CN104977038B - 使用与关联存储器耦合的运动感测设备识别移动 - Google Patents
使用与关联存储器耦合的运动感测设备识别移动 Download PDFInfo
- Publication number
- CN104977038B CN104977038B CN201510164669.9A CN201510164669A CN104977038B CN 104977038 B CN104977038 B CN 104977038B CN 201510164669 A CN201510164669 A CN 201510164669A CN 104977038 B CN104977038 B CN 104977038B
- Authority
- CN
- China
- Prior art keywords
- movement
- associative memory
- data
- processor
- movements
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F12/00—Accessing, addressing or allocating within memory systems or architectures
- G06F12/02—Addressing or allocation; Relocation
- G06F12/08—Addressing or allocation; Relocation in hierarchically structured memory systems, e.g. virtual memory systems
- G06F12/0802—Addressing of a memory level in which the access to the desired data or data block requires associative addressing means, e.g. caches
- G06F12/0864—Addressing of a memory level in which the access to the desired data or data block requires associative addressing means, e.g. caches using pseudo-associative means, e.g. set-associative or hashing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2212/00—Indexing scheme relating to accessing, addressing or allocation within memory systems or architectures
- G06F2212/60—Details of cache memory
- G06F2212/6032—Way prediction in set-associative cache
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- User Interface Of Digital Computer (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明涉及使用与关联存储器耦合的运动感测设备识别移动,和一种运动学系统。该系统包含具有配置为检测对象(1618)的部分的多个物理方位的一个或多个传感器(1616)的运动学测量设备(1614)。该系统也包含关联存储器(1602),其与运动学测量设备(1614)通信,并包括多个数据(1604)和多个数据间的关联(1606),多个数据(1604)收集到关联的组(1608)内,关联存储器(1602)配置为基于多个数据(1604)间的至少间接关系(1610)被查询。该系统也包含处理器(1620),其与关联存储器(1602)和运动学测量设备(1614)通信,并且配置为将对象(1618)的部分的坐标方位的范围变换成命名该范围的定性描述,处理器(1620)进一步配置为向关联存储器(1602)提供定性描述以便存储。
Description
技术领域
本公开大体涉及关联存储器,并且特别地,涉及使用与关联存储器耦合的运动感测设备来识别移动的系统和方法。
背景技术
出于向个体提供关于他们的移动的反馈的目的而检测个体的移动可以是具有挑战性的,因为其中存在许多障碍需要克服。例如,用于测量人体的方位的运动学测量设备应该捕获到足够的相关信息,以便考虑到特定移动的准确的决定能够被做出。此外,所捕获的信息应该是简明的并且可被迅速分析,以便该信息能够被实时地逐级传递回该个体。又进一步地,该系统应该能够在真实世界环境中发挥作用,其中人是不可预测的并且他们的移动经常是时有时无的。这些和其他问题通过下文所述的说明性实施例而被解决。
发明内容
说明性实施例提供了运动学系统。该系统包含具有一个或多个传感器的运动学测量设备,所述运动学测量设备被配置为检测对象的部分的多个物理方位。该系统也包含关联存储器,其与运动学测量设备通信,并且包括多个数据和多个数据之间的多个关联,其中多个数据被收集到相关联的组内,其中关联存储器被配置为基于多个数据间的至少间接关系而被查询。该系统也包含处理器,其与关联存储器和运动学测量设备通信,并且被配置为将对象的部分的坐标方位的范围转化成命名范围的定性描述,其中处理器被进一步配置为向关联存储器提供定性描述以便存储。
说明性实施例也提供一种方法。该方法包含使用运动学测量设备,定量检测对象的部分的物理方位,其中采用了定量测量。该方法也包含使用与运动学测量设备通信的处理器将定量测量转化成物理方位的定性描述。该方法也包含向关联存储器提供定性描述,关联存储器包括多个数据和多个数据之间的多个关联,其中多个数据被收集到相关联的组内,其中关联存储器被配置为基于多个数据间的至少间接关系而被查询,该关联存储器被实施在非临时计算机可读存储介质上。
说明性实施例也提供了一种计算机。该计算机包含运动学测量设备,其被配置为通过采用对象的定量测量来定量检测对象的部分的物理方位。该计算机也包含与运动学测量设备通信的处理器,该处理器被配置为将定量测量转化成物理方位的定性描述。该计算机也包含与处理器通信的关联存储器,所述关联存储器被配置为存储定性描述,所述关联存储器包括多个数据和多个数据间的多个关联,其中多个数据被收集到相关联的组内,其中关联存储器被配置为基于多个数据间的至少间接关系而被查询,所述关联存储器被实施在非临时计算机可读存储介质上。该处理器被进一步配置为比较定性描述与对象的一组移动。该处理器被进一步配置为基于定性描述确定对象的特定移动。
附图说明
被认为是说明性实施例的特性的新颖性特征在所附的权利要求书中提出。然而,当结合附图阅读时,通过参考本公开的说明性实施例的以下具体实施方式,说明性实施例以及使用的优选模式、进一步的目标及其特征将被最好地理解,其中:
图1说明了根据说明性实施例的运动学检测系统的一个用途;
图2说明了根据说明性实施例的分类系统的示例;
图3说明了根据说明性实施例的处于使用中的运动学检测系统的示例;
图4说明了根据说明性实施例的被用于表示整个移动的快照的示例;
图5说明了根据说明性实施例的在多个移动的背景下的公共坐标系的示例;
图6说明了根据说明性实施例的使用定性命名系统识别关节点的示例;
图7说明了根据说明性实施例的从定量测量到定性命名的数据变换的示例;
图8说明了根据说明性实施例的可取和不可取的移动的示例;
图9说明了根据说明性实施例的未知移动的示例;
图10说明了根据说明性实施例的用于移动的比较标准的示例;
图11说明了根据说明性实施例的识别未知移动的示例;
图12说明了根据说明性实施例的使用关联存储器的运动学检测系统的示例;
图13说明了根据说明性实施例的实体比较的示例;
图14说明了根据说明性实施例的通过作为产生的类别的结果的实体比较的示例;
图15是说明了根据说明性实施例的用于识别相关区别的过程的流程图;
图16是根据说明性实施例的系统、运动学测量设备、关联存储器以及将运动学数据变换成定性名称或措辞的处理器的示例;
图17是根据说明性实施例的系统和计算机的示例,所述系统和计算机包含运动学测量设备、关联存储器以及用于将运动学数据变换成定性名称的处理器;
图18是根据说明性实施例的数据处理系统的图示;
具体实施方式
说明性实施例提供了若干有用的功能。例如,说明性实施例认识并且考虑到运动学测量设备可以是数据密集的并且因此不期望用于某些应用。例如,如果一个人期望使用便携式掌上计算机来测量人的方位并且然后警告那个人移动或一组移动是否被认为是不可取的,那么为该应用而使用原始运动学数据可能存在问题。
说明性实施例也认识并且考虑到关联存储器对于比较定性的数据项是有用的。例如,关联存储器能够将对关联存储器已知的一组术语与未知术语进行比较并且确定该组的哪个成员最接近地匹配未知术语。说明性实施例通过以下方式利用这种能力,即通过将定量的运动学测量转化成定性术语、将定性术语存储在关联存储器内、以及然后使用关联存储器以确定在定性术语中检测到何种移动。
说明性实施例通过使用关联存储器解决了捕获足够的数据、处理速度以及对用户的有时断断续续的移动的计数的问题,以便将通过运动传感器获得的移动与之前的可取和不可取的移动的纪录进行分类。在一些说明性实施例中,用户仅仅需要演示出良好的和不良的移动以便训练系统学习两者的机理。然后,该系统能够在区域间移动以便依据处理能力以非常少的费用追踪用户的不同移动。
同样,说明性实施例能够像居住区街道上活动的速度标志一样工作。驾驶员可看到公布速度和他们的实际速度。两个速度之间的差可以足够劝服驾驶员减速。在一段时间后,活动的速度标志能够被去除,因为社区已经学习到了新的行为。同样地,用户可以被提醒以避免不可取的移动并且用可取的移动代替不可取的移动。
