[发明专利]基于蝎子定位的人体行走姿态振动信息识别方法及系统有效
申请号: | 201910521435.3 | 申请日: | 2019-06-17 |
公开(公告)号: | CN110245707B | 公开(公告)日: | 2022-11-11 |
发明(设计)人: | 侯涛;韩志武;刘富;权美静;刘云;张俊秋;牛士超;王柯;赵宇峰;王跃桥 | 申请(专利权)人: | 吉林大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 深圳市君胜知识产权代理事务所(普通合伙) 44268 | 代理人: | 王永文;朱阳波 |
地址: | 130022 吉林*** | 国省代码: | 吉林;22 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 蝎子 定位 人体 行走 姿态 振动 信息 识别 方法 系统 | ||
1.一种基于蝎子定位的人体行走姿态振动信息识别方法,其特征在于,包括以下步骤:
采集人体行走的振动数据,并进行预处理;
对预处理的振动数据进行特征提取,并将提取的特征进行归一化得到特征集;
根据特征集计算行走姿态的输出概率后在预设模型中匹配并输出相似度最高的分类结果;
所述预设模型采用如下步骤获得:
根据训练样本的特征集确定行走姿态对应模型中的初始参数,所述初始参数为
其中,N表示状态集合总数,M表示观测集合总数,π表示概率分布,A表示隐藏状态间的转移概率矩阵,B表示状态序列到观测序列的概率矩阵;
对模型进行训练并更新初始参数得到预设模型;
所述根据训练样本的特征集确定行走姿态对应模型中的初始参数步骤具体包括:
根据训练样本的行走姿态确定状态集合总数;
将不同行走姿态的特征集合成数据集,并计算数据集中每个数据点的局部密度和数据点到具有更高局部密度的数据点之间的最小距离,根据局部密度和数据点到具有更高局部密度的数据点之间的最小距离选择聚类中心点并确定观测集合的总数;
将概率分布设置为均匀分布;
根据训练样本的振动数据的周期性设置隐藏状态间的转移概率矩阵;
将状态序列到观测序列的概率矩阵设置为均匀分布;
所述采集人体行走的振动数据步骤具体包括:
采用仿蝎子生物结构的行走姿态振动信息数据采集平台采集人体行走的振动数据,所述仿蝎子生物结构的行走姿态振动信息数据采集平台包括:加速度传感器阵列,所述加速度传感器阵列包括:8个加速度传感器,所述8个加速度传感器按蝎子的脚的位置分布并位于同一圆上。
2.根据权利要求1所述的基于蝎子定位的人体行走姿态振动信息识别方法,其特征在于,所述局部密度为:
dk0
其中,ρu表示数据点u的局部密度,duv表示数据点u、数据点v之间的距离,dk表示截断距离,函数χ(x)为:
所述数据点到具有更高局部密度的数据点之间的最小距离δu为:
其中,ρv表示数据点v的局部密度,min(·)表示取最小操作。
3.根据权利要求1所述的基于蝎子定位的人体行走姿态振动信息识别方法,其特征在于,所述预处理步骤具体包括:
对人体行走的振动数据进行分帧加窗处理得到第一数据;
通过最小二乘法去趋势项消除第一数据的零点漂移得到第二数据;
利用小波阈值去噪方法去除第二数据的噪声得到预处理的振动数据。
4.根据权利要求3所述的基于蝎子定位的人体行走姿态振动信息识别方法,其特征在于,所述特征包括:预处理数据的平均值、均方值、标准差、频域熵、小波包能量以及神经元脉冲数;所述神经元脉冲数采用蝎子3/1神经元构型获取。
5.根据权利要求1所述的基于蝎子定位的人体行走姿态振动信息识别方法,其特征在于,所述根据特征集计算行走姿态的输出概率后在预设模型中匹配并输出相似度最高的分类结果步骤具体包括:
根据特征集计算出行走姿态的输出概率;
由行走姿态的输出概率得到与预设模型的相似度;
利用最大似然函数匹配到相似度最高的分类结果,输出分类结果。
6.根据权利要求1所述的基于蝎子定位的人体行走姿态振动信息识别方法,其特征在于,所述行走姿态包括:正常走、快走、跑、踏步或跳中的一种或多种。
7.一种基于蝎子定位的人体行走姿态振动信息识别系统,其特征在于,包括:处理器,以及与所述处理器连接的存储器,
所述存储器存储有基于蝎子定位的人体行走姿态振动信息识别程序,所述基于蝎子定位的人体行走姿态振动信息识别程序被所述处理器执行时实现以下步骤:
采集人体行走的振动数据,并进行预处理;
对预处理的振动数据进行特征提取,并将提取的特征进行归一化得到特征集;
根据特征集计算行走姿态的输出概率后在预设模型中匹配并输出相似度最高的分类结果;
所述预设模型采用如下步骤获得:
根据训练样本的特征集确定行走姿态对应模型中的初始参数,所述初始参数为
其中,N表示状态集合总数,M表示观测集合总数,π表示概率分布,A表示隐藏状态间的转移概率矩阵,B表示状态序列到观测序列的概率矩阵;
对模型进行训练并更新初始参数得到预设模型;
所述根据训练样本的特征集确定行走姿态对应模型中的初始参数步骤具体包括:
根据训练样本的行走姿态确定状态集合总数;
将不同行走姿态的特征集合成数据集,并计算数据集中每个数据点的局部密度和数据点到具有更高局部密度的数据点之间的最小距离,根据局部密度和数据点到具有更高局部密度的数据点之间的最小距离选择聚类中心点并确定观测集合的总数;
将概率分布设置为均匀分布;
根据训练样本的振动数据的周期性设置隐藏状态间的转移概率矩阵;
将状态序列到观测序列的概率矩阵设置为均匀分布;
所述采集人体行走的振动数据步骤具体包括:
采用仿蝎子生物结构的行走姿态振动信息数据采集平台采集人体行走的振动数据,所述仿蝎子生物结构的行走姿态振动信息数据采集平台包括:加速度传感器阵列,所述加速度传感器阵列包括:8个加速度传感器,所述8个加速度传感器按蝎子的脚的位置分布并位于同一圆上。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于吉林大学,未经吉林大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910521435.3/1.html,转载请声明来源钻瓜专利网。