CN110865721B - 动作数据标记装置、方法及非暂态计算机可读取存储介质 - Google Patents
动作数据标记装置、方法及非暂态计算机可读取存储介质 Download PDFInfo
- Publication number
- CN110865721B CN110865721B CN201811041544.7A CN201811041544A CN110865721B CN 110865721 B CN110865721 B CN 110865721B CN 201811041544 A CN201811041544 A CN 201811041544A CN 110865721 B CN110865721 B CN 110865721B
- Authority
- CN
- China
- Prior art keywords
- action
- subset
- motion
- preset
- reference model
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
- G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种动作数据标记装置、方法及非暂态计算机可读取存储介质。动作数据标记装置接收动作信号,各动作信号包含一动作时间消息及一动作数据组。一动作剧本包含预设动作消息,各预设动作消息包含一预设时间消息及一预设动作。动作标记装置针对各预设时间消息执行:通过比对动作时间消息及预设时间消息而决定动作信号的一第一子集,计算第一子集的各动作信号的动作数据组与一参考模型间的一相似度,根据所述多个相似度决定第一子集的一第二子集,且将第二子集所包含的各动作信号的动作数据组标记为对应至所述预设时间消息所对应的所述预设动作。
Description
【技术领域】
本发明是关于一种动作数据标记装置、方法及非暂态计算机可读取存储介质。具体而言,本发明的动作数据标记装置、方法及非暂态计算机可读取存储介质是根据一动作剧本及参考模型的比对以完成自动化动作数据标记。
【背景技术】
目前已有许多领域采用“机器学习”的技术来建立动作辨识模型。目前的机器学习技术需要大量标记过的动作数据才能训练出较佳的动作辨识模型,然而,收集大量的动作数据并予以标记不是一件容易的事。更甚的是,某些应用领域的动作数据为连续的,要收集及标记大量的连续动作数据更是难以达成。以有氧运动为例,若欲利用机器学习的技术训练出较佳的动作辨识模型,需要在多人进行有氧运动的过程收集及记录所述多个人的动作数据,且正确地标记每一段动作数据。此一过程不仅繁琐,且旷日费时。
已知的收集及标记运动数据的方式有二大类。第一类方法为单次收集,其运作方式是每次选择欲标记的动作,于使用者做一次所述动作时收集动作数据,再标记所述动作数据的起始时间点及终止时间点。重复前述过程多次,即可收集且标记完成。第二类方法为批次收集,其运作方式是选择欲标记的动作,由使用者重复多次所述动作以取得批次动作数据,在使用者完成多次所述动作后执行某些分析运算以确认每笔动作数据的可能起始时间点及可能的终止时间点。上述两种方法的缺点为需要过多的人工介入,且准确率不高。因此,如何有效率地且正确地收集及标记机器学习所需的动作数据为一急需解决的课题。
【发明内容】
本发明是关于一种动作数据标记装置、方法及非暂态计算机可读取存储介质。具体而言,本发明的动作数据标记装置、方法及非暂态计算机可读取存储介质是根据一动作剧本及一参考模型的比对以完成自动化动作数据标记。
为达成上述目标,本发明所揭露的动作数据标记装置包含一接收接口、一储存器及一处理器,其中所述处理器电性连接至所述接收接口及所述储存器。所述接收接口接收多个动作信号,其中各所述动作信号包含一动作时间消息及一动作数据组。所述储存器储存一动作剧本,其中所述动作剧本包含多个预设动作消息,且各所述预设动作消息包含一预设时间消息及一预设动作。所述处理器针对各所述预设时间消息执行下列步骤:通过比对所述多个动作时间消息及所述预设时间消息而决定所述多个动作信号的一第一子集;计算所述第一子集中的各所述动作信号的所述动作数据组与一参考模型间的一相似度;根据所述多个相似度决定所述第一子集的一第二子集,其中所述第二子集所包含的各所述动作信号的所述动作数据组与所述参考模型间的所述相似度大于一门槛值;以及将所述第二子集所包含的各所述动作信号的所述动作数据组标记为对应至所述预设时间消息所对应的所述预设动作。
