本发明专利技术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。术问题。术问题。
【技术实现步骤摘要】
一种基于骨骼的手势跳跃动作识别增量学习方法及系统
[0001]本专利技术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。
技术介绍
[0002]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。
[0003]但本申请专利技术人在实现本申请实施例中专利技术技术方案的过程中，发现上述技术至少存在如下技术问题：
[0004]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。
技术实现思路
[0005]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。
[0006]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。
[0007]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。
[0008]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。
[0009]第三方面，本专利技术提供了一种基于骨骼的手势跳跃动作识别增量学习系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
[0010]本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0011]由于采用了通过对第一用户的第一手势进行惯性传感器和智能摄像头的识别，进而分别获得由惯性传感器采集的第一手势传输信号和摄像头采集的第一手势图像信息，通过对两部分数据进行进一步的分析生成第一手势数据库的同时进行手势特征的提取，进而构建对应的第一动作识别训练模型，进一步的，当手势数据库中的手势信息需要更新时，将需要进行增量学习的第一学习手势动作数据输入到旧模型中进行预测，获得第一预测运动参数，再通过确定第一预测运动参数与目标参数进行损失分析，利用损失的参数进行新模型的训练，生成所述第二动作识别训练模型的方式，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。
[0012]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0013]图1为本申请实施例一种基于骨骼的手势跳跃动作识别增量学习方法的流程示意图；
[0014]图2为本申请实施例一种基于骨骼的手势跳跃动作识别增量学习系统的结构示意图；
[0015]图3为本申请实施例示例性电子设备的结构示意图。
[0016]附图标记说明：第一获得单元11，第二获得单元12，第一生成单元13，第三获得单元14，第一构建单元15，第四获得单元16，第一输入单元17，第五获得单元18，第二输入单元19，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
[0017]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。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
[0018]申请概述
[0019]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。
[0020]针对上述技术问题，本申请提供的技术方案总体思路如下：
[0021]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：根据第一惯本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一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。2.如权利要求1所述的方法，所述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，所述方法还包括：通过对所述第一手势图像信息进行手势识别并分类，获得第一多类别手势数据；通过对所述第一手势传输信号进行信号转换并分类，获得第二多类别手势数据；根据所述第一多类别手势数据和所述第二多类别手势数据，获得第一并集手势数据，其中，所述第一并集手势数据为所有类别手势数据的集合；通过对所述第一并集手势数据进行数据筛选，生成所述第一手势数据库。3.如权利要求1所述的方法，所述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，所述方法还包括：构建第一特征采集规则；根据所述第一特征采集规则对所述第一手势数据库中的手势进行中心特征采集，获得第一中心特征；根据所述第一特征采集规则对所述第一手势数据库中的手势进行边缘特征采集，获得第一边缘特征；根据所述第一特征采集规则对所述第一手势数据库中的手势进行重叠特征采集，获得第一重叠特征；根据所述第一中心特征、所述第一边缘特征和所述第一重叠特征进行手势特征提取，生成第一特征标签信息；根据所述第一特征标签信息，获得所述第一手势特征信息。4.如权利要求2所述的方法，所述通过对所述第一并集手势数据进行数据筛选，生成所述第一手势数据库，所述方法还包括：获得第一预设手势匹配度；通过对所述第一并集手势数据中的手势进行匹配度分析，获得第一遍历手势匹配度；若所述第一遍历手势匹配度处于所述第一预设手势匹配度中，获得第一匹配手势和第二匹配手势；
通过对所述第一匹配手势和所述第二匹配手势进行质量判断；若所述第一匹配手势的质量大于所述第二匹配手势的质量，获得第一剔除指令，其中，所述第一剔除指令用于对所述第二匹配手势进行剔除。5.如权利要求1所述的方法，所述根据第一学习手势动作数据，获得...
【专利技术属性】
技术研发人员：钟俊培，李春美，
申请(专利权)人：李春美，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。