本發(fā)明涉及靜電信號識別，更具體地涉及基于靜電信號的識別交互方法、系統(tǒng)、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、近年來，國內(nèi)外人體動作識別的研究取得了重要進(jìn)展，但還面臨著諸多的困難與挑戰(zhàn)，目前絕大多數(shù)研究工作集中于基于視覺圖像分析方式的人體動作識別方法，視覺圖像分析方式主要使用圖像傳感器，其所采集的視頻圖像中包含了豐富的目標(biāo)信息，為動作識別提供了可能，但是圖像信息往往對光照條件、視角變化、物體遮擋等非常敏感，容易受到環(huán)境干擾；同時，視頻圖像不僅處理復(fù)雜，還常常涉及到用戶的隱私問題。

2、靜電信號檢測技術(shù)是一種利用靜電場變化來感知周圍環(huán)境并進(jìn)行目標(biāo)動作探測識別的技術(shù)，它可以在非接觸的情況下進(jìn)行探測，不需要與目標(biāo)物體接觸，避免了因接觸而產(chǎn)生的干擾和誤判；此外，靜電探測技術(shù)具有工作盲區(qū)小、系統(tǒng)功耗低、系統(tǒng)結(jié)構(gòu)簡單等優(yōu)勢；通過識別人體靜電信號的特征，可以完成動作識別，通過靜電采集儀器檢測物體在周圍空間環(huán)境中分布的靜電場變化和電容變化，可以獲得靜電信號，靜電檢測技術(shù)的采集方法簡便，采集儀器簡單小巧，有效避免了由于儀器安裝出現(xiàn)誤差導(dǎo)致測量不準(zhǔn)確的問題。

3、因此本技術(shù)提出基于靜電信號的識別交互方法及系統(tǒng)，通過分析靜電信號特征，對人體動作進(jìn)行識別交互，提高了識別效果，同時保護(hù)了用戶的隱私。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明提供了基于靜電信號的識別交互方法、系統(tǒng)、電子設(shè)備及存儲介質(zhì)，以解決上述背景技術(shù)中存在的問題。

2、本發(fā)明提供如下技術(shù)方案：基于靜電信號的識別交互方法，包括以下步驟：

3、步驟s01：對目標(biāo)對象進(jìn)行區(qū)域劃分與電荷量標(biāo)記；所述目標(biāo)對象為被測人員的人體表面；

4、步驟s02：對目標(biāo)數(shù)據(jù)進(jìn)行采集，形成數(shù)據(jù)集：采集n名目標(biāo)對象在t個時間點(diǎn)內(nèi)不同動作下的人體荷電數(shù)據(jù)與不同運(yùn)動姿態(tài)下的靜電信號，形成數(shù)據(jù)集；

5、步驟s03：對數(shù)據(jù)集進(jìn)行預(yù)處理，便于進(jìn)一步特征提??；

6、步驟s04：對步驟s03中電流檢測后的數(shù)據(jù)進(jìn)行分析，獲取不同動作下的感應(yīng)電流；

7、步驟s05：構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型對步驟s03中預(yù)處理后的靜電信號進(jìn)行特征提取，并構(gòu)建靜電信號特征與不同運(yùn)動姿態(tài)的軟性映射關(guān)系；

8、步驟s06：獲取待測人員的感應(yīng)電流值與靜電信號特征，識別待測人員的動作與運(yùn)動姿態(tài)，并進(jìn)行交互。

9、優(yōu)選的，所述目標(biāo)對象為被測人員的人體表面；所述區(qū)域劃分為目標(biāo)對象的左手、右手、頭部、軀干以及著裝，依次記為1、2、3、4、5；各區(qū)域電荷量依次標(biāo)記為q1、q2、q3、q4、q5；各區(qū)域?qū)χ車臻g物體p的互電容依次為c1p、c2p、c3p、c4p、c5p。

10、優(yōu)選的，所述預(yù)處理的方式包括數(shù)據(jù)截取、數(shù)據(jù)降噪以及去偏置；所述數(shù)據(jù)截取是指從原始數(shù)據(jù)集中選取部分?jǐn)?shù)據(jù)進(jìn)行處理和分析的過程；將采集到的原始數(shù)據(jù)，即不同運(yùn)動姿態(tài)下的靜電信號進(jìn)行截取，得到同等長度的信號輸入；

11、所述數(shù)據(jù)降噪的方法為采用平滑處理smooth函數(shù)對不同姿態(tài)下的靜電信號進(jìn)行降噪處理，所述smooth函數(shù)的公式為：y′＝smooth(y0,span,method)，所述y′為平滑處理后的列向量，y0為平滑處理前的列向量；