本发明所揭露的动作数据标记方法适用于一电子装置。所述电子装置储存一动作剧本,其中所述动作剧本包含多个预设动作消息,且各所述预设动作消息包含一预设时间消息及一预设动作。所述动作数据标记方法包括下列步骤:(a)接收多个动作信号,其中,各所述动作信号包含一动作时间消息及一动作数据组;以及(b)针对各所述预设时间消息执行以下步骤:(b1)通过比对所述多个动作时间消息及所述预设时间消息而决定所述多个动作信号的一第一子集;(b2)计算所述第一子集中的各所述动作信号的所述动作数据组与一参考模型间的一相似度;(b3)根据所述多个相似度决定所述第一子集的一第二子集,其中所述第二子集所包含的各所述动作信号的所述动作数据组与所述参考模型间的所述相似度大于一第一门槛值;以及(b4)将所述第二子集所包含的各所述动作信号的所述动作数据组标记为对应至所述预设时间消息所对应的所述预设动作。
本发明所揭露的非暂态计算机可读取存储介质,其是储存一组计算机可执行程序。当所述非暂态计算机可读取存储介质被一处理器读取时,所述处理器执行所述组计算机可执行程序以实施前述动作数据标记方法。
本发明所揭露的动作数据标记装置、方法及非暂态计算机可读取存储介质能在避免过多的人工介入的情况下,对每一段动作数据进行正确的动作标记,减少后续数据处理复杂度及提升数据可靠性。通过本发明所提供的动作数据标记装置、方法及非暂态计算机可读取存储介质,可以同时收集多人多种连续的动作数据,并且自动地给予适当的标记。由此可知,本发明所提供的动作数据标记装置、方法及非暂态计算机可读取存储介质可加速动作数据的标记与收集流程、使动作数据的标记自动化、提高运动数据的正确性与可用性、进而提升动作识别模型的识别效能。
依据下文的详细说明,所属技术领域的技术人员应能轻易思及本发明的其他适用范围。然而,应理解的是,下文的详细说明及特定实例仅为例示而已,此乃因依据此详细说明,所属技术领域的技术人员将明了在本发明精神及范围内的各种改变及润饰。
【附图说明】
通过下文的详细说明及图式,将会更加全面地理解本发明。但应理解图式是仅以例示方式提供,并非用以限制本发明,且其中:
图1A是为根据本发明的动作数据标记装置100的示意图;
图1B是为本发明的动作剧本12的一具体范例的示意图;
图2A是为本发明的一动作数据标记方法的流程图;以及
图2B是为本发明的另一动作数据标记方法的流程图。
【符号说明】
100:动作数据标记装置
102:接收接口
104:储存器
106:处理器
12:动作剧本
A1、A2、A3、A4:预设动作消息
S1、S2、S3、S4:动作信号
201、202、203、204、205、206、207:步骤
205’、208:步骤
【具体实施方式】
在以下说明中,将参照本发明的实例性实施例来解释本发明,然而,此等实例性实施例并非用于将本发明限于此等实施例中所述的任何特定实例、实施例、环境、应用或特定实施方案。因此,对此等实例性实施例的说明仅为例示而非限制本发明,且本申请案的权利保护范围应由申请专利范围决定。
应了解的是,在以下实施例及图式中,与本发明无关的元件已被省略而不予以绘示;且图式中个别元件的尺寸及元件间的尺寸比例关系仅为便于理解起见而例示,而非用于限制实际比例。
图1A是为本发明的一实施例的动作数据标记装置100的示意图。动作数据标记装置100为一电子装置,可由计算机、本地服务器、云端服务器或其组合的机器实体来实现。动作数据标记装置100包括一接收接口102、一储存器104以及一处理器106。处理器106电性连结至接收接口102及储存器104。除此之外,处理器106也可实体连结至接收接口102及储存器104。
接收接口102可为一信号接收器或其他能接收数字数据的接口。储存器104可为一存储器、一通用串列总线(Universal Serial Bus;USB)盘、一硬盘、一光盘(Compact Disk;CD)、一随身盘或所属技术领域的技术人员所知且具有相同功能的任何其他能储存数字数据的非暂态储存媒体或装置。处理器106可为各种处理器、中央处理单元(CentralProcessing Unit;CPU)、微处理器(Microprocessor Unit;MPU)、数字信号处理器(DigitalSignal Processor;DSP)或所属技术领域的技术人员所知的任何其他具有相同功能的计算装置。
