[發(fā)明專利]一種基于數(shù)據(jù)融合的人體軌跡相似行為識別方法

有效

• 申請?zhí)枺?/td>: 202010772393.3
• 申請日: 2020-08-04
• 公開（公告）號: CN112084852B
• 公開（公告）日: 2022-08-26
• 發(fā)明（設(shè)計）人: 黃疏桐;黃倩;李興
• 申請（專利權(quán)）人: 河海大學(xué)
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V10/764;G06V10/80;G06V10/82;G06N3/04
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 曹佩佩

1.一種基于數(shù)據(jù)融合的人體軌跡相似行為識別方法，其特征在于，具體包括以下步驟：

步驟1，研究行為特點(diǎn)選取主要運(yùn)動節(jié)點(diǎn)，計算主要運(yùn)動節(jié)點(diǎn)兩兩之間的結(jié)構(gòu)向量并作為骨骼特征；

步驟2，根據(jù)主要運(yùn)動節(jié)點(diǎn)的傳感器加速度與傳感器角速度數(shù)據(jù)計算線性加速度數(shù)據(jù)，對線性加速度數(shù)據(jù)進(jìn)行加窗處理，提取每個窗口內(nèi)數(shù)據(jù)的時域特征作為線性加速度特征；

在步驟2中，對線性加速度數(shù)據(jù)進(jìn)行特征提取，得到線性加速度特征包括：將主要運(yùn)動節(jié)點(diǎn)的線性加速度數(shù)據(jù)進(jìn)行加窗處理，窗口長度為256個數(shù)據(jù)點(diǎn)，相鄰窗口重疊半個窗口長度；對每個窗口的線性加速度數(shù)據(jù)提取多種時域特征構(gòu)成特征向量；

在步驟2中，根據(jù)主要運(yùn)動節(jié)點(diǎn)的傳感器加速度與傳感器角速度數(shù)據(jù)計算線性加速度數(shù)據(jù)，具體如下：使用分段雙向去除反向重力加速度算法計算人體關(guān)節(jié)點(diǎn)的線性加速度，利用滑動均值濾波器，對采集到的運(yùn)動數(shù)據(jù)傳感器加速度信號與傳感器角速度信號進(jìn)行去噪處理，減少采樣時的隨機(jī)誤差、儀器誤差等對識別效果的影響；將運(yùn)動數(shù)據(jù)按運(yùn)動靜止點(diǎn)分段，以此減少接下來對角速度數(shù)據(jù)積分成角度信號帶來的積累誤差；使用旋轉(zhuǎn)矩陣法分別將每段運(yùn)動數(shù)據(jù)起始與末尾點(diǎn)中的加速度數(shù)據(jù)結(jié)合角度信號投影到各個時刻不同姿態(tài)的傳感器坐標(biāo)系中，得到兩種線性加速度數(shù)據(jù)a_s與a_t；根據(jù)兩種線性加速度數(shù)據(jù)準(zhǔn)確性的變化規(guī)律，將兩種結(jié)果結(jié)合，得到更為準(zhǔn)確的線性加速度結(jié)果，具體計算如下；

步驟3，對骨骼特征與線性加速度特征進(jìn)行特征處理，包括特征長度歸一化、特征大小歸一化與特征降維；

步驟4，將骨骼特征與線性加速度特征分別送入支持向量機(jī)中進(jìn)行分類，并使用權(quán)重分配方法對兩種分類結(jié)果進(jìn)行決策融合得到最終識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)融合的人體軌跡相似行為識別方法，其特征在于：所述步驟1具體如下，對三維骨骼數(shù)據(jù)進(jìn)行特征提取，得到骨骼特征包括：根據(jù)所研究行為的特點(diǎn)，從25個關(guān)節(jié)點(diǎn)中選取主要的運(yùn)動節(jié)點(diǎn)；計算選取的主要運(yùn)動節(jié)點(diǎn)兩兩之間的結(jié)構(gòu)向量作為全關(guān)聯(lián)結(jié)構(gòu)向量特征。

3.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)融合的人體軌跡相似行為識別方法，其特征在于：在步驟3中，對骨骼特征與線性加速度數(shù)據(jù)特征進(jìn)行特征處理包括：使用基于高斯混合模型的費(fèi)希爾向量歸一化不同維度的行為特征；使用最大最小值歸一化對骨骼特征與線性加速度特征進(jìn)行處理；使用主成分分析算法對骨骼特征與線性加速度特征進(jìn)行降維。

4.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)融合的人體軌跡相似行為識別方法，其特征在于：在步驟1中，計算選取的主要運(yùn)動節(jié)點(diǎn)兩兩之間的結(jié)構(gòu)向量，具體如下：

選取兩兩關(guān)節(jié)點(diǎn)之間的結(jié)構(gòu)向量組成全關(guān)聯(lián)結(jié)構(gòu)向量特征其中是由關(guān)節(jié)點(diǎn)m指向關(guān)節(jié)點(diǎn)n的結(jié)構(gòu)向量；

對于一個具有k幀的人體行為，特征可具體表示為：

P＝{p_i|i∈(1,k)}。

5.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)融合的人體軌跡相似行為識別方法，其特征在于：在步驟2中，線性加速度特征具體如下：

(1)標(biāo)準(zhǔn)差，具體表達(dá)式如下：

其中，σ為線性加速度樣本的標(biāo)準(zhǔn)差，X_i是線性加速度序列X中第i個元素，N是線性加速度數(shù)據(jù)的數(shù)據(jù)量，是線性加速度均值；

(2)偏度，具體表達(dá)式如下：

其中，SK是線性加速度樣本的偏度；

(3)峰度，具體表達(dá)式如下：

其中，K是線性加速度樣本的峰度，f是線性加速度樣本間隔；

(4)相關(guān)系數(shù)，具體表達(dá)式如下；

其中，R是兩個線性加速度樣本之間相關(guān)系數(shù)，Y_i是線性加速度序列Y中第i個元素，分別是兩個關(guān)節(jié)點(diǎn)的線性加速度數(shù)據(jù)的平均值；

線性加速度特征Q由以上四類特征構(gòu)成，如下述公式(3)-(7)

其中與分別是關(guān)節(jié)點(diǎn)i的第j個窗線性加速度數(shù)據(jù)的標(biāo)準(zhǔn)差、偏度與峰度，是關(guān)節(jié)點(diǎn)m與關(guān)節(jié)點(diǎn)n第j個窗線性加速度數(shù)據(jù)的相關(guān)系數(shù)。