注意到现在转向术语“关联存储器”。如在此使用的,术语“关联存储器”涉及多个数据和多个数据间的多个关联。多个数据和多个关联可以被存储在非临时计算机可读存储介质内。多个数据可以被收集到相关联的组内。关联存储器可以被配置为基于除了多个数据间的直接相关之外的多个数据间的至少间接关系而被查询。关联存储器也可以被配置为基于直接关系以及直接和间接关系的结合而被查询。
关联存储器技术是为了获取新的洞察力而基于关系而不是直接相关性将信息收集到相关联的组内的过程。关联存储器可以被表征为多个数据和多个数据间的多个关联。多个数据可以被收集到相关联的组内。进一步地,关联存储器可以被配置为基于至少一种关系而被查询,所述关系从包含直接和间接关系的组中选择,或者从除了多个数据间的直接相关以外的多个数据中选择。关联存储器也可以采取软件的形式。因此,关联存储器也可以被认为是为了获取新的洞察力而基于关系而不是直接相关性将信息收集到相关联的组内的过程。
如在此使用的,术语“实体”涉及到对象,该对象具有独特的、独立的存在,尽管这种存在不需要是物质上的存在。因此,抽象并且合法的构想可以被认为是实体。如在此使用的,实体不需要是有生命的。
图1说明了根据说明性实施例的运动学检测系统的一个用途。图1中所示的运动学检测系统的使用没必要限制要求保护的本发明,而是相反仅仅显示了说明性实施例的一种可能的用途。说明性实施例的另外的用途在下文中描述。
然而,图1中说明的示例性用途包含使用从运动感测输入设备100中收集的数据来追踪个体102的移动。通过使用语义关联存储器104充分的理解,移动被馈送入关联存储器104内。这些语义可以针对之前的可取移动106和不可取移动108的记录进行分类。说明性实施例使用这种信息来确定个体102的当前移动是否是可取的或不可取的。如果个体的移动是不可取的,例如由符号110所指示的,那么说明性实施例可以生成警告112以提醒个体102他或她当前的移动可能是不可取的。
更通常地,运动感测输入设备100可以是被用于检测对象的方位相对于其周围环境的改变或者周围环境相对于对象的改变的任何装置。在不必要限制权利要求的具体示例中,运动感测输入设备100可以是可从货架上商业购买到的产品。运动感测输入设备100可以一般被用于玩视频游戏,例如如图3所示的。但是,运动感测输入设备100可以是加速计、摄像系统或者用于检测区域内一个或多个人或对象的移动的任何其他合适技术。因此,例如,运动感测输入设备100可以被用于追踪机器人的方位。在这种情况下,说明性示例可以确定机器人的移动是否在设计参数内。
此外,说明性示例没必要局限于确定移动或一组移动是否被认为是可取的或不可取的。任何分类系统均可以被使用,如下文进一步描述的。
通常,分类是识别新观察结果属于一组类别中的哪一个的任务。这种识别或确定可以在训练数据集或类别成员已知的实例的基础上做出。
例如但没必要限制要求保护的本发明地,说明性实施例可以被用于确定检测的移动是否涉及发短信、打电话、行走、使用扶手或者任何其他特定的实体活动。该组可能的结果可以是“发短信、打电话、行走或者使用扶手”。检测的移动是否涉及该组的一个成员的确定被做出。这种确定可以使用关联存储器基于包含观察结果或实例的训练数据集而做出,所述观察结果或实例的类别成员是已知的。换句话说,关联存储器已经被训练为将特定的输入数据集辨识为与“发短信”相关联。在这些情况的每种情况下,检测的移动可以被用于生成特定移动是否被检测到的警告。
在对象的情况下,假设该对象能够被输入设备辨识,则说明性实施例可以被用于检测机器人或交通工具的具体方位、取向和/或移动。因此,说明性实施例没必要局限于与人类一起使用并且没必要局限于任何特定分类系统,例如“可取的”或“不可取的”。因此,对于在此使用的涉及到确定人类用户的移动是否被认为是“可取的”或“不可取的”的任何示例,人们可以自动假设可以改为使用如上所述的其他用途和分类系统。
图2说明了根据说明性实施例的分类系统的示例。图2中的分类200说明了本文所使用的分类的原理,但没必要局限于说明性实施例。换句话说,分类200说明了可以被用于实施关于确定用户的运动是可取还是不可取的说明性实施例的分类的原理,正如参考图1所述的。
首先请把注意力转向术语“分类”的含义。在此使用的“分类”被定义为通过将新观察的特性与一组已知的特性进行比较,识别新观察属于对象的哪个组的能力或者行为。正如在说明性实施例中所使用的,已知特性通过训练该系统被建立。如在此使用的,“训练系统”被定义为对于该系统的该组的已知成员的特性进行定义的能力或者行为。当该系统被训练时,该系统可以然后将新观察的特性与该组已知成员的特性进行快速比较,并且然后使新观察等同于最接近地匹配新观察的特性的组的已知成员之一。正如在此所使用的,“系统”或“说明性实施例”涉及到处理器、专用集成电路(ASIC)和/或被用于或者可用于实施说明性实施例的其他物理装备,可能包含存储程序代码的非临时性计算机可读存储介质,所述程序代码用于实施运动捕获和在此所述的分类系统。
返回到图2,该图参考电子邮件系统说明了分类的示例。在这种情况中,该系统根据某些特性将新到的电子邮件分为保留的电子邮件或垃圾电子邮件。因此,分类200具有已知成员组中的两个已知成员。这些已知成员是保留的电子邮件202和垃圾电子邮件204。该系统已经通过建立保留电子邮件202的第一特性和垃圾电子邮件204的第二特性而被训练。然后,该系统被编程以便将作为新到电子邮件的新观察的第三特性与保留电子邮件202的第一特性和垃圾电子邮件204的第二特性进行比较。然后,新观察被分类为属于保留电子邮件202或垃圾电子邮件204。
再次地,构成每个类别(保留电子邮件202或垃圾电子邮件204)的特性是已知的。例如,保留电子邮件202一般来自认识的发送者。因此,保留电子邮件202具有的一个特性是认识的发送者。其他特性也是可能的。相反,垃圾电子邮件204一般具有其不是来自认识的发送者的特性。垃圾电子邮件204经常也具有其他的特性,例如存在在恳求时所使用的文字以销售产品或服务。根据新观察的特性与已知成员组的特性之间共同匹配的数量,该系统将建立适当的类别以放置新到的电子邮件。
在机器学习的术语中,分类系统被认为是监督式学习的实例,即,学习从哪里可以获得正确识别的观察的训练组。相应的非监督式程序已知为聚类分析或集群分析。集群分析可以根据一些固有相似性的测量而将成组数据包含在类别内。测量的示例包含实例间的距离,其被认为是多维向量空间内的向量。
图3是根据说明性实施例的处于使用中的运动学检测系统的示例。运动学检测系统300可以是图1中的运动感测输入设备100。用户302的移动可以被使用分类系统的该系统通过类似于图2中分类200所示的方式分类。
如上所述,说明性实施例可以对用户302的移动使用运动学检测系统300。运动感测输入设备,例如图1中的运动感测输入设备100,可以被用作运动学检测系统300的一部分以便检测用户302的方位相对于他的或她的周围环境304的改变。
通常,例如运动学检测系统300的运动感测输入设备包含软件,其显示了被检测的移动发生的位置的笛卡尔坐标。这种显示可以采取火柴人(stick person)的形式,如火柴人306,或者根本不可以被可视地表示。在任一情况中,说明性实施例可以使用测量的坐标来计算用户302的移动。
为了计量主体的移动,说明性实施例可以使所有参与者共享的方位的坐标相关,即说明性实施例可以将手的移动与手的移动比较。测量能够根据需要被进一步规范化。例如,说明性实施例也可以在对测量规范化过程中使用身体的各部分间的相对静止的距离,例如臀部中心点到脊柱的距离。
图4说明了根据说明性实施例被用于表示整个移动的快照的示例。单一快照400和多个快照402中的每个可以是图3的火柴人306的示例。单一快照400和构成快照402的每个快照都表示人类用户的检测的移动,例如图1中的个体102或图3中的用户302。
图4说明了单一快照400可以指示人类用户的移动,但是说明性实施例也不限于人类用户。因此,快照402可以描述人类用户的整个移动,而单一快照400指示在某时间点处的用户的方位。
说明性实施例假设移动图例如快照402描述了用户的整个移动,尽管它们看起来像单一实例或单一快照400的移动。换句话说,说明性实施例一般不用单一快照(例如单一快照400)操作,而是用快照402操作。
说明性实施例的一般的示例在多个假设下操作。在一些情况中,这些假设可以变化。
例如,说明性实施例一般依赖于与关联存储器耦合的运动感测输入设备的新颖的应用,而不是人们使用以完成这些过程的核心技术。但是,在一些情况下,说明性实施例可以使用这些核心技术、运动感测输入设备以及关联存储器的改进的或增强的版本。
说明性实施例通常包含使用关联存储器分类的示例对观察进行分类的能力。但是,说明性实施例可以采用任何种类的分类机构完成并且不限于仅仅使用关联存储器。
说明性实施例一般使用人体关节作为铰接点。但是,身体上的任何方位或部位可以被使用,只要这些方位或部位与移动相对应。在机器人或交通工具的情况中,或者在追踪其他铰接对象的方位时,任何铰接点可以被使用。更一般地,任何对象上的任何点可以被用于追踪移动,但是铰接点经常是更方便的。
说明性实施例包含通过使用运动感测输入设备的界面来检测移动的能力。这种界面能够在范围和功能性方面变化,但是保留了定义运动感测输入设备能够处理的全部容量内的移动的坐标的工作。在大多数情况下,当移动开始或结束时,说明性实施例不需要做任何的尝试来进行定义。
说明性实施例一般不定义运动感测输入设备关于被捕获移动的品质的放置或位置。说明性实施例采取这种设备的恰当操作。
说明性实施例通常不限于仅仅识别一个可取的移动和一个不可取的移动。相反,许多不同类型的移动可以被分析并且被分类。此外,说明性实施例可以被用在除了确定用户或对象的运动是可取还是不可取的应用之外的许多不同的应用中。例如,说明性实施例可以被用在安全领域内以确定一些对象的移动是否违反了一组预定义的参数或者移动超过了特定距离。说明性实施例可以被用在制造中以确定对象沿组装线的移动是否在预定义的参数内。说明性实施例具有许多其他的应用。说明性实施例可以被用在医疗领域中,例如帮助处于物理疗法中的患者更加一贯地进行可取的移动。
