[发明专利]一种基于骨骼的手势跳跃动作识别增量学习方法及系统

说明书

本发明公开了一种基于骨骼的手势跳跃动作识别增量学习方法及系统，所述方法包括：根据第一惯性传感器和第一摄像头，获得第一用户的第一手势传输信号和第一手势图像信息，并生成第一手势数据库；根据所述第一手势特征信息，构建第一动作识别训练模型；获得第一学习手势动作数据的第二手势特征信息；将所述第二手势特征信息输入所述第一动作识别训练模型，获得第一预测运动参数；对所述第一预测运动参数和第一运动参数进行数据损失分析，获得第一损失数据；将所述第一损失数据输入所述第一动作识别训练模型，生成第二动作识别训练模型。解决了现有技术中存在手势特征提取数据量大，使得手势识别模型的响应时间长、性能下降的技术问题。

技术领域

本发明涉及动作识别相关领域，尤其涉及一种基于骨骼的手势跳跃动作识别增量学习方法及系统。

背景技术

随着手势识别技术的逐渐成熟，使得目前大部分消费类应用都在试图增加这一识别功能，无论是智能家居，智能可穿戴以及VR等应用领域，可以增加了手势识别控制功能增加其企业产品使用功能，进而提高产品经济效益。手势识别可以带来很多的好处，功能炫酷，操作方便，在很多应用场合都起到了良好的助力功能。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中存在手势特征提取数据量大，使得手势识别模型的响应时间长、性能下降的技术问题。

发明内容

本申请实施例通过提供一种基于骨骼的手势跳跃动作识别增量学习方法及系统，解决了现有技术中存在手势特征提取数据量大，使得手势识别模型的响应时间长、性能下降的技术问题，达到了通过对手势骨骼特征提取与模型增量学习进行双重结合的方式，减少模型响应时间，提高模型识别性能的技术效果。

鉴于上述问题，提出了本申请实施例提供一种基于骨骼的手势跳跃动作识别增量学习方法及系统。

第一方面，本申请实施例提供了一种基于骨骼的手势跳跃动作识别增量学习方法，其中，所述方法应用于手势跳跃动作识别学习系统，所述系统与一惯性传感器和一摄像头智能连接，所述方法包括：根据第一惯性传感器，获得第一用户的第一手势传输信号；根据第一摄像头，获得第一用户的第一手势图像信息；根据所述第一手势传输信号和第一手势图像信息，生成第一手势数据库；通过对所述第一手势数据库提取特征，获得第一手势特征信息；根据所述第一手势特征信息，构建第一动作识别训练模型；根据第一学习手势动作数据，获得第二手势特征信息；将所述第二手势特征信息输入到所述第一动作识别训练模型中进行数据训练，获得第一预测运动参数；通过对所述第一预测运动参数和第一运动参数进行数据损失分析，获得第一损失数据，其中，所述第一运动参数为所述第二手势特征信息对应的运动参数；将所述第一损失数据输入到所述第一动作识别训练模型中，生成第二动作识别训练模型，其中，所述第二动作识别训练模型为增量学习后的新模型。

另一方面，本申请还提供了一种基于骨骼的手势跳跃动作识别增量学习系统，所述系统包括：第一获得单元，所述第一获得单元用于根据第一惯性传感器，获得第一用户的第一手势传输信号；第二获得单元，所述第二获得单元用于根据第一摄像头，获得第一用户的第一手势图像信息；第一生成单元，所述第一生成单元用于根据所述第一手势传输信号和第一手势图像信息，生成第一手势数据库；第三获得单元，所述第三获得单元用于通过对所述第一手势数据库提取特征，获得第一手势特征信息；第一构建单元，所述第一构建单元用于根据所述第一手势特征信息，构建第一动作识别训练模型；第四获得单元，所述第四获得单元用于根据第一学习手势动作数据，获得第二手势特征信息；第一输入单元，所述第一输入单元用于将所述第二手势特征信息输入到所述第一动作识别训练模型中进行数据训练，获得第一预测运动参数；第五获得单元，所述第五获得单元用于通过对所述第一预测运动参数和第一运动参数进行数据损失分析，获得第一损失数据，其中，所述第一运动参数为所述第二手势特征信息对应的运动参数；第二输入单元，所述第二输入单元用于将所述第一损失数据输入到所述第一动作识别训练模型中，生成第二动作识别训练模型，其中，所述第二动作识别训练模型为增量学习后的新模型。