一种基于空间定位和聚类的动作预测方法及系统的制作方法
一种基于空间定位和聚类的动作预测方法及系统的制作方法
【技术领域】
[0001] 本发明涉及动作预测技术领域，尤其涉及一种基于空间定位和聚类的动作预测方 法及系统。
【背景技术】
[0002] 空间定位技术是虚拟现实系统中的关键技术。在虚拟现实的应用中，无时无刻需 要用户与虚拟环境进行交互，如果沿用传统的交互技术，会造成用户体验不佳的情况。用自 然的身体动作进行交互是一种更好的交互方式，这就需要对用户的身体进行定位。
[0003] 常见的室内无线定位技术还有:Wi-Fi、蓝牙、红外线、超宽带、RFID、ZigBee和超声 波。目前的空间定位系统利用高速摄像机可达到每秒1000帧的采样效果，用户进行画面的 切换比较流畅和细腻。然而目前的空间定位系统普遍的缺点是延时较高。延时高导致画面 的变换不够及时，导致用户的眩晕症状时有发生。
[0004] 因此，降低空间定位系统中的延时也是这个系统中的关键部分。
【发明内容】
[0005] 本发明的目的在于克服现有技术的不足，本发明提供了一种基于空间定位和聚类 的动作预测方法及系统，对目标点进行空间定位和基于外部输入的庞大数据下，通过聚类 技术进行有效的预测来减少因信号传输过程中产生的时延，从而有效减少主观延时，提高 用户的使用体验感。
[0006] 为了解决上述技术问题，本发明提供了一种基于空间定位和聚类的动作预测方 法，所述方法包括：
[0007] 对目标点进行空间定位，获取所述目标点每一帧的位置信息和运动状态信息；
[0008] 根据至少两帧连续的所述目标点的位置信息和运动状态信进行信息编码，建立至 少两帧连续信息的模型；
[0009] 对所述至少两帧连续信息的模型进行聚类，获取聚类结果；
[0010] 根据所述聚类结果建立训练数据集，并根据所述训练数据集获取工作模式；
[0011] 根据所述工作模式对动作进行预测。
[0012] 优选地，所述运动状态信息包括瞬时速度信息和加速度信息。
[0013] 优选地，所述根据至少两帧连续的所述目标点的位置信息和运动状态信进行信息 编码，建立至少两帧连续信息的模型，包括：
[0014] 在每一帧中记录所述目标点的位置信息和运动状态信息；
[0015] 记录连续至少两帧的所述目标点的位置信息和运动状态信并进行信息编码，获取 信息编码结果；
[0016] 根据所述信息编码结果构建至少两维的信息向量；
[0017] 根据所述至少两维的信息向量，获取至少两帧连续信息的模型。
[0018] 优选地，所述对所述至少两帧连续信息的模型进行聚类，获取聚类结果，包括：
[0019] 将构建完成的每一个至少两维的信息向量进行类别划分；
[0020] 将类别相同的信息向量进行聚类，获取聚类结果。
[0021 ]优选地，所述工作模式包括正常工作模式和预测工作模式。
[0022] 本发明还提供了一种基于空间定位和聚类的动作预测系统，所述系统包括：
[0023] 定位模块：用于对目标点进行空间定位，获取所述目标点每一帧的位置信息和运 动状态信息；
[0024] 模型构建模块:用于根据至少两帧连续的所述目标点的位置信息和运动状态信进 行信息编码，建立至少两帧连续信息的模型；
[0025] 聚类模块:用于对所述至少两帧连续信息的模型进行聚类，获取聚类结果；
[0026] 模式获取模块：用于根据所述聚类结果建立训练数据集，并根据所述训练数据集 获取工作模式；
[0027] 预测模块:用于根据所述工作模式对动作进行预测。
[0028] 优选地，所述运动状态信息包括瞬时速度信息和加速度信息。
[0029]优选地，所述模型构建模块包括：
[0030] 信息记录单元:用于在每一帧中记录所述目标点的位置信息和运动状态信息；
[0031] 信息编码单元：用于记录连续至少两帧的所述目标点的位置信息和运动状态信并 进行?目息编码，获取?目息编码结果；
