本发明涉及电数字处理,尤其涉及一种基于电数字数据处理的人体姿态识别方法及装置。
背景技术:
1、在现代社会,随着可穿戴技术和人工智能的迅速发展,人体姿态识别已经成为众多应用场景,如健康监测、体育训练、虚拟现实、人机交互等,的重要技术组成部分。人体姿态识别的目的是通过分析人体的动态或静态数据,如电信号、图像、视频等,来准确判断人的具体姿势,如站立、跑步、坐下等。
2、尽管近年来这方面的技术已经取得了很大的进展,但由于人体姿态的复杂性以及各种因素的干扰,如不同传感器的数据差异、外部环境噪声等,使得准确、高效的姿态识别仍然面临挑战。此外,传统的姿态识别方法可能主要依赖于手工设计的特征和浅层学习模型,这在处理复杂场景和大量数据时可能会受到限制。为了解决这些问题,研究者们不断探索新的方法和技术,希望能够提高人体姿态识别的准确性、鲁棒性和实时性。
3、现有技术提出一种基于多模态数据融合的建筑工人尴尬工作姿势识别方法,通过提取被监测者的脑电数据、行为数据以及姿势图像的多模态数据融合特征,实现尴尬工作姿势自动识别,改善了现有技术准确率不足等局限。
4、但是,现有技术对原始数据进行处理,并通过现有的神经网络确定相应类别,传统的神经网络可能没有考虑到神经元的参与度,导致某些神经元在训练过程中被忽略,从而影响网络的整体性能。而且,现有的神经网络优化方法可能主要依赖于传统的梯度下降法,容易遭遇梯度消失、梯度爆炸和陷入局部最优解的问题。此外,现有技术依赖于较为传统和简单的特征提取技术,特征提取不够先进,难以提取出更加有效的特征。
技术实现思路
1、有鉴于此,本发明的目的在于提供一种基于电数字数据处理的人体姿态识别方法及装置,能够精确且高效地进行人体姿态的识别。
2、第一方面,本发明实施例提供了一种基于电数字数据处理的人体姿态识别方法,其中,该方法包括:获取待识别的电数字数据;电数字数据包括与目标对象的多个身体部位运动相关的电信号,且,电数字数据为设置于目标对象的多个身体部位的可穿戴设备收集的;将电数字数据输入至预先构建的姿态识别模型中,通过姿态识别模型对电数字数据进行识别分类,确定电数字数据对应的姿态识别标签;其中,姿态识别模型通过预先构建的电信号样本集训练得到;电信号样本集包括多个电信号样本和电信号样本对应的样本标签,样本标签用于指示当前电信号样本对应的动作姿态;且,姿态识别模型包括基于多维相对性调节优化的神经网络和基于改进kaczmarz的分数阶神经网络分类器;基于姿态识别标签对目标对象进行姿态识别。
3、本发明实施例包括以下有益效果:本发明实施例提供一种基于电数字数据处理的人体姿态识别方法及装置,基于电数字数据处理的人体姿态识别方法,通过预先构建的姿态识别模型对目标对象的待识别的电数字数据进行识别分类,进而识别其姿态。其中,该姿态识别模型通过基于多维相对性调节优化的特征提取:采用多维时空概念优化神经网络参数,不依赖于传统的梯度下降法,能够避免梯度消失、梯度爆炸和局部最优解的问题。此外,本发明的特征提取先进,可以提取出更加有效的特征。此外,基于改进kaczmarz的分数阶神经网络算法进行分类,其中,该分类器结合kaczmarz方法与分数阶梯度下降,允许更精细的权重调整。同时,引入神经元的参与度限制优化了网络结构和性能。能够确保所有神经元都参与训练,从而提高分类器的性能。
4、本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
1.一种基于电数字数据处理的人体姿态识别方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
3.根据权利要求1所述的方法,其特征在于,所述姿态识别模型的训练方法包括:
4.根据权利要求3所述的方法,其特征在于,将所述电信号样本集输入至预先构建的神经网络中,提取所述电信号样本集对应的目标特征的步骤,包括:
5.根据权利要求4所述的方法,其特征在于,根据所述初始提取特征对应的神经网络损失值,对所述神经网络参数进行迭代处理的步骤,包括:
6.根据权利要求3所述的方法,其特征在于,将所述目标特征输入至预先构建的分类器中,对所述分类器进行分类训练,并基于训练好的分类器构建姿态识别模型的步骤,包括:
7.根据权利要求6所述的方法,其特征在于,所述神经元激活函数参数根据所述神经元权重对应的量子隧道概率调整;所述神经元权重通过预先设置的权重更新规则进行调整;
8.根据权利要求3所述的方法,其特征在于,所述方法还包括:
9.根据权利要求8所述的方法,其特征在于,通过预设的数据扩充算法对所述初始样本集进行样本扩充,构建电信号样本集的步骤,包括:
10.一种基于电数字数据处理的人体姿态识别装置,其特征在于,所述装置包括: