[发明专利]一种基于特征重组的人体行为识别方法及系统

权利要求书

1.一种基于特征重组的人体行为识别方法，其特征在于，所述人体行为识别方法包括以下步骤：

S1、选用过滤式、包裹式和/或嵌入式特征选择方法对人体行为数据进行特征选择，将选出的各自的人体行为特征集组合形成一个初始化特征集；

S2、在初始化特征集中，按特征出现频率将特征划分为高频特征和低频特征，并对低频特征进行随机选择与高频特征重组形成新的特征集New_Features；

S3、基于重组后的特征集New_Features，采用分类算法进行人体行为识别，并计算各类人体行为的识别准确率。

2.根据权利要求1所述的一种基于特征重组的人体行为识别方法，其特征在于，所述步骤S1包括：

S11、选用特征选择方法对人体行为数据进行特征选择，形成各自的人体行为特征集，表示为Features(F(i),Data_train)，其中F(i)表示第i种特征选择方法，Data_train表示人体行为训练数据集，所述特征选择方法包括方差分析过滤式、互信息过滤式、包裹式及嵌入式特征选择方法中一种或多种；

S12、将所选方法所选择的特征集组合初始化为一个特征集合，表示为Total＝{Features(F(i),Data_train)}。

3.根据权利要求1所述的一种基于特征重组的人体行为识别方法，其特征在于，所述步骤S2包括：

S21、在初始化特征集中，统计各个特征的出现频率，表示为Frequency(Feature[i])，其中Feature[i]表示第i个特征，并划分为高频特征集和低频特征集，分别表示为High_Freq＝{Feature[i]|Frequency(Feature[i])≥Frequency(threshold)}和Low_Freq＝{Feature[i]|Frequency(Feature[i])Frequency(threshold)}，其中，Frequency(threshold)表示特征出现频率的阈值；

S22、高频特征将作为人体行为识别阶段的必选特征，对于低频特征，首先采用随机遍历选择策略从Low_Freq中选择m≥0个低频特征，表示为Random(m)＝{Feature[i]|Feature[i]∈Low_Freq}，然后采用再插入机制将Random(m)与高频特征集High_Freq重组形成新的特征集，表示为New_Features＝High_Freq∪Random(m)，如果基于New_Features无法达到期望的人体行为识别准确率的要求，即，AccuracyAccuracy(threshold)，其中Accuracy表示采用分类算法后所计算得到的人体行为识别准确率，Accuracy(threshold)表示所期望的人体行为识别准确率，则在m的基础上再随机遍历选择并增加1个新的低频特征，再插入到高频特征集中重组形成新的特征集New_Features，直至达到期望的人体行为识别准确率，即，Accuracy≥Accuracy(threshold)。

4.根据权利要求1所述的一种基于特征重组的人体行为识别方法，其特征在于，所述步骤S3过程如下：

基于重组后的特征集New_Features，采用分类算法进行人体行为识别，并计算各类人体行为的识别准确率。

5.一种基于特征重组的人体行为识别系统，其特征在于，所述人体行为识别系统包括：

初始化人体行为特征集模块(100)，用于选用过滤式、包裹式和/或嵌入式特征选择方法对人体行为数据进行特征选择，将选出的各自的人体行为特征集组合形成一个初始化特征集；

特征重组模块(200)，用于在初始化特征集中，按特征出现频率将特征划分为高频特征和低频特征，并对低频特征进行随机选择与高频特征重组形成新的特征集New_Features；

人体行为识别模块(300)，用于基于重组后的特征集New_Features，采用分类算法进行人体行为识别，并计算各类人体行为的识别准确率。