储存器104储存一动作剧本12。动作剧本12包含多个预设动作消息,且各预设动作消息包含一预设时间消息及一预设动作。于本实施例中,各所述预设时间消息包含一起始时间点及一结束时间点。于其他实施例中,各所述预设时间消息则可包含一起始时间点及一时间长度。此外,于动作剧本12中,各所述预设动作可以一代码、一文字、一符号或其他方式记录。
为便于理解,以下将以图1B所示的一具体范例说明,但所述具体范例并非用以限制本发明的范围。于所述具体范例中,动作剧本12包含四笔预设动作消息A1、A2、A3、A4,其中,预设动作消息A1、A2、A3、A4中的每一笔包含一起始时间点、一结束时间点及一预设动作,且各预设动作以一代码表示。为便于后续说明,兹假设代码1、2、3、4分别代表抬手、打拳、弯腰、踢腿。需说明者,本发明未限制如何产生动作剧本12。举例而言,在有氧运动的应用中,教练可根据音乐的节拍、韵律、旋律或其他特性,定义出在哪些时间作哪些预设动作(例如:抬手、打拳),借此产生动作剧本12。
于本实施例中,在一或多个使用者依据动作剧本12作动时(例如:教练依据动作剧本12带领使用者运动时),接收接口102会接收使用者作动时所产生的多个动作信号S1、S2、S3、……、S4(例如:从使用者所配戴的惯性传感器接收)。动作信号S1、S2、S3、……、S4各包含一动作时间消息及一动作数据组,其中动作时间消息包含一惯性传感器产生所述动作数据组的一或多个时间点。视使用者所配戴的惯性传感器而定,各所述动作数据组可包含多个加速度值、多个角速度值、多个四元数值、多个磁力值及多个相位值其中之一或其组合。
举例而言,动作信号S1可包含第一时间点、第二时间点以及在第一时间点至第二时间点间(即一时间区段)由某一使用者所穿戴的惯性传感器所产生的一加速度值、一角速度值、一四元数值、一磁力值或/及一相位值。再举例而言,动作信号S2可包含第一时间点、第二时间点以及在第一时间点至第二时间点(即所述时间区段)间由另一使用者所穿戴的惯性传感器所产生的另一加速度值、另一角速度值、另一四元数值、另一磁力值或/及另一相位值。同理,动作信号S3、S4各可包含一或多个时间点以及所述一或多个时间点所对应的动作数据组,不再赘述。
本实施例所提供的动作数据标记装置100能通过比对动作信号S1、S2、S3、……、S4的动作时间消息及动作剧本12所记载的预设时间消息而决定将哪些动作信号中的动作数据组进行标记。
接着,将具体阐述本发明所揭露的动作数据标记装置100的工作原理。动作数据标记装置100执行一动作数据标记方法,其流程图是描绘于图2A。如前所述,动作数据标记装置100储存一动作剧本12,其中,动作剧本12包含预设动作消息A1、A2、A3、A4,且各所述预设动作消息A1、A2、A3、A4包含一预设时间消息及一预设动作。动作数据标记装置100执行的动作数据标记方法包括步骤201至步骤207,各步骤的细节详述于下。
步骤201:接收接口102接收多个动作信号S1、S2、S3、……、S4,其中各所述动作信号S1、S2、S3、……、S4包含一动作时间消息及一动作数据组。
针对预设动作消息A1、A2、A3、A4每一个的预设时间消息,动作数据标记方法会执行步骤202至步骤207。
步骤202:处理器106选取尚未分析过的预设时间消息其中之一。
步骤203:处理器106通过比对动作信号S1、S2、S3、……、S4的动作时间消息及所述预设时间消息而决定动作信号S1、S2、S3、……、S4的一第一子集。于本实施例中,若一动作信号的动作时间消息落入所述预设时间消息内,所述动作信号会被选入所述第一子集。于其他实施例中,若一动作信号的动作时间消息落入所述预设时间消息内,或是一动作信号的动作时间消息与所述预设时间消息的时间差在一预设范围内,所述动作信号会被选入所述第一子集。为便于后续说明,兹假设处理器106针对预设动作消息A1的预设时间消息进行步骤203的分析后,决定动作信号S1、动作信号S2及动作信号S3为第一子集。
步骤204:处理器106计算所述第一子集中的各所述动作信号的所述动作数据组与一第一参考模型间的一第一相似度,其中所述第一参考模型对应至所述预设时间消息所对应的所述预设动作。为便于理解,兹假设处理器106目前是针对预设动作消息A1的预设时间消息进行分析,此时的预设时间消息所对应的预设动作为代码4所对应的预设动作(即,踢腿),因此第一参考模型对应至代码4所对应的预设动作。
