[发明专利]一种人体姿态预测方法、装置及系统

说明书

本发明公开了一种人体姿态预测方法、装置及系统，属于智能可穿戴设备技术领域。所述方法包括：根据当前预设时间窗口内获取到的动作参数序列，预测即将发生的第一时间段内的用户的动作参数序列；基于预设人体姿态识别模型，根据预测的第一时间段内的用户的动作参数序列，预测第一时间段的用户姿态；根据第一时间段内实际获取到的用户的动作参数序列，确定第一时间段的实际用户姿态；判断预测的第一时间段的用户姿态和实际用户姿态是否一致；若否，则根据当前预设时间窗口内获取到的动作参数序列和实际用户姿态修正预设人体姿态识别模型，以用修正的预设人体姿态识别模型进行人体姿态预测。本发明建立了个性化人体姿态识别模型，动作预测准确度高。

技术领域

本发明涉及一种人体姿态预测方法、装置及系统，属于可穿戴设备技术领域。

背景技术

随着中国老龄化趋势加剧，老人的健康问题给社会带来的压力越来越大。老年人骨质疏松，跌倒问题成为老年人健康杀手，跌倒对于老年人来说是灾难性的。为了更好地为老年人提供防护器具，如智能摔倒防护器具等的基本前提是能够对老年人即将呈现的姿态做出准确的判断和预测。

现有人体防护系统一般根据假想或通用人体姿态识别模型和预设时间段内测得的用户动作参数进行姿态识别，由于不同个体动作和姿态差异，姿态模型与实际个体差异很大，难以实用。

发明内容

为解决现有技术中存在的问题，本发明提供了一种人体姿态预测方法、装置及系统，得到个性化人体姿态预测模型，能很好的满足多种需要实时准确感知人体姿态和预测动作的应用需求。

为实现上述目的，本发明提供如下技术方案：

一种人体姿态预测方法，包括：

获取用户特征部位的动作参数；

根据当前预设时间窗口内获取到的动作参数序列，预测即将发生的第一时间段内的用户的动作参数序列；

基于预设人体姿态识别模型，根据所述当前预设时间窗口内获取到的动作参数序列和预测的所述第一时间段内的用户的动作参数序列，预测所述第一时间段的用户姿态，所述姿态包括正常姿态和异常姿态；

基于所述预设人体姿态识别模型，根据所述当前预设时间窗口内获取到的动作参数序列和所述第一时间段内实际获取到的用户的动作参数序列，确定所述第一时间段的实际用户姿态；

判断预测的所述第一时间段的用户姿态和所述实际用户姿态是否一致；

若否，则根据所述当前预设时间窗口内获取到的动作参数序列和所述实际用户姿态修正所述预设人体姿态识别模型，以用修正的所述预设人体姿态识别模型进行人体姿态预测。

在一可选实施例中，基于隐马尔科夫模型，根据当前预设时间窗口内获取到的动作参数序列，预测即将发生的第一时间段内的用户的动作参数序列。

在一可选实施例中，基于卷积神经网络自学习算法，根据所述当前预设时间窗口内获取到的动作参数序列和所述实际用户姿态修正所述预设人体姿态识别模型。

在一可选实施例中，所述获取用户特征部位的动作参数之前，还包括：构建所述预设人体姿态识别模型。

在一可选实施例中，所述构建所述预设人体姿态识别模型，包括：

建立用户动作参数与姿态数据库，所述数据库中包含多个用户在预设时间窗口的动作参数序列与姿态的对应关系，所述姿态包括正常姿态和异常姿态；

根据所述数据库，训练得到所述预设人体姿态识别模型。

在一可选实施例中，所述根据所述当前预设时间窗口内获取到的动作参数序列和所述实际用户姿态修正所述预设人体姿态识别模型，之后还包括：