说明性实施例没必要限制移动是怎样被记录的。换句话说,说明性实施例可以与许多不同的数据结构一起工作。说明性实施例可以捕获一系列改变并且以任何方便的方式将它们保存,可能保存在数据库内、存储器内、文档内或者任何方便的数据结构内。
图5说明了根据说明性实施例在多个移动的背景中的共同坐标的示例。移动组500可以是图4中的快照402。
图5说明了用户的两个不同的移动,移动502和移动504。移动502可以被认为是“可取的”。移动504可以被认为是“不可取的”。如图5中所看到的,当两个移动被叠加在彼此的顶部上时,在它们间有许多共同点506,尽管每个移动本身表示不同的成果或可取性。结果,使用仅有的坐标像这样对移动进行分类在一些说明性实施例中可能是不期望的。
再一次地,说明性实施例的一个示例性用途是通过使用与关联存储器耦合的运动感测输入设备来确定识别的移动是否是可取的。为了完成该目标,说明性实施例将从运动感测输入设备中收集的数据馈送入关联存储器内。在处理该数据之前,说明性实施例将数据变换成存储器最能理解的本地语言。换句话说,说明性实施例将定量测量转换成定性描述。
然后,关联存储器通过使用以前记录的可取和不可取移动的集合来对新移动分类。以前记录的移动表示了被用于“训练”系统的真实数据。当新观察被引入时,系统使用训练或真实数据的特性来确定新观察是否是可取的。当使用其他的分类系统或者用于其他的应用时,说明性实施例可用相似的方式操作。
为了使关联存储器分类工作得最有效率,从记录过程中采集的信息应该是完整的并且在合理范围内尽可能地准确。如果相关数据被比较,则分类方案将更加的有用;否则,所产生的结果可能是不可信的。结果,仅仅收集坐标本身通常是不充分的,因为许多坐标可以被频繁地表示在多组移动中,如共同点506所示。
图6说明了根据说明性实施例的使用定性命名系统识别铰接点的示例。快照600可以是图3的火柴人306或者图5中的移动502或移动504中的一个。
图6显示了正被追踪的用户身体上的坐标点。图6中所示的定性术语以定性术语的方式描述了给定点与其他点的关系。在一些情况下,点本身可以具有与其相关联的定性名称。系统可以使用运动学测量设备定量测量点的位置和/或相对方位,但是系统将这些定量测量转化成定性术语,以便与关联存储器一起使用。因此,例如,点602被标注为“Hand_Left(手-左)”,其指示点以及“手”与例如臀部、头部或者身体的其他中心线的关系。
因此,说明性实施例可以被用于收集从被追踪的坐标计算的信息,并且将这种信息转换成最佳地利用关联存储器的优点的语义。例如,从一个关节到另一个关节的距离可以被解释为近、更近、最近或者远、更远、最远。这些术语可以然后被关联存储器操纵以产生更好的分类。然而,以下列举内容提供了关于坐标如何可以被转换成关联存储器语义的一些指定。
对于在关联存储器中的使用,当与已知或训练方位比较时,使用定性描述可以更加有用。因此,从收集的坐标中,说明性实施例可以计算出被定义为一个关节与另一个关节间的长度的定量距离。定性描述的测量范围可以被分配定性描述符,例如,远、更远、最远或近、更近、最近。例如,当定量距离测量在一个特定范围内时,从右手腕到左肩的距离可以被描述为更远,但是当其处于另一范围内时被描述为最近。
同样,相对位置也可以基于定量测量而被定性地表述。例如,对所收集的坐标与屏幕的尺寸进行比较时,说明性实施例可以确定身体部分的大概位置,例如顶部、中间、底部与右、中心、左的接合。在更具体的示例中,右脚可以位于屏幕的右下部分中,所以其可以被标注为底部_右(BOTTOM_RIGHT)。在动态移动的情况下,位置可以被排除,进而允许实施例更加容易地对移动对象进行分类。
相似地,方向也可以基于定量测量而被分配定性描述符。例如,从所收集的坐标中,说明性实施例也可以确定一个关节到另一个关节的方向,例如北、南、西或东。在更加具体的实施例中,头部可以位于右脚的西北(NORTH_WEST)方向。
另外的或不同的术语也可以被使用,例如度或角度。而且,术语可以被编组到一起以便创建单一属性或者属性的组合。例如,定性描述符“顶部-左-最近-北-远-东(TOP_LEFT_NEAREST_NORTH_FAR_EAST)”可以被用作单一属性以描述左手和头部之间的关系,如箭头604所示。
出于移动的目的,使用更多的参考点可以改进说明性实施例的结果。例如,当对移动进行评估时,人们可以使用人的二十个关节,如图6中所概述的。但是,在其他说明性实施例中可以使用更多或更少的参考点。
说明性实施例也认识到在一些情况下,排除某些关节、铰接点或者测量点可能是期望的。例如,一些测量点可以不将数值添加到分类系统。例如,移动可以发生在桌子处,其中下肢是不可视的或者无关紧要的,并且因此,这些关节不需要被处理。
捕获移动并且决定该移动是可取还是不可取的整个过程包含将在下文被进一步描述的若干逻辑步骤。出于简明的目的,每个步骤被描述在使用拾取对象的示例的背景中,其中使某人的背部弯曲被认为是不可取的,但是使某人的膝盖弯曲被认为是可取的。但是,说明性实施例不应该局限于这种具体的示例,而是相反,说明性实施例考虑到许多不同的分类方案和移动类型。
图7说明了根据说明性实施例的从定量测量到定性命名的数据变换的示例。定量数据可以获取自运动感测输入设备,例如图1中的运动感测输入设备100或者图3中的运动学检测系统300。
但是,在数据捕获之前,说明性实施例考虑到了训练特定分类系统内的关联存储器。换句话说,说明性实施例的第一步可以是通过使用运动感测输入设备训练特定分类系统内的关联存储器,以捕获某人指定为可取的一系列移动和某人指定为不可取的另一系列移动。在训练环节期间,根据观察的内容,用户可以记录若干示例性移动并且将它们标注为可取或不可取。这些示例性移动可以被称为训练的移动。
之后,用户进行新的移动,或者可能进行若干新的移动。新移动是“未知”移动,其将会与训练的移动比较,正如下文所述的。
使用运动学输入设备定量地测量新的移动。换句话说,运动学输入设备输出定量数据,或者铰接点的一系列数学的测量坐标。这种定量数据,即正被测量的铰接点的坐标,被保存在数据结构中。
例如,列700内的数字表示由运动学输入设备测量的某人的铰接点的移动的定量数据。铰接点被列举在列702内。因此,例如,列700的第一行内的定量测量“316,332,1383”的范围指的是某人的臀部的移动的定量测量值。在这种情况下,铰接点被分配的描述符为“臀部-中心”,如列702的第一行内所示。这种信息由运动传感器提供并且被局部地收集在某些类型的数据结构内,可能是收集在数据库内、文档中或者存储器内。
在图7中,分隔704被提供以指示从定量测量到定性描述的转化。注意,在分隔704的左边所示的行和分隔704的右边所示的行之间没有直接的对应。
如上所述,对于每个铰接点,定量数据被变换成定性描述。此外或可替换地,定性描述可以具有表示一个铰接点与另一铰接点之间相对于移动的关系的标签。该标签可以被分配给表示一个铰接点与另一个铰接点间关系类型的类别。
继续以上所述的示例,类别706可以是“DIRECTION_OF_HIP_CENTER_TO_WRIST_LEFT”。类别706包含信息,该信息描述了两个铰接点“HIP_CENTER”和“WRIST_LEFT”之间的关系,并且具体描述(用定性术语)了左手腕相对于臀部的一系列方位的另一系列方位。在该示例中使用的两个铰接点(“HIP_CENTER”和“WRIST_LEFT”)被显示在列702内并且这些铰接点的相应的定量测量被显示在列700内。但是,这些定量测量已经被变换成定性描述,正如分隔704内的箭头所指示的。
在任何情况下,定性描述708被提供在类别706内。再次地,这些定性描述708中的每个均具有指示例如在移动期间臀部中心和左手腕之间的具体关系的相应标签。例如,标签710表示至少部分移动,在移动期间,臀部中心相对于左手腕的方向是“CENTER_BOTTOM_FAIRLY_SOUTH_NEARER_WEST”。该标签710表示左手腕相对于臀部的方位的定性描述。
图7的目的是为了说明将数字测量坐标变换成定性术语。因此,图7仅仅显示了有限组的铰接点、数字、关系类别以及标签。其中每一种更多的或者可能更少的内容可以存在于实际应用中或者被加进权利要求内。不同种类的关系和铰接点也可以存在,并且可能这些铰接点、数字、关系类别以及标签中的一些或者全部可以空缺。因此,图7没必要限制要求保护的本发明,而相反可作为代表性示例以演示说明性实施例的一种操作模式。
在意识到这种告诫后,用于描述测量的定性描述的措辞方式应该提供足够相区别的信息,以便尽可能准确地进行分类,尽管关联存储器将对与定性标签相关联的数值进行互相比较。然而,不管定性描述和所使用标签的数量、类型以及形式,这些定性描述、它们的标签以及它们的类别均被插入或存储到关联存储器中以便进一步处理。
例如,对于未知移动的定性描述和类别可以与训练的移动组的相应定性描述符和类型进行比较。通过识别定性描述符中的大多数匹配,关联存储器可以对未知移动分类。特别地,最接近地匹配未知移动(依据匹配的定性描述符)的具体训练的移动被识别。然后,未知移动被分类为该具体训练的移动。之后,根据用户是否正被训练以避免某些不可取的移动或者可能正被训练以模仿某些可取的移动,警告或者反馈可以生成。
再次地,分隔704的右边所示的列表基于由运动传感器提供的实际坐标提供了用户臀部与用户左手腕之间的一列可能的关系。这些关系提供定性术语,从而关联存储器可以更加快速地比较未知的移动组与训练的移动组。此外,使用定性术语允许关联存储器合并例如文字分析程序和名单的分析工具,其可以证明当分析移动时是有利的。
