[发明专利]动作轨迹识别方法及移动终端

说明书

本发明实施例公开了一种动作轨迹识别方法及移动终端，该方法包括：通过训练好的识别模型识别加速度向量对应的动作轨迹类别，识别模型的训练过程包括：将各加速度样本向量与识别模型中的权值矩阵进行加权运算得到加权向量，将加权向量通过激活函数进行激活运算后得到输出类别；根据输出类别及该加速度样本向量对应的真实动作轨迹类别确定损失函数，判断损失函数是否满足结束训练条件；若损失函数不满足结束训练条件，计算损失函数的梯度，根据梯度调整权值矩阵的值，迭代上述训练过程中所有步骤直至损失函数满足结束训练条件后得到训练好的识别模型。本发明的技术方案通过训练的识别模型确定加速度向量对应的动作轨迹类别，识别速度快，误检率低。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种动作轨迹识别方法及移动终端。

背景技术

当前无人机领域中，通常都是通过遥控器来控制的，该通过遥控器控制的方式增加了的硬件成本，且功能比较单一，因此，现有的通过移动终端中APP触发不同的功能按键来控制无人机的方案变得越来越常见，例如通过拍照或录像，通过图像识别方式识别拍照或录像中的特定目标，通过特定姿势来控制无人机。

然而，该种图像识别的方式比较复杂和繁琐，即使通过检测图像中特定目标来触发，也会存在一定的误检率，而且，如果拍照或录像的图像中检测不到特定目标，则无法控制无人机飞行。

发明内容

鉴于上述问题，本发明实施例的目的在于提供一种动作轨迹识别方法及移动终端，以解决现有技术的不足。

根据本发明的一个实施方式，提供一种动作轨迹识别方法，应用于移动终端，所述移动终端包括加速度传感器，所述加速度传感器用于采集动作轨迹的加速度向量，该方法包括：

通过训练好的识别模型来识别所述加速度向量对应的动作轨迹类别，其中，所述识别模型的训练过程包括：

将各加速度样本向量与所述识别模型中的权值矩阵进行加权运算得到加权向量，并将所述加权向量通过激活函数进行激活运算后得到输出类别；

根据所述输出类别及该加速度样本向量对应的真实动作轨迹类别确定损失函数；

判断所述损失函数是否满足结束训练条件；

若所述损失函数不满足结束训练条件，计算所述损失函数的梯度，并根据所述梯度调整所述权值矩阵的值，迭代上述训练过程中所有步骤直至所述损失函数满足结束训练条件后得到训练好的识别模型。

在上述的动作轨迹识别方法中，所述识别模型包括输入层、隐藏层及输出层，根据所述隐藏层中神经元的数量在所述输入层和所述隐藏层之间设置第一权值矩阵，及在所述隐藏层和所述输出层之间设置第二权值矩阵；

所述将各加速度样本向量与所述识别模型中的权值矩阵进行加权运算得到加权向量，并将所述加权向量通过激活函数进行激活运算后得到输出类别包括：

将各加速度样本向量分别作为输入层向量，针对每一输入层向量，将所述输入层向量与所述第一权值矩阵进行加权运算得到第一加权向量，将所述第一加权向量通过第一激活函数进行激活运算后得到隐藏层向量；

将所述隐藏层向量与所述第二权值矩阵进行加权运算得到第二加权向量，将所述第二加权向量通过第二激活函数进行激活运算后得到输出层向量，根据所述输出层向量确定输出类别。

在上述的动作轨迹识别方法中，所述第一激活函数与所述第二激活函数相同。

在上述的动作轨迹识别方法中，所述计算所述损失函数的梯度，根据所述梯度调整所述权值矩阵的值包括：

根据所述损失函数对所述第一加权向量的偏导数计算第一参量，根据所述第一加权向量对所述第一权值矩阵的偏导数计算第二参量；