基于大数据的自然交互意图理解和智能输入

　　成果简介：

　　在基于大数据的自然交互意图理解方面，课题搭建了集成体位姿态、生理、语音通道、视频等多通道实时同步数据采集平台，建立了多种感知信息对应的个人行为意图和情感状态数据库。面向康复训练，针对视频遮挡情况下蹲坐动作难以识别的情况，构建蹲、坐、半蹲动作数据集，采用决策级融合算法 D-S 证据理论融合RBG 视频的分类结果与 IMU 和足底压力传感器特征级融合后的分类结果，实现运动意图识别误判率的降低。 

　　应用领域： 康复医疗、运动健身 

　　市场前景： 应用广泛。基于3D卷积神经网络的人体行为分析及多通道的信息意图识别技术，在云端实现用户意图理解，为自然交互智能输入设备及中间件的示范应用与产业化提供技术支撑，可以应用于运动健身、康复医疗等领域。 

　　拟转化的方式（或合作模式）： 技术转让、技术许可、技术入股 

　　相关图片（2-3张）：

　　图1 人体行为识别系统

　　图2 视觉遮挡下的蹲/坐/半蹲识别