[發明專利]一種基于CNN+Transformer的三軸加速度活動識別方法

在審

• 申請號: 202110103360.4
• 申請日: 2021-01-26
• 公開（公告）號: CN112932469A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 潘曉光;王小華;韓鋒;宋曉晨;李娟
• 申請（專利權）人: 山西三友和智慧信息技術股份有限公司
• 主分類號: A61B5/11
• 分類號: A61B5/11
• 代理公司: 太原榮信德知識產權代理事務所(特殊普通合伙) 14119
• 代理人: 楊凱;連慧敏

本發明屬于應用電子技術領域，具體涉及一種基于CNN+Transformer的三軸加速度活動識別方法，包括下列步驟：數據采集：對人體運動產生的靜止、慢跑、快跑、上行、下行五種行為三軸加速度數據進行采集；數據集構建：對加速度傳感器采集到的數據按照不同的動作進行截取與標注；數據預處理：使用高通濾波器對數據進行去噪處理；數據集劃分：將三向加速度數據劃分為小段數據，構建訓練集與測試集；模型構建：使用CNN+Transformer融合網絡對三軸加速度數據進行識別，并進行模型訓練和模型驗證。本發明方法智能化程度高，無需人工設定閾值，模型識別能力強，具有高泛化能力與高魯棒性，且可以對短時數據進行識別，計算效率高。本發明用于三軸加速度活動的識別。

技術領域

本發明屬于應用電子技術領域，具體涉及一種基于CNN+Transformer的三軸加速度活動識別方法。

背景技術

目前對移動端三向加速度數據的識別主要依賴閾值計算方式與機器學習方式，閾值計算的方式通過對加速度數據進行數學公式的計算，根據所得值與不同行為的閾值進行比對，從而對加速度數據進行識別，此類方式對數據條件要求較高，導致識別準確率較低。機器學習方法需要人工進行特征工程，此類方法無法對數據特征進行全面有效的提取，且獲得的模型泛化能力較差。

存在問題或缺陷的原因：目前對于三軸加速度數據的識別方式存在智能化程度低，對數據特征無法進行深層次的分析，識別準確率低，不能很好的適用于各種人群的數據，泛化能力較差。

發明內容

針對上述目前對于三軸加速度數據的識別方式存在智能化程度低、識別準確率低、泛化能力較差的技術問題，本發明提供了一種識別能力強、高泛化能力、高魯棒性的基于CNN+Transformer的三軸加速度活動識別方法。

為了解決上述技術問題，本發明采用的技術方案為：

一種基于CNN+Transformer的三軸加速度活動識別方法，包括下列步驟：

S100、數據采集：對人體運動產生的靜止、慢跑、快跑、上行、下行五種行為三軸加速度數據進行采集；

S200、數據集構建：對加速度傳感器采集到的數據按照不同的動作進行截取與標注；

S300、數據預處理：使用高通濾波器對數據進行去噪處理；

S400、數據集劃分：將三向加速度數據劃分為小段數據，構建訓練集與測試集；

S500、模型構建：使用CNN+Transformer融合網絡對三軸加速度數據進行識別，并進行模型訓練和模型驗證。

所述S100數據采集中，對50名數據采集對象佩戴電容式加速度傳感器，采集對象活動時上下、左右、前后三個方向的加速度數據，所用加速度傳感器的采集頻率為100Hz，記錄時間序列數據，采集對象根據指示做5個指定動作，分別為靜止、慢跑、快跑、上行、下行，每個動作持續10s，每個動作進行10次。

所述S200數據集構建中，將數據截取為10s長度的指定運動方式加速度數據，標注采用One-Hot方式，靜止、慢跑、快跑、上行、下行對應第1至第5類，如數據若為靜止數據，則標簽為[1,0,0,0,0]，若慢跑則為[0,1,0,0,0]，以此類推，對所有數據進行標注。

所述S300數據預處理中，使用大小為0.1Hz的高通濾波器對數據進行去噪，去除數據中的長周期背景噪聲。

所述S400數據集劃分，將10s長度的三向加速度數據分割為長度為2s的小段數據，保留其對應標簽，之后將所有數據隨機打亂，按照7:3的比例對數據集進行5次隨機劃分，構建5組訓練集與測試集。