12、所述去偏置采用dyaddown函數(shù)，該函數(shù)對時間序列進(jìn)行二元采樣，每隔一個元素提取一個元素達(dá)到降采樣的目的，所述dyaddown函數(shù)的計算公式為：y＝dyaddown(x,evenodd)，其中，x為時間序列，y為去偏置后的靜電信號數(shù)據(jù)；當(dāng)evenodd為0時，要對數(shù)據(jù)進(jìn)行偶采樣，即從x的第二個元素開始采樣；當(dāng)evenodd為1時，對數(shù)據(jù)進(jìn)行奇采樣，即從x的第一個元素進(jìn)行采樣。

13、優(yōu)選的，所述目標(biāo)對象各區(qū)域電荷量可由電勢方程組表示：其中，u1為區(qū)域1即左手的電勢，u2為區(qū)域2即右手的電勢，u3為區(qū)域3即頭部的電勢，u4為區(qū)域4即軀干的電勢，u5為區(qū)域5即著裝的電勢；c11為區(qū)域1的自電容，c22為區(qū)域2的自電容，c33為區(qū)域3的自電容，c44為區(qū)域4的自電容，c55為區(qū)域5的自電容；c15為區(qū)域1與區(qū)域5的互電容，c25為區(qū)域2與區(qū)域5的互電容，c35為區(qū)域3與區(qū)域5的互電容，c45為區(qū)域4與區(qū)域5的互電容；c15＝c51，c25＝c52，c35＝c53，c45＝c54。

14、優(yōu)選的，所述步驟s04中獲取不同動作下的感應(yīng)電流的具體方式為：

15、步驟s11：在距離目標(biāo)對象一定距離外放置一個感應(yīng)電極；將人體電場記為dr，將感應(yīng)電場記為dg；

16、步驟s12：將感應(yīng)電極靠近目標(biāo)對象i的一側(cè)表面附近任意一點(diǎn)o的法向電場記為dfoi，計算公式為：dfoi＝dri+dgi，其中，dri為第i名目標(biāo)對象的人體電場，dgi為第i名目標(biāo)對象的感應(yīng)電場；基于高斯定理得出o點(diǎn)感應(yīng)電極表面的電荷密度：ρi＝ε*dfoi，其中，ρi為第i名目標(biāo)對象的一側(cè)表面附近任意一點(diǎn)o的感應(yīng)電極表面的電荷密度，ε為空氣中的介電常數(shù)；i＝1、2、3……n；

17、步驟s13：計算感應(yīng)電極靠近目標(biāo)對象i一側(cè)所帶的電荷總量，計算公式為：qi＝∫ρids＝∫εdfoids，其中，qi為感應(yīng)電極靠近第i名目標(biāo)對象一側(cè)所帶的電荷總量，s為感應(yīng)電極的面積；在感應(yīng)電極上產(chǎn)生的感應(yīng)電流為：其中，ii為第i名目標(biāo)對象在感應(yīng)電極上產(chǎn)生的感應(yīng)電流，δqi為第i名目標(biāo)對象的電荷總量變化量，δt為電荷總量變化所對應(yīng)的時間；i＝1、2、3……n；

18、步驟s14：對n名目標(biāo)對象不同動作下在感應(yīng)電極上產(chǎn)生的感應(yīng)電流進(jìn)行統(tǒng)計；在拿取物品動作下，n名目標(biāo)對象在感應(yīng)電極上產(chǎn)生的感應(yīng)電流依次標(biāo)記為i1a、i2a、i3a……ina；在揮手動作下，n名目標(biāo)對象在感應(yīng)電極上產(chǎn)生的感應(yīng)電流依次標(biāo)記為i1b、i2b、i3b……inb；對兩組感應(yīng)電流數(shù)據(jù)取均值：其中，ia′為在拿取物品動作下n名目標(biāo)對象在感應(yīng)電極上產(chǎn)生的感應(yīng)電流均值，其中，ib′為在揮手動作下n名目標(biāo)對象在感應(yīng)電極上產(chǎn)生的感應(yīng)電流均值。

19、優(yōu)選的，所述步驟s05中構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)模型為卷積神經(jīng)網(wǎng)絡(luò)模型，包括輸入層、卷積層、池化層、flatten層、全連接層以及輸出層；

20、所述卷積層主要用于提取輸入信號的特征，卷積層的輸出表示為：y＝q(x*w+h)，其中，y為卷積層輸出特征圖，q(·)為激活函數(shù)，*為卷積運(yùn)算，x為輸入信號樣本，w為權(quán)重系數(shù)，h為偏置；輸出特征圖的大小可以表示為：其中，u為輸出特征圖大小，r為輸入特征圖大小，m為卷積核大小，p為0填充大小，b為步長；

