[发明专利]一种基于运动数据的转换动作识别方法及运动识别方法

说明书

本发明公开一种基于运动数据的转换动作识别方法及运动识别方法。本发明对获取的运动数据预处理，得到处理后基于固定滑动窗口大小的数据片段；依据人体活动中的基础动作类别对所得数据片段进行聚类；对于未被聚类的数据片段，将前后的已聚类的相邻片段通过相似度比较算法，识别其中的转换动作。与传统人体行为识别方法对比，经高斯混合模型方法对传运动数据进行聚类后，根据与邻近数据片段相似度比对，区分运动数据中的基础动作与转换动作。再经过随机森林分类器进行分类，提升转换动作的识别准确率，也提升了总体的准确率。

技术领域

本发明属于运动识别技术领域，具体涉及基于运动数据的转换动作识别方法及运动识别方法。

背景技术

近年来，随着科学技术的普及，各种便携式设备得到了快速发展，例如智能手环、智能手机等。现有的智能手机能够通过其中的嵌入式传感器采集用户运动数据信息，进行动作识别以及行为分析，被广泛应用于医疗监护、数据分析等领域之中。

目前为止，绝大多数的人体行为识别方法主要针对走、跑、跳、坐、躺等基础动作进行人体行为识别。但人体行为动作除基本行为动作外，还包括了各种基础动作间的转换动作，如行走与跑步间转换、跑步与站立间转换、站立与坐下间转换。各类转换行为常常因为持续时间短而被上述识别方法所忽视，或者被错误地识别成基础动作。

转换动作的识别对于人体行为识别有着重大作用，如在医疗领域，识别老年人的跌倒是医疗监护中极为重要的环节。跌倒的行为很可能被识别为站立到躺下的转换动作或行走到躺下的转换动作，如能及时识别这类转换动作，能有效对减少这类意外带来的损失。在运动分析领域，有效地识别转换动作，能够更好地分析用户的运动情况。且转换动作的识别，能够帮助人体识别方法更及时地判断用户姿态的变化，从而有效地提升方法的效率。

迄今为止，现有的人体行为识别方法中缺乏专门针对转换动作识别的方法，转换动作识别准确率低。因此本发明针对以上问题，为基于运动数据的人体行为识别提出一种基于运动数据的转换动作识别方法及运动识别方法。

发明内容

本发明的目的是针对当前人体行为识别方法中缺乏具体对转换动作识别的方法，转换动作识别准确率较低的情况，提供一种准确、快速、鲁棒性强的转换动作识别方法，至少解决现有运动数据中转换动作识别方法准确率低的问题。

为了实现上述目的，本发明基于运动数据的转换动作识别方法，该方法包括如下步骤：对获取的运动数据预处理，得到处理后基于固定滑动窗口大小的数据片段；依据人体活动中的基础动作类别对所得数据片段进行聚类；对于未被聚类的数据片段，将前后的已聚类的相邻片段通过相似度比较算法，识别其中的转换动作。

本发明基于运动数据的转换动作识别方法，包含以下步骤：

步骤S1：获取用于监测运动状态的重力传感器、加速度传感器、陀螺仪传感器采样数据(传感器可位于人体手腕、脚踝以及腰部等部分)，并进行信号预处理，即对运动数据信号进行降噪、滤波器过滤及滑动窗口切片；提取运动特征数据；

具体包括以下步骤：

步骤S1.1:对于加速度传感器、陀螺仪传感器采样数据，采用巴特沃兹滤波器和中值滤波器进行降噪过滤。对于重力传感器采样数据，采用低通-巴特沃兹滤波器进行降噪过滤。

步骤S1.2:对于降噪完成后的数据通过滑动窗口分割法进行分割，其中滑动窗口大小为2.56s,滑动窗口重复率为50％。

步骤S1.3：对每个滑动窗口的数据片段采用通用的特质提取技术提取运动数据特征，得到对应运动数据特征片段。

步骤S2：采用高斯混合聚类，包括以下步骤：

高斯混合模型有X个子模型的加权进行模拟：

随机生成高斯混合模型参数