【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及機器學習，尤其涉及一種手勢識別模型構(gòu)建方法、設(shè)備、存儲介質(zhì)及裝置。
技術(shù)介紹
1、目前，在使用傳感器(例如肌電圖傳感器、慣性測量單元等)采集到的手勢時序信號進行手勢識別時，會提取這些手勢時序信號的特征，再通過這些特征構(gòu)建手勢識別模型以實現(xiàn)手勢識別。
2、但由于終端設(shè)備計算能力以及計算資源有限的情況下，通常難以根據(jù)全部的特征進行建模，因此會從中選取部分特征，而現(xiàn)有的在選取特征時，一般是采用pearson相關(guān)系數(shù)、線性回歸、均值減少不純度(mean?decrease?in?impurity，mdi)等機器學習方法進行特征選擇，這些方式選取的特征僅考慮該特征的特性，進而當部分特征存在聯(lián)系時，導(dǎo)致構(gòu)建的手勢識別模型的準確度較低。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的主要目的在于提供一種手勢識別模型構(gòu)建方法、設(shè)備、存儲介質(zhì)及裝置，旨在解決現(xiàn)有選取的特征僅考慮該特征的特性，進而導(dǎo)致構(gòu)建的手勢識別模型的準確度較低的技術(shù)問題。
2、為實現(xiàn)上述目的，本專利技術(shù)提供一種手勢識別模型構(gòu)建方法，所述方法包括以下步驟：
3、對各特征指標的重要程度進行評估，獲得所述各特征指標對應(yīng)的綜合權(quán)重，所述各特征指標通過對原始手勢時序信號進行特征計算獲得；
4、基于所述各特征指標以及對應(yīng)的所述綜合權(quán)重構(gòu)建特征子集群；
5、對所述特征子集群進行啟發(fā)式搜索，并根據(jù)搜索結(jié)果確定目標特征子集；
6、通過所述目標特征子集構(gòu)建目標手勢識別模型。
<...【技術(shù)保護點】
1.一種手勢識別模型構(gòu)建方法，其特征在于，所述方法包括以下步驟：
2.如權(quán)利要求1所述的手勢識別模型構(gòu)建方法，其特征在于，所述對所述特征子集群進行啟發(fā)式搜索，并根據(jù)搜索結(jié)果確定目標特征子集的步驟，包括：
3.如權(quán)利要求2所述的手勢識別模型構(gòu)建方法，其特征在于，所述對所述特征子集群中的各特征子集進行評估，并根據(jù)評估結(jié)果對所述特征子集群進行更新的步驟，包括：
4.如權(quán)利要求3所述的手勢識別模型構(gòu)建方法，其特征在于，所述對更新后的特征子集群中的各特征子集進行篩選，獲得待保留特征子集以及待融合特征子集的步驟，包括：
5.如權(quán)利要求4所述的手勢識別模型構(gòu)建方法，其特征在于，所述確定各所述剩余特征子集對應(yīng)的子集選擇概率的步驟，包括：
6.如權(quán)利要求5所述的手勢識別模型構(gòu)建方法，其特征在于，所述對各所述待融合特征子集進行融合，并通過融合后的各所述待融合特征子集以及各所述待保留特征子集構(gòu)建新的特征子集群的步驟，包括：
7.如權(quán)利要求6所述的手勢識別模型構(gòu)建方法，其特征在于，所述通過各保留特征子集、各所述待融合特征子集以及所述
8.如權(quán)利要求7所述的手勢識別模型構(gòu)建方法，其特征在于，所述對各所述待融合特征子集以及所述融合后的特征子集進行突變的步驟，包括：
9.如權(quán)利要求2至8中任一項所述的手勢識別模型構(gòu)建方法，其特征在于，所述在所述新的特征子集群滿足預(yù)設(shè)要求時，根據(jù)所述新的特征子集群確定目標特征子集的步驟，包括：
10.如權(quán)利要求1所述的手勢識別模型構(gòu)建方法，其特征在于，所述對各特征指標的重要程度進行評估，獲得所述各特征指標對應(yīng)的綜合權(quán)重的步驟，包括：
11.如權(quán)利要求10所述的手勢識別模型構(gòu)建方法，其特征在于，所述基于所述算法預(yù)測準確率和所述權(quán)重得分確定所述各特征指標對應(yīng)的綜合權(quán)重的步驟，包括：
12.如權(quán)利要求1所述的手勢識別模型構(gòu)建方法，其特征在于，所述基于所述各特征指標以及對應(yīng)的所述綜合權(quán)重構(gòu)建特征子集群的步驟，包括：
13.一種手勢識別模型構(gòu)建設(shè)備，其特征在于，所述手勢識別模型構(gòu)建設(shè)備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的手勢識別模型構(gòu)建程序，所述手勢識別模型構(gòu)建程序被所述處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至12中任一項所述的手勢識別模型構(gòu)建方法。
14.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)上存儲有手勢識別模型構(gòu)建程序，所述手勢識別模型構(gòu)建程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至12中任一項所述的手勢識別模型構(gòu)建方法。
15.一種手勢識別模型構(gòu)建裝置，其特征在于，所述手勢識別模型構(gòu)建裝置包括：指標評估模塊、集群構(gòu)建模塊、子集確定模塊以及模型構(gòu)建模塊；
...【技術(shù)特征摘要】
1.一種手勢識別模型構(gòu)建方法，其特征在于，所述方法包括以下步驟：
2.如權(quán)利要求1所述的手勢識別模型構(gòu)建方法，其特征在于，所述對所述特征子集群進行啟發(fā)式搜索，并根據(jù)搜索結(jié)果確定目標特征子集的步驟，包括：
3.如權(quán)利要求2所述的手勢識別模型構(gòu)建方法，其特征在于，所述對所述特征子集群中的各特征子集進行評估，并根據(jù)評估結(jié)果對所述特征子集群進行更新的步驟，包括：
4.如權(quán)利要求3所述的手勢識別模型構(gòu)建方法，其特征在于，所述對更新后的特征子集群中的各特征子集進行篩選，獲得待保留特征子集以及待融合特征子集的步驟，包括：
5.如權(quán)利要求4所述的手勢識別模型構(gòu)建方法，其特征在于，所述確定各所述剩余特征子集對應(yīng)的子集選擇概率的步驟，包括：
6.如權(quán)利要求5所述的手勢識別模型構(gòu)建方法，其特征在于，所述對各所述待融合特征子集進行融合，并通過融合后的各所述待融合特征子集以及各所述待保留特征子集構(gòu)建新的特征子集群的步驟，包括：
7.如權(quán)利要求6所述的手勢識別模型構(gòu)建方法，其特征在于，所述通過各保留特征子集、各所述待融合特征子集以及所述融合后的特征子集構(gòu)建新的特征子集群的步驟，包括：
8.如權(quán)利要求7所述的手勢識別模型構(gòu)建方法，其特征在于，所述對各所述待融合特征子集以及所述融合后的特征子集進行突變的步驟，包括：
9.如權(quán)利...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：韓有方，趙維，陳相金，王琳，
申請(專利權(quán))人：歌爾股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。