[0032] 信息向量构建单元:用于根据所述信息编码结果构建至少两维的信息向量；
[0033] 模型获取单元：用于根据所述至少两维的信息向量，获取至少两帧连续信息的模 型。
[0034]优选地，所述聚类模块包括：
[0035] 类别划分单元:用于将构建完成的每一个至少两维的信息向量进行类别划分；
[0036] 聚类单元:用于将类别相同的信息向量进行聚类，获取聚类结果。
[0037]优选地，所述工作模式包括正常工作模式和预测工作模式。
[0038] 在本发明实施例中，通过对目标点进行空间定位和基于外部输入的庞大数据下， 通过聚类技术进行有效的预测来减少因信号传输过程中产生的时延，从而有效减少主观延 时，提高用户的使用体验感。
【附图说明】
[0039] 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它的附图。
[0040] 图1是本发明实施例中的基于空间定位和聚类的动作预测方法的流程示意图；
[0041] 图2是本发明实施例中的建立至少两帧连续信息的模型的流程示意图；
[0042] 图3是本发明实施例中的基于空间定位和聚类的动作预测系统的结构组成示意 图。
【具体实施方式】
[0043] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0044] 图1是本发明实施例中的基于空间定位和聚类的动作预测方法的流程示意图，如 图1所示，该方法包括：
[0045] S11:对目标点进行空间定位，获取目标点每一帧的位置信息和运动状态信息；
[0046] S12:根据至少两帧连续的目标点的位置信息和运动状态信进行信息编码，建立至 少两帧连续信息的模型；
[0047] S13:对至少两帧连续信息的模型进行聚类，获取聚类结果；
[0048] S14:根据聚类结果建立训练数据集，并根据训练数据集获取工作模式；
[0049] S15:根据工作模式对动作进行预测。
[0050] 对S11作进一步说明：
[0051] 在本实施例中通过摄像头或重力感应器的方式对目标点进行空间定位，获取该目 标点的空间位置信息;通过陀螺仪、速度感应器、加速器和磁力计等仪器来获得目标点的运 动状态信息，其中运动状态信息包括不限于瞬时速度信息和加速度信息。
[0052] 在本实施例中，将空间内的目标点的位置信息和状态信息采用数学语言方式来表 示，即每个目标点的位置信息都采用位置向量4, ；^，每个目标点的瞬时速度信息 都米用瞬时速度向量F(F，r，F ).，每个目标点的加速度信息都米用加速度向量 a(aA ,aytaz)0
[0053] 对S12作进一步说明：
[0054] 结合图2对S12进行说明，图2是本发明实施例中的建立至少两帧连续信息的模型 的流程示意图，如图2所示，该流程包括以下步骤：
[0055 ] S121:在每一帧中记录目标点的位置信息和运动状态信息；
[0056] S122:记录连续至少两帧的目标点的位置信息和运动状态信并进行信息编码，获 取信息编码结果；
[0057] S123:根据信息编码结果构建至少两维的信息向量；
[0058] S124:根据至少两维的信息向量，获取至少两帧连续信息的模型。
[0059] 对S121作进一步说明：
[0000]在本发明实施例中，记录每一帧目标点的位置信息和运动状态信息。
[0061 ] 对S122作进一步说明：
[0062]本发明实施例中，对记录至少N帧连续的目标点的位置信息和运动状态信息进行 序号 数字编码，其中N 2 2，通过进行编码，获取到编码之后的位置信息和运动状态信息。 [0063] 对S123作进一步说明：
[0064]对编码之后的位置信息和运动状态信息进行向量化处理，转化为向量化的信息。
[0065] 对S124作进一步说明：
