[發明專利]一種基于高斯混合聚類算法的自適應行人手機姿態識別方法

有效

• 申請號: 201911093223.6
• 申請日: 2019-11-11
• 公開（公告）號: CN110929766B
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 易荷田;曾慶化;黃河澤;雷棋堯;熊智;曾世杰
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F18/23
• 分類號: G06F18/23;G01C21/20;G01C21/18;G01C21/16;G01C21/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 徐紅梅

1.一種基于高斯混合聚類算法的自適應行人手機姿態識別方法，其特征在于，包括以下步驟：

(1)對行人的手機各姿態下內部加速度傳感器、陀螺儀和近距離傳感器的三軸數據進行采集，量化處理，求解加速度傳感器重力分量，并虛擬為重力計數據；

(2)采用高斯混合聚類算法對待識別行人的實時手機姿態進行分類識別；具體為：

(21)設置高斯混合聚類模型初始參數；

高斯混合聚類模型參數為(α_i,μ_i,Σ_i)，其中，μ_i與Σ_i分別為第i個高斯混合成分的均值和方差參數，而α_i0為相應“混合系數”，其中k為已知聚類簇數即手機姿態個數；各個手機姿態的高斯混合聚類模型參數(α_i,μ_i,Σ_i)即各個姿態下對多名行人手機各姿態下虛擬重力計數據處理所得，計算公式為：

其中，g_xpi、g_ypi和g_zpi分別為第i類姿態下第p組虛擬重力計x、y和z軸的重力分布數據，X_pi為三維向量即第i類姿態下第p組重力計三軸數值m是用于計算第i類姿態下初始高斯混合成分的數據的總個數；

各手機姿態出現概率認為是相等的，則取

(22)初始化或更新滑動窗口，設定滑動窗口長度為H，定義變量：

A＝max Groz_h,h∈[1,H]；

其中，max Groz_h為滑動窗口中最大的陀螺儀z軸數值；計算滑動窗口內A大小，判斷是否超過閾值thrl進行相應的手機位姿匹配與區分，滑動窗口每讀入一個數據更新一次，窗口的總長度不變，滑動窗口長度H大于陀螺儀信號一周期的采樣數據個數；

(23)進行高斯混合聚類算法匹配過程；包括以下步驟：

(231)計算X_t由各混合成分生成的后驗概率γ_it，X_t為t時刻待識別行人手機虛擬重力計三軸數值其中，g_xt、g_yt和g_zt分別為虛擬重力計在x、y和z軸分量，即其中，

根據后驗概率γ_ti的大小確定X_t的簇標記即當i使得γ_ti取最大時令λ_t等于i即進行一次姿態劃分；即，取后驗概率最大的類作為待識別行人手機姿態的類別；

(232)所有手機姿態均由聚類識別分類，對于重力分布有重合的手機姿態，根據手機三軸陀螺儀數據，基于聚類識別結果結合近距離傳感器的信號特征E₁和E₂進行匹配識別；

定義鑒別褲兜模式傳感器信號特征為E₁，定義鑒別甩手模式的傳感器信號特征為E₂，定義聚類算法識別結果為E₃，具體計算方式為：

其中，proximity是近距離傳感器數值，即當近距離傳感器數值為0時，特征E₁成立，否則不成立；max Groz_h為連續采樣點內陀螺儀z軸最大值即滑動窗口A內最大值，thrl為閾值，若max Groz_h大于該閾值則E₂成立；N為1時聚類識別結果為豎屏，N為2時聚類識別結果為橫屏，N為3時聚類識別結果為通話，N為4時聚類識別結果為甩手，N為5時聚類識別結果為褲兜；

E₁(0)E₃(4)表示E₁＝0和E₃＝4同時滿足時，分類結果為甩手；E₁(1)E₃(4)表示E₁＝1和E₃＝4同時滿足時，分類結果為褲兜；E₂(0)E₃(5)表示E₂＝0和E₃＝5同時滿足時，分類結果為褲兜，括號里的數字為事件的結果；

(233)將數據X_t劃入相應的簇C_λt＝C_λt∪{X_t}，簇即為一系列待識別手機姿態劃分的一類；

(234)輸出簇劃分結果，即手機姿態判別結果，令t＝t+1，返回步驟(231)；

(3)姿態轉換檢測，對待識別行人攜帶手機時兩種姿態之間的轉換過程進行檢測與識別；

設定滑動窗口大小為M，存儲一系列時刻采樣點的簇劃分結果，即姿態判別結果；對滑動窗口內一系列連續手機姿態轉換進行檢測；

(4)輸出姿態轉換檢測判斷結果；即判斷是否發生姿態轉換，給出兩姿態轉換臨界過程附近的采樣點。