在本发明的某些实施例中,第一参考模型可为一标准模型。于所述多个实施例中,处理器106还会先以多个标准动作数据组训练出第一参考模型。例如:由一或多个教练根据动作剧本12作出多个标准动作信号,(其中,每一标准动作信号包含一标准动作时间消息以及多个标准动作数据组),再根据与所述预设时间消息对应的所述标准动作时间消息所对应的所述多个标准动作数据组训练出所述第一参考模型。假设标准动作数据组包括角速度值及加速度值(不限于此),第一参考模型可包含一标准角速度值及一标准加速度值。
在本发明的某些实施例中,第一参考模型可为一互比模型。于所述多个实施例中,处理器106以所述预设时间消息所对应的所述第一子集的所述至少一动作数据组的一统计数值(例如:平均值)作为各所述预设时间消息所对应的所述第一参考模型。假设动作数据组包括角速度值及加速度值(不限于此),则所述互比模型可包含所述第一子集中的角速度值的统计数值(例如:平均值)以及所述第一子集中的加速度值统计数值(例如:平均值)。
需说明者,步骤204可利用各种统计值或机器学习的方式计算出各所述第一相似度(例如:极值、平均值、标准差、变异数、方均根、分布区间、动态时间扭曲(Dynamic TimeWarping)、K平均法(K-means)、决策树),而所述多个计算相似度的方式为所属技术领域的技术人员所熟知,故不赘言。
步骤205:处理器106根据所述多个第一相似度决定所述第一子集的一第二子集,其中,所述第二子集所包含的各所述动作信号的所述动作数据组与所述第一参考模型间的所述第一相似度大于一第一门槛值。换句话说,步骤205从第一子集中挑选出动作数据组与第一参考模型较为接近的那些动作信号作为第二子集。举例而言,第一子集包含动作信号S1、动作信号S2及动作信号S3,处理器106判断动作信号S1及动作信号S2的动作数据组与第一参考模型间的第一相似度大于第一门槛值,因此以动作信号S1及动作信号S2作为第二子集。
需说明者,在本发明的某些实施例中,第一门槛值可为一特定比例或一特定数值。举例而言,第一参考模型的内容为角速度值为10(rad/s),而某一动作信号的动作数据组的内容为角速度值为9(rad/s),步骤204是根据一标准差公式(亦即,)计算出第一相似度,步骤205再判断所述第一相似度是否大于5%。
需说明者,于某些实施例中,处理器106在执行步骤204及步骤205时,并非只利用单一因子对动作数据的分类进行判断(亦即,一动作数据组包含多种惯性数据,例如:同时包括加速度值及角速度值)。于所述多个实施例中,处理器106会进行综合的判断。举例而言,各因子可各自有一对应的子门槛值,当某一因子的相似度大于其对应的子门槛值,但另一因子的相似度不大于其对应的子门槛值,处理器106会认定所述动作信号的第一相似度小于第一门槛值,故不会将所述动作信号选入第二子集。
步骤206:处理器106将所述第二子集所包含的各所述动作信号的所述动作数据组标记为对应至所述预设时间消息所对应的所述预设动作。兹假设处理器106目前是针对预设动作消息A1的预设时间消息进行分析,且第二子集包含动作信号S1及动作信号S2,处理器106便将动作信号S1及动作信号S2的动作数据组标记为对应至预设动作消息A1的预设时间消息所对应的预设动作(亦即,踢腿)。
步骤207:处理器106判断是否有其他需分析的预设时间消息。若判断的结果为是,则再次执行步骤202至步骤207。若判断的结果为否,则结束预设时间消息的分析。
于某些实施例中,在步骤207判断没有其他需分析的预设时间消息之后,处理器106还可执行另一步骤。具体而言,于所述另一步骤中,处理器106针对各所述预设动作,以其所对应的动作数据组训练一预设动作模型。
由上述说明可知,动作数据标记装置100及动作数据标记方法通过比对动作信号S1、S2、S3、……、S4的动作时间消息与动作剧本12的预设时间消息可筛选出各预设时间消息所对应的动作数据组(第一子集),再通过与第一参考模型比对可筛选出用于训练某一预设动作的预设动作模型的动作数据组(第二子集)。通过上述步骤,动作数据标记装置100及动作数据标记方法能够对动作数据组准确地标记,能够挑选出适合用于训练预设动作模型的动作数据组,克服已知技术需以人工进行标记的问题。
