人体运动类型识别准确度提高方法
【专利摘要】本发明的目的是提供一种人体运动类型识别准确度提高方法。人体的运动信息由传感器采集，传感器采集人体运动数据提供给人体运动识别模型，人体运动识别模型根据传感器数据得出一个识别的运动类型，人体也会报告一个正确的运动类型，识别的运动类型与正确的运动类型一起输入至相似度评价器进行相似度判断，相似度评价器的评价结果与正确的运动类型、传感器数据一起输入至人体运动学习模型进行训练，人体运动学习模型根据相似度评价器的评价结果重新训练人体运动识别模型，通过多次学习和迭代，最终使得人体运动识别模型可以获得较高的识别准确度，能够准确识别人体各种不同运动类型。
【专利说明】人体运动类型识别准确度提高方法
【技术领域】
[0001]本发明涉及一种人体运动类型识别准确度提高方法。
【背景技术】
[0002]人体运动(Physical Activity)主要由人体骨骼、肌肉产生，表现为走路、快走、跑步和多种运动行为。人体运动对维持人体健康、预防心血管疾病、防止肥胖症、减少糖尿病都非常重要。为了身体健康，每个人都需要保证每天有一定的、不同类型的、科学的运动量。但是，普通人都很难掌控自己的运动量，以及是否达到健康要求。因此，准确监控及评估人体在日常生活状态下的人体运动量，尤其是运动类型及其强度，就非常重要。它能够指导人们开展相应的运动，维持合适的运动量，从而强身健体。
[0003]人体运动评估的首要目标是识别的人体运动类型、持续时间和运动强度。最近，力口速度计、陀螺仪等传感器，由于其低廉的成本和非侵入性，被用于分析、评估人体运动。研究表明，采用这些传感器再结合较好的模式识别分类器，例如隐马尔可夫模型、人工神经网络、支持向量机等，即可识别人体运动的类型和强度。这些模式分类器一般先在标准条件下通过标准样本进行训练，然后再用来进行人体运动类型模式识别。但是，由于不同的人有不同的运动习惯，很难确定不同的人的运动类型。因此，需要模型能够根据每个人的运动特征进行自我学习和自我完善，最终演变为针对该人体的准确模型，从而能够对每一个人的运动类型进行准确识别。
【发明内容】
[0004]本发明的目的是提供一种人体运动类型识别准确度提高方法。
[0005]人体的运动信息由传感器采集，传感器采集人体运动数据提供给人体运动识别模型，人体运动识别模型根据传感器数据得出一个识别的运动类型，人体也会报告一个正确的运动类型，识别的运动类型与正确的运动类型一起输入至相似度评价器进行相似度判断，相似度评价器的评价结果与正确的运动类型、传感器数据一起输入至人体运动学习模型进行训练，人体运动学习模型根据相似度评价器的评价结果重新训练人体运动识别模型，通过多次学习和迭代，最终使得人体运动识别模型可以获得较高的识别准确度，能够准确识别人体各种不同运动类型。
[0006]所述的正确的运动类型由人体根据运动类型的定义进行报告或者选择，客观正确地反映人体的运动类型。
[0007]所述的人体运动识别模型是一个针对某一特定人体建立的人体运动识别模型，只对特定人体有效，通过多次训练和学习，人体运动识别模型对该特定人体具有较高的动作类型识别准确度。
[0008]所述的人体运动识别模型由人体运动学习模型训练获得，人体运动识别模型根据不同的传感器数据提取不同的人体运动特征，并通过这些人体运动特征识别人体的运动类型，获得与该传感器数据相对应的识别的运动类型。[0009]所述的人体运动学习模型以人体运动传感器数据和正确的运动类型作为输入，通过机器学习模型进行训练，获得人体运动识别模型，人体运动学习模型对某运动类型训练的次数越多，人体运动识别模型对该运动类型的识别准确度越高。
[0010]所述的相似度评价器能够对正确的运动类型和识别的运动类型进行运动类型的相似度评价。
[0011]所述的人体运动学习模型以相似度评价器的评价结果作为依据，对人体运动识别模型进行训练，相似度越大的训练的次数越少，相似度越小的训练的次数越多。
【专利附图】
【附图说明】
[0012]图1人体运动类型识别准确度提高方法结构示意图；
[0013]图2是人体运动类型识别系统的结构示意图；
[0014]图3是人体运动类型识别的特征提取与运动类型的识别；
[0015]图4是识别的运动类型与正确的运动类型的进行相似度评价；
[0016]图5人体运动学习模型以相似度评价器的评价结果重新训练模型。
[0017]图中:人体1、传感器2、人体运动识别模型3、识别的运动类型4、正确的运动类型
5、相似度评价器6、人体运动学习模型7、云端8、腕带式运动监控设备触摸屏201、人体运动传感器信号202、特征提取203、人体运动特征204、识别的运动类型与正确的运动类型的相似度601。
【具体实施方式】
[0018]以下结合一种具体的实施方案和附图对本发明做详细的说明。该方案采用腕带式运动监测设备跟踪人体运动，腕带中的传感器为加速度传感器。
