一种人体行为识别方法、系统及计算机可读存储介质
文献发布时间:2023-06-19 12:11:54
技术领域
本发明涉及计算机技术领域,尤其涉及一种人体行为识别方法、系统及计算机可读存储介质。
背景技术
近年来随着科学技术的飞速发展,便携式和穿戴式智能设备逐渐在生活与工作领域中发挥着重要的作用,如人机交互、虚拟现实、运动,和医疗保健等。通过利用智能设备和计算机技术处理人体行为数据从而实现行为识别成为了国内外学者的研究热点。
通过单一或多种传感器获得人体行为的多维动作数据,再对数据进行处理分析从而实现行为识别成为一种研究趋势。随着智能终端设备领域的不断进步,在智能终端上集成丰富的传感设备已经非常方便,例如加速度传感器、磁力计、陀螺仪、全球定位系统等已经可以集成在如智能手机、智能手环等可便携、穿戴的设备上,这样就为智能终端设备应用于行为识别提供了可行性。
传统的人体行为识别方法通过RNN(循环神经网络)模型对人体行为进行识别。在这个过程中,RNN模型会出现梯度消失的问题,Hochreiter&Schmidhuber在1997年提出了长短期记忆(long-short term memory,LSTM)网络,而Alex Graves近期进行了改良和推广,将LSTM应用在人体行为识别领域,解决了RNN模型出现的梯度消息问题,但LSTM模型计算量大,人体行为识别效率低。
发明内容
本发明提出了一种人体行为识别方法、系统及计算机可读存储介质,解决了人体行为识别过程中LSTM模型的计算量大,人体行为识别效率低的问题。
基于上述目的,本发明实施例的一方面提供了一种人体行为识别方法,具体包括如下步骤:
基于协同控制结构改进LSTM模型;
获取人体行为数据;
对所述人体行为数据进行标准化处理;
将标准化处理后的所述人体行为数据,发送给改进后的所述LSTM模型进行识别。
在一些实施方式中,基于协同控制结构改进LSTM模型,包括:
基于协同控制结构减少所述LSTM模型的内部结构中的一个非重要输出门,并且使遗忘门和输入门同时监控持久层的信息,以改进所述LSTM模型;
其中,改进后的所述LSTM模型的公式如下:
式中:f
在一些实施方式中,获取人体行为数据,包括:
使用加速度传感器和陀螺仪获取人体行为数据,其中,所述人体行为数据包括加速度数据和角速度数据。
在一些实施方式中,对所述人体行为数据进行标准化处理,包括:
对所述人体行为数据进行噪声过滤处理;
对所述人体行为数据进行数据平滑处理;
判断轴向数据是否有特异值,如果有,则基于Z-score标准化公式对所述特异值进行处理;
对得到的所述人体行为数据进行标准化处理。
在一些实施方式中,对所述人体行为数据进行噪声过滤处理,包括:
使用中值滤波器和转折频率为20Hz的三阶低通巴特沃斯(Butterworth)滤波器,对所述人体行为数据进行噪声过滤处理。
在一些实施方式中,对所述人体行为数据进行平滑处理,包括:
将所述人体行为数据中的频域数据转换成时域数据;
根据时间步长,对所述人体行为数据进行加窗分割;
其中,窗口的大小对应了所述时间步长,计算公式为:
L
式中:L
在一些实施方式中,基于Z-score标准化公式对所述特异值进行处理,包括:
在Z-score标准化方法的计算公式的分母中,加入预设数值。
在一些实施方式中,对得到的所述人体行为数据进行标准化处理,包括:
使用基于均值和标准差的标准化方法,对所述人体行为数据进行标准化处理;
其中,所述标准化方法为Z-score标准化方法。
本发明实施例的另一方面,还提供了一种人体行为识别系统,包括:
改进模块,配置为基于协同控制结构改进LSTM模型;
获取模块,配置为获取人体行为数据;
处理模块,配置为对所述人体行为数据进行标准化处理;
识别模块,配置为将标准化处理后的所述人体行为数据,发送给改进后的所述LSTM模型进行识别。
本发明实施例的再一方面,还提供了一种计算机可读存储介质,计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
本发明具有以下有益技术效果:通过使用协同控制结构改进的LSTM模型进行人体行为识别,减少了原始LSTM模型的计算量,实现了对人体行为的实时、高效识别。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的实施例。
图1为本发明的实施例提供的人体行为识别方法的框图;
图2为本发明的实施例提供的基于协同控制结构改进的LSTM模型的结构图;
图3为本发明的实施例提供的对人体行为进行处理的流程示意图;
图4为本发明的实施例提供的人体行为识别系统的示意图;
图5为本发明的实施例提供的计算机可读存储介质的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明实施例进一步详细说明。
需要说明的是,本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量,可见“第一”“第二”仅为了表述的方便,不应理解为对本发明实施例的限定,后续实施例对此不再一一说明。
基于上述目的,本发明实施例的第一个方面,提出了一种人体行为识别方法的实施例。如图1所示,其包括如下步骤:
S1、基于协同控制结构改进LSTM模型;
S2、获取人体行为数据;