需说明者,于本发明的某些实施例中,动作数据标记装置100所执行的动作数据标记方法的流程图则如图2B所示。图2B的流程图与图2A的流程图大致相同,故以下仅针对二者相异的处详述。
于所述多个实施例中,于步骤204之后,处理器106会执行步骤208,计算所述第一子集中的各所述动作信号的所述动作数据组与一第二参考模型间的一第二相似度。于本发明的一实施例中,第一参考模型可为前述的标准模型,而第二参考模型可为前述互比模型(或者,第一参考模型可为前述的互比模型,而第二参考模型可为前述标准比模型),但不以此为限。
于所述多个实施例中,于步骤208之后,处理器106是以步骤205’取代步骤205。于步骤205’,处理器106根据所述多个第一相似度及所述多个第二相似度决定所述第二子集,其中所述第二子集所包含的各所述动作信号的所述动作数据组与所述第一参考模型间的所述第一相似度大于一第一门槛值且与所述第二参考模型的所述第二相似度大于一第二门槛值。于步骤205’之后才进行步骤206。
由前述说明可知,相较于图2A的动作数据标记方法,图2B所示的动作数据标记方法对动作信号中的动作数据组多进行另一种判断,故能增强标记动作数据的准确度。
本发明的另一实施例为一非暂态计算机可读取存储介质,且所述非暂态计算机可读取存储介质可为一电子产品,例如:一唯读存储器(read only memory;ROM)、一快闪存储器、一软盘、一硬盘、一光盘(compact di sk;CD)、一随身盘、一可由网络存取的数据库或所属技术领域的技术人员所知且具有相同功能的任何其他储存媒体。所述非暂态计算机可读取存储介质储存一组计算机可执行程序。当所述非暂态计算机可读取存储介质被一处理器读取时,所述处理器执行所述组计算机可执行程序以实现前述各种动作数据标记方法。
本发明所揭露的动作数据标记装置、方法及非暂态计算机可读取存储介质能在避免过多的人工介入的情况下,对每一段动作数据进行正确的动作标记,减少后续数据处理复杂度及提升数据可靠性。通过本发明所提供的动作数据标记装置、方法及非暂态计算机可读取存储介质,可以同时收集多人多种连续的动作数据,并且自动地给予适当的标记。由此可知,本发明所提供的动作数据标记装置、方法及非暂态计算机可读取存储介质可加速动作数据的标记与收集流程、使动作数据的标记自动化、提高运动数据的正确性与可用性、进而提升动作识别模型的识别效能。
上述揭露内容仅用来例举本发明的部分实施态样,以及阐述本发明的详细技术内容及技术特征,而非用来限制本发明的保护范畴及范围。任何所属技术领域的技术人员基于上述揭露内容及建议能思及的润饰、替换、改变及均等性的安排均属于本发明所主张的范围,而本发明的权利保护范围以申请专利范围为准。
Claims (17)
1.一种动作数据标记装置,其特征在于,包含:
一接收接口,接收多个动作信号,其中各所述动作信号包含一动作时间消息及一动作数据组;
一储存器,储存一动作剧本,其中所述动作剧本包含多个预设动作消息,各所述预设动作消息包含一预设时间消息及一预设动作;以及
一处理器,电性连结至所述接收接口及所述储存器,且针对各所述预设时间消息执行下列步骤:
通过比对所述多个动作时间消息及所述预设时间消息而决定所述多个动作信号的一第一子集;
计算所述第一子集中的各所述动作信号的所述动作数据组与一第一参考模型间的一第一相似度;
计算所述第一子集中的各所述动作信号的所述动作数据组与一第二参考模型间的一第二相似度;
根据所述多个第一相似度及所述多个第二相似度决定所述第一子集的一第二子集,其中所述第二子集所包含的各所述动作信号的所述动作数据组与所述第一参考模型间的所述第一相似度大于一第一门槛值,且所述第二子集所包含的各所述动作信号的所述动作数据组与所述第二参考模型的所述第二相似度大于一第二门槛值;以及
将所述第二子集所包含的各所述动作信号的所述动作数据组标记为对应至所述预设时间消息所对应的所述预设动作。
2.如权利要求1所述的动作数据标记装置,其特征在于,所述处理器还以多个标准动作数据组训练出所述第一参考模型。
3.如权利要求1所述的动作数据标记装置,其特征在于,所述处理器还以各所述预设时间消息所对应的所述第一子集的至少一所述动作数据组的一统计数值作为各所述预设时间消息所对应的所述第一参考模型。
