[发明专利]肢体动作的识别方法、装置、计算机设备及存储介质

权利要求书

1.一种肢体动作的识别方法，其特征在于，包括：

建立肢体动作的分类模型，其中，所述分类模型基于样本对象的表面肌电信号的训练集进行训练；

将所述分类模型应用于目标对象的肢体动作的识别；

在所述目标对象的肢体动作的识别过程中，获取识别所述目标对象的状态；

当识别所述目标对象的状态满足所述分类模型的更新条件时，更新所述分类模型的参数，以修复所述分类模型识别所述目标对象的肢体动作的偏差；

其中，当所述分类模型待识别的目标对象发生更换时，通过有监督学习的训练方式调整所述分类模型的类内散度矩阵和类间散度矩阵，并

将调整后的类内散度矩阵和类间散度矩阵作为更新后的所述分类模型的参数；

当所述分类模型识别同一目标对象的持续时长大于持续时长阈值时，或当所述分类模型识别同一所述待识别目标的表面肌电信号的样本数量大于第二设置阈值时，通过无监督学习的训练方式更新所述分类模型的参数。

2.根据权利要求1所述的方法，其特征在于，所述建立肢体动作的分类模型，包括：

对样本对象的表面肌电信号进行预处理和特征向量提取，获得特征向量样本集；

将所述特征向量样本集随机划分为训练集和测试集；

基于所述训练集和所述训练集中样本对象的标签训练肢体动作的分类模型，并利用所述测试集对所述分类模型的识别精度进行测试；

当所述分类模型的识别精度大于第一设置阈值时，获得训练后的所述分类模型。

3.根据权利要求1所述的方法，其特征在于，所述将所述分类模型应用于目标对象的肢体动作的识别，包括：

获取待识别的所述目标对象表面肌电信号的特征向量；

通过所述分类模型对所述特征向量进行降维处理和分类识别处理，得到所述目标对象的肢体动作的分类识别结果。

4.根据权利要求1所述的方法，其特征在于，所述获取识别所述目标对象的状态，包括：

获取所述分类模型待识别的目标对象是否发生变换的状态；

和/或，获取所述分类模型识别同一目标对象的持续时长；

和/或，获取所述分类模型识别同一目标对象的表面肌电信号的样本数量。

5.根据权利要求1所述的方法，其特征在于，所述当识别所述目标对象的状态满足所述分类模型的更新条件时，更新所述分类模型的参数，包括：

当满足以下更新条件至少之一时，更新所述分类模型的参数：

所述分类模型待识别的目标对象发生更换；

所述分类模型识别同一目标对象的持续时长大于持续时长阈值；

所述分类模型识别同一目标对象的表面肌电信号的样本数量，大于样本数量阈值。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述通过有监督学习的训练方式调整所述分类模型的类内散度矩阵和类间散度矩阵，包括：

通过带有标签的所述目标对象的表面肌电信号样本训练所述分类模型；

在所述分类模型的训练过程中，调整所述分类模型的类内散度矩阵和类间散度矩阵，直至满足如下条件：通过所述分类模型进行降维处理和分类处理后的同类所述目标对象样本的特征向量之间的距离满足第一距离阈值、不同类的所述目标对象样本的特征向量之间的距离满足第二距离阈值。