一种基于大数据的特殊动作识别系统的制作方法

本发明涉及动作识别，具体为一种基于大数据的特殊动作识别系统。

背景技术：

1、随着社会的不断进步，科技的不断发展，在智能家居中引入特殊动作识别方法，使残疾人患者也能够便捷的使用家居设备，为残疾人患者提供了极大的便利。

2、目前，大多数的智能家居控制系统采用预先训练的识别模型，识别用户的动作指令，但由于残疾人患者可能会存在身体缺陷，无法做出对应的动作，现有技术一般采用基于残疾人患者能够做出的特殊动作，训练新的识别模型，然而，由于残疾人患者群体中，存在相同残疾特征的患者较少，导致训练模型的样本较少，导致系统的准确性较差，容易出现漏判误判现象，而且，由于现有的智能家居都是一套独立的控制系统，各个智能家居收集的数据存在重复，导致系统数据冗余，各个智能家居同时分析数据，占据大量系统资源，导致系统效率较低，因此，设计提高准确性和效率的一种基于大数据的特殊动作识别系统是很有必要的。

技术实现思路

1、本发明的目的在于提供一种基于大数据的特殊动作识别系统，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的特殊动作识别系统，包括数据收集模块、动作识别模块和系统交互模块，所述数据收集模块用于实时收集用户的视觉图像、用户手臂的红外光谱数据和场景综合数据，将用户综合信息录入系统，即将用户的残疾信息、用户肌肉收缩信息录入系统，所述动作识别模块用于识别用户的动作特征，分析用户动作特征的动作意图，进一步分析用户的手臂红外光谱数据，构建用户的三维模型，根据分析结果在三维模型中模拟用户的动作，结合用户做出动作的场景数据，预测用户的动作，所述系统交互模块用于根据用户的动作调取数据库中对应的指令，根据指令调整智能家居，所述数据收集模块、动作识别模块和系统交互模块相互通信连接；

3、所述动作分析模块包括特征分析子模块、抽帧分析子模块和意图分析子模块，所述特征分析子模块用于识别用户的身体特征节点，分析身体特征节点的位置信息，所述抽帧分析子模块用于利用设定帧数截取图像帧，分析截取的图像帧中用户的身体特征节点位置信息，所述意图分析子模块用于分析用户所处场景信息，根据上述分析结果进一步分析用户的第一动作是否与设定动作相符；

4、所述生理信号信息模块包括肌肉收缩分析子模块和行为动作预测子模块，所述肌肉收缩分析子模块用于分析用户在做动作时的手臂红外光谱数据，识别用户手臂的肌肉收缩变化，所述行为动作预测子模块用于构建用户三维模型，根据上述分析结果在三维模型中预测用户的第二动作，进一步分析用户的第二动作是否与设定动作相符。

5、根据上述技术方案，所述数据收集模块包括数据采集模块、传感器模块和用户综合信息录入模块，所述数据采集模块用于实时收集用户手臂的红外光谱数据，所述传感器模块用于实时收集用户的视觉图像和场景综合数据，所述用户综合信息录入模块用于将用户综合信息录入系统，即将用户的残疾信息、用户肌肉收缩信息录入系统。

6、根据上述技术方案，所述动作识别模块包括动作分析模块，所述动作分析模块用于分析用户身体特征节点的位置信息，分析利用设定帧数截取的图像帧中用户的身体特征节点位置信息，分析用户所处场景信息，根据上述分析结果进一步分析用户的第一动作是否与设定动作相符。

7、根据上述技术方案，所述动作识别模块包括生理信号分析模块，所述生理信号分析模块用于构建用户三维模型，分析用户在做动作时的手臂红外光谱数据，根据分析结果在三维模型中预测用户的第二动作，进一步分析用户的第二动作是否与设定动作相符。

8、根据上述技术方案，所述系统交互模块包括指令分析模块和设备控制模块，所述指令分析模块用于根据分析结果及用户的第一动作调取设备调整指令，所述设备控制模块用于根据设备调整指令进行调整。

9、根据上述技术方案，所述特殊动作识别系统的运行方法主要包括以下步骤：

10、步骤s1：通过数据采集模块，实时收集用户手臂的红外光谱数据，通过传感器模块，实时收集用户的视觉图像和场景综合数据，通过用户综合信息录入模块，将用户综合信息录入系统，所述用户综合信息包括用户的残疾信息、用户肌肉收缩信息，并将所有信息存储至数据库中；

11、步骤s2：在数据录入系统后，启动动作分析模块，开始分析用户的第一动作，即用户的当前动作，进一步分析用户所处的场景信息，根据分析结果判断用户的第一动作与预设动作是否相符；

12、步骤s3：当用户的动作与预设动作相符时，系统启动生理信号分析模块，开始分析用户的红外光谱数据，并构建用户三维模型，根据分析结果预测用户的第二动作，根据预测的行为动作分析用户的第二动作是否与预设动作相符；