4.如权利要求1所述的动作数据标记装置,其特征在于,所述处理器还以多个标准动作数据组训练出所述第一参考模型,以各所述预设时间消息所对应的所述第一子集所包含的各所述动作信号的所述动作数据组的一统计数值作为各所述预设时间消息所对应的所述第二参考模型。
5.如权利要求1所述的动作数据标记装置,其特征在于,所述处理器是计算所述第一子集中的各所述动作信号的所述动作数据组的一第一统计值与所述第一参考模型的一第二统计值间的所述第一相似度。
6.如权利要求1所述的动作数据标记装置,其特征在于,各所述动作数据组包含多个加速度值、多个角速度值、多个四元数值、多个磁力值及多个相位值其中之一或其组合。
7.如权利要求1所述的动作数据标记装置,其特征在于,所述处理器还针对各所述预设动作执行以下步骤:
以所述预设动作所对应的至少一所述动作数据组训练一预设动作模型。
8.一种动作数据标记方法,适用于一电子装置,其特征在于,所述电子装置储存一动作剧本,所述动作剧本包含多个预设动作消息,各所述预设动作消息包含一预设时间消息及一预设动作,且所述动作数据标记方法包括下列步骤:
(a)接收多个动作信号,其中各所述动作信号包含一动作时间消息及一动作数据组;以及
(b)针对各所述预设时间消息执行以下步骤:
(b1)通过比对所述多个动作时间消息及所述预设时间消息而决定所述多个动作信号的一第一子集;
(b2)计算所述第一子集中的各所述动作信号的所述动作数据组与一第一参考模型间的一第一相似度;
(b3)计算所述第一子集中的各所述动作信号的所述动作数据组与一第二参考模型间的一第二相似度;
(b4)根据所述多个第一相似度及所述多个第二相似度决定所述第一子集的一第二子集,其中,所述第二子集所包含的各所述动作信号的所述动作数据组与所述第一参考模型间的所述第一相似度大于一第一门槛值,且所述第二子集所包含的各所述动作信号的所述动作数据组与所述第二参考模型的所述第二相似度大于一第二门槛值;以及
(b5)将所述第二子集所包含的各所述动作信号的所述动作数据组标记为对应至所述预设时间消息所对应的所述预设动作。
9.如权利要求8所述的动作数据标记方法,其特征在于,更包括以下步骤:以多个标准动作数据组训练出所述第一参考模型。
10.如权利要求8所述的动作数据标记方法,其特征在于,更包括以下步骤:以各所述预设时间消息所对应的所述第一子集的至少一所述动作数据组的一统计数值作为各所述预设时间消息所对应的所述第一参考模型。
11.如权利要求9所述的动作数据标记方法,其特征在于,更包括以下步骤:
以多个标准动作数据组训练出所述第一参考模型;以及
以各所述预设时间消息所对应的所述第一子集所包含的各所述动作信号的所述动作数据组的一统计数值作为各所述预设时间消息所对应的所述第二参考模型。
12.如权利要求8所述的动作数据标记方法,其特征在于,所述步骤(b2)是计算所述第一子集中的各所述动作信号的所述动作数据组的一第一统计值与所述第一参考模型的一第二统计值间的所述第一相似度。
13.如权利要求8所述的动作数据标记方法,其特征在于,各所述动作数据组包含多个加速度值、多个角速度值、多个四元数值、多个磁力值及多个相位值其中之一或其组合。
14.如权利要求8所述的动作数据标记方法,其特征在于,更包括以下步骤:
针对各所述预设动作,以所述预设动作所对应的至少一所述动作数据组训练一预设动作模型。
15.一种非暂态计算机可读取存储介质,储存一组计算机可执行程序,当所述非暂态计算机可读取存储介质被一处理器读取时,所述处理器执行所述组计算机可执行程序以实施如权利要求8所述的动作数据标记方法。
16.如权利要求15所述的非暂态计算机可读取存储介质,其特征在于,所述动作数据标记方法还包含下列步骤:
以多个标准动作数据组训练出所述第一参考模型。
17.如权利要求15所述的非暂态计算机可读取存储介质,其特征在于,所述动作数据标记方法还包含下列步骤:
以各所述预设时间消息所对应的所述第一子集的至少一所述动作数据组的一统计数值作为各所述预设时间消息所对应的所述第一参考模型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107128025 | 2018-08-10 | ||
