[發(fā)明專利]一種基于稀疏表示和Softmax分類的人體活動(dòng)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810814856.0
• 申請(qǐng)日: 2018-07-23
• 公開（公告）號(hào): CN109086704A
• 公開（公告）日: 2018-12-25
• 發(fā)明（設(shè)計(jì)）人: 袁友偉;姚瑤;鄢臘梅;俞東進(jìn);李萬清
• 申請(qǐng)（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 浙江永鼎律師事務(wù)所 33233
• 代理人: 雷仕榮

本發(fā)明公開了一種基于稀疏表示和Softmax分類的人體活動(dòng)識(shí)別方法，步驟S1：使用海量的無線傳感器活動(dòng)信號(hào)數(shù)據(jù)集訓(xùn)練Softmax模型；步驟S2：使用經(jīng)過訓(xùn)練的Softmax模型對(duì)實(shí)時(shí)檢測(cè)的活動(dòng)信號(hào)進(jìn)行分類和識(shí)別。采用本發(fā)明的技術(shù)方案，將數(shù)據(jù)庫(kù)中的海量傳感器活動(dòng)信號(hào)數(shù)據(jù)集進(jìn)行訓(xùn)練，確定信號(hào)的所屬類別，再結(jié)合稀疏表示算法進(jìn)行活動(dòng)信號(hào)處理，從而大大降低了人體活動(dòng)信號(hào)識(shí)別的計(jì)算量和復(fù)雜度，同時(shí)也有效提高人體活動(dòng)分析的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及醫(yī)學(xué)人體活動(dòng)檢測(cè)識(shí)別領(lǐng)域醫(yī)學(xué)人體活動(dòng)檢測(cè)識(shí)別領(lǐng)域，尤其涉及一種基于稀疏表示和Softmax分類的人體活動(dòng)識(shí)別方法。

背景技術(shù)

在過去的幾十年中，現(xiàn)代計(jì)算機(jī)技術(shù)的進(jìn)步使人體活動(dòng)識(shí)別成為熱門的研究領(lǐng)域，人體活動(dòng)識(shí)別分析在醫(yī)學(xué)、安全、人機(jī)交互等領(lǐng)域具備巨大的研究意義。當(dāng)前活動(dòng)識(shí)別算法大多基于無線傳感器網(wǎng)絡(luò)下的活動(dòng)識(shí)別，無線傳感器進(jìn)行活動(dòng)信號(hào)采集，再對(duì)采集的活動(dòng)信號(hào)進(jìn)行傳輸并處理，接著運(yùn)用信號(hào)處理算法進(jìn)行識(shí)別。但由于無線傳感器信號(hào)存在大量噪聲，且信號(hào)的存儲(chǔ)計(jì)算量龐大，這對(duì)信號(hào)的識(shí)別準(zhǔn)確性與識(shí)別算法的高效性存在一定的挑戰(zhàn)。

現(xiàn)有技術(shù)的人體活動(dòng)識(shí)別方法主要存在以下兩個(gè)問題：

1、活動(dòng)信號(hào)采集受外界因素的影響，存在著大量的噪聲信號(hào)，這對(duì)后續(xù)的算法處理準(zhǔn)確性有著很重要的影響。

2、活動(dòng)信號(hào)存儲(chǔ)計(jì)算量龐大，識(shí)別算法的處理往往需要較大的時(shí)間復(fù)雜度，存在的較大的時(shí)間延遲，并不能高效實(shí)時(shí)的進(jìn)行活動(dòng)的識(shí)別。

故，針對(duì)現(xiàn)有技術(shù)的缺陷，實(shí)有必要提出一種技術(shù)方案以解決現(xiàn)有技術(shù)存在的技術(shù)問題。

發(fā)明內(nèi)容

有鑒于此，確有必要提供一種基于稀疏表示和Softmax分類的人體活動(dòng)識(shí)別方法，將數(shù)據(jù)庫(kù)中的海量傳感器活動(dòng)信號(hào)數(shù)據(jù)集進(jìn)行訓(xùn)練，確定信號(hào)的所屬類別，再結(jié)合稀疏表示算法進(jìn)行活動(dòng)信號(hào)處理，從而大大降低了人體活動(dòng)信號(hào)識(shí)別的計(jì)算量和復(fù)雜度，同時(shí)也有效提高人體活動(dòng)分析的準(zhǔn)確性。

為了克服現(xiàn)有技術(shù)的缺陷，本發(fā)明的技術(shù)方案如下：

一種無線傳感器網(wǎng)絡(luò)下的基于稀疏表示和Softmax分類的人體活動(dòng)識(shí)別方法，包括以下步驟：

步驟S1：使用海量的無線傳感器活動(dòng)信號(hào)數(shù)據(jù)集訓(xùn)練Softmax模型；

步驟S2：使用經(jīng)過訓(xùn)練的Softmax模型對(duì)實(shí)時(shí)檢測(cè)的活動(dòng)信號(hào)進(jìn)行分類和識(shí)別；其中，步驟S1進(jìn)一步包括：

步驟S11：獲取大規(guī)模無線傳感器活動(dòng)信號(hào)數(shù)據(jù)集，并進(jìn)行數(shù)據(jù)預(yù)處理；

步驟S12：將預(yù)處理后的活動(dòng)信號(hào)數(shù)據(jù)集存儲(chǔ)于HBase數(shù)據(jù)庫(kù)中；

步驟S13：從HBase數(shù)據(jù)庫(kù)中獲取信號(hào)數(shù)據(jù)集，基于傳感器信號(hào)隨時(shí)間變化的規(guī)律，使用特征提取方法獲取活動(dòng)信號(hào)的特征向量；該步驟是S13進(jìn)一步包括：

步驟S131：假設(shè)S＝{s1,s2…sn}是無線傳感器網(wǎng)絡(luò)的多個(gè)可穿戴傳感器集合。大小相等的時(shí)間戳T＝{t1,t2…tn},其中t_i+1-t_i＝λ,λ代表時(shí)間間隔，利用指定的特征提取算法得到特征向量f。

步驟S132：在活動(dòng)信號(hào)傳輸期間，構(gòu)造二元組w(wts,S)為時(shí)間域wts內(nèi)的活動(dòng)事件表示，S代表指定的監(jiān)測(cè)傳感器序號(hào)。

步驟S133：設(shè)在活動(dòng)信號(hào)數(shù)據(jù)庫(kù)HBase中，所有的監(jiān)測(cè)活動(dòng)事件為w＝{w1,w2…wk},相同的活動(dòng)事件X的活動(dòng)信號(hào)集合可表示為利用有效的信號(hào)特征提取算法進(jìn)行活動(dòng)信號(hào)的提取。活動(dòng)信號(hào)的特征向量可表示如下：