[發(fā)明專利]一種基于智能手機(jī)多傳感器融合的人體活動識別方法

在審

• 申請?zhí)枺?/td>: 201910732567.0
• 申請日: 2019-08-09
• 公開（公告）號: CN110532898A
• 公開（公告）日: 2019-12-03
• 發(fā)明（設(shè)計）人: 何堅;楊佳現(xiàn);劉哲;余立
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 11203 北京思海天達(dá)知識產(chǎn)權(quán)代理有限公司
• 代理人: 劉萍<國際申請>=<國際公布>=<進(jìn)入國

1.基于智能手機(jī)多傳感器融合的人體活動識別方法，其特征在于，包括以下步驟：

(1)建立人體活動模型

將智能手機(jī)頭部朝下、垂直放置在用戶褲子右前方的口袋里，基于笛卡爾坐標(biāo)系的人體活動模型；其中，a_x、a_y和a_z分別代表智能手機(jī)沿x軸、y軸和z軸獲取的加速度數(shù)據(jù)；ω_x、ω_y和ω_z分別代表人體軀干繞x軸、y軸和z軸運動時的角速度數(shù)據(jù)；m_x、m_y和m_z分別代表x軸、y軸和z軸的地磁數(shù)據(jù)；此外，氣壓計感知當(dāng)前環(huán)境下的氣壓；選定人的褲子前方右口袋為坐標(biāo)原點，人體的正右方為x軸的正方向，正上方為y軸的正方向，正前方為z軸的正方向；

在3軸加速度計、陀螺儀和磁力計分別感知的3維數(shù)據(jù)基礎(chǔ)上，按照公式(1)分別計算加速度、角速度和磁力的合值；合值僅反映加速度、角速度和磁力的幅度值變化，與方向無關(guān)；

(2)人體活動數(shù)據(jù)預(yù)處理

采用中值濾波算法對多模態(tài)數(shù)據(jù)過濾和去躁，然后再對數(shù)據(jù)進(jìn)行歸一化，以提高訓(xùn)練速度和識別的準(zhǔn)確度；采用公式(2)將原始數(shù)據(jù)歸一化到[-1,1]之間；針對磁力計和氣壓計，采用公式(3)將它們采集的原始數(shù)據(jù)歸一化到[-1,1]之間；公式(2)(3)中，x代表傳感器的原始數(shù)據(jù)，x_mean代表原始數(shù)據(jù)的平均值，range代表加速度或陀螺儀的量程范圍，x_var代表原始數(shù)據(jù)的方差，x_scale代表歸一化之后的數(shù)據(jù)；

采用滑動窗口技術(shù)對歸一化后的人體活動數(shù)據(jù)進(jìn)行分割；將手機(jī)傳感器的采樣頻率定為50Hz，滑動窗口大小設(shè)定為2s，即用一個容量為100個樣本點的滑動窗分割傳感器信號，相鄰滑動窗按50％進(jìn)行交叉重疊；選用人體活動數(shù)據(jù)的均值、方差、標(biāo)準(zhǔn)差、峰度、均方根、最大值、最小值和能量譜密度作為人體活動的特征并采用PCA對特征向量進(jìn)行降維；

(3)設(shè)計了基于多傳感器融合的人體活動識別算法RSK-Stacking

給定T個初級學(xué)習(xí)算法S₁,S₂......S_T和一個元層學(xué)習(xí)算法S，驟如下：

訓(xùn)練階段：初級學(xué)習(xí)層采用K折交叉檢驗方法訓(xùn)練基層學(xué)習(xí)器；將初始訓(xùn)練數(shù)據(jù)集D＝{(x₁,y₁),(x₂,y₂).....(x_h,y_h)}隨機(jī)劃分成k個大小相似的子數(shù)據(jù)集D₁,D₂.....D_k,D_j表示第j折的子數(shù)據(jù)集，j＝1,2.....k；接下來進(jìn)行k次迭代，每次迭代時，將作為S_t算法的輸入數(shù)據(jù)集，其中t＝1,2.....T，第t個學(xué)習(xí)算法S_t在上訓(xùn)練得到初級學(xué)習(xí)器L_t^(j)；L_t^(j)對D_j中的每個樣本x_i進(jìn)行預(yù)測，預(yù)測結(jié)果表示為L_t^(j)(x_i)；

當(dāng)T個模型進(jìn)行完上述操作之后，得到T個模型對D_j中所有樣本的預(yù)測結(jié)果；x_i產(chǎn)生的次級訓(xùn)練樣例x'＝(L₁^(j)(x_i),L₂^(j)(x_i),....,L_T^(j)(x_i))，標(biāo)記為y_i，當(dāng)k次迭代完成之后，得到T個模型對所有樣本的預(yù)測結(jié)果最后將D'作為次級學(xué)習(xí)算法S的輸入數(shù)據(jù)，得到次級學(xué)習(xí)器L'＝S(D')；

測試階段：每個學(xué)習(xí)算法S_t在K折訓(xùn)練集上產(chǎn)生k個初級學(xué)習(xí)器L_t^(j)，j＝1,2,....,k，這k個學(xué)習(xí)器在測試集D_test中的每一個樣本x上產(chǎn)生k個預(yù)測結(jié)果(L_t⁽¹⁾(x),L_t⁽²⁾(x),....,L_t^(k)(x))，將這k個結(jié)果按照公式(4)取平均值：

測試樣例x輸入T個學(xué)習(xí)算法得到預(yù)測值將其輸入次級學(xué)習(xí)器L'，最終得到預(yù)測結(jié)果