[發(fā)明專利]融合運動和生理傳感數據的層次化復雜活動識別方法有效
| 申請?zhí)枺?/td> | 201710029113.8 | 申請日： | 2017-01-16 |
| 公開（公告）號： | CN106886782B | 公開（公告）日： | 2019-05-31 |
| 發(fā)明（設計）人： | 陳嶺;彭梁英 | 申請（專利權）人： | 浙江大學 |
| 主分類號： | G06K9/46 | 分類號： | G06K9/46;G06K9/62 |
| 代理公司： | 杭州天勤知識產權代理有限公司 33224 | 代理人： | 胡紅娟 |
| 地址： | 310013 浙江*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 融合 運動 生理 傳感 數據 層次 復雜 活動 識別 方法 | ||
1.一種融合運動和生理傳感數據的層次化復雜活動識別方法，具體包括以下步驟：
(1)采集運動傳感數據和生理傳感數據，并對兩種數據進行異常值處理和特征提取，構建運動傳感數據特征向量Fa和生理傳感數據特征向量Fp；
(2)將運動傳感數據特征向量Fa進行K-Means聚類和LDA主題提取，得到運動傳感數據的主題分布，具體步驟包括：
(2-1)將所有窗口的運動傳感數據特征向量Fa通過K-Means聚類，得到K個簇，每個時間窗口的運動傳感數據對應一個簇編號，K個簇為K個“詞”；
(2-2)將N個窗口的運動傳感數據視作一個復雜活動，為“文檔”，統(tǒng)計每個文檔在K個詞上的分布，得到“文檔”在“詞”上的分布p(w|d)；
(2-3)將“文檔”在“詞”上的分布p(w|d)作為LDA主題模型的輸入，經學習得出“文檔”在“主題”上的分布p(z|d)，為運動傳感數據的主題分布；
(3)建立生理傳感數據的分類器，將生理傳感數據特征向量Fp作為該分類器的輸入，計算得到生理傳感數據在復雜活動上的概率向量Pp＝[Pp1,Pp2…,Ppm]，m為復雜活動類別的總數目；
(4)建立運動傳感數據的分類器，將運動傳感數據的主題分布作為該分類器的輸入，計算得到運動傳感數據在復雜活動上的概率向量Pa＝[Pa1,Pa2,…,Pam]；
(5)將概率向量Pa和概率向量Pp作為邏輯回歸融合模型的輸入數據，將復雜活動類型作為邏輯回歸融合模型的真值標簽，對邏輯回歸融合模型進行訓練，得到復雜活動分類模型；
(6)利用步驟(1)～步驟(4)的方法采集并處理測試運動傳感數據和測試生理傳感數據，得到測試生理傳感數據的概率向量P’p和測試運動傳感數據的概率向量P’a，然后，將概率向量P’p和概率向量P’a輸入到復雜活動分類模型中，計算得到復雜活動類型。
2.根據權利要求1所述融合運動和生理傳感數據的層次化復雜活動識別方法，其特征在于：所述的步驟(1)的具體步驟為：
(1-1)采用智能設備和穿戴式設備采集用戶在復雜活動時的運動傳感數據和生理傳感數據；
(1-2)對運動傳感數據和生理傳感數據進行異常值消除處理，并將處理后的兩種數據進行時間窗口劃分；
(1-3)對每個時間窗口的運動傳感數據提取常用統(tǒng)計特征，構建運動傳感數據特征向量Fa；
(1-4)對每個時間窗口的生理傳感數據提取結構特征和瞬態(tài)特征，構建生理傳感數據特征向量Fp。
3.根據權利要求2所述融合運動和生理傳感數據的層次化復雜活動識別方法，其特征在于：所述的步驟(1-2)的具體步驟為：
(1-2-1)對運動傳感數據進行異常點檢測，并對其中的值為零的數據進行插值處理；
(1-2-2)對生理傳感數據進行異位檢測與替換，并將其中超出正常值范圍的數據消除或進行均值填充；
(1-2-3)對處理后的運動傳感數據與生理傳感數據進行時間窗口劃分，生理傳感數據的時間窗口大小是運動傳感數據的時間窗口大小的整數倍N。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于浙江大學，未經浙江大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710029113.8/1.html，轉載請聲明來源鉆瓜專利網。
