一种遥控器的动作识别方法及系统的利记博彩app
【专利摘要】一种遥控器的动作识别方法及系统，云端为智能电视预先建立遥控器动作数据模型并下载到相应的智能电视，智能电视接收遥控器上加速度传感器的三轴加速度值和角速度传感器的三轴角速度值后进行数据特征抽取分析形成数据特征向量；并与保存的遥控器动作数据模型进行匹配判断完成动作识别并输出判断结果，同时将数据特征向量发送到云端对遥控器动作数据模型进行更新形成更新后的遥控器动作数据模型。本发明静态和动态结合的建立遥控器动作数据模型能够使遥控器动作数据模型得到不断优化，使智能电视对遥控器动作的识别更加准确，建模转移到云端进行和智能电视完成动作识别的过程减轻了智能电视的计算量，提高了智能电视对遥控器动作识别的效率。
【专利说明】一种遥控器的动作识别方法及系统
【技术领域】
[0001]本发明涉及智能电视遥控器，尤其涉及一种遥控器的动作识别方法及系统。
【背景技术】
[0002]随着科技的发展，智能传感技术已经逐渐的应用到人们日常生活中，智能传感技术表现的具体产品包括:能够感应人们动作的智能电视遥控器、安装了重力和角速度传感器的智能手机、能够感应人们手部动作的智能手腕带，以及能够感应人们运动的智能运动鞋等等，这些形形色色的智能传感设备使用过程中均需要采集大量传感数据分析使用。
[0003]目前，智能电视遥控器对于用户来说都只是通过按键来控制操作，并未充分利用其采集的各种传感数据进行进一步分析利用。现在技术智能电视遥控器一般都具备了 “空鼠”的功能，该功能需要在遥控器上增加加速度传感器和角速度传感器两个传感器来实现。智能电视机接收遥控器发送到智能电视端的加速度传感器和角速度传感器的数据，对应计算出鼠标的位置，然而，大部分智能电视仅仅是通过这两种传感器将“空鼠”功能做的更精确，更完善，而并没有对这些从智能遥控器传过来的数据还可以进一步进行智能识别，智能分析，以实现更多的功能应用。
[0004]因此，现有技术还有待改进和发展。
【发明内容】
[0005]鉴于上述现有技术的不足之处，本发明为解决现有技术缺陷和不足，提出一种能够智能识别电视遥控器动作的动作识别方法及系统，能够通过静态和动态的建模对识别的模型进行优化，使智能电视能够更加准确的识别遥控器的动作。
[0006]本发明解决技术问题所采用的技术方案如下:
一种遥控器的动作识别方法，包括如下步骤:
云端为不同的智能电视预先建立对应的遥控器动作数据模型并下载到相应的智能电视保存；
智能电视接收设置于遥控器上的加速度传感器的三轴加速度值和角速度传感器的三轴角速度值；
智能电视根据所述三轴加速度值和三轴角速度值进行数据特征抽取分析形成数据特征向量；
智能电视根据所述数据特征向量与保存的遥控器动作数据模型进行匹配判断完成动作识别并输出判断结果，同时将数据特征向量发送到云端对遥控器动作数据模型进行更新形成更新后的遥控器动作数据模型，再将更新后的遥控器动作数据模型下载到相应的智能电视保存。
[0007]作为进一步改进，所述云端预先建立遥控器动作数据模型是统计已知遥控器分类动作数据集合中各分类下各个特征属性的概率，并根据朴素贝叶斯算法计算所有特征属性关于各分类的条件概率值来完成的。[0008]所述三轴加速度值包括加速度传感器在三维立体空间中的X、Y、Z轴方向上的加速度值；角速度传感器的三轴角速度值包括角速度传感器在三维立体空间中的X、Y、Z轴方向上的角速度值。
[0009]所述数据特征抽取分析是根据接收到的三轴加速度值和三轴角速度值数据在定长窗口内的时序数据进行信号统计分析，抽取数据特征形成数据特征向量。
[0010]所述数据特征抽取分析中抽取定长窗口内的时序数据是抽取数据波形的均值能量、数据波形的标准差、数据波形的振幅、数据波形的波峰数、数据波形的波谷数、傅里叶变换的参数和切比雪夫变换的参数。