[0066] 根据这些向量化的信息构建一个至少两帧连续信息矩阵模型如下：
[0067]
[0068] 其中，N2 2且N2L，定义一串动作的前L个向量为关键值，后面的N-L个向量为预测 值。
[0069] 对S13作进一步说明：
[0070] 通过将构建完成的每一个至少两维的信息向量进行类别划分，将类别相同的信息 向量进行重新聚合在一起划为一个新的类别，从而获取聚类结果。
[0071] 对S14作进一步说明
[0072] 对聚类结果进行训练，由N个元素组成的目标点位置移动(动作元素)为新的数据 项，根据这些数据项获取到工作的模式，其中工作模式有正常工作模式和预测工作模式，其 中N> 2。
[0073] 对S15作进一步说明：
[0074]首先，当N = L，进入到正常工作模式，该动作结束；当N 2 L进入预测模式，输出的为 预测数据，根据这些预测数据进行动作还原，得到预测动作;并将预测的数据与传来的数据 进行相比较，校验预测数据的准确度，为后续提供更准确的预测结果。
[0075] 图3是本发明实施例中的基于空间定位和聚类的动作预测系统的结构组成示意 图，如图3所示，该系统包括：
[0076] 定位模块：用于对目标点进行空间定位，获取目标点每一帧的位置信息和运动状 态ig息；
[0077] 模型构建模块:用于根据至少两帧连续的目标点的位置信息和运动状态信进行信 息编码，建立至少两帧连续信息的模型；
[0078] 聚类模块:用于对至少两帧连续信息的模型进行聚类，获取聚类结果；
[0079] 模式获取模块：用于根据聚类结果建立训练数据集，并根据训练数据集获取工作 模式；
[0080] 预测模块:用于根据工作模式对动作进行预测。
[0081 ]优选地，运动状态信息包括瞬时速度信息和加速度信息。
[0082]优选地，模型构建模块包括：
[0083] 信息记录单元:用于在每一帧中记录目标点的位置信息和运动状态信息；
[0084] 信息编码单元：用于记录连续至少两帧的目标点的位置信息和运动状态信并进行 信息编码，获取信息编码结果；
[0085] 信息向量构建单元:用于根据信息编码结果构建至少两维的信息向量；
[0086] 模型获取单元:用于根据至少两维的信息向量，获取至少两帧连续信息的模型。 [0087]优选地，聚类模块包括：
[0088]类别划分单元:用于将构建完成的每一个至少两维的信息向量进行类别划分；
[0089] 聚类单元:用于将类别相同的信息向量进行聚类，获取聚类结果。
[0090] 优选地，工作模式包括正常工作模式和预测工作模式。
[0091] 具体地，本发明实施例的系统相关功能模块的工作原理可参见方法实施例的相关 描述，这里不再赘述。
[0092] 在本发明实施例中，通过对目标点进行空间定位和基于外部输入的庞大数据下， 通过聚类技术进行有效的预测来减少因信号传输过程中产生的时延，从而有效减少主观延 时，提高用户的使用体验感。
[0093]本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可 以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储 介质可以包括：只读存储器（R〇M，Read Only Memory)、随机存取存储器（RAM，Random Access Memory)、磁盘或光盘等。
[0094]另外，以上对本发明实施例所提供的一种基于空间定位和聚类的动作预测方法及 系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以 上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般 技术人员，依据本发明的思想，在【具体实施方式】及应用范围上均会有改变之处，综上所述， 本说明书内容不应理解为对本发明的限制。
【主权项】
