[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

说明书

本发明公开了一种基于蝎子定位的人体行走姿态振动信息识别方法及系统，所述方法包括以下步骤：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。基于蝎子对振动信息快速、精准定位的机理，能非接触、机械、隐蔽地对人体行走的振动信号进行分析，从而推断人体行走姿态，对人体行走姿态的识别具有快速、精准的效果。

技术领域

本发明涉及行走姿态识别技术领域，尤其涉及的是一种基于蝎子定位的人体行走姿态振动信息识别方法及系统。

背景技术

一直以来，研究人员都在寻找一种最自然、最人性化的人机交互技术，室内人体行走姿态识别技术是普适计算研究中的一个重要方向，通过在室内环境中判断出人员的行为姿态，实时给人员提供合适的服务，现有技术中，人-机交互不够准确，不能像人-人交互一样自然。

因此，现有技术还有待于改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于蝎子定位的人体行走姿态振动信息识别方法及系统，旨在解决现有技术中室内人体行走姿态识别时的人-机交互不够准确的问题。

本发明解决技术问题所采用的技术方案如下：

一种基于蝎子定位的人体行走姿态振动信息识别方法，其中，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。

所述的基于蝎子定位的人体行走姿态振动信息识别方法，其中，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。

所述的基于蝎子定位的人体行走姿态振动信息识别方法，其中，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。

所述的基于蝎子定位的人体行走姿态振动信息识别方法，其中，所述局部密度为：

d_k＞0

其中，ρ_u表示数据点u的局部密度，d_uv表示数据点u、数据点v之间的距离，d_k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δ_u为：