[發明專利]一種適用于基于熱釋電傳感人體移動路徑識別的建模方法

在審

• 申請號: 201410548862.8
• 申請日: 2014-10-16
• 公開（公告）號: CN104462640A
• 公開（公告）日: 2015-03-25
• 發明（設計）人: 李方敏;熊跡;龔鳴平;姜娜;周萬春;李博雅
• 申請（專利權）人: 武漢理工大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 武漢開元知識產權代理有限公司 42104
• 代理人: 潘杰

1.一種適用于基于熱釋電人體移動路徑識別的建模方法，包括如下步驟：

(1)設實驗區域的路徑間隔為S＝{s₁,…,s_m}，每個識別節點上有兩個熱釋電傳感器，人體目標T在熱釋電探測區域按指定路線進行移動，不同熱釋電傳感器在不同路徑上感應的特征波將有所不同，從特征波中分離出5種能區分不同路徑的特征指標，分別為電壓峰值，電壓谷值，電壓差，峰值到谷值的時間差，電壓差與時間差的比值；令M＝{1,…,m}，N＝{1,…,n}，不同的路徑間隔中分離出相同的特征指標集Ω＝{θ₁,…,θ_n}，對于路徑間隔s_i按屬性θ_j進行測度，得到s_i關于特征指標θ_j的特征指標區間為構成特征指標矩陣設傳感器測得的各特征指標區間集向量為把觀測值區間集向量作為行向量合并到特征指標矩陣的最后一行，得到增廣特征指標矩陣

A‾=[a11l,a11u][a12l,a12u]···[a1nl,a1nu][a21l,a21u][a22l,a22u]···[a2nl,a2nu]············[am1l,am1u][am2l,am2u]···[amnl,amnu][aμ1l,aμ1u][aμ2l,aμ2u]···[aμnl,aμnu];]]>

采用現有的規范化方法，對增廣特征指標矩陣進行處理，得到規范化增廣特征指標矩陣其中且

rijl=aijl/Σi=0m(aiju)2riju=aiju/Σi=0m(aijl)2,i∈M‾,j∈N;]]>設待識路徑特征指標與已規劃路徑特征指標的距離矩陣為D＝(d_ij)_m×n，設規劃路徑間隔類型s_i與人體移動的待識路徑X關于特征指標θ_j的區間灰關聯系數為：

ξij=miniminj{dij}+βmaximaxj{dij}jdij+βmaximaxj{dij}]]>

i＝1,…,m；j＝1,…,n

其中，β∈[0,1]為分辨系數，取值為0.5；

區間灰關聯系數矩陣為：

ξ=ξ11ξ12···ξ1nξ21ξ22···ξ2n············ξm1ξm2···ξmn;]]>

描述客觀權重：客觀權重由客觀商權表示，所謂熵權就是根據各指標傳遞給決策者信息量大小決定相應指標的權重，它反映了不同特征指標在決策中所起作用的大小，如果某個特征指標對識別所起的作用越大，表示該特征攜帶和傳輸的信息越多，則它的熵值就越小，熵權越大；對關聯系數矩陣，特征j的熵定義為其中，k＝1/Inm，當f_ij＝0時，設f_ijInf_ij＝0，定義特征j的客觀熵權即客觀權重為wj=(1-Hj)/(n-Σj=1nHj),j=1,···,n;]]>

描述主觀權重：主觀權重是根據決策者對各項指標的主觀重視程度來賦權的一種方法，設特征指標個數為n，由q名專家采用主觀賦權給出了q個權重組合，其權重矩陣為：

W＝[W¹,W²,…,W^q]^T，k＝1,2,…,q；q≥2

計算權重矩陣的相關系數，可得權重相關系統矩陣T，相關系數在一定程度上能代表專家的權威程度：

T=t11t12···t1qt21t22···t2q············tq1tq2···tqq,]]>tij=Σk=1n(ωki-ω‾i)(ωkj-ω‾j)Σk=1n(ωki-ω‾i)2Σk=1n(ωkj-ω‾j)2,]]>ω‾=Σk=1nωk/n;]]>