1. 一种基于空间定位和聚类的动作预测方法，其特征在于，所述方法包括： 对目标点进行空间定位，获取所述目标点每一帧的位置信息和运动状态信息； 根据至少两帧连续的所述目标点的位置信息和运动状态信进行信息编码，建立至少两 帧连续信息的模型； 对所述至少两帧连续信息的模型进行聚类，获取聚类结果； 根据所述聚类结果建立训练数据集，并根据所述训练数据集获取工作模式； 根据所述工作模式对动作进行预测。2. 根据权利要求1所述的动作预测方法，其特征在于，所述运动状态信息包括瞬时速度 信息和加速度信息。3. 根据权利要求1所述的动作预测方法，其特征在于，所述根据至少两帧连续的所述目 标点的位置信息和运动状态信进行信息编码，建立至少两帧连续信息的模型，包括： 在每一帧中记录所述目标点的位置信息和运动状态信息； 记录连续至少两帧的所述目标点的位置信息和运动状态信并进行信息编码，获取信息 编码结果； 根据所述信息编码结果构建至少两维的信息向量； 根据所述至少两维的信息向量，获取至少两帧连续信息的模型。4. 根据权利要求1所述的动作预测方法，其特征在于，所述对所述至少两帧连续信息的 模型进行聚类，获取聚类结果，包括： 将构建完成的每一个至少两维的信息向量进行类别划分； 将类别相同的信息向量进行聚类，获取聚类结果。5. 根据权利要求1所述的动作预测方法，其特征在于，所述工作模式包括正常工作模式 和预测工作模式。6. -种基于空间定位和聚类的动作预测系统，其特征在于，所述系统包括： 定位模块：用于对目标点进行空间定位，获取所述目标点每一帧的位置信息和运动状 态ig息； 模型构建模块:用于根据至少两帧连续的所述目标点的位置信息和运动状态信进行信 息编码，建立至少两帧连续信息的模型； 聚类模块:用于对所述至少两帧连续信息的模型进行聚类，获取聚类结果； 模式获取模块：用于根据所述聚类结果建立训练数据集，并根据所述训练数据集获取 工作模式； 预测模块:用于根据所述工作模式对动作进行预测。7. 根据权利要求6所述的动作预测系统，其特征在于，所述运动状态信息包括瞬时速度 信息和加速度信息。8. 根据权利要求6所述的动作预测系统，其特征在于，所述模型构建模块包括： 信息记录单元:用于在每一帧中记录所述目标点的位置信息和运动状态信息； 信息编码单元：用于记录连续至少两帧的所述目标点的位置信息和运动状态信并进行 信息编码，获取信息编码结果； 信息向量构建单元:用于根据所述信息编码结果构建至少两维的信息向量； 模型获取单元:用于根据所述至少两维的信息向量，获取至少两帧连续信息的模型。9. 根据权利要求6所述的动作预测方法，其特征在于，所述聚类模块包括： 类别划分单元:用于将构建完成的每一个至少两维的信息向量进行类别划分； 聚类单元:用于将类别相同的信息向量进行聚类，获取聚类结果。10. 根据权利要求6所述的动作预测系统，其特征在于，所述工作模式包括正常工作模 式和预测工作模式。
【专利摘要】本发明公开了一种基于空间定位和聚类的动作预测方法及系统，其中，所述方法包括：对目标点进行空间定位，获取所述目标点每一帧的位置信息和运动状态信息；根据至少两帧连续的所述目标点的位置信息和运动状态信进行信息编码，建立至少两帧连续信息的模型；对所述至少两帧连续信息的模型进行聚类，获取聚类结果；根据所述聚类结果建立训练数据集，并根据所述训练数据集获取工作模式；根据所述工作模式对动作进行预测。实施本发明实施例，对目标点进行空间定位和基于外部输入的庞大数据下，通过聚类技术进行有效的预测来减少因信号传输过程中产生的时延，从而有效减少主观延时，提高用户的使用体验感。
【IPC分类】G06T7/00, G06K9/62
【公开号】CN105488794
【申请号】CN201510837116
【发明人】周凡, 李万华, 黄镇业, 陈晓燕, 曹思琪, 陈土丽
【申请人】中山大学
【公开日】2016年4月13日
