[發明專利]一種基于聯合時域頻域特征的人體行為識別方法

在審

• 申請號: 201910540142.X
• 申請日: 2019-06-21
• 公開（公告）號: CN110245718A
• 公開（公告）日: 2019-09-17
• 發明（設計）人: 莊偉;申義賢;徐江;張杰鋒;孫潔;韓悅
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;A61B5/11
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 戴朝榮

本發明公開了一種基于聯合時域頻域特征的人體行為識別方法，采用單節點慣性測量裝置對人體運動產生的加速度數據和角速度數據進行樣本數據采集，通過對采集結果進行去除奇異值、漂移補償和數據窗口化處理，提取出能用來區分人體行為運動的特征，對提取出的特征進行優化處理之后，采用基于歐式距離的二叉樹分類算法生成分類二叉樹，利用提取的特征對二叉樹的SVM二元分類器進行訓練和測試，從而提取出分類模型，將單節點慣性測量裝置采集到的代表人體行為運動的實時加速度、角速度數據輸入該分類模型可實現人體行為運動實時識別。本方法采用二叉樹分類算法，同時精簡選取較少特征進行訓練，降低了計算復雜度、減少了運算時間、降低了功耗、提升了識別準確率。

技術領域

本發明涉及人體行為識別技術領域，具體而言涉及一種基于聯合時域頻域特征的人體行為識別方法。

背景技術

近年來，人體運動行為識別技術在眾多需獲取人體運動特征的領域具有重要的作用，具有很大研究價值。人體行為識別是通過一系列傳感器獲取人體行為相關數據，經過特征提取等處理過程來判斷人體運動模式的技術。大致可分為兩種，一種是基于圖像信息，一種是基于慣性測量器件。

傳統的人體行為識別多基于圖像信息進行，通過攝像頭獲取人體運動的圖像信息，對人體行為進行特征值抽取和建模，從而判斷行為類別。該方法的優點是起步較早，較為成熟，識別的準確率高。但具有很大局限性，例如，對圖像質量要求較高，識別過程需要處理大量數據，算法比較復雜，功耗高，很難將其應用于使用微型電池供電的可穿戴式設備。

目前，在可穿戴傳感系統的設計上多采用慣性測量器件，如加速度計、陀螺儀等。不同類型的運動行為會在加速度計、陀螺儀的三個方向上產生不同的加速度和轉動角度數據。通過對這些數據進行處理并提取出特征，可以進行人體運動行為識別。慣性測量器件成本低、小巧方便，功耗低，可使用微型電池供電，具有較強的抗干擾能力，需要處理的數據量較少，對處理器的要求較低，而且采集的數據類型豐富，模型可擴展性較好。然而該方法目前也存在一些問題，例如，追求更高識別準確度則需要采用多個節點，能夠識別的人體運動行為種類仍較少。

目前有很多基于慣性測量器件進行人體行為識別的研究案例，Atallah等學者通過胸口、腹部、腕部、大腿和足部五個節點進行行為監測，雖然得出的檢出率高達99.8％，但采用的節點過多。Tong等學者通過部署在胸口的三軸加速度計節點進行姿態分析，通過隱馬爾科夫方法進行行為識別，該研究未對其他身體部位進行測試，選用的特征來源是加速度強度值,但其復雜度較高，不易于在終端節點實現。

因此有必要設計一種低復雜度、低功耗、檢測準確度高且易于實現的基于可穿戴式單節點的行為識別方法。

發明內容

本發明的目的在于提供一種基于聯合時域頻域特征的人體行為識別方法，采用單節點慣性測量裝置對人體運動產生的加速度數據和角速度數據進行樣本數據采集，通過對采集結果進行去除奇異值、漂移補償和數據窗口化處理，提取出能用來區分人體行為運動的特征，對提取出的特征進行優化處理之后，采用基于歐式距離的二叉樹分類算法生成分類二叉樹，利用提取的特征對二叉樹的SVM二元分類器進行訓練和測試，從而提取出分類模型，將單節點慣性測量裝置采集到的代表人體行為運動的實時加速度、角速度數據輸入該分類模型可實現人體行為運動實時識別。本方法采用二叉樹分類算法，同時精簡選取較少特征進行訓練，降低了計算復雜度、減少了運算時間、降低了功耗、提升了識別準確率。

為達成上述目的，結合圖1，本發明提出一種基于聯合時域頻域特征的人體行為識別方法，所述方法包括：

采用單節點慣性測量裝置對人體運動產生的加速度數據和角速度數據進行實時采集，基于識別不同人體行為的分類模型，對人體行為進行識別。

其中，所述分類模型基于二叉樹分類算法構建，構建過程包括：

S1：采用單節點慣性測量裝置對人體運動產生的加速度數據和角速度數據進行樣本數據采集，并對采集結果進行去除奇異值和漂移補償處理。