TW107128025A TWI698806B (zh) | 2018-08-10 | 2018-08-10 | 動作資料標記裝置、方法及非暫態電腦可讀取記錄媒體 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110865721A CN110865721A (zh) | 2020-03-06 |
CN110865721B true CN110865721B (zh) | 2023-09-29 |
Family
ID=69405063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811041544.7A Active CN110865721B (zh) | 2018-08-10 | 2018-09-07 | 动作数据标记装置、方法及非暂态计算机可读取存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11164094B2 (zh) |
CN (1) | CN110865721B (zh) |
TW (1) | TWI698806B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI758749B (zh) * | 2020-06-16 | 2022-03-21 | 國立臺北科技大學 | 動作判斷方法及系統 |
CN114638773A (zh) | 2020-11-30 | 2022-06-17 | 纬创资通(中山)有限公司 | 用于影像标记标准化的方法、电子装置及计算机程序产品 |
CN113074724B (zh) * | 2021-03-26 | 2023-05-02 | 歌尔股份有限公司 | 运动时间计算方法、装置、设备及计算机可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073751A (zh) * | 2016-11-17 | 2018-05-25 | 财团法人资讯工业策进会 | 为一纺织染色制程决定一目标控制数据组的装置、方法及其电脑可读取储存媒体 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5807283A (en) * | 1997-01-27 | 1998-09-15 | Ng; Kim Kwee | Activity monitor |
EP1848380B1 (en) * | 2004-12-22 | 2015-04-15 | Össur hf | Systems and methods for processing limb motion |
WO2011030781A1 (ja) * | 2009-09-14 | 2011-03-17 | 国立大学法人大阪大学 | 筋シナジー解析方法、筋シナジー解析装置、及び筋シナジーインターフェース |
TWI505228B (zh) * | 2013-05-20 | 2015-10-21 | Univ Kaohsiung Medical | 一種自主復健動作量化評估系統 |
TWI591569B (zh) * | 2014-01-20 | 2017-07-11 | Univ Kaohsiung Medical | Rehabilitation action editing and graphical evaluation system |
US9654234B2 (en) * | 2015-08-28 | 2017-05-16 | Focus Ventures, Inc. | System and method for automatically time labeling repetitive data |
WO2017152096A1 (en) * | 2016-03-04 | 2017-09-08 | Axon Vibe AG | Systems and methods for predicting user behavior based on location data |
-
2018
- 2018-08-10 TW TW107128025A patent/TWI698806B/zh active
- 2018-09-07 CN CN201811041544.7A patent/CN110865721B/zh active Active
-
2019
