[发明专利]一种基于模糊支持向量机的行为识别方法

权利要求书

1.一种基于模糊支持向量机的行为识别方法，其特征在于，所述方法包括：

S1、采用三轴加速度计采集数据，对合成加速度提取特征值，特征值包括：均值、方差、能量、三维数据中任意两维数据之间的关联系数，表示如下S＝{s₁,s₂,…,s_n}，s＝{t₁,t₂,t₃,t₄,t₅,t₆}，式中n表示总的样本点数，并对样本特征集进行归一化处理；

S2、计算每一类的类中心，计算公式如下l表示这一类的样本点数，在计算每一类中样本点到类中心的欧氏距离时，需根据欧式距离算取每一个样本点对所属类别的隶属度；

S3、采用模糊支持向量机实现分类和识别。

2.根据权利要求1所述的一种基于模糊支持向量机的行为识别方法，其特征在于，采用三轴加速度计采集数据，对合成加速度进行特征提取，提取的特征值包含有：均值、方差、能量、三维数据中任意两维数据之间的关联系数，并对获得的特征值进行归一化处理，归一化处理的公式如下：

。

3.根据权利要求1所述的一种基于模糊支持向量机的行为识别方法，其特征在于，计算每一类的类中心，分别算取每一类中的样本点与类中心的欧氏距离，根据欧式距离计算每一个样本点隶属于这一类的隶属度，其欧氏距离计算公式如下：

式中λ取2，在采用基于样本之间紧密度的隶属度的计算方法时，样本之间的紧密度的算取方法如下：

式中，a为类中心，C是惩罚因子，且通过算去R的大小来表示样本之间的紧密度；通过紧密度来算去隶属度，隶属度算去方法如下：

。

4.根据权利要求1所述的一种基于模糊支持向量机的行为识别方法，其特征在于，将预处理过的样本集对模糊支持向量机进行分类训练得到一个分类模型，在在线识别阶段，将采集到的样本点输入到分类模型得到分类结果。

5.根据权利要求1所述的一种基于模糊支持向量机的行为识别方法，其特征在于，对于模糊支持向量机的训练，采用多层分类模型：首先、将行为分为相对静止不动(静止站立、静坐)类和动作类，构建一个而分类模糊分类模型；其次，对动作类中正常行为和异常行为进行分类模型的构造，异常行为主要是跌倒行为的识别；最后，采用多分类模型将正常行为分为：站立、走、跑、上下楼梯。