21、所述池化層主要用于降低參數(shù)量級和特征維度，通過使用部分區(qū)域特征圖的輸出代替全部區(qū)域特征圖的輸出，來降低特征圖的維數(shù)；

22、所述flatten層可以對輸入數(shù)據(jù)進(jìn)行扁平化處理，即將多維的輸入數(shù)據(jù)轉(zhuǎn)換為一維數(shù)據(jù)；

23、全連接層主要用于輸出最終結(jié)果并進(jìn)行批標(biāo)準(zhǔn)化處理；

24、所述輸入層用于輸入預(yù)處理后的靜電信號，所述輸出層用于輸出靜電信號特征。

25、優(yōu)選的，所述步驟s05中構(gòu)建靜電信號特征與不同運(yùn)動姿態(tài)的軟性映射關(guān)系的具體方式為：

26、定義一個二維矩陣mapping[m][n]，用于表示軟性映射關(guān)系，其中，m為靜電信號特征數(shù)量，n為運(yùn)動姿態(tài)數(shù)量；將n名目標(biāo)對象的靜電信號特征進(jìn)行分析，將n名目標(biāo)對象的靜電信號特征所對應(yīng)的運(yùn)動姿態(tài)進(jìn)行統(tǒng)計，即為分析結(jié)果。

27、基于靜電信號的識別交互系統(tǒng)，包括區(qū)域劃分模塊、數(shù)據(jù)采集模塊、數(shù)據(jù)預(yù)處理模塊、動作識別分析模塊、運(yùn)動姿態(tài)識別分析模塊以及識別交互模塊；

28、所述區(qū)域劃分模塊用于對目標(biāo)對象進(jìn)行區(qū)域劃分與電荷量標(biāo)記；所述目標(biāo)對象為被測人員的人體表面；所述區(qū)域劃分為目標(biāo)對象的左手、右手、頭部、軀干以及著裝，依次記為1、2、3、4、5；各區(qū)域電荷量依次標(biāo)記為q1、q2、q3、q4、q5；各區(qū)域?qū)χ車臻g物體p的互電容依次為c1p、c2p、c3p、c4p、c5p；

29、所述數(shù)據(jù)采集模塊用于對目標(biāo)數(shù)據(jù)進(jìn)行采集，形成數(shù)據(jù)集：采集n名目標(biāo)對象在t個時間點(diǎn)內(nèi)不同動作下的人體荷電數(shù)據(jù)與不同運(yùn)動姿態(tài)下的靜電信號，形成數(shù)據(jù)集；

30、所述數(shù)據(jù)預(yù)處理模塊用于對數(shù)據(jù)集進(jìn)行預(yù)處理，便于進(jìn)一步特征提??；

31、所述動作識別分析模塊用于對數(shù)據(jù)預(yù)處理模塊中電流檢測后的數(shù)據(jù)進(jìn)行分析，獲取不同動作下的感應(yīng)電流；

32、所述運(yùn)動姿態(tài)識別分析模塊用于構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型對步驟s03中預(yù)處理后的靜電信號進(jìn)行特征提取，并構(gòu)建靜電信號特征與不同運(yùn)動姿態(tài)的軟性映射關(guān)系；

33、所述識別交互模塊用于獲取待測人員的感應(yīng)電流值與靜電信號特征，識別待測人員的動作與運(yùn)動姿態(tài)，并進(jìn)行交互。

34、一種電子設(shè)備，包括：

35、一個或多個處理器；

36、存儲裝置，其上存儲有一個或多個程序；

37、當(dāng)所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實(shí)現(xiàn)基于靜電信號的識別交互方法。

38、一種計算機(jī)可讀存儲介質(zhì)，其上存儲有可執(zhí)行指令，該指令被處理器執(zhí)行時使處理器實(shí)現(xiàn)基于靜電信號的識別交互方法。

39、本發(fā)明的技術(shù)效果和優(yōu)點(diǎn)：

40、本發(fā)明通過設(shè)有步驟s04與步驟s05，有利于通過對步驟s03中電流檢測后的數(shù)據(jù)進(jìn)行分析，獲取不同動作下的感應(yīng)電流；構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型對步驟s03中預(yù)處理后的靜電信號進(jìn)行特征提取，并構(gòu)建靜電信號特征與不同運(yùn)動姿態(tài)的軟性映射關(guān)系；靜電感應(yīng)電流信號中包含了人體動作信息，對感應(yīng)電流進(jìn)行分析能夠識別相對應(yīng)的人體動作，同時對靜電信號特征進(jìn)行提取映射，能夠獲取與靜電信號特征對應(yīng)的運(yùn)動姿態(tài)，基于靜電信號完成動作識別與運(yùn)動姿態(tài)判斷，采集方法簡單，有效避免了由于儀器安裝出現(xiàn)誤差導(dǎo)致測量不準(zhǔn)確的總量，有效提高了識別效果，同時保護(hù)了用戶的隱私。