[发明专利]一种多模态传感器协同感知方法及系统

权利要求书

1.一种传感器协同感知方法，其特征在于，包括：

离线模型训练步骤，采集用户行为的传感器信号，采用滑动窗口机制将该信号进行预处理，将其分割为基本单元数据；对每帧该基本单元数据提取统计特征，包括均值、方差、标准差、过零率、过均值率、最大值、最小值；将该统计特征首尾相接组成特征向量，成为该用户行为的行为帧；以该行为帧内出现次数最多的传感器采样点标定作为该行为帧标定，组成训练数据集；利用一个多类分类器建立行为识别模型，利用多个轻量级的二类分类器建立状态监测模型，以该行为识别模型和该状态监测模型为该用户行为的分类模型；获得每个该用户行为的统计特征信息增益，将与某一该传感器相关的统计特征信息增益之和，作为该传感器的传感器信息增益；依据该传感器增益将其对应的该传感器进行降序排序，依次将与降序排序的该传感器相关的该特征向量加入该分类模型；利用超限学习机结合十折交叉验证对该分类模型进行训练，得到每个该分类模型的传感器组合；

在线行为感知步骤，对用户当前行为进行行为识别，并调用该分类模型并激活其传感器组合，采集该用户行为的传感器信号进行分析，以识别该用户行为的类别，对该当前行为进行行为感知；确定该当前行为的种类后，调用对应的该状态监测模型的传感器组合进行行为监测，该当前行为发生变化时，重新激活该行为识别模型的传感器组合，采集传感器信号并进行分析，识别该当前行为的类别。

2.如权利要求1所述的传感器协同感知方法，其特征在于，包括：

该用户行为的种类包括行走、站立、坐下、躺；该传感器为可穿戴多模态传感器，包括加速度计、陀螺仪、磁力计。

3.一种传感器协同感知系统，其特征在于，包括：

离线模型训练模块，用于采集用户行为的传感器信息，采用滑动窗口机制将信号进行预处理，将其分割为基本单元数据；对每帧该基本单元数据提取统计特征，包括均值、方差、标准差、过零率、过均值率、最大值、最小值；将该统计特征首尾相接组成特征向量，成为该用户行为的行为帧；以该行为帧内出现次数最多的传感器采样点标定作为该行为帧标定，组成训练数据集；利用一个多类分类器建立行为识别模型，利用多个轻量级的二类分类器建立状态监测模型，以该行为识别模型和该状态监测模型为该用户行为的分类模型；获得每个该用户行为的统计特征信息增益，将与某一该传感器相关的统计特征信息增益之和，作为该传感器的传感器信息增益；依据该传感器增益将其对应的该传感器进行降序排序，依次将与降序排序的该传感器相关的该特征向量加入该分类模型；利用超限学习机结合十折交叉验证对该分类模型进行训练，得到每个该分类模型的传感器组合；

在线行为感知模块，用于识别用户当前行为的种类，调用该分类模型并激活传感器组合，采集该当前行为的传感器信号并进行分析，以识别该用户行为的类别，对该当前行为进行行为感知；确定该当前行为的种类后，调用对应的该状态监测模型的传感器组合进行行为监测，该当前行为发生变化时，重新激活该行为识别模型的传感器组合，采集传感器信号并进行分析，识别该当前行为的类别。

4.如权利要求3所述的传感器协同感知系统，其特征在于，所述离线模型训练模块还包括：

建模及训练模块，用于建立每个日常行为的分类模型，并对该分类模型进行训练，形成该分类模型的传感器组合。