图8到图11提供在使用说明性实施例的一个说明性过程的背景下。该说明性过程没必要限制要求保护的本发明,并且可以变化。但是,在该一个示例中,该过程具有五个步骤,其中一些步骤是可选的。第一步是训练关联存储器以便使用特定的分类方案。第二步是使用运动感测输入设备来捕获未知移动。第三步是为未知移动选择比较标准。该步骤可以认为是可选的。第四步是使用在第一训练步骤中建立的关联存储器分类方案来识别未知移动。第五步是通知用户已识别的移动,特别是在移动被认为是不可取的情况下。
图8说明了根据说明性实施例的可取和不可取移动的示例。火柴人800和火柴人802可以是图4中的快照402,或者是图5中所示的火柴人,或者是图6中所示的火柴人。图8被描绘在上述说明性实施例的第一步的背景下,即在特定分类方案中训练关联存储器。
图8显示了火柴人800和火柴人802。火柴人800说明了可以被认为是可取的用户的一组移动。火柴人802说明了可以被认为是不可取的用户的一组移动。
对于上述“弯曲”示例,用户可以做出一组两种类型的记录。一个移动组可以指不可取移动,例如拾取对象同时弯曲他们的背部。另一移动组可以指可取移动,例如当拾取对象时弯曲膝盖。在这种分类方案中,每个移动将被这么标注,要么可取要么不可取。再次地,说明性实施例不局限于这种示例或者分类方案。
如图8中演示的,可取移动可以包含有点直的背部,正如圆环1804内的一组铰接点所显示的,以及弯曲的膝盖,正如一组铰接点2806所示的。相比之下,不可取移动可以包含弯曲的背部,正如圆环3808内的一组铰接点所显示的,以及直的膝盖,正如圆环4810内的一组铰接点所显示的。再次地,用户训练关联存储器,以便将这些特定移动或姿势辨识为可取的或者不可取的。一旦训练移动被捕获,则它们就被吸取到关联存储器内以形成分类方案的基础。
图9说明了根据说明性实施例的未知移动的示例。火柴人900可以是图8中的火柴人800或火柴人802,可以是图4中的快照402,可以是图5中所示的火柴人,或者可以是图6中所示的火柴人。图9被描绘在上述说明性实施例的第二步的背景下,即从例如图1或图3中所述的运动感测输入设备或者运动学检测系统中接收未知的移动组。
此外,说明性过程中的第二步骤可以是捕获未知移动以便稍后对该未知移动分类。未知移动被用与训练移动相同的方式记录,除了未知移动不被标注或被标注为“未知”以外。图9显示了每个铰接点或关节与定性描述符相关联以便命名,并且然后对该点的方位或方位组进行数字测量,正如箭头902所指的区域内的内容所显示的。该图示的目的是为了演示什么样的信息可以被运动感测设备首先捕获。但是,说明性实施例可以仅仅需要标签和它们相应的坐标以便操作。
图10说明了根据说明性实施例的移动的比较标准的示例。标准1000可以被用在上述说明性过程中步骤3的背景下,即为未知移动选择比较标准。该说明性过程的步骤1被描述在图8中,并且该说明性过程的步骤2被描述在图9中。标准1000可以被建立在收到未知移动的测量之前、期间或者之后。
在一些但不是全部的情况中,标准可以被用于帮助分类系统做出更好的比较。因此,说明性实施例通过使用比较标准(例如标准1000)提供给用户影响由关联存储器做出的确定或结果的能力。标准1000可以被用于告知系统当进行比较时将使用哪种属性类别,或者与其他属性类别相比更加重视某些属性类别。例如,当做出确定时,说明性实施例的比较标准可以被用于降低属性“从头部到左肩的距离”的重要性。系统能够生成标准1000本身,并且进一步能够提供其本身的相对权重,但是来自用户的输入可以提供更好的结果。
出于识别移动的目的,说明性实施例可以并入标准,该标准关注但是不限于,每个关节的距离、位置以及方向。对于距离和方向,每个标准表示两个关节间的连接。示例包含从左手到右手的距离,或者左肩相对于右肘的方向。因此,到其本身的移动或逆移动的数值的捕获可以是不必要的。
在任何情况下,用户可以向每个类别分配权重1002。当比较未知移动与训练移动时,这些权重可以指示特定类别的从低到高的相对重要性。选择权重可以加强特定类别与其他属性的关联,进而给出该类别更加重要或更不重要。
每个权重可以对应于被表示为一些检查框的重要等级,但是接受输入的其他手段可以被提供并且不同种类的输入可以被提供。用户可以向下端减轻类别权重,或者对它们根本不加权重。相反,用户可以向更高端对重要的或相关的类别加权重。不被选择的权重可以被分配默认权重“适中”,但是可以被分配任何默认权重。
说明性实施例也可以供应数字类别的范围。范围允许相应的类别数值在一定百分比内匹配,进而允许更多的关联。
如果用户选择不输入任何比较标准,则系统可以自动地为它们选择比较标准。使用关联存储器内部算法,关联存储器可以根据从数据中收集的信息将该关联存储器确定的内容作为最优标准。
在可替换示例中,分配标准的整个过程可以被跳过。因此,说明性过程的步骤3可以被认为是可选的。
图11说明了根据说明性实施例识别未知移动的示例。火柴人1100、火柴人1102或者火柴人1104中的任何一个均可以是图9中的火柴人900,可以是图8中的火柴人800或火柴人802,可以是图4中的快照402,可以是图5中所示的火柴人或者可以是图6中所示的火柴人。图11被描绘在上述说明性实施例的第四和第五步骤的背景下,其使用在步骤1中训练关联存储器期间所建立的关联存储器分类方案来识别未知移动,并且然后警告用户。
该步骤的目的是将未知移动标注为可取的或不可取的。关联存储器通过将未知移动的特性与以前在步骤1中进行的训练期间所记录的那些已知特性进行匹配,从而对未知移动分类。结果,系统将从最接近地匹配未知移动的可用移动组中选取定性描述符或者标签。
对于上述的“弯曲”示例,步骤2中的未知移动被识别为与不可取移动的特性最一致,正如图11中的火柴人1104所说明的。该确定是从每个移动的特性中做出的。
但是,在实际情形中,用户的移动可能很难分类,因为时有时无的移动,或者因为移动不够接近地相似于可取或不可取移动。然而,如图11中所示的,与可取移动相比,未知移动可以更相似于不可取移动。具体地说,由火柴人1102表示的未知移动更接近地表示了火柴人1104的不可取移动而不是火柴人1100的可取移动。因此,说明性实施例根据移动的特性将火柴人1102的移动分类为“不可取”。
此外,图11中所示的每个火柴人表示了整个移动并且不只是单一实例或快照。说明性实施例可以不太关心在时间点处的具体身体姿势,而是更关心相对移动。
在对未知移动识别和分类之后,未知移动能够作为已知观察被反馈到关联存储器内。这个过程提供给关联存储器反馈机制以便改进训练组。该反馈过程可以被认为是上述过程中额外的可选步骤。
在识别未知移动之后,第五步骤且是最后一步是警告用户。用户可以经由听觉或视觉刺激,或者经由两者,再或者通过使用其他激励而被警告。在任何情况下,如果移动是不可取的,则用户可以被警告。如果移动是可取的,则用户也可以被警告。用这种方式,用户能够学习新的习惯。通过使用任何可取的激励物或激励手段,包含视觉、听觉、温和的热、温和的电、温和的振动以及其他形式的激励手段,可以对用户进行警告。
图12说明了根据说明性实施例的使用关联存储器的运动学检测系统的示例。运动学检测系统1200可以是,例如,图1的运动感测输入设备100或者图3的运动学检测系统300。运动学检测系统1200可以被用于实施关于图8到图11中所示的示例性方法。运动学检测系统1200也可以被用于实施图15中的过程1500、图16中的系统1600或者图17中的系统1700。在运动学检测系统1200中所使用的计算机或处理器可以通过使用图18中的数据处理系统1800而被实施。
说明性实施例的一个可能的物理实施例在图12中被说明,但是其他的物理实施例是可行的。如所示的,运动学检测系统1200使用被连接到处理器1204的运动传感器1202,处理器1204执行用于实施说明性实施例的软件。包含了处理器1204的计算机可以包含用于激活训练模式的训练按钮1206。计算机也可以包含用于指示正在被记录的移动是否将是可取或不可取的开关1208。
运动学检测系统1200可以包含电源线1210或电池。运动学检测系统1200也可以包含将运动学检测系统1200连接到网络的网络线1212或者无线设备。在任何情况下,运动学检测系统1200可以与关联存储器、数据库或者用于实施说明性实施例的任何其他系统进行通信。但是,在一些说明性实施例中,所有使用的软件可以被包含在处理器1204自身内。在其他说明性实施例中,软件可以改为实施为专用集成电路(ASIC)。
运动学检测系统1200可以包含其他的光学设备或对象。例如,运动学检测系统1200可以包含支架1214或者可以被放置在运动传感器1202可以容易地观察移动的任何地方。运动学检测系统1200也可以包含用于指示移动是否是可取或不可取的灯1216。此外,当不可取移动被检测到时,来自扬声器1218的可听声音可以被触发。
最后,插入式笔记本电脑1220、平板电脑、移动电话或者其他计算机系统可以被用于帮助配置或优化运动学检测系统1200。此外,根据需要,插入式笔记本电脑1220也可以用于更新软件。
图13说明了根据说明性实施例的实体比较的示例。图13中所示的实体比较1300是将未知移动与已知训练的移动组进行比较的实施方式的示例。参考图11,该步骤被如上描述。
说明性实施例的一种可能的实施方式是使用结构化查询语言(SQL)数据库来记录移动并且用关联存储器对它们分类。对于这种实施方式,用户可以建立预定义的数据库并且将训练数据插入作为一系列已变换的快照,以及据此标注数据。连同训练数据,用户也可以包含未知移动并且将它们标注为未知。
然后,数据被吸取进关联存储器内。一旦被吸取,则用户就可以启动关联存储器以对未知移动进行实体比较,以便如上所述地定位标注的移动。未知移动将采用最接近匹配移动的标签,如图13中的箭头1302所示。具体地说,箭头1302指向标签“不可取-3”,其指示了不可取移动的具体类型。评分“1.0”指示了未知移动是“不可取-3”的高概率。未知移动和被标注为“不可取-3”的已知移动间的共同属性被列举在图13的“共同属性”部分中。但是,具有较小评分的其他标签指示了未知移动具有与其他标注的移动相比的其他共同属性的可能性。在这种情况下,未知移动具有与根据评分排序的“不可取-1”、“不可取-4”以及“不可取-2”共同的属性。评分也显示了未知移动与对应标签如何接近地匹配。