S3、对所述人体行为数据进行标准化处理;
S4、将标准化处理后的所述人体行为数据,发送给改进后的所述LSTM模型进行识别。
在一些实施例中,基于协同控制结构改进LSTM模型,包括:
基于协同控制结构减少所述LSTM模型的内部结构中的一个非重要输出门,并且使遗忘门和输入门同时监控持久层的信息,以改进所述LSTM模型;
其中,改进后的所述LSTM模型的原理如下:
式中:f
相对于LSTM模型的全连接结构,协同控制结构在减少一个非重要输出门连接的基础上,又减少了原连接结构的矩阵计算量,改进后的LSTM结构示意图,如图2所示。在结构示意图中,黑色虚线部分为新增的改进部分,x
在一些实施例中,获取人体行为数据,包括:
使用加速度传感器和陀螺仪获取人体行为数据,其中,所述人体行为数据包括加速度数据和角速度数据。
具体的,获取人体行为数据时,例如设置传感器的采集频率为50Hz,滑动分段大小设置为128(2.56s*50Hz),获取到的数据包含三轴加速度信号Acc-XYZ和三轴角速度信号Gyro-XYZ。
在一些实施例中,对所述人体行为数据进行标准化处理,如图3所示,包括:
对所述人体行为数据进行噪声过滤处理;
对所述人体行为数据进行数据平滑处理;
判断轴向数据是否有特异值,如果有,则基于Z-score标准化公式对所述特异值进行处理;
对得到的所述人体行为数据进行标准化处理。
在一些实施例中,对所述人体行为数据进行噪声过滤处理,包括:
使用中值滤波器和转折频率为20Hz的三阶低通巴特沃斯(Butterworth)滤波器,对所述人体行为数据进行噪声过滤处理。
在一些实施例中,对所述人体行为数据进行平滑处理,包括:
将所述人体行为数据中的频域数据转换成时域数据;
根据时间步长,对所述人体行为数据进行加窗分割;
其中,窗口的大小对应了所述时间步长,计算公式为:
L
式中:L
在一些实施例中,基于Z-score标准化公式对所述特异值进行处理,包括:
在Z-score标准化方法的计算公式的分母中,加入预设数值。
具体的,Z-score标准化的计算公式为:
其中,x为待处理传感器数据,μ为均值,表示动作执行者的本次动作执行的平均单轴加速度,σ为标准差,计算公式为:
其中,N为样本数量。
当出现某一轴数据恒定而导致σ为0时,对数据进行标准化时会出现除以零,导致模型计算错误,加入预设数值ε后,因为ε的存在而避免出现除以零,提升了模型的稳定性。
因此,进行特异值处理的计算公式为:
预设数值ε根据实际经验,一般为0.000001,但不限于0.000001,也可以为0~0.000001之间的任意数值。
在一些实施例中,对得到的所述人体行为数据进行标准化处理,包括:
使用基于均值和标准差的标准化方法,对所述人体行为数据进行标准化处理;
其中,所述标准化方法为Z-score标准化方法。
对所述人体行为数据进行标准化处理,以平衡获取的人体行为数据的权重值。
基于同一发明构思,根据本发明的另一个方面,如图4所示,本发明的实施例还提供了一种人体行为识别系统,包括:
改进模块110,配置为基于协同控制结构改进LSTM模型;
获取模块120,配置为获取人体行为数据;
处理模块130,配置为对所述人体行为数据进行标准化处理;
识别模块140,配置为将标准化处理后的所述人体行为数据,发送给改进后的所述LSTM模型进行识别。
基于同一发明构思,根据本发明的另一个方面,如图5所示,本发明的实施例还提供了一种计算机可读存储介质30,计算机可读存储介质30存储有被处理器执行时执行如上方法的计算机程序310。
最后需要说明的是,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关硬件来完成,程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,程序的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。上述计算机程序的实施例,可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
以上是本发明公开的示例性实施例,但是应当注意,在不背离权利要求限定的本发明实施例公开的范围的前提下,可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外,尽管本发明实施例公开的元素可以以个体形式描述或要求,但除非明确限制为单数,也可以理解为多个。
应当理解的是,在本文中使用的,除非上下文清楚地支持例外情况,单数形式“一个”旨在也包括复数形式。还应当理解的是,在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子;在本发明实施例的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,并存在如上的本发明实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。因此,凡在本发明实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明实施例的保护范围之内。
- 一种人体行为识别方法、系统及计算机可读存储介质
- 人体行为识别方法、装置、计算机设备及可读存储介质