方法。

本发明为实现上述目的所采用的技术方案是：一种基于改进的信号片段提取算法的手部动作识别方法，包括以下步骤：

S1、对采集到的人体的手部动作数据进行预处理，以去除所述手部动作数据中的过渡动作数据，得到手部动作数据的雏形动作片段，所述雏形动作片段的第一个点为初探起始点，最后一个点为初探终止点；

S2、针对不同长度的雏形动作片段进行自适应的提取，探测完整动作片段和其真实的起始点和终止点；

S3、提取所述完整动作片段的特征值，对手部动作分类模型进行训练，最后利用所述手部动作分类模型进行手部动作识别。

所述步骤S1包括以下步骤：

S11、对采集到的人体的手部动作数据进行迭代，对手部动作数据的固有偏差进行校正；

S12、去除迭代后数据里的重力分量和噪声，获取手部动作的有效数据；

S13、对所述手部动作的有效数据进行雏形片段提取，得到雏形动作片段。

所述步骤S13通过对每个窗口片段执行以下步骤获得雏形动作片段：