- 2019-01-15 US US16/248,764 patent/US11164094B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073751A (zh) * | 2016-11-17 | 2018-05-25 | 财团法人资讯工业策进会 | 为一纺织染色制程决定一目标控制数据组的装置、方法及其电脑可读取储存媒体 |
Also Published As
Publication number | Publication date |
---|---|
TWI698806B (zh) | 2020-07-11 |
TW202009791A (zh) | 2020-03-01 |
US20200050955A1 (en) | 2020-02-13 |
US11164094B2 (en) | 2021-11-02 |
CN110865721A (zh) | 2020-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110865721B (zh) | 动作数据标记装置、方法及非暂态计算机可读取存储介质 | |
CN111898642B (zh) | 关键点检测方法、装置、电子设备及存储介质 | |
EP3506185A1 (en) | Method for training model and information recommendation system | |
CN111611797B (zh) | 基于Albert模型的预测数据标注的方法、装置及设备 | |
CN107688790A (zh) | 人体行为识别方法、装置、存储介质及电子设备 | |
CN109948735A (zh) | 一种多标签分类方法、系统、装置及存储介质 | |
CN113723157B (zh) | 一种农作物病害识别方法、装置、电子设备及存储介质 | |
CN111522942A (zh) | 文本分类模型的训练方法、装置、存储介质及计算机设备 | |
WO2022247403A1 (zh) | 关键点检测方法、电子设备、程序及存储介质 | |
CN115019240A (zh) | 化学实验操作的评分方法、装置、设备及可读存储介质 | |
CN105739882A (zh) | 用于字符识别的计算机可读记录介质、方法及设备 | |
CN110020638B (zh) | 人脸表情识别方法、装置、设备和介质 | |
JP5776694B2 (ja) | 物体識別向けの学習装置、学習システム、学習方法、及び学習プログラム | |
CN113989556B (zh) | 一种小样本医学影像分类方法和系统 | |
CN104966109A (zh) | 医疗化验单图像分类方法及装置 | |
CN112613367A (zh) | 票据信息文本框获取方法、系统、设备及存储介质 | |
WO2020211248A1 (zh) | 活体检测日志解析的方法、装置、存储介质及计算机设备 | |
JP5846165B2 (ja) | 特徴量抽出装置、方法、およびプログラム | |
CN112699908B (zh) | 标注图片的方法、电子终端、计算机可读存储介质及设备 | |
CN112801006B (zh) | 表情表征模型的训练方法、面部的表情表征方法及装置 | |
CN111126294B (zh) | 一种基于移动终端数据识别终端用户步态的方法和服务器 | |
CN111090989B (zh) | 一种基于文字识别的提示方法及电子设备 | |
CN113918471A (zh) | 测试用例的处理方法、装置及计算机可读存储介质 | |
Agarwal et al. | Automatic Gesture Recognizer using Motion Tracking Device and Support Vector Machine | |
US20240126675A1 (en) | Classification device, classification method, and classification program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |