[發(fā)明專利]基于智能終端的相似活動識別方法在審
| 申請?zhí)枺?/td> | 201810706613.5 | 申請日: | 2018-07-02 |
| 公開(公告)號: | CN109086667A | 公開(公告)日: | 2018-12-25 |
| 發(fā)明(設計)人: | 陳建新;閆娜;周亮;于濤;劉希鵬 | 申請(專利權(quán))人: | 南京郵電大學 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06F3/0346 |
| 代理公司: | 南京蘇科專利代理有限責任公司 32102 | 代理人: | 姚姣陽 |
| 地址: | 210003 江蘇*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 人體活動 特征集 活動識別 頻域特征 智能終端 分類器 預處理 加速計傳感器 數(shù)據(jù)采集步驟 特征提取算法 分類器選擇 提取預處理 預處理步驟 分類結(jié)果 活動特征 時域特征 特征選擇 坐標轉(zhuǎn)化 五維 向量 提煉 檢測 優(yōu)化 | ||
一種基于智能終端的相似活動識別方法,包括如下步驟:S1、數(shù)據(jù)采集步驟,從加速計傳感器中獲取人體活動數(shù)據(jù);S2、預處理步驟,通過坐標轉(zhuǎn)化的方法對所獲取的人體活動數(shù)據(jù)進行預處理,構(gòu)造出五維向量;S3、提取活動特征步驟,提取預處理過的人體活動數(shù)據(jù)中的時域特征、頻域特征以及時頻域特征,形成特征集;S4、最優(yōu)特征選擇步驟,利用特征提取算法對特征集進行提煉、優(yōu)化,得到最優(yōu)特征集;S5、分類器選擇和活動識別步驟,選取分類器,將最優(yōu)特征集傳入分類器中,最終得到分類結(jié)果。本發(fā)明實現(xiàn)了對人體活動準確、高效地檢測和識別,具有很高的使用及推廣價值。
技術領域
本發(fā)明涉及一種識別方法,尤其涉及一種基于智能終端的相似活動識別方法,屬于計算機和傳感器技術領域。
背景技術
隨著計算機和傳感器技術的不斷進步,人體活動識別(HAR)在各個領域中都具有著廣泛的應用前景,例如保健、疾病控制、運動和健身。例如在日常生活中,跌倒是老年人日常生活中通常會面臨的問題之一,很可能會造成嚴重的后果,而現(xiàn)如今,該問題就可以通過HAR系統(tǒng)來解決。此外,人體活動識別技術也可用于估計日常活動的能量消耗。
在這樣的技術背景下,伴隨著人工智能等學科地不斷發(fā)展,尤其是可穿戴式傳感器(如加速度傳感器)出現(xiàn)后,基于可穿戴傳感器的人體活動識別成為可能。由于可穿戴傳感器體積小,質(zhì)量輕,可以集成在手機、智能手表等智能終端上。因而基于智能終端進行行為識別是一種更加自然、也更加便捷、保護隱私的人機交互方式。
目前,行業(yè)內(nèi)也已經(jīng)出現(xiàn)了各類相關的研究,且成果斐然。
2011年Gieber等人提出了智能手機的傳感器融合的方法來提高識別的準確率。使用三軸加速計來追蹤用戶的活動,用麥克風來獲取當前的環(huán)境信息。采用分層分類算法,融合二級分類器以實現(xiàn)活動識別。
2014年Harasimowicz等人使用智能手機中的三軸加速計來識別八種日常活動。使用KNN算法可以獲得98.5%的準確率。但該方法對相似活動識別,準確率只有94.5%。
2016年Niazi構(gòu)建了一個由五個隨機樹分類器組成的三級分類器系統(tǒng)。通過三次分類來識別五個活動組。該方法對于上下樓活動識別準確率較低。
2017年He提出了一種基于小波變換和半余弦模糊聚類的自動特征提取和識別的人體活動識別方法。使用半余弦初始化來消除模糊聚類對初始中心分布的敏感性。但是,對于相似的活動的識別,結(jié)果并不令人滿意。
總體而言,當前基于機器學習的人體活動識別可以分為兩類:基于視覺的方法和基于傳感器的方法。考慮到隱私和環(huán)境制約,采用基于傳感器的識別方法更受到業(yè)內(nèi)人員的關注,而該方法的挑戰(zhàn)就是如何準確、高效地檢測和識別人體活動,包括相似運動。
綜上所述,如何提出一種基于智能終端的相似活動識別方法,以實現(xiàn)對人體活動準確、高效地檢測和識別,也就成為了行業(yè)內(nèi)技術人員所共同期望解決的問題之一。
發(fā)明內(nèi)容
鑒于現(xiàn)有技術存在上述缺陷,本發(fā)明的目的是提出一種基于智能終端的相似活動識別方法,包括如下步驟:
S1、數(shù)據(jù)采集步驟,從加速計傳感器中獲取人體活動數(shù)據(jù);
S2、預處理步驟,通過坐標轉(zhuǎn)化的方法對所獲取的人體活動數(shù)據(jù)進行預處理,構(gòu)造出五維向量;
S3、提取活動特征步驟,提取預處理過的人體活動數(shù)據(jù)中的時域特征、頻域特征以及時頻域特征,形成特征集;
S4、最優(yōu)特征選擇步驟,利用特征提取算法對特征集進行提煉、優(yōu)化,得到最優(yōu)特征集;
S5、分類器選擇和活動識別步驟,選取分類器,將最優(yōu)特征集傳入分類器中,最終得到分類結(jié)果。
優(yōu)選地,所述S1數(shù)據(jù)采集步驟包括:
該專利技術資料僅供研究查看技術是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于南京郵電大學,未經(jīng)南京郵電大學許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810706613.5/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





