[发明专利]一种基于加速度信号的日常活动识别方法

说明书

本发明公开了一种基于加速度信号的日常活动识别方法，包括加速度信号的采集，重力加速度分量和活动加速度分量的分离，活动强度的计算，信号低频能量的计算和加速度轴偏转角度的计算。活动强度是区分用户静态和动态活动的重要指标，加速度信号的低频能量能进一步区分动态活动的种类，加速度轴偏转角度有助于判断静态时的人体姿态。通过上述特征组合训练多分类器，可识别生活中常见的八种活动类型，分别为走、下楼梯、上楼梯、跑、跳、坐、站和躺。

技术领域

本发明涉及一种基于加速度信号的日常活动识别方法。

背景技术

对用户的日常活动进行跟踪识别，可以较好的反映用户的行为习惯和日常能量消耗，对健康监测、老年关怀以及用户情景感知等均有重要的指导意义。目前基于可穿戴传感设备的用户行为识别通常采用加速度和陀螺仪信号，特征数目较多，计算能耗较大。

因此，本发明要解决的问题是：基于三轴加速度信号，提出一组对用户活动类别敏感的特征组合，在低维特征空间下实现较好的用户活动识别精度，从而降低系统能耗。

发明内容

为了解决上述问题，本发明提供了一种基于加速度信号的日常活动识别方法，通过五维信号特征组合，识别用户行走、上楼梯、下楼梯、跑步、跳、坐、站和躺八种日常活动。所述方法包括信号采集、信号特征组合计算、多分类器训练和日常活动识别四个组成部分。

加速度信号采集于人体正面右侧髋部的x、y、z三轴方向，其中x轴为垂直方向，y轴为左右方向，z轴为前后方向。

加速度信号被划分为5秒时长的数据片段，信号特征计算基于5秒时长的数据片段。

信号特征组合包括活动强度、x轴低频能量、x轴偏转角度、y轴偏转角度和z轴偏转角度五维特征。

在计算各维特征之前，需要分离x、y、z三轴加速度信号的活动加速度分量和重力加速度分量。其中，活动加速度分量用于计算活动强度和轴低频能量；重力加速度分量用于计算轴偏转角度。

分离加速度信号中的活动加速度分量和重力加速度分量步骤如下：

步骤101：对加速度信号进行3点中值滤波，消除高频噪声；

步骤102：使用截止频率为0.25Hz的椭圆IIR低通滤波器对加速度信号进行滤波，滤波得到的信号为重力加速度分量；

步骤103：活动加速度分量为加速度信号与重力加速度分量之差。

信号特征活动强度的计算步骤如下：

步骤201：计算得到y轴和z轴的活动加速度分量，分别记为y_A和z_A；

步骤202：活动强度

信号特征x轴低频能量的计算步骤如下：

步骤301：计算得到x轴的活动加速度分量，记为x_A；

步骤302：去除x_A的均值，即x′_A＝x_A-mean(x_A)；

步骤303：对x′_A求离散傅立叶变换，得到频谱强度系数；

步骤304：对5Hz以下的频谱强度系数求和，得到x轴低频能量。

信号特征x轴偏转角度、y轴偏转角度和z轴偏转角度的计算步骤如下：

步骤401：计算得到x轴、y轴和z轴的重力加速度分量，分别记为x_G、y_G和z_G；