因此,实体比较的结果可以是与原始或要求保护的实体“相同”或者“相似”的实体的有序列表。关联存储器可以在这些实体中收集所有的匹配属性以便制定列表。该列表的顺序可以依据匹配属性的显著性。因此,列表的等级可以与所发现属性的数量相关。当比较移动时,匹配属性表示的措辞描述了距离、位置以及方向,所有这些已在早先未知移动被记录时被定义。
图14说明了根据说明性实施例的依据作为产生的类别的结果的实体比较的示例。图14中所示的实体比较1400是上述步骤4的实施方式的示例,即比较未知移动与一组已知的训练移动。参考图11,该步骤如以上所述。实体比较1400是除了图13中的实体比较1300之外的可替换的示例。
图14显示了说明性实施例能够使用作为产生的类别的预定义结果,而不是使用如图13中的标签来进行实体比较。关联存储器能够被预先配置为具有将其本身与特定结果相关联的每个实体。因此,例如,每个结果可以被标注为未知、可取或不可取。
在这种情况下,说明性实施例能够进行比较并且显示产生的结果。该结果将不同于关于图13的上述实施方式,因为仅有两个产生的属性值:可取或不可取。该系统将过滤“未知”结果,以便强迫使未知移动与一个期望的结果相关。因此,取代看到属性值的整个列表的是,例如,图13中的不可取-3、不可取-1、不可取-4、不可取-2,用户只能看到结果“可取”和“不可取”。
因此,图14仅仅显示了两种结果,“可取”1502和“不可取”1504。相比之下,图13显示了四种结果,且可以显示更多或者可以显示更少的结果。
图15是根据说明性实施例说明了用于识别相关区别的过程的流程图。过程1500可以通过图16中的系统1600,图17中的系统1700或者图18中的数据处理系统1800实施。过程1500可以是参考图4到图14以及图16和图17所述的技术的流程或替换。具体地讲,过程1500是参考图8到图11所述的五个步骤过程的示例。
参考图15,“过程”被描述为执行一项活动。如在此使用的,“过程”被认为是非临时处理器或者其他物理设备被配置为执行上述动作,或者可以被认为是存储了计算机可用程序代码的非临时计算机可读存储介质,该程序代码被配置为当被执行时完成所述动作。
该过程可以被实施在包括多个数据和多个数据间的多个关联的关联存储器内。多个数据可以被收集到相关联的组内。关联存储器可以被配置为基于多个数据间的至少间接关系而被查询。
可选地,该过程可以通过训练该系统(操作1502)开始。操作1502被认为是可选的,因为当用户实施过程1500时,该系统可以已经受过训练。如果当过程1500开始时该系统还没有受过训练,那么第一步是训练该系统。训练该系统的技术如上所述,例如用户演示被标注为“可取”或“不可取”,或者根据一些其他的分类标注的示例性移动。然后,参考这些示例性移动所取得的测量与用户的后续的未知移动比较,以便将未知移动分类为用户早期演示的示例性移动之一。
之后,或者首先如果训练该系统已经被进行,则该过程可以使用运动学测量设备定量地检测对象的某部分的物理方位,其中进行定量测量(步骤1504)。该过程可以然后使用与运动学测量设备通信的处理器将定量测量转化成物理方位的定性描述(操作1506)。然后,该过程可以向关联存储器提供定性描述(操作1508)。关联存储器可以是多个数据和多个数据间的多个关联,其中多个数据被收集到相关联的组内,其中关联存储器被配置为基于多个数据间的至少间接关系而被查询,关联存储器在非临时计算机可读存储介质上实施。
可选地,使用处理器与关联存储器的结合,该过程可以将定性描述与对象的一组移动相比较(操作1510)。在这种情况下,该过程可以根据定性描述使用处理器与关联存储器的结合来确定对象的特定移动(操作1512)。
可选地,该过程可以进一步包含使用处理器与关联存储器的结合根据标准来确定特定移动是否是令人满意或令人不满意中的一个(操作1514)。在另一说明性实施例中,该过程可以响应于特定移动是不令人满意的确定,向用户提供警告(操作1516)。可替换地,该过程可以响应特定移动是令人满意的确定,向用户提供特定移动是令人满意的指示(操作1518)。
在可选说明性实施例中,对象可以是人的身体部分,其中移动是人体的移动。在这种情况下,该过程可以响应特定移动是不令人满意的确定,向人提供警告(操作1520)。在另一说明性实施例中,该过程可以从与处理器通信的输入设备中接收用户标准,其中确定特定移动基于用户标准被修改(操作1522)。之后该过程可以终止。
图16是根据说明性实施例的系统、运动学测量设备、关联存储器以及用于将运动学数据变换成定性名称或者措辞的处理器的示例。系统1600可以是对实施参考图1到图15所述的过程和技术有用的示例。
使用一个或多个数据处理系统,图16中所示的系统1600可以被实施,可能被实施在分布式或网络环境中,并且可能通过已知为“云”的一组远程管理的数据处理系统实施。实施系统1600的一个或多个数据处理系统中的每个可以是参考图18所述的数据处理系统1800,或者其变体。系统1600可以被表征为包含一个或多个方框。这些方框中的每个可以是独立的或者可以是整体体系结构中的一部分。
系统1600可以包含关联存储器1602。关联存储器1602可以包含多个数据1604和多个数据间的多个关联1606。多个数据1604可以被收集到相关联的组1608内。关联存储器1602可以被配置为基于除了多个数据1604间的直接相关以外的多个数据1604间的间接关系1610而被查询。
关联存储器1602可以存储实体1612。关联存储器1602也可以存储这些实体1612间直接的和间接的关系。关联存储器1602也可以存储关于每个实体1612的个体信息。
系统1600也可以包含运动学测量设备1614。运动学测量设备1614可以具有被配置为检测对象1618的部分的多个物理方位的一个或多个传感器1616。运动学测量设备1614可以与关联存储器1602通信。
系统1600也可以包含处理器1620,其与关联存储器和运动学测量设备1614通信。处理器1620可以被配置为将对象的部分的坐标方位的范围转化成命名该范围的定性描述。处理器1620可以被进一步配置为向关联存储器1602提供定性描述以便存储。
参考图16所述的说明性实施例可以是变化的。例如,与关联存储器1602结合的处理器1620可以被配置为根据定性描述输出对象的评价。在这种情况下,评价可以是定性描述与一组预定的定性描述的比较。该组预定的定性描述可以具有与对象的移动相对应的定性描述。输出进一步可以包含最接近地匹配定性描述的对象的移动的特定预定的定性描述。处理器1620可以被配置为根据由用户选择的标准来修改该比较。
系统1600可以用更进一步的方式被修改。例如,处理器1620可以被进一步配置为将对象的另外部分的相应坐标方位组的多个另外的范围变换成命名多个另外的范围的相应的另外的定性描述。在这种情况中,处理器1620可以被进一步配置为向关联存储器1602提供相应的另外的定性描述以便存储。此外,与关联存储器1602结合的处理器1620可以被进一步配置为根据定性描述和相应的另外的定性描述的组合而输出对象的评价。
在更加具体的示例中,对象1618可以是人,部分是身体部分,并且另外的部分是另外的身体部分。在这种情况中,定性描述可以是身体部分的方位并且相应的另外的定性描述是另外的身体部分的其他方位。同样,评价可以是根据标准确定所述方位和其他方位的组合是令人满意的或不令人满意中的一个。所述方位和其他方位一起构成人体的单个移动。
运动学测量设备1614、关联存储器1602以及处理器1620可以被进一步配置为在时间帧期间使人体进行额外的移动。在这种情况下,评价可以是确定相对于移动身体单个移动和额外的移动一起是否组成令人满意或令人不满意的行为。
在另一说明性实施例中,系统1600可以进一步包含物理输入设备1622。物理输入设备1622可以被配置为接收对象1618的多个移动并且接收对多个移动命名的用户指定。在这种情况下,关联存储器1602可以被配置为被训练以便根据用户指定与未来未知移动的比较来辨识对象1618的未来的未知移动。这项技术可以减少或者避免编码,而编码对于辨识未来的未知移动一般是必要的。
图16中所示的说明性实施例不意味着暗示对可以实施不同说明性实施例的方式的物理或体系结构的限制。除了和/或替代所说明组件的其他组件可以被使用。在一些说明性实施例中,一些组件可以是不必要的。同样地,方框被呈现以说明一些功能性组件。当被实施在不同的说明性实施例中时,这些方框中的一个或多个可以被组合和/或分割成不同的方框。
图17是根据说明性实施例的包含运动学测量设备、关联存储器以及用于将运动学数据变换成定性名称的处理器的系统、计算机的示例。系统1700可以是对实施参考图1到图14所述的过程和技术有用的示例。系统1700表示了相对于图16中的系统1600的可替换的说明性实施例。
使用一个或多个数据处理系统,图17中所示的系统1700可以被实施,可能实施在分布式或网络环境中,并且可能通过已知为“云”的一组远程管理的数据处理系统实施。实施系统1700的一个或多个数据处理系统中的每个可以是参考图18所述的数据处理系统1800或者其变体。系统1700可以被表征为包含一个或多个方框。这些方框中的每个可以是独立的或者可以是整体体系结构的部分。
系统1700可以包含关联存储器1702。关联存储器1702可以包含多个数据1704和多个数据间的多个关联1706。多个数据1704可以被收集到相关联的组1708内。关联存储器1702可以被配置为基于除了多个数据1704间的直接相关以外的多个数据1704间的间接关系1710而被查询。
关联存储器1702可以存储实体1712。关联存储器1702也可以存储那些实体1712间直接的和间接的关系。关联存储器1702也可以存储关于每个实体1712的个体信息。
系统1700也可以包含运动学测量设备1714。运动学测量设备1714可以被配置为通过为对象1718进行定量测量来定量地检测对象1718的部分1716的物理方位。
