[發明專利]一種基于慣性傳感器的人員非常規行為快速識別方法

有效

• 申請號: 202010041993.2
• 申請日: 2020-01-15
• 公開（公告）號: CN111259956B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 劉宇;曹原;路永樂;鄒新海;邸克;顧洪洋;付樂樂;方針;孫勇
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/77;G06V10/74;G01P15/02
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅;陳棟梁

1.一種基于慣性傳感器的人員非常規行為快速識別方法，其特征在于，包括以下步驟：

步驟1，根據人體的運動狀態特點，將其劃分為6種運動狀態；前進、后退、左橫向移動、右橫向移動、低姿行走、匍匐前進；

步驟2，采集固定于軀干部分的加速度計X、Y、Z三個軸向的原始數據，并對原始數據進行均值濾波處理；

步驟3，提取步驟2所采集的經過均值濾波后的加速度信號的時域特征參數，時域特征參數包括方差、互相關系數、Hjorth參數中間變量、極差和四分位距，每一種分類動作包含5維的特征向量，需要識別的6種動作共包含30維的特征向量；

步驟4，對步驟3所提取的加速度計5種時域特征進行數據降維的方法將特征向量從30維降到14維；

步驟5，根據步驟4所得的14維特征向量，使用KNN分類算法對人員行為模式進行分類識別；

所述步驟2是通過使用內置加速度計的單兵定位模塊來實現原始數據采集的，設置采樣頻率為50Hz，固定于腰部，根據步驟1所列舉的6種運動狀態，針對每一種動作分別采集三軸加速度計數據A_x、A_y、A_z，每個軸向各500個穩定的數據點，采集加速度信號的時間為15-20s的范圍，再從中截取500個數據點長度的穩定連續加速度數據區間即可，因此每一組動作可以得到由500×3矩陣構成，針對由500×1的矩陣組成的每列數據采用均值濾波處理突跳點，均值濾波模型如下：

其中，設置n＝50為均值濾波滑動窗口長度，x_i為第i個數據點；

步驟3所述的選取的5種加速度時域判定特征的計算方法為：

先根據數據預處理后的三軸加速度計的輸出值求出方差Var，如公式所示；

在公式中，A為三軸加速度的合加速度；a_x、a_y、a_z分別為加速度計三軸數據；

在公式(3)中，Var為方差；為合加速度計樣本n次觀測值的平均數；

求出互相關系數，如公式(4)所示：

C_xyz＝cov(x,y,z)/(σ_xσ_yσ_z)(4)

在公式中，cov(x,y,z)為x,y,z軸加速度的協方差矩陣；σ_x,σ_y,σ_z為x,y,z軸加速度的標準差；

求出Hjorth參數中間變量M₄，如公式(5)所示：

式中，d_i＝α_i-a_i-1；N表示加速度信號的觀測值，α_i表示第i個加速度信號的觀測值，d_i表示相鄰的加速度信號觀測值的差值也就是d_i＝α_i-a_i-1，M₄表示Hjorth參數中間變量；

求出極差，極差為滑動時間窗內數據極大值與極小值的差值，如公式所示；

式中，i＝X、Y、Z，M_ai為滑動時間窗內加速度第i軸向的極差，R為加速度計量程；

根據公式可以計算得到四分位距：

IQR＝Q₃-Q₁ (8)

式中：IQR為四分位間距；Q1為第一四分位數；Q3為第三四分位數；經過均值濾波后的加速度數據α_i,i＝1,2,…,N，對其從大到小進行排序得到b_i，四分位數的位置為為分位個數，k_j為P_j整數部分，r_j為小數部分；

根據以上算法可以計算得到5種加速度計時域特征值,每種動作可以得到500×5的特征值矩陣。