基于遗传算法编码的上肢姿态识别算法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109190762A(43)申请公布日2019.01.11(21)申请号201810834835.5(22)申请日2018.07.26(71)申请人北京工业大学地址100124北京市朝阳区平乐园100号(72)发明人张俊杰孙光民张子昊付晓辉姜明(74)专利代理机构北京思海天达知识产权代理有限公司11203代理人刘萍(51)Int.Cl.G06N3/12(2006.01)权利要求书2页说明书6页附图12页(54)发明名称基于遗传算法编码的上肢姿态识别算法(57)摘要本发明涉及基于遗传算法进行超参数优化的上肢姿态识别算法。移动端对上肢姿态动作进行数据采集，通过对采集到的数据进行分析，识别出6种动作信息，上肢姿态数据是时间序列，时间窗长度，数据重叠率以及隐层神经元个数将会影响识别的准确率，因此采用遗传算法对超参数进行寻优，找到最合适的一组解。传统的遗传算法寻优速度慢并且容易陷入局部解，本发明将种群根据适应度函数进行排序，将排序后的种群分为4部分，分别为Top,best,normal以及worse,选择所有的好种群以及对best,normal和worse种群按照比例进行选择，选择完后，不足的部分，随机生成，确保每一轮种群个数保持不变。本发明加快参数寻优的速度，同时找到全局最优解。CN109190762ACN109190762A权利要求书1/2页1.开发移动端信息采集系统，其特征在于，移动端信息采集系统包括硬件扫描，硬件连接，参数设置，滤波模式，传感器数据传输格式，实时信号采集与显示，3D模型显示，显示信号的旋转信息，原始信息的保存以及实时处理结果显示功能；硬件扫描包括单一设备连接以及多个设备连接，使用蓝牙连接方式，检测到蓝牙设备后，进行蓝牙设备的连接；设备连接后，显示连接设备的状态信息，状态信息包括连接状态，设备ID，设备版本，电池电量以及数据的传输速率；设置姿态传感器的取值精度，当设置完姿态传感器的精度后，设置滤波方式，最后选择数据的传输方式；传感器传输的参数包括原始加速度信息，原始陀螺仪信息，原始磁力计信息，欧拉角，四元数，线性加速度，压力值，海拔值，温度以及角速度，一共10个数据；数据的实时显示，包括分别显示每一个轴的数据，以及同时显示相同数据类型的所有数据；3D模型显示，3D模型显示实时显示传感器的旋转角度以及旋转的方位信息。2.应用如权利要求1所述系统进行基于遗传算法进行超参数优化的上肢姿态识别算法，其特征在于：随机初始化种群，采用二进制编码对初始化种群进行编码；根据随机初始化的种群，利用适应度函数计算每一个种群的适应度，在计算完适应度后，根据适应度的大小，从大到小进行排列；在对适应度进行排列后，划分为四组，对所有的种群进行分类，包括四类，分别为最好的即Top,好的即best，一般的即normal以及较差的种群即worse选择所有的最好种群以及对best,normal和worse种群按照比例进行选择，选择完后，不足的部分，随机生成，每一轮种群个数保持不变。3.根据权利要求2所述的算法，其特征在于：令前5％的结果为Top，选择所有的最好种群；5％-35％的为best,35％-80％的为normal，剩下的为worse种群，在这三个种群中，按照比例进行种群的选择，对于剩下的种群，随机进行生成，进行下一代的种群选择，直到得到最终的结果。4.根据权利要求2所述的算法，其特征在于：对于第二组种群，采用轮盘赌法，选择出两个种群添加到新的种群中，对于第三组种群，同样采用轮盘赌法，选择出两个种群添加到新的种群中，对于最后一组种群，同样采用轮盘赌法，选择出两个种群添加到新的种群中。5.根据权利要求2所述的算法，其特征在于：利用二进制编码的方式，对数据的重叠量，窗长度和隐藏层神经元个数进行编码：第一位到第四位基因代表数据的重叠个数，第五位基因到第十位基因代表窗函数的大小，第十一位基因到第十八位基因代表神经网络隐藏层节点的个数；即数据重叠量取值范围为0-15，时间窗长度的取值范围为0-63，隐藏层神经元个数取值范围为0-255；通过遗传算法，最终找到满足适应度函数的最优数值组合；适应度函数使用以上的公式计算的是交叉熵，交叉熵描述了两个概率分布之间的距离，当交叉熵越小2CN109190762A权利要求书2/2页时，说明二者之间越接近，因此yi’：代表期望输出的结果y：代表实际输出的结果i：代表的是类别，即yi代表第i个类别被预测输出的结果，yi’代表的是第i个类别真实的类别结果；最小化交叉熵；即使用第i类真实的结果乘以对预测结果取对数，之后将结果进行相加后取反；6.根据权利要求5所述的算法，其特征在于：实验数据长度为89，因此，重叠范围为0-88，时间窗口的范围为1-89