[0019]如图1所示，人体I的运动信息由传感器2采集，传感器2采集人体运动数据提供给人体运动识别模型3，人体运动识别模型3根据传感器2数据得出一个识别的运动类型4，人体I也会报告一个正确的运动类型5，识别的运动类型4与正确的运动类型5 —起输入至相似度评价器6进行相似度判断，相似度评价器6的评价结果与正确的运动类型5、传感器2数据一起输入至人体运动学习模型7进行训练，人体运动学习模型7根据相似度评价器6的评价结果重新训练人体运动识别模型3，通过多次学习和迭代，最终使得人体运动识别模型3可以获得较高的识别准确度，能够准确识别人体各种不同运动类型。
[0020]如图2所示，运动的人体I将含有传感器2的腕带式运动监控设备戴在手腕上，腕带式运动监控设备具有触摸屏201，人体I的正确运动类型5由运动主体通过触摸屏201进行报告，客观正确地反映人体I的运动类型。同时，传感器2采集的数据和正确的运动类型5通过无线通信发送至云端8进行计算。云端8包括人体运动识别模型3和人体运动学习模型7。
[0021]如图3所示，人体运动识别模型3根据传感器数据202及其特征204进行运动类型的识别。人体运动识别模型3根据不同的传感器信号202提取不同的人体运动特征204，并通过这些人体运动特征204识别人体的运动类型，获得与该传感器2数据相对应的识别的运动类型4。本实例通过腕带加速度传感器数据提取了时域和频域的一些特征，并通过神经网络模型进行人体运动类型的识别。[0022]人体I通过腕带式运动监控设备的触摸屏201进行运动类别的选择，选择的运动类型即为正确的运动类型5。如图4所示，识别的运动类型4与正确的运动类型5 —起输入至相似度评价器6进行相似度601判断。相似度评价器6根据识别的运动类型4与正确的运动类型5的信息熵进行相似度计算。
[0023]如图5所示，人体运动学习模型7以人体运动传感器2数据和正确的运动类型5作为输入，以相似度评价器6的评价结果-相似度601作为依据，对人体运动识别模型3进行改进训练，相似度601越大的训练次数越少，相似度601越小的训练次数越多。
[0024]人体运动识别模型3是一个针对某一特定人体建立的人体运动识别模型，只对特定人体有效，通过多次训练和学习，人体运动识别模型3对该特定人体具有较高的动作类型识别准确度。通过不同运动类型的多次学习，最终使得人体运动识别模型3能够准确识别人体各种不同运动类型。
[0025]上述方案只是本发明的一种【具体实施方式】，在符合本发明的特征下可以有多种不同应用方案，但这些应用方案只要符合本发明的特征，都应属于本发明的权利保护范围。
【权利要求】
1.一种人体运动类型识别准确度提高方法，其特征在于，人体(1)的运动信息由传感器(2)采集，传感器(2)采集人体运动数据提供给人体运动识别模型(3)，人体运动识别模型(3)根据传感器(2)数据得出一个识别的运动类型(4)，人体(1)也会报告一个正确的运动类型(5)，识别的运动类型(4)与正确的运动类型(5) —起输入至相似度评价器(6)进行相似度判断，相似度评价器(6)的评价结果与正确的运动类型(5)、传感器(2)数据一起输入至人体运动学习模型(7)进行训练，人体运动学习模型(7)根据相似度评价器(6)的评价结果重新训练人体运动识别模型(3)，通过多次学习和迭代，最终使得人体运动识别模型(3)可以获得较高的识别准确度，能够准确识别人体各种不同运动类型。
2.根据权利要求1所述的人体运动类型识别准确度提高方法，其特征在于，所述的正确的运动类型(5)由人体(1)根据运动类型的定义进行报告或者选择，客观正确地反映人体⑴的运动类型。
3.根据权利要求1所述的人体运动类型识别准确度提高方法，其特征在于，所述的人体运动识别模型(3)是一个针对某一特定人体建立的人体运动识别模型，只对特定人体有效，通过多次训练和学习，人体运动识别模型(3)对该特定人体具有较高的动作类型识别准确度。
4.根据权利要求1所述的人体运动类型识别准确度提高方法，其特征在于，所述的人体运动识别模型⑶由人体运动学习模型(7)训练获得，人体运动识别模型(3)根据不同的传感器(2)数据提取不同的人体运动特征(204)，并通过这些人体运动特征(204)识别人体的运动类型，获得与该传感器(2)数据相对应的识别的运动类型(4)。
5.根据权利要求1所述的人体运动类型识别准确度提高方法，其特征在于，所述的人体运动学习模型(7)以人体运动传感器(2)数据和正确的运动类型(5)作为输入，通过机器学习模型进行训练，获得人体运动识别模型(3)，人体运动学习模型(7)对某运动类型训练的次数越多，人体运动识别模型(3)对该运动类型的识别准确度越高。
6.根据权利要求1所述的人体运动类型识别准确度提高方法，其特征在于，所述的相似度评价器(6)能够对正确的运动类型(5)和识别的运动类型⑷进行运动类型的相似度评价。
7.根据权利要求1所述的人体运动类型识别准确度提高方法，其特征在于，所述的人体运动学习模型(7)以相似度评价器(6)的评价结果作为依据，对人体运动识别模型(3)进行训练，相似度越大的训练的次数越少，相似度越小的训练的次数越多。
【文档编号】A63B71/06GK103785157SQ201210422469
【公开日】2014年5月14日 申请日期:2012年10月30日 优先权日:2012年10月30日
【发明者】莫凌飞, 刘少鹏 申请人:莫凌飞, 刘少鹏