【申请日】2015年11月26日
【技术领域】
[0001] 本发明涉及动作预测技术领域，尤其涉及一种基于空间定位和聚类的动作预测方 法及系统。
【背景技术】
[0002] 空间定位技术是虚拟现实系统中的关键技术。在虚拟现实的应用中，无时无刻需 要用户与虚拟环境进行交互，如果沿用传统的交互技术，会造成用户体验不佳的情况。用自 然的身体动作进行交互是一种更好的交互方式，这就需要对用户的身体进行定位。
[0003] 常见的室内无线定位技术还有:Wi-Fi、蓝牙、红外线、超宽带、RFID、ZigBee和超声 波。目前的空间定位系统利用高速摄像机可达到每秒1000帧的采样效果，用户进行画面的 切换比较流畅和细腻。然而目前的空间定位系统普遍的缺点是延时较高。延时高导致画面 的变换不够及时，导致用户的眩晕症状时有发生。
[0004] 因此，降低空间定位系统中的延时也是这个系统中的关键部分。
【发明内容】
[0005] 本发明的目的在于克服现有技术的不足，本发明提供了一种基于空间定位和聚类 的动作预测方法及系统，对目标点进行空间定位和基于外部输入的庞大数据下，通过聚类 技术进行有效的预测来减少因信号传输过程中产生的时延，从而有效减少主观延时，提高 用户的使用体验感。
[0006] 为了解决上述技术问题，本发明提供了一种基于空间定位和聚类的动作预测方 法，所述方法包括：
[0007] 对目标点进行空间定位，获取所述目标点每一帧的位置信息和运动状态信息；
[0008] 根据至少两帧连续的所述目标点的位置信息和运动状态信进行信息编码，建立至 少两帧连续信息的模型；
[0009] 对所述至少两帧连续信息的模型进行聚类，获取聚类结果；
[0010] 根据所述聚类结果建立训练数据集，并根据所述训练数据集获取工作模式；
[0011] 根据所述工作模式对动作进行预测。
[0012] 优选地，所述运动状态信息包括瞬时速度信息和加速度信息。
[0013] 优选地，所述根据至少两帧连续的所述目标点的位置信息和运动状态信进行信息 编码，建立至少两帧连续信息的模型，包括：
[0014] 在每一帧中记录所述目标点的位置信息和运动状态信息；
[0015] 记录连续至少两帧的所述目标点的位置信息和运动状态信并进行信息编码，获取 信息编码结果；
[0016] 根据所述信息编码结果构建至少两维的信息向量；
[0017] 根据所述至少两维的信息向量，获取至少两帧连续信息的模型。
[0018] 优选地，所述对所述至少两帧连续信息的模型进行聚类，获取聚类结果，包括：
[0019] 将构建完成的每一个至少两维的信息向量进行类别划分；
[0020] 将类别相同的信息向量进行聚类，获取聚类结果。
[0021 ]优选地，所述工作模式包括正常工作模式和预测工作模式。
[0022] 本发明还提供了一种基于空间定位和聚类的动作预测系统，所述系统包括：
[0023] 定位模块：用于对目标点进行空间定位，获取所述目标点每一帧的位置信息和运 动状态信息；
[0024] 模型构建模块:用于根据至少两帧连续的所述目标点的位置信息和运动状态信进 行信息编码，建立至少两帧连续信息的模型；
[0025] 聚类模块:用于对所述至少两帧连续信息的模型进行聚类，获取聚类结果；
[0026] 模式获取模块：用于根据所述聚类结果建立训练数据集，并根据所述训练数据集 获取工作模式；
[0027] 预测模块:用于根据所述工作模式对动作进行预测。
[0028] 优选地，所述运动状态信息包括瞬时速度信息和加速度信息。
[0029]优选地，所述模型构建模块包括：
[0030] 信息记录单元:用于在每一帧中记录所述目标点的位置信息和运动状态信息；
[0031] 信息编码单元：用于记录连续至少两帧的所述目标点的位置信息和运动状态信并 进行?目息编码，获取?目息编码结果；