系统1700也可以包含与运动学测量设备1714通信的处理器1720。处理器1720可以被配置为将定量测量变换成物理方位的定性描述。处理器1720可以被进一步配置为将定性描述与对象1718的一组移动进行比较。处理器1720可以被进一步配置为根据定性描述来确定对象1718的特定移动。
图17中所示的说明性实施例可以进一步变化。例如,图17中所示的说明性实施例可以根据与参考图16所述的技术相似的技术进行变化。
图17中所示的说明性实施例不意味着暗示对不同说明性实施例可以被实施的方式的物理或体系结构的限制。除了和/或替代所说明组件的其他组件可以被使用。在一些说明性实施例中一些组件可以是非必要的。同样地,方框被呈现以说明一些功能性组件。当被实施在不同的说明性实施例中时,这些方框中的一个或多个可以被组合和/或分割成不同的方块。
现在转向图18,根据说明性实施例描述了数据处理系统的图示。图18中的数据处理系统1800是可以被用于实施说明性实施例的数据处理系统的示例,例如图1中的运动感测输入设备100、图12中的处理器1204或者可选插入式笔记本电脑1220、图16中的处理器1620、图17中的处理器1720或者本文公开的任何其他模块或系统或过程。在该说明性示例中,数据处理系统1800包含通信结构1802,其在处理器单元1804、存储器1806、永久性贮存器1808、通信单元1810、输入/输出(I/O)单元1812以及显示器1814之间提供通信。
处理器单元1804用作执行可以被载入存储器1806中的软件的指令。该软件可以是本文任意部分中描述的任何关联存储器,或者是用于实施本文任意部分中描述的过程的软件。因此,例如,载入存储器1806的软件可以是用于执行图15中的过程1500的软件,或者是用于实施上述五个步骤的软件,或者是用于实施图16或图17中所示的说明性实施例的软件。处理器单元1804可以是数个处理器、多处理器芯或者一些其他类型的处理器,这取决于特定实施方式。在本文中结合项目使用的数个是指一个或多个项目。进一步地,处理器单元1804可以通过使用数个异构处理器系统而被实施,其中主处理器与辅助处理器存在于单个芯片上。作为另一说明性示例,处理器单元1804可以是包含同类型的多个处理器的对称的多处理器系统。
存储器1806和永久性贮存器1808是存储设备1816的示例。存储设备是能够存储信息(例如但不限于,数据、功能形式的程序代码和/或临时基础和/或永久基础上的其他合适的信息)的任何硬件体。在这些示例中,存储设备1816也可以被称为计算机可读存储设备。在这些示例中,存储器1806可以是例如,随机存取存储器或者任何其他合适的易失性或非易失性存储设备。根据特定的实施方式,永久性贮存器1808可以采取不同的形式。
例如,永久性贮存器1808可以包含一个或多个组件或设备。例如,永久性贮存器1808可以是硬盘驱动器、闪速存储器、可重写光盘、可重写磁带或者上述的一些组合。永久性贮存器1808所使用的介质也可以是可移除的。例如,可移除的硬盘驱动器可以被用于永久性贮存器1808。
在这些示例中,通信单元1810提供了与其他数据处理系统或设备的通信。在这些示例中,通信单元1810是网络接口卡。通信单元1810可以通过使用物理和无线通信链路之一或者两者来提供通信。
输入/输出(I/O)单元1812允许可以被连接到数据处理系统1800的其他设备的数据的输入和输出。例如,输入/输出(I/O)单元1812可以通过键盘、鼠标和/或一些其他合适的输入设备为用户输入提供连接。进一步地,输入/输出(I/O)单元1812可以向打印机发送输出。显示器1814提供了一种机构以便显示信息给用户。
用于操作系统的指令、应用程序和/或程序可以位于存储设备1816内,其通过通信结构1802与处理器单元1804通信。在这些说明性示例中,指令以功能形式位于永久性贮存器1808上。这些指令可以被载入存储器1806内以便通过处理器单元1804执行。不同实施例的处理可以通过使用计算机实施的指令由处理器单元1804执行,所述计算机实施的指令可以位于存储器中,例如存储器1806中。
这些指令被称为程序代码、计算机可用程序代码或者可以被处理器单元1804内的处理器读取并且执行的计算机可读程序代码。在不同实施例中的程序代码可以被实施在不同的物理或计算机可读存储介质上,例如存储器1806或者永久性贮存器1808。
程序代码1818以功能形式位于可选择性移除的计算机可读介质1820上,并且可以被载入或者传递给数据处理系统1800以便由处理器单元1804执行。在这些示例中,程序代码1818和计算机可读介质1820形成计算机程序产品1822。在一个示例中,计算机可读介质1820可以是计算机可读存储介质1824或者计算机可读信号介质1826。计算机可读存储介质1824可以包含例如被插入或置入作为永久性贮存器1808的一部分的硬盘或其他设备内的光盘或磁盘,以便传递给作为永久性贮存器1808的一部分的存储设备,例如硬盘驱动器。计算机可读存储介质1824也可以采取永久性贮存器的形式,例如硬盘驱动器、拇指驱动器或者闪速存储器,其被连接到数据处理系统1800。在一些实例中,计算机可读存储介质1824不可以从数据处理系统1800中移除。
可替换地,程序代码1818可以使用计算机可读信号介质1826被传递到数据处理系统1800。计算机可读信号介质1826可以是例如包含程序代码1818的传播的数据信号。例如,计算机可读信号介质1826可以是电磁信号、光学信号和/或任何其他合适类型的信号。这些信号可以在通信链路上传输,例如无线通信链路、光纤电缆、同轴电缆、导线和/或任何其他合适类型的通信链路。换句话说,说明性示例内的通信链路和/或连接可以是物理的或无线的。
在一些说明性实施例中,程序代码1818可以从另一设备或数据处理系统通过计算机可读信号介质1826经由网络下载到永久性贮存器1808,以便在数据处理系统1800中使用。例如,存储在服务器数据处理系统内的计算机可读存储介质内的程序代码可以从服务器经由网络下载到数据处理系统1800。提供了程序代码1818的数据处理系统可以是服务器计算机、客户端计算机或者能够存储并且传输程序代码1818的一些其他设备。
被说明用于数据处理系统1800的不同组件不意味着提供对可以实施不同实施例的方式的体系结构限制。不同说明性实施例可以被实施在数据处理系统内,所述数据处理系统包含除了被说明以用于数据处理系统1800的那些组件之外的组件或者替代被说明以用于数据处理系统1800的那些组件的组件。图18中所示的其他组件能够与所示说明性实施例不同。使用能够运行程序代码的任何硬件设备或者系统,可以实施不同的实施例。如一个示例,数据处理系统可以包含与无机组件集成的有机组件和/或可以完全由除人类之外的有机组件组成。例如,存储设备可以由有机半导体组成。
在另一说明性示例中,处理器单元1804可以采取硬件单元的形式,所述硬件单元具有为特定用途而制造或配置的电路。这种类型的硬件可以进行操作而不需要使被配置以进行操作的程序代码从存储设备载入到存储器内。
例如,当处理器单元1804采取硬件单元的形式时,处理器单元1804可以是电路系统、专用集成电路(ASIC)、可编程逻辑器件或者被配置以进行数个操作的一些其他合适类型的硬件。在可编程逻辑器件的情况下,该器件被配置为进行数个操作。该器件可以在稍后的时间被重新配置,或者可以被永久地配置为进行数个操作。可编程逻辑器件的示例包含,例如,可编程逻辑阵列、可编程阵列逻辑、现场可编程逻辑阵列、现场可编程门阵列以及其他合适的硬件设备。在这类实施方式中,程序代码1818可以被省略,因为不同实施例的处理可以在硬件单元内实施。
在又一说明性示例中,可以使用计算机和硬件单元中发现的处理器的组合实施处理器单元1804。处理器单元1804可以具有被配置为运行程序代码1818的数个硬件单元和数个处理器。在该描述的示例中,一些处理可以在数个硬件单元内实施,而其他的处理可以在数个处理器内实施。
如另一示例,数据处理系统1800内的存储设备是可以存储数据的任何硬件装置。存储器1806、永久性贮存器1808以及计算机可读介质1820可以是具有有形形式的存储设备的示例。
在另一示例中,总线系统可以被用于实施通信结构1802,并且可以由一根或多根总线组成,例如系统总线或者输入/输出总线。当然,可以使用任何合适类型的体系结构来实施总线系统,所述体系结构在附连到总线系统的不同组件或设备之间提供数据的传递。此外,通信单元可以包含被用于传输和接收数据的一个或多个设备,例如调制解调器或者网络适配器。进一步地,存储器可以是例如在接口和存储器控制器集线器内发现的存储器1806或者缓存,所述存储器控制器集线器可以存在于通信结构1802内。
数据处理系统1800也可以包含关联存储器1828。关联存储器1828可以是图16中的关联存储器1602,或者图17中的关联存储器1702,或者在本文任意部分中所述的其他关联存储器,并且可以具有在本文任意部分中所述的性质。关联存储器1828可以与通信结构1802进行通信。关联存储器1828也可以与存储设备1816进行通信,或者在一些说明性实施例中可以被认为是存储设备1816的一部分。尽管一个关联存储器1828被显示,但额外的关联存储器也可以存在。
不同的说明性实施例能够采取整体硬件实施例、整体软件实施例或者包含硬件和软件元件的实施例的形式。一些实施例被实施在软件中,其包含且不限于例如固件、常驻软件以及微代码的形式。
而且,不同实施例能够采取可从计算机可用或计算机可读介质中取得的计算机程序产品的形式,所述计算机可用或计算机可读介质提供了程序代码以便由计算机使用或者连接计算机或执行指令的任何设备或系统。为了本公开的目的,计算机可用或计算机可读介质能够一般是任何有形的装置,其能够包含、存储、通信、传播或者输送程序以便由指令执行系统、装置或者设备使用,或者与指令执行系统、装置或者设备连接。
