一种基于单一IMU传感器的人体动作识别方法技术

　　当前位置:首页专利查询中国水利水电第七工程局有限公司专利正文

　　本发明专利技术公开了一种基于单一IMU传感器的人体动作识别方法，包括采用IMU传感器固定频率采集数据并附上动作类别标签、数据降噪和归一化处理、利用滑动窗口向神经网络模型递送数据、训练神经网络模型、模型保存并上传至服务器、手机端App获取人体动作识别结果。本发明专利技术识别方法使用BiLSTM使得神经网络模型提高了对动作数据时间序列的记忆能力，在只有一个IMU传感器的情况下依旧有很高的识别精度；同时加入注意力机制，提取动作数据的显著性特征，更全面获取动作数据时序的上下文信息，学习局部序列特征的重要程度，提升模型中重要时序特征的影响力，从而减少处理的信息量，减轻计算负荷，确保识别的实时性。

　　本专利技术属于智能控制，涉及一种人体动作识别方法，具体涉及一种基于单一imu传感器将bilstm和注意力机制结合的人体动作识别方法。

　　1、人体动作识别技术是通过对人体的运动数据进行检测、采集、处理和分析，来识别和理解人体动作的类型、持续时间、速度、力度等参数。近年来，随着摄像头和传感器等设备的广泛应用，以及计算机处理能力的提升，使得人体动作识别技术取得了显著的进步。人体动作识别技术在行为监测、安全检查、游戏交互、医疗健康和运动分析等领域都有较好的应用。

　　2、人体动作识别技术根据所使用的传感器类型，通常可以被分为两种方法：基于视觉的方法和基于运动传感器的方法。惯性测量单元（imu）属于运动传感器，它将加速度计、陀螺仪和磁力计等组合在一个传感器中，通过将一个或多个imu传感器放置在人体身体，可以收集包含运动信息的传感器信号，之后可以将这些信号分类为特定的动作。相比于基于视觉的识别技术，这种方法不存在复杂背景下对运动的检测问题、隐私安全等问题，同时运动传感器收集到的数据，可直接用于识别工人活动。与图像数据相比，运动传感器数据在数据预处理、模

　　1.一种基于单一IMU传感器的人体动作识别方法，其特征在于，包括以下步骤：

　　2.根据权利要求1所述基于单一IMU传感器的人体动作识别方法，其特征在于：所述步骤一具体包括：将IMU传感器放置于人体上，以固定频率采集动作数据；包括不同人、不同指定动作的人体的三轴加速度、三轴角速度和三轴角加速度各项动作数据。

　　3.根据权利要求1所述基于单一IMU传感器的人体动作识别方法，其特征在于：所述步骤二中，滤波处理方法使用卡尔曼滤波，去除原始数据的噪声；异常值处理是去除奇异值和缺省值；归一化处理使用Sigmoid激活函数，即将每个原始值映射到(0,1)区间内。

　　1.一种基于单一imu传感器的人体动作识别方法，其特征在于，包括以下步骤：

　　2.根据权利要求1所述基于单一imu传感器的人体动作识别方法，其特征在于：所述步骤一具体包括：将imu传感器放置于人体上，以固定频率采集动作数据；包括不同人、不同指定动作的人体的三轴加速度、三轴角速度和三轴角加速度各项动作数据。

　　3.根据权利要求1所述基于单一imu传感器的人体动作识别方法，其特征在于：所述步骤二中，滤波处理方法使用卡尔曼滤波，去除原始数据的噪声；异常值处理是去除奇异值和缺省值；归一化处理使用sigmoid激活函数，即将每个原始值映射到(0,1)区间内。

　　4.根据权利要求1所述基于单一imu传感器的人体动作识别方法，其特征在于：所述步骤四中送入bilstm神经网络模型的数据格式为（n,w,c），其中，n为数据个数，w为数据图宽度，即滑动窗口宽度，c为数据的通道数；在初始化bilstm神经网络模型的参数后，依次向模型送入滑动窗口宽度个动作数据进行训练，调节bilstm神经网络模型的各个参数，从而获得最优的bilstm神经网络模型。

　　5.根据权利要求1所述基于单一imu传感器的人体动作识别方法，其特征在于：所述神经网络的结构包括输入层、bilstmued官网体育层、全连接_1层、注意力层、全连接_2层、输出层；在bilstm层前需进行dropout操作，在全连...