[0032] 信息向量构建单元:用于根据所述信息编码结果构建至少两维的信息向量；
[0033] 模型获取单元：用于根据所述至少两维的信息向量，获取至少两帧连续信息的模 型。
[0034]优选地，所述聚类模块包括：
[0035] 类别划分单元:用于将构建完成的每一个至少两维的信息向量进行类别划分；
[0036] 聚类单元:用于将类别相同的信息向量进行聚类，获取聚类结果。
[0037]优选地，所述工作模式包括正常工作模式和预测工作模式。
[0038] 在本发明实施例中，通过对目标点进行空间定位和基于外部输入的庞大数据下， 通过聚类技术进行有效的预测来减少因信号传输过程中产生的时延，从而有效减少主观延 时，提高用户的使用体验感。
【附图说明】
[0039] 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它的附图。
[0040] 图1是本发明实施例中的基于空间定位和聚类的动作预测方法的流程示意图；
[0041] 图2是本发明实施例中的建立至少两帧连续信息的模型的流程示意图；
[0042] 图3是本发明实施例中的基于空间定位和聚类的动作预测系统的结构组成示意 图。
【具体实施方式】
[0043] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0044] 图1是本发明实施例中的基于空间定位和聚类的动作预测方法的流程示意图，如 图1所示，该方法包括：
[0045] S11:对目标点进行空间定位，获取目标点每一帧的位置信息和运动状态信息；
[0046] S12:根据至少两帧连续的目标点的位置信息和运动状态信进行信息编码，建立至 少两帧连续信息的模型；
[0047] S13:对至少两帧连续信息的模型进行聚类，获取聚类结果；
[0048] S14:根据聚类结果建立训练数据集，并根据训练数据集获取工作模式；
[0049] S15:根据工作模式对动作进行预测。
[0050] 对S11作进一步说明：
[0051] 在本实施例中通过摄像头或重力感应器的方式对目标点进行空间定位，获取该目 标点的空间位置信息;通过陀螺仪、速度感应器、加速器和磁力计等仪器来获得目标点的运 动状态信息，其中运动状态信息包括不限于瞬时速度信息和加速度信息。
[0052] 在本实施例中，将空间内的目标点的位置信息和状态信息采用数学语言方式来表 示，即每个目标点的位置信息都采用位置向量4, ；^，每个目标点的瞬时速度信息 都米用瞬时速度向量F(F，r，F ).，每个目标点的加速度信息都米用加速度向量 a(aA ,aytaz)0
[0053] 对S12作进一步说明：
[0054] 结合图2对S12进行说明，图2是本发明实施例中的建立至少两帧连续信息的模型 的流程示意图，如图2所示，该流程包括以下步骤：
[0055 ] S121:在每一帧中记录目标点的位置信息和运动状态信息；
[0056] S122:记录连续至少两帧的目标点的位置信息和运动状态信并进行信息编码，获 取信息编码结果；
[0057] S123:根据信息编码结果构建至少两维的信息向量；
[0058] S124:根据至少两维的信息向量，获取至少两帧连续信息的模型。
[0059] 对S121作进一步说明：
[0000]在本发明实施例中，记录每一帧目标点的位置信息和运动状态信息。
[0061 ] 对S122作进一步说明：
[0062]本发明实施例中，对记录至少N帧连续的目标点的位置信息和运动状态信息进行 序号 数字编码，其中N 2 2，通过进行编码，获取到编码之后的位置信息和运动状态信息。 [0063] 对S123作进一步说明：
[0064]对编码之后的位置信息和运动状态信息进行向量化处理，转化为向量化的信息。
[0065] 对S124作进一步说明：
[0066] 根据这些向量化的信息构建一个至少两帧连续信息矩阵模型如下：
[0067]