计算机可用或计算机可读介质能够是,例如但不限于,电子、磁、光、电磁、红外线或者半导体系统,或者是传播介质。计算机可读介质的非限制性示例可包含半导体或固态存储器、磁带、可移除计算机软盘、随机存取存储器(RAM)、只读存储器(ROM)、硬磁盘以及光盘。光盘可以包含高密度盘-只读存储器(CD-ROM),高密度盘-读/写(CD-R/W)以及DVD。
进一步,计算机可用或计算机可读介质可以包含或存储计算机可读或可用程序代码,从而当计算机可读或可用程序代码在计算机上执行时,该计算机可读或可用程序代码的执行导致计算机在通信链路上传输可读或可用程序代码给另一计算机。该通信链路可以使用例如但不限于物理或无线的介质。
适于存储和/或执行计算机可读或计算机可用程序代码的数据处理系统将包含一个或多个处理器,其通过例如总线系统的通信结构直接或间接地耦合到存储器元件。存储器元件可以包含被运用在程序代码的实际执行期间的本地存储器、大容量贮存器以及缓存存储器,该缓存存储器为至少一些计算机可读或计算机可用程序代码提供临时的存储以便在代码的执行期间减少可以从大容量贮存器中检索到代码的时间量。
输入/输出或者I/O设备能够直接地或者通过中间I/O控制器耦合到该系统。这些设备可以包含,例如但不限于,键盘、触屏显示器以及定点设备。不同的通信适配器也可以耦合到该系统以使数据处理系统能够通过中间的私人或公共网络耦合到其他的数据处理系统或者远程打印机或者存储设备。调制解调器和网络适配器的非限制性示例仅仅是一些当前可用类型的通信适配器。
出于说明和描述的目的,已经提出了不同说明性实施例的描述,并且不旨在穷尽或限制公开形式的实施例。对于本领域技术人员,许多修改和变化将会是明显的。进一步地,不同说明性实施例可以提供与其他说明性实施例的不同的特征。实施例或者所选的实施例被选取并且被描述以便充分地解释实施例、实际应用的原理,并且使其他的本领域技术人员能够理解具有适于预期的特定用途的各种修改的各种实施例的公开。
Claims (11)
1.一种用于识别移动的系统,其包括:
具有一个或多个传感器(1616)的运动学测量设备(1614),所述运动学测量设备(1614)被配置为检测对象(1618)的一部分的多个物理方位;
关联存储器(1602),其与所述运动学测量设备(1614)通信,并且包括多个数据(1604)和所述多个数据间的多个关联(1606),其中所述多个数据(1604)被收集到关联的组(1608)内,其中所述关联存储器(1602)被配置为基于所述多个数据(1604)间的至少间接关系(1610)而被查询;以及
处理器(1620),其与所述关联存储器(1602)和所述运动学测量设备(1614)进行通信,并且被配置为:
将所述对象(1618)的所述部分的坐标方位的范围变换为命名所述范围的定性描述;
向所述关联存储器(1602)提供所述定性描述以便存储;
将所述对象的另外部分的相应的坐标方位组的多个另外的范围变换成命名所述多个另外的范围的相应的另外的定性描述,其中所述处理器被进一步配置为向所述关联存储器提供所述相应的另外的定性描述以便存储;以及
其中结合所述关联存储器的所述处理器被进一步配置为基于所述定性描述和所述相应的另外的定性描述的组合而输出所述对象的评价,
其中所述评价包括所述定性描述与一组预定的定性描述的比较,所述一组预定的定性描述具有所述对象(1618)的移动的对应的定性描述;
其中所述输出进一步包括所述对象(1618)的移动的特定的预定的定性描述,其最接近地匹配所述定性描述;以及
其中所述处理器(1620)被进一步配置为基于由用户选择的标准修改所述比较。
2.根据权利要求1所述的系统,其中所述对象(1618)是人,所述部分是身体部分,并且所述另外部分是另外的身体部分;
其中所述定性描述是所述身体部分的方位并且所述相应的另外的定性描述是所述另外的身体部分的其他方位;
其中基于标准的所述评价是对所述方位和其他方位的组合是令人满意或不令人满意中的一个的确定。
3.根据权利要求2所述的系统,其中所述方位和所述其他方位一起组成所述人的身体的单个移动。
4.根据权利要求3所述的系统,其中所述运动学测量设备(1614)、关联存储器(1602)以及处理器(1620)被进一步配置为在时间帧内获取所述人的身体的另外的移动。
5.根据权利要求4所述的系统,其中基于标准的所述评价是对所述单个移动和所述另外的移动是否一起构成了令人满意和不令人满意其中之一的与移动身体有关的行为的确定。
6.根据权利要求1所述的系统,其进一步包括物理输入设备(1622),所述物理输入设备(1622)被配置为接收所述对象(1618)的多个移动,接收命名所述多个移动的用户指定,并且其中所述关联存储器(1602)被配置为被训练以便基于所述用户指定和未来的未知移动的比较来辨识所述对象(1618)的所述未来的未知移动,从而避免进行编码来辨识所述未来的未知移动。
7.一种用于识别移动的方法,其包括:
使用运动学测量设备(1614)定量地检测(1504)对象(1618)的一部分的物理方位,其中定量测量被获取;
使用与所述运动学测量设备(1614)通信的处理器(1620),将所述定量测量变换(1506)成所述物理方位的定性描述;以及
向包括多个数据(1604)和所述多个数据间的多个关联(1606)的关联存储器(1602)提供(1508)所述定性描述,其中所述多个数据(1604)被收集到关联的组(1608)内,其中所述关联存储器(1602)被配置为基于所述多个数据(1604)间的至少间接关系(1610)而被查询,所述关联存储器(1602)被实施在非临时计算机可读存储介质上;
使用与所述关联存储器结合的所述处理器,比较所述定性描述与所述对象的一组移动;
使用与所述关联存储器结合的所述处理器,基于所述定性描述确定所述对象的特定移动;以及
从与所述处理器(1620)通信的输入设备中接收(1522)用户标准,其中基于所述用户标准而修改对所述特定移动的确定。
8.根据权利要求7所述的方法,其进一步包括:
使用与所述关联存储器(1602)结合的所述处理器(1620)并且基于标准,确定(1514)所述特定移动是否是令人满意或不令人满意中的一个。
9.根据权利要求8所述的方法,其进一步包括:
响应(1516)于所述特定移动是不令人满意的确定而向用户提供警告。
10.根据权利要求8所述的方法,其进一步包括:
响应(1518)于所述特定移动是令人满意的确定,向用户提供所述特定移动是令人满意的指示。
11.根据权利要求8所述的方法,其中所述对象(1618)包括人的身体部分,其中所述特定移动是所述人的身体的移动,并且其中所述方法进一步包括:
响应(1520)于所述特定移动是不令人满意的确定,向所述人提供警告。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/249,786 | 2014-04-10 | ||
US14/249,786 US9298269B2 (en) | 2014-04-10 | 2014-04-10 | Identifying movements using a motion sensing device coupled with an associative memory |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104977038A CN104977038A (zh) | 2015-10-14 |
CN104977038B true CN104977038B (zh) | 2020-05-01 |
Family
ID=52648818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510164669.9A Active CN104977038B (zh) | 2014-04-10 | 2015-04-09 | 使用与关联存储器耦合的运动感测设备识别移动 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9298269B2 (zh) |
EP (1) | EP2930653B1 (zh) |
JP (1) | JP6969859B2 (zh) |
KR (1) | KR102331126B1 (zh) |
CN (1) | CN104977038B (zh) |
AU (1) | AU2015201056B2 (zh) |
CA (1) | CA2883697C (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9619039B2 (en) * | 2014-09-05 | 2017-04-11 | The Boeing Company | Obtaining metrics for a position using frames classified by an associative memory |
US9911031B2 (en) | 2014-09-05 | 2018-03-06 | The Boeing Company | Obtaining metrics for a position using frames classified by an associative memory |
US10503965B2 (en) * | 2015-05-11 | 2019-12-10 | Rcm Productions Inc. | Fitness system and method for basketball training |
WO2017197298A1 (en) * | 2016-05-13 | 2017-11-16 | Numenta, Inc. | Inferencing and learning based on sensorimotor input data |
