[发明专利]一种基于均值聚类算法的自适应行人手机姿态识别方法

权利要求书

1.一种基于均值聚类算法的自适应行人手机姿态识别方法，其特征在于，包括以下步骤：

(1)采集行人的手机各姿态下的加速度传感器和三轴陀螺仪输出数据，进行量化处理，并将加速度传感器输出数据虚拟为重力计数据；

(2)采用均值聚类算法对待识别的行人实时手机姿态进行分类识别；包括以下步骤：

(21)初始化均值聚类中心；

将步骤(1)中多名行人的手机各姿态下的虚拟重力计数据求和，并将其平均值作为初始均值聚类中心；设定多名行人各个手机姿态的均值聚类中心即均值向量为{u₀₁,u₀₂...,u_0k}，其中k为手机姿态数；所述各个手机姿态的初始聚类中心{u₀₁,u₀₂...,u_0k}即各个姿态下多名行人手机各姿态下虚拟重力计数据的均值向量，计算公式为：

其中，g_xpi、g_ypi和g_zpi分别为第i类姿态下第p组虚拟重力计x、y和z轴的重力分布数据，m是用于计算均值向量的数据的总个数；

(22)初始化滑动窗口，用于存储一段连续输入采样点的陀螺仪z轴数值；

设定滑动窗口长度为H，定义变量：

A＝max gro_zm,m∈[1,H]；

其中，max gro_zm为滑动窗口中最大的陀螺仪z轴数值，且滑动窗口大小H大于陀螺仪信号一周期的采样数据个数；

(23)进行均值聚类算法匹配过程；

包括以下步骤：

(231)实时采集待识别行人手机姿态数据，进行量化处理，并将t时刻加速度传感器输出数据虚拟为重力计数据，计算t时刻待识别行人手机虚拟重力计数据与上一时刻更新后的均值聚类中心中各类的均值向量u_(t-1)i(1≤i≤k)的距离：d_ti＝||X_t-u_(t-1)i||₂，其中X_t为三维向量即待识别行人的t时刻重力计三轴数值，其中t＝1,2,…T，T表示采集的待识别行人手机姿态数据的数量；

根据距离最近的均值向量确定X_t的簇标记即当i使得d_ti取最小时令λ_t等于i即进行一次姿态划分；即若第i类聚类中心与X_t距离最近即判断X_t属于i类姿态，则令X_t的簇标记λ_t等于i；即，取距离最小的类作为待识别行人手机姿态的类别；

(232)所有姿态都由聚类识别分类，对于重力分布有重合的手机姿态，根据手机三轴陀螺仪数据，基于聚类识别结果进一步结合信号特征E₁和E₂进行匹配识别；

定义鉴别裤兜模式传感器信号特征为E₁，定义鉴别甩手模式的传感器信号特征为E₂，定义均值聚类算法识别结果为E₃，具体计算方式：

其中，proximity是近距离传感器数值，即当近距离传感器数值为0时，特征E₁成立，否则不成立；maxGroz为连续采样点内陀螺仪z轴最大值即滑动窗口A内最大值，thrl为阈值，若maxGroz大于该阈值则E₂成立；E₃的结果由聚类识别结果决定，聚类识别结果为竖屏即E₃＝1，聚类识别结果为横屏即E₃＝2，聚类识别结果为通话即E₃＝3，聚类识别结果为甩手即E₃＝4，聚类识别结果为裤兜即E₃＝5；具体识别逻辑决策表如下：

表1重力重合区域聚类算法结合信号特征识别决策逻辑表

表1中，括号里的数字为该事件的结果，E₁(0)E₃(4)表示E₁＝0和E₃＝4同时满足时，分类结果为甩手；E₁(1)E₃(4)表示E₁＝1和E₃＝4同时满足时，分类结果为裤兜；E₂(0)E₃(5)表示E₂＝0和E₃＝5同时满足时，分类结果为裤兜；

(233)将数据X_t划入相应的簇簇即为一系列待识别手机姿态划分的一类；

(234)更新第i类簇的聚类均值中心，其他簇均值中心数值不变；

(235)输出簇划分结果，即手机姿态判别结果，令t＝t+1，返回步骤(231)；

(3)姿态转换检测，对行人携带手机时两种姿态之间的转换过程进行检测与识别；

设定滑动窗口大小为M，存储一系列时刻采样点的簇划分结果即姿态判别结果；对滑动窗口内一系列连续手机姿态转换进行检测；

(4)输出姿态转换检测判断结果；即判断是否发生姿态转换，给出两姿态转换临界过程附近的采样点。