[0068] 其中，N2 2且N2L，定义一串动作的前L个向量为关键值，后面的N-L个向量为预测 值。
[0069] 对S13作进一步说明：
[0070] 通过将构建完成的每一个至少两维的信息向量进行类别划分，将类别相同的信息 向量进行重新聚合在一起划为一个新的类别，从而获取聚类结果。
[0071] 对S14作进一步说明
[0072] 对聚类结果进行训练，由N个元素组成的目标点位置移动(动作元素)为新的数据 项，根据这些数据项获取到工作的模式，其中工作模式有正常工作模式和预测工作模式，其 中N> 2。
[0073] 对S15作进一步说明：
[0074]首先，当N = L，进入到正常工作模式，该动作结束；当N 2 L进入预测模式，输出的为 预测数据，根据这些预测数据进行动作还原，得到预测动作;并将预测的数据与传来的数据 进行相比较，校验预测数据的准确度，为后续提供更准确的预测结果。
[0075] 图3是本发明实施例中的基于空间定位和聚类的动作预测系统的结构组成示意 图，如图3所示，该系统包括：
[0076] 定位模块：用于对目标点进行空间定位，获取目标点每一帧的位置信息和运动状 态ig息；
[0077] 模型构建模块:用于根据至少两帧连续的目标点的位置信息和运动状态信进行信 息编码，建立至少两帧连续信息的模型；
[0078] 聚类模块:用于对至少两帧连续信息的模型进行聚类，获取聚类结果；
[0079] 模式获取模块：用于根据聚类结果建立训练数据集，并根据训练数据集获取工作 模式；
[0080] 预测模块:用于根据工作模式对动作进行预测。
[0081 ]优选地，运动状态信息包括瞬时速度信息和加速度信息。
[0082]优选地，模型构建模块包括：
[0083] 信息记录单元:用于在每一帧中记录目标点的位置信息和运动状态信息；
[0084] 信息编码单元：用于记录连续至少两帧的目标点的位置信息和运动状态信并进行 信息编码，获取信息编码结果；
[0085] 信息向量构建单元:用于根据信息编码结果构建至少两维的信息向量；
[0086] 模型获取单元:用于根据至少两维的信息向量，获取至少两帧连续信息的模型。 [0087]优选地，聚类模块包括：
[0088]类别划分单元:用于将构建完成的每一个至少两维的信息向量进行类别划分；
[0089] 聚类单元:用于将类别相同的信息向量进行聚类，获取聚类结果。
[0090] 优选地，工作模式包括正常工作模式和预测工作模式。
[0091] 具体地，本发明实施例的系统相关功能模块的工作原理可参见方法实施例的相关 描述，这里不再赘述。
[0092] 在本发明实施例中，通过对目标点进行空间定位和基于外部输入的庞大数据下， 通过聚类技术进行有效的预测来减少因信号传输过程中产生的时延，从而有效减少主观延 时，提高用户的使用体验感。
[0093]本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可 以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储 介质可以包括：只读存储器（R〇M，Read Only Memory)、随机存取存储器（RAM，Random Access Memory)、磁盘或光盘等。
[0094]另外，以上对本发明实施例所提供的一种基于空间定位和聚类的动作预测方法及 系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以 上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般 技术人员，依据本发明的思想，在【具体实施方式】及应用范围上均会有改变之处，综上所述， 本说明书内容不应理解为对本发明的限制。
【主权项】