[0011]所述动作识别是根据朴素贝叶斯算法来计算所述数据特征向量在遥控器动作数据模型中概率分布情况来判断其所述的动作类别。
[0012]所述动作类别包括拿起遥控器、放下遥控器、点击遥控器按钮、拿起遥控器走动和握着遥控器抖动。
[0013]本发明还提供一种遥控器动作识别系统，包括云端服务器、智能电视和遥控器；
云端服务器包括云端数据库，云端数据库中存储有遥控器动作数据模型；
智能电视包括与云端服务器同步的遥控器动作数据模型模块、数据特征值抽取分析模块、遥控器动作识别模块和数据特征上传模块；
遥控器包括加速度传感器、角速度传感器；
所述遥控器用于通过加速度传感器获取三轴加速度值、通过角速度传感器获取三轴角速度值数据并发送到智能电视，智能电视接收遥控器加速度传感器的三轴加速度值和角速度传感器的三轴角速度值数据，通过数据特征值抽取分析模块抽取数据特征形成数据特征向量，智能电视的遥控器动作识别模块根据该数据特征向量与遥控器动作数据模型模块中存储的遥控器动作数据模型进行概率分布情况分析来判断出该数据特征向量所属的遥控器动作；所述数据特征上传模块同时将数据特征值抽取分析模块抽取的数据特征向量上传到云端服务器保存至云端数据库并更新遥控器动作数据模型。
[0014]所述三轴加速度值包括加速度传感器在三维立体空间中的X、Y、Z轴方向上的加速度值；角速度传感器的三轴角速度值包括角速度传感器在三维立体空间中的Χ、Υ、Ζ轴方向上的角速度值。
[0015]与现有技术相比较，本发明遥控器动作的识别方法预先在云端设置遥控器动作数据模型，通过智能电视接收到遥控器的三轴加速度值和三轴角速度值数据抽取数据特征后与智能电视中与云端同步的遥控器动作数据模型进行比对分析得到遥控器的动作，再将接收到的数据特征上传到云端对云端存储的遥控器动作数据模型进行动态更新后形成新的遥控器动作数据模型，这种静态和动态结合的建立遥控器动作数据模型的过程能够使遥控器动作数据模型得到不断优化，使后续智能电视对遥控器动作的识别更加准确，同时，将建模的工作量转移到云端进行，智能电视完成动作识别的过程，减轻了智能电视的计算量，提高了智能电视对遥控器动作识别的效率。
【专利附图】
【附图说明】
[0016]图1是本发明一种遥控器的动作识别方法的工作流程图。
[0017]图2是本发明一种遥控器的动作识别系统的原理结构框图。【具体实施方式】
[0018]为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0019]本发明针对遥控器的传感运动进行研究，通过对遥控器的传感器数据进行建模，通过对传感器上收集用户操作遥控器的动作来对用户行为进行分析，以更好的将其应用到智能电视领域中，为智能电视的应用提供数据源。
[0020]本发明方法所采集的遥控器传感器数据是基于现有技术智能电视的遥控器，或者其他移动终端设备上得到广泛应用的加速度传感器和角速度传感器来实现的，对于加速度传感器和角速度传感器而言，其均在三轴方向上产生数据，即加速度传感器在三维立体空间中的X、Y、Z轴方向上的加速度值，角速度传感器在三维立体空间中的X、Y、Z轴方向上的角速度值。云端是基于现有技术的云计算技术实现的，智能电视与云端保持网络连接，以使云端与智能电视之间实现数据的上传与下载。
[0021]图1所示是本发明一种遥控器的动作识别方法的工作流程图，如图1所示，本发明方法包括以下步骤:
S100，云端为不同的智能电视预先建立对应的遥控器动作数据模型并下载到相应的智能电视保存；为了实现智能电视对遥控器动作的识别，首先需要在云端的数据库中保存为智能电视预先建立的遥控器动作数据模型。云端预先建立遥控器动作数据模型需要统计已知遥控器分类动作数据集合中各分类下各个特征属性的概率。一般而言，用户对遥控器的动作包括拿起遥控器、放下遥控器、点击遥控器按钮、拿着遥控器走动、握着遥控器抖动的分类动作，要获得遥控器的各种分类动作数据，需要对遥控器的各种分类动作中加速度传感器和角速度传感器在定长时间窗口内的数据波形变化进行统计分析，根据经验，上述各种遥控器的分类动作的数据波形变化特征如表1所示:
表1遥控器分类动作的数据波形变化特征
【权利要求】
1.一种遥控器的动作识别方法，其特征在于，包括如下步骤: 云端为不同的智能电视预先建立对应的遥控器动作数据模型并下载到相应的智能电视保存； 智能电视接收设置于遥控器上的加速度传感器的三轴加速度值和角速度传感器的三轴角速度值； 智能电视根据所述三轴加速度值和三轴角速度值进行数据特征抽取分析形成数据特征向量； 智能电视根据所述数据特征向量与保存的遥控器动作数据模型进行匹配判断完成动作识别并输出判断结果，同时将数据特征向量发送到云端对遥控器动作数据模型进行更新形成更新后的遥控器动作数据模型，再将更新后的遥控器动作数据模型下载到相应的智能电视保存。
2.根据权利要求1所述的遥控器的动作识别方法，其特征在于，所述云端预先建立遥控器动作数据模型是统计已知遥控器分类动作数据集合中各分类下各个特征属性的概率，并根据朴素贝叶斯算法计算所有特征属性关于各分类的条件概率值来完成的。
3.根据权利要求1所述的遥控器的动作识别方法，其特征在于，所述三轴加速度值包括加速度传感器在三维立体空间中的X、Y、Z轴方向上的加速度值；角速度传感器的三轴角速度值包括角速度传感器在三维立体空间中的X、Y、Z轴方向上的角速度值。
4.根据权利要求1所述的遥控器的动作识别方法，其特征在于，所述数据特征抽取分析是根据接收到的三轴加速度值和三轴角速度值数据在定长窗口内的时序数据进行信号统计分析，抽取数据特征形成数据特征向量。
5.根据权利要求4所述的`控器的动作识别方法，其特征在于，所述数据特征抽取分析中抽取定长窗口内的时序数据是抽取数据波形的均值能量、数据波形的标准差、数据波形的振幅、数据波形的波峰数、数据波形的波谷数、傅里叶变换的参数和切比雪夫变换的参数。
6.根据权利要求1所述的遥控器的动作识别方法，其特征在于，所述动作识别是根据朴素贝叶斯算法来计算所述数据特征向量在遥控器动作数据模型中概率分布情况来判断其所述的动作类别。
7.根据权利要求6所述的遥控器的动作识别方法，其特征在于，所述动作类别包括拿起遥控器、放下遥控器、点击遥控器按钮、拿起遥控器走动和握着遥控器抖动。
8.—种遥控器动作识别系统，其特征在于，包括云端服务器、智能电视和遥控器； 云端服务器包括云端数据库，云端数据库中存储有遥控器动作数据模型； 智能电视包括与云端服务器同步的遥控器动作数据模型模块、数据特征值抽取分析模块、遥控器动作识别模块和数据特征上传模块； 遥控器包括加速度传感器、角速度传感器； 所述遥控器用于通过加速度传感器获取三轴加速度值、通过角速度传感器获取三轴角速度值数据并发送到智能电视，智能电视接收遥控器加速度传感器的三轴加速度值和角速度传感器的三轴角速度值数据，通过数据特征值抽取分析模块抽取数据特征形成数据特征向量，智能电视的遥控器动作识别模块根据该数据特征向量与遥控器动作数据模型模块中存储的遥控器动作数据模型进行概率分布情况分析来判断出该数据特征向量所属的遥控器动作；所述数据特征上传模块同时将数据特征值抽取分析模块抽取的数据特征向量上传到云端服务器保存至云端数据库并更新遥控器动作数据模型。
9.根据权利要求8所述的遥控器动作识别系统，其特征在于，所述三轴加速度值包括加速度传感器在三维立体空间中的X、Y、Z轴方向上的加速度值；角速度传感器的三轴角速度值包括角速度传感器在三维立`体空间中的X、Y、Z轴方向上的角速度值。
【文档编号】G06F3/0346GK103517118SQ201210582780
【公开日】2014年1月15日 申请日期:2012年12月28日 优先权日:2012年12月28日
【发明者】罗轶琳, 汪灏泓 申请人:Tcl集团股份有限公司