13、步骤s4：在确定用户存在触发指令意图时，根据用户的第一动作调取对应的设备调整指令，根据调取的设备调整指令对智能家居进行调整。

14、根据上述技术方案，所述步骤s2进一步包括以下步骤：

15、步骤s21：获取用户综合信息，识别用户的残疾信息，识别用户的残疾位置，根据用户残疾位置调取数据库中对应位置的身体特征节点，若数据库中存在身体特征节点时，则识别用户的残疾特征，即用户的残疾程度，根据用户残疾特征调取数据库中对应的身体特征节点，标记为缺失特征节点，根据缺失特征节点调取数据库中对应的替换特征节点，并利用替换特征节点对数据库身体特征节点检测表中的缺失特征节点进行替换，反之则系统继续检测；

16、步骤s22：获取用户视觉图像，识别并锚定用户的身体特征节点，依次连接身体特征节点，构建用户三维模型，与数据库中的三维模型进行重叠对比，若数据库中的三维模型与数据库中的三维模型重合，则标记用户的第一动作为目标动作，反之则系统继续检测；

17、步骤s23：当用户的第一动作为目标动作时，识别在检测到用户第一动作为目标动作时的时间戳，获取所述时间戳向前一个周期t内用户的视觉图像，调取设定的帧数截取图像帧，锚定图像帧中用户的身体特征节点，建立坐标系，识别用户特征节点坐标，通过距离公式计算用户各特征节点之间的距离，计算用户各特征节点之间的距离与数据库中距离的差值，若对应的距离差值小于阈值，则标记该图像帧，反之则系统继续检测。

18、根据上述技术方案，所述步骤s23进一步包括以下步骤：

19、步骤s231：识别用户的动作标记，当存在用户动作标记为目标动作时，则识别用户动作中相邻且标记相同的图像帧的数量，若图像帧数量大于系统设定阈值，则标记用户动作为第一指令动作，反之则系统继续检测，当不存在用户动作标记为目标动作时，系统继续检测；

20、步骤s232：获取用户所处场景信息，识别用户所处环境温度、湿度，计算用户所处环境的温度、湿度与数据库中设定值的差值，若差值大于阈值，则锚定用户动作调控的目标设备，并将目标设备放置到第一控制顺位，反之则清除用户动作中的所有标记。

21、根据上述技术方案，所述步骤s3进一步包括以下步骤：

22、步骤s31：获取用户手臂的红外光谱数据，识别用户肌肉的收缩特征，构建用户手臂肌肉组织模型，根据用户的肌肉收缩特征，对比手臂构造知识图谱，调取数据库中对应的肌肉控制部位，根据肌肉控制部位调取数据库中对应的肌肉组织模型与用户手臂肌肉组织模型进行融合；

23、步骤s32：获取用户手臂的红外光谱数据，识别用户的肌肉收缩幅度和频率，根据用户的肌肉收缩幅度，调取数据库中对应的手指、手臂变化位置，根据所述手指、手臂的变化位置调整用户手臂肌肉组织模型，将调整后的用户手臂肌肉组织模型与数据库中对应的模型进行对比，若相似度大于阈值，则标记用户手臂组织模型为第一指令模型，反之则系统继续检测；

24、步骤s33：获取用户动作中的标记，当用户动作标记为第一指令标记时，则识别用户手臂肌肉组织模型中的标记，若所述标记为第一指令模型，则调取数据库中用户动作对应的调控指令对用户动作进行标记，反之则系统继续检测。

25、根据上述技术方案，所述步骤s4中获取用户动作中的调控指令，当存在调控指令时，则识别用户所处环境特征，根据环境特征调取数据库中对应的调控模式，根据所述调控模式生成命令程序，根据所述命令程序对控制列表第一顺位的设备进行调控，反之则系统继续检测。

26、与现有技术相比，本发明所达到的有益效果是：本发明，通过分析用户的残疾位置是否存在身体特征节点，将缺失的身体特征节点进行替换，使系统更具个性化，能够避免用户残疾位置及残疾程度不同，部分身体特征节点无法识别，导致系统出现误判、漏判，进而大大提高了系统判断的准确性，，通过分析用户在做出该动作时，身体运动过程中特征节点的变化，能够准确判断在作出该动作的过程中，图像帧中用户的身体特征节点变化是否与数据库中用户身体特征节点变化相符，能够避免用户无意中做出该动作，导致系统出现误判，进而大大提高了系统的准确性，通过分析用户在做出目标动作过程中目标图像帧的动作，能够准确判断是否与设定动作匹配，避免系统出现误判，进一步提高系统的准确性，通过分析用户所处环境是否适宜用户所做动作调控的设备运行，能够进一步分析用户的意图，进而准确调控设备，大大提高了系统的准确性，通过分析用户的肌肉收缩特征，并对用户手臂组织模型进行融合，能够将用户残疾部分进行补全，进而能够根据用户手臂肌肉收缩特征准确模拟用户想要做出的动作，大大提高了系统的准确性，通过分析用户手臂肌肉组织的变化，进而预测用户想要做出的动作，并对用户的动作意图进行双重验证，能够避免系统出现误判、错判，进一步提高了系统的准确性，通过分析用户所处环境信息，能够根据用户所处环境调控设备至适宜的模式，且由于目标调控设备已经调至第一顺位，因此系统无需再进行检索设备目录，寻找目标设备，进而大大提高了系统的调控效率。