給出綜合權重：定義專家加權權重矩陣ψ＝[ψ₁,ψ₁,…,ψ_q]^T，對T做歸一化處理得T'，即可表示為ψ：ψ＝T'*W。如果ψ不收斂需要對ψ進行循環計算，直到它收斂為止；定義綜合權重由主觀權重和客觀權重組成，其綜合權重Δ＝(Λ₁,Λ₂,…,Λ_j,…Λ_n)，滿足如下關系：

Σj=1nψj=1,]]>且Λj=wjψjΣj=1nwjψj(j=1,2,3,···,n)]]>

若指標綜合權重向量Δ＝(Λ₁,Λ₂,…,Λ_j,…Λ_n)'已知，則規劃路徑類型s_i與人體移動的待識別路徑X綜合區間灰關聯度為：

Zi=Σj=1nΛiξ,i=1,···,m]]>

Z_i反映了X與s_i的相似程度，Z_i越大，表明X與s_i越相似，即人體移動的未知路徑X屬于路徑類型s_i的可能性越大；

由特征矩陣得到增廣的特征指標矩陣；規范化增廣特征指標矩陣；計算距離矩陣；計算區間灰關聯系數矩陣；計算屬性客觀權重向量；計算屬性主觀權重向量；計算綜合權重向量；得到各段路徑與目標移動的未知路徑X的綜合區間灰關聯度；路徑識別規則如下：如果存在k₀使得則判別該未知路徑X為路徑類型

2.如權利要求1所述的適用于基于熱釋電人體移動路徑識別的建模方法，其特征在于，所述實驗區域為8m*8m熱釋電傳感器感應區域，該區域被劃分為9個0.6m的等間隔區域，由于熱釋電感應區域在1M以外數據采集有效，所以實驗數據有效距離為1.2M到6.6M，數據訓練階段為：人體T1首先以指定路徑A模式進行移動，然后以指定路徑B模式進行移動，并各重復進行20次，同時人體T2以同樣的方式重復20次試驗，其中16次試驗數據均值作為數據庫的識別數據，剩余4次試驗數據均值作為測試數據；

通過熱釋電節點對人體在5段路徑移動時，其數據的處理得出電壓峰值，電壓谷值，電壓差，峰值到谷值的時間差，電壓差與時間差的比值這五種特征指標值；

分別利用綜合區間關聯度融合方法、一般權重區間法和相對接近度法對特征指標值進行處理，并比較最后的支持度，得出綜合權重區間法和相對接近度法總支持度要大于一般權重區間法的支持度。

利用綜合區間關聯度融合方法、一般權重區間法和相對接近度法，分別對目標T1和目標T2在10段不同路徑上行走的數據進行處理，比較兩個人通過三種算法處理后的差距支持率，得出綜合權重區間法和相對接近度法的差距支持率增幅要大于一般權重區間法，其識別的可靠性要好于一般權重區間法；

通過比較不同人不同算法的總支持度，得出基于綜合權重區間法和相對接近度法的總支持度要大于一般權重區間法總支持度，但相對接近度法的總支持度不一定大于綜合權重區間法的總支持度；

通過比較5段和10段不同路徑上的人體目標識別率，得出當5段路徑之間相隔1.2m時，熱釋電傳感器所采集的人體熱紅外數據差異較明顯，識別效果比較好；

通過比較數據采集存在異常時不同算法對目標的識別情況得出，當數據采集的過程中有異常數據出現時，綜合權重區間法要明顯好于相對接近度法,其原因在于綜合權重區間法的數據形態是模糊狀即區間的形式，只要異常數據的波動值在區間內就會對目標移動的路徑進行識別,而相對接近度法不能對偏離過大的數據進行有效的計算,其容錯性要明顯好于相對接近度法。