KR20240046357A (ko) | 2022-09-30 | 2024-04-09 | 주식회사 엠티이지 | 관심 영역에 대한 위치를 결정하는 방법 및 디바이스 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4144564A (en) | 1977-04-19 | 1979-03-13 | Semionics Associates | Associative memory |
US4149262A (en) | 1977-04-19 | 1979-04-10 | Semionics Associates | Associative memory device with variable recognition criteria |
US5014327A (en) | 1987-06-15 | 1991-05-07 | Digital Equipment Corporation | Parallel associative memory having improved selection and decision mechanisms for recognizing and sorting relevant patterns |
JP3337938B2 (ja) * | 1996-04-25 | 2002-10-28 | 松下電器産業株式会社 | 3次元骨格構造の動き送受信装置、および動き送受信方法 |
JP3570163B2 (ja) * | 1996-07-03 | 2004-09-29 | 株式会社日立製作所 | 動作及び行動の認識方法及び装置及びシステム |
US7515734B2 (en) * | 2006-03-27 | 2009-04-07 | Eyecue Vision Technologies Ltd. | Device, system and method for determining compliance with a positioning instruction by a figure in an image |
US8160981B2 (en) | 2007-09-25 | 2012-04-17 | Saffron Technology, Inc. | Event-based anticipation systems, methods and computer program products for associative memories wherein times of future events occurring are predicted |
CN100589105C (zh) * | 2008-05-23 | 2010-02-10 | 浙江大学 | 基于示范表演的直观高效的三维人体运动数据检索方法 |
US20110128223A1 (en) * | 2008-08-07 | 2011-06-02 | Koninklijke Phillips Electronics N.V. | Method of and system for determining a head-motion/gaze relationship for a user, and an interactive display system |
US8633890B2 (en) * | 2010-02-16 | 2014-01-21 | Microsoft Corporation | Gesture detection based on joint skipping |
JP2011198161A (ja) * | 2010-03-22 | 2011-10-06 | Hiromitsu Hama | 対象物認識システム及び該システムを利用する監視システム、見守りシステム |
JP5757063B2 (ja) | 2010-03-29 | 2015-07-29 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
US9143843B2 (en) | 2010-12-09 | 2015-09-22 | Sealed Air Corporation | Automated monitoring and control of safety in a production area |
CN103827891B (zh) | 2011-07-28 | 2018-01-09 | Arb实验室公司 | 使用全球生成的多维姿势数据检测身体运动的系统和方法 |
JP5877053B2 (ja) * | 2011-12-14 | 2016-03-02 | パナソニック株式会社 | 姿勢推定装置および姿勢推定方法 |
US8935282B2 (en) * | 2012-07-27 | 2015-01-13 | The Boeing Company | Locating relevant differentiators within an associative memory |
-
2014
- 2014-04-10 US US14/249,786 patent/US9298269B2/en active Active
-
2015
- 2015-02-25 EP EP15156581.9A patent/EP2930653B1/en active Active
- 2015-02-27 CA CA2883697A patent/CA2883697C/en active Active
- 2015-03-02 AU AU2015201056A patent/AU2015201056B2/en active Active
- 2015-03-24 KR KR1020150040482A patent/KR102331126B1/ko active IP Right Grant
- 2015-04-07 JP JP2015078394A patent/JP6969859B2/ja active Active
- 2015-04-09 CN CN201510164669.9A patent/CN104977038B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
EP2930653B1 (en) | 2020-04-15 |
US9298269B2 (en) | 2016-03-29 |
CN104977038A (zh) | 2015-10-14 |
AU2015201056B2 (en) | 2019-02-28 |
KR20150117603A (ko) | 2015-10-20 |
AU2015201056A1 (en) | 2015-10-29 |
JP2015226757A (ja) | 2015-12-17 |
EP2930653A3 (en) | 2015-12-23 |
KR102331126B1 (ko) | 2021-11-24 |
CA2883697A1 (en) | 2015-10-10 |
CA2883697C (en) | 2018-08-21 |
EP2930653A2 (en) | 2015-10-14 |
JP6969859B2 (ja) | 2021-11-24 |
US20150293593A1 (en) | 2015-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230004802A1 (en) | Sharing Learned Information Among Robots | |
US20210256424A1 (en) | Evaluating robot learning | |
US10967509B2 (en) | Enhancing robot learning | |
Meng et al. | Towards online and personalized daily activity recognition, habit modeling, and anomaly detection for the solitary elderly through unobtrusive sensing | |
CN104977038B (zh) | 使用与关联存储器耦合的运动感测设备识别移动 | |
Gaglio et al. | Human activity recognition process using 3-D posture data | |
US10049324B2 (en) | Generating deportment and comportment cohorts | |
CN103827891A (zh) | 使用全球生成的多维姿势数据检测身体运动的系统和方法 | |
CN105404849B (zh) | 使用关联存储器分类的画面以获得姿势的度量 | |
US9251463B2 (en) | Knowledge transfer in smart environments | |
CN115131604A (zh) | 一种多标签图像分类方法、装置、电子设备及存储介质 | |
Magnani | Human action recognition and monitoring in ambient assisted living environments | |
Gustafsson | Eye Movement Analysis for Activity Recognition in Everyday Situations | |
CN116434198A (zh) | 风险评估方法、装置和存储介质 | |
CN115223235A (zh) | 单个体多耳标识别方法、装置、存储介质及计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |