[發明專利]一種多模態傳感器協同感知方法及系統有效
| 申請號: | 201710743558.2 | 申請日: | 2017-08-25 |
| 公開(公告)號: | CN109426827B | 公開(公告)日: | 2021-05-07 |
| 發明(設計)人: | 陳益強;楊曉東;于漢超;張迎偉 | 申請(專利權)人: | 中國科學院計算技術研究所 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62 |
| 代理公司: | 北京律誠同業知識產權代理有限公司 11006 | 代理人: | 祁建國;梁揮 |
| 地址: | 100080 北*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 多模態 傳感器 協同 感知 方法 系統 | ||
1.一種傳感器協同感知方法,其特征在于,包括:
離線模型訓練步驟,采集用戶行為的傳感器信號,采用滑動窗口機制將該信號進行預處理,將其分割為基本單元數據;對每幀該基本單元數據提取統計特征,包括均值、方差、標準差、過零率、過均值率、最大值、最小值;將該統計特征首尾相接組成特征向量,成為該用戶行為的行為幀;以該行為幀內出現次數最多的傳感器采樣點標定作為該行為幀標定,組成訓練數據集;利用一個多類分類器建立行為識別模型,利用多個輕量級的二類分類器建立狀態監測模型,以該行為識別模型和該狀態監測模型為該用戶行為的分類模型;獲得每個該用戶行為的統計特征信息增益,將與某一該傳感器相關的統計特征信息增益之和,作為該傳感器的傳感器信息增益;依據該傳感器增益將其對應的該傳感器進行降序排序,依次將與降序排序的該傳感器相關的該特征向量加入該分類模型;利用超限學習機結合十折交叉驗證對該分類模型進行訓練,得到每個該分類模型的傳感器組合;
在線行為感知步驟,對用戶當前行為進行行為識別,并調用該分類模型并激活其傳感器組合,采集該用戶行為的傳感器信號進行分析,以識別該用戶行為的類別,對該當前行為進行行為感知;確定該當前行為的種類后,調用對應的該狀態監測模型的傳感器組合進行行為監測,該當前行為發生變化時,重新激活該行為識別模型的傳感器組合,采集傳感器信號并進行分析,識別該當前行為的類別。
2.如權利要求1所述的傳感器協同感知方法,其特征在于,包括:
該用戶行為的種類包括行走、站立、坐下、躺;該傳感器為可穿戴多模態傳感器,包括加速度計、陀螺儀、磁力計。
3.一種傳感器協同感知系統,其特征在于,包括:
離線模型訓練模塊,用于采集用戶行為的傳感器信息,采用滑動窗口機制將信號進行預處理,將其分割為基本單元數據;對每幀該基本單元數據提取統計特征,包括均值、方差、標準差、過零率、過均值率、最大值、最小值;將該統計特征首尾相接組成特征向量,成為該用戶行為的行為幀;以該行為幀內出現次數最多的傳感器采樣點標定作為該行為幀標定,組成訓練數據集;利用一個多類分類器建立行為識別模型,利用多個輕量級的二類分類器建立狀態監測模型,以該行為識別模型和該狀態監測模型為該用戶行為的分類模型;獲得每個該用戶行為的統計特征信息增益,將與某一該傳感器相關的統計特征信息增益之和,作為該傳感器的傳感器信息增益;依據該傳感器增益將其對應的該傳感器進行降序排序,依次將與降序排序的該傳感器相關的該特征向量加入該分類模型;利用超限學習機結合十折交叉驗證對該分類模型進行訓練,得到每個該分類模型的傳感器組合;
在線行為感知模塊,用于識別用戶當前行為的種類,調用該分類模型并激活傳感器組合,采集該當前行為的傳感器信號并進行分析,以識別該用戶行為的類別,對該當前行為進行行為感知;確定該當前行為的種類后,調用對應的該狀態監測模型的傳感器組合進行行為監測,該當前行為發生變化時,重新激活該行為識別模型的傳感器組合,采集傳感器信號并進行分析,識別該當前行為的類別。
4.如權利要求3所述的傳感器協同感知系統,其特征在于,所述離線模型訓練模塊還包括:
建模及訓練模塊,用于建立每個日常行為的分類模型,并對該分類模型進行訓練,形成該分類模型的傳感器組合。
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中國科學院計算技術研究所,未經中國科學院計算技術研究所許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710743558.2/1.html,轉載請聲明來源鉆瓜專利網。





