[发明专利]一种基于传感器的ECOC技术的人体动作识别方法

说明书

本发明属于人体行为识别领域，提供一种基于传感器的ECOC技术的人体动作识别方法，该方法通过两个加速度传感器以及陀螺仪测得X、Y、Z三个方向上的加速度及角速度等九列运动数据，对原始数据进行小波去噪法预处理，并对信号进行重叠率50％的时间窗处理，通过时域分析法以及频率分析法提取特征值，将多分类任务通过M次划分为有限个二分类任务，主要通过ECOC编码矩阵，采用支持向量机(SVM)的拉普拉斯核函数从高维空间中找到一个最优平面将两个类别划分开来，通过计算Hamming距离，输出最小距离所对应的类别。本发明方法能够有效提高识别分类任务的准确性和高效性。

技术领域

本发明属于人体行为识别领域，涉及一种基于传感器的ECOC技术的人体动作识别方法。

背景技术

现在生活、医疗等领域等都广泛关注老年人、幼儿以及残疾人，人体行为识别具有重要的意义。通过准确识别他们的人体各项行为，实现很多安全措施，如日常监护甚至是在发生摔倒等危险行为时进行第一时间抢救，医学上，通过对病人的人体行为类别的识别和分析，可以为病情诊断和治疗提供依据。

目前，对人体行为识别多采用摄像头采集数据进行图像处理技术，在应用图像处理技术存在数据量大、计算复杂以及不能对人体进行实时监护等缺点，而且基于视觉识别技术在光线不好时无法准确识别，不能适应不同环境，并且通过视频采集数据进行分析处理，容易泄露用户隐私。

发明内容

本发明的目的就是为了克服上述现有技术中的不足之处，提供一种基于传感器的ECOC技术的人体动作识别方法，是一种基于支持向量机(SVM)结合纠错输出码(ECOC)技术的多分类任务的人体行为识别方法，实现对日常行为以及跌倒等多种行为的识别，提高识别分类任务的准确性和高效性。

为实现上述目的，本发明采用的技术方案如下。

一种基于传感器的ECOC技术的人体动作识别方法，包括以下步骤：

(1)使用加速度传感器以及陀螺仪采集数据，测得每种动作的加速度以及角度的x、y、z三轴数据；传感器的自身坐标系的z轴朝着人体正前方，x轴与地面垂直向上，x轴到y轴的旋转方向符合右手定则，在数据采集过程中测试人员需要按照指定的时间完成慢走、快走、慢坐、快坐、起立、非正常走路、轻跳、行走滑倒、侧向滑倒、垂直跌倒、向前倾倒、横向倾倒、慢跑、上楼梯、下楼梯15类行为。

(2)对采集到的数据使用滑动窗口法截取数据片段，对窗内的数据进行降噪，用小波变换消除测得信号的抖动噪声和干扰；由于高效的分析和处理非平稳信号，使得小波包降噪有效的减少高频信号噪音信号，并保留数据的主要特征。

然后对时间窗内的数据片段进行数据处理：由f＝200Hz，假设每种动作的采集时间为12s，故12s内采集2400组数据，窗口重叠率设置为50％，时间窗的跨度为1s。

(3)对处理过的加速度和角速度数据进行时域和频域分析，两个加速度传感器和角速度产生的x轴方向的加速度以及角速度的值分别为a_x、b_x、ω_x；y轴方向的加速度以及角速度的值分别为a_y、b_y、ω_y；z轴方向的加速度以及角速度的值分别为a_z、b_z、ω_z。

计算的特征量包括：合加速度

合加速度

合角速度

则，每个窗口内的均值为：

每个窗口内的方差为：