1. 一种基于空间定位和聚类的动作预测方法，其特征在于，所述方法包括： 对目标点进行空间定位，获取所述目标点每一帧的位置信息和运动状态信息； 根据至少两帧连续的所述目标点的位置信息和运动状态信进行信息编码，建立至少两 帧连续信息的模型； 对所述至少两帧连续信息的模型进行聚类，获取聚类结果； 根据所述聚类结果建立训练数据集，并根据所述训练数据集获取工作模式； 根据所述工作模式对动作进行预测。2. 根据权利要求1所述的动作预测方法，其特征在于，所述运动状态信息包括瞬时速度 信息和加速度信息。3. 根据权利要求1所述的动作预测方法，其特征在于，所述根据至少两帧连续的所述目 标点的位置信息和运动状态信进行信息编码，建立至少两帧连续信息的模型，包括： 在每一帧中记录所述目标点的位置信息和运动状态信息； 记录连续至少两帧的所述目标点的位置信息和运动状态信并进行信息编码，获取信息 编码结果； 根据所述信息编码结果构建至少两维的信息向量； 根据所述至少两维的信息向量，获取至少两帧连续信息的模型。4. 根据权利要求1所述的动作预测方法，其特征在于，所述对所述至少两帧连续信息的 模型进行聚类，获取聚类结果，包括： 将构建完成的每一个至少两维的信息向量进行类别划分； 将类别相同的信息向量进行聚类，获取聚类结果。5. 根据权利要求1所述的动作预测方法，其特征在于，所述工作模式包括正常工作模式 和预测工作模式。6. -种基于空间定位和聚类的动作预测系统，其特征在于，所述系统包括： 定位模块：用于对目标点进行空间定位，获取所述目标点每一帧的位置信息和运动状 态ig息； 模型构建模块:用于根据至少两帧连续的所述目标点的位置信息和运动状态信进行信 息编码，建立至少两帧连续信息的模型； 聚类模块:用于对所述至少两帧连续信息的模型进行聚类，获取聚类结果； 模式获取模块：用于根据所述聚类结果建立训练数据集，并根据所述训练数据集获取 工作模式； 预测模块:用于根据所述工作模式对动作进行预测。7. 根据权利要求6所述的动作预测系统，其特征在于，所述运动状态信息包括瞬时速度 信息和加速度信息。8. 根据权利要求6所述的动作预测系统，其特征在于，所述模型构建模块包括： 信息记录单元:用于在每一帧中记录所述目标点的位置信息和运动状态信息； 信息编码单元：用于记录连续至少两帧的所述目标点的位置信息和运动状态信并进行 信息编码，获取信息编码结果； 信息向量构建单元:用于根据所述信息编码结果构建至少两维的信息向量； 模型获取单元:用于根据所述至少两维的信息向量，获取至少两帧连续信息的模型。9. 根据权利要求6所述的动作预测方法，其特征在于，所述聚类模块包括： 类别划分单元:用于将构建完成的每一个至少两维的信息向量进行类别划分； 聚类单元:用于将类别相同的信息向量进行聚类，获取聚类结果。10. 根据权利要求6所述的动作预测系统，其特征在于，所述工作模式包括正常工作模 式和预测工作模式。
【专利摘要】本发明公开了一种基于空间定位和聚类的动作预测方法及系统，其中，所述方法包括：对目标点进行空间定位，获取所述目标点每一帧的位置信息和运动状态信息；根据至少两帧连续的所述目标点的位置信息和运动状态信进行信息编码，建立至少两帧连续信息的模型；对所述至少两帧连续信息的模型进行聚类，获取聚类结果；根据所述聚类结果建立训练数据集，并根据所述训练数据集获取工作模式；根据所述工作模式对动作进行预测。实施本发明实施例，对目标点进行空间定位和基于外部输入的庞大数据下，通过聚类技术进行有效的预测来减少因信号传输过程中产生的时延，从而有效减少主观延时，提高用户的使用体验感。
【IPC分类】G06T7/00, G06K9/62
【公开号】CN105488794
【申请号】CN201510837116
【发明人】周凡, 李万华, 黄镇业, 陈晓燕, 曹思琪, 陈土丽
【申请人】中山大学
【公开日】2016年4月13日
【申请日】2015年11月26日
最新回复(0)