[发明专利]一种基于自适应特征选择与信号趋势去除的动作计数方法

权利要求书

1.一种基于自适应特征选择与信号趋势去除的动作计数方法，其特征在于，具体步骤包括如下：

步骤一：提取周期特征；

步骤二：根据所述周期特征自适应的选择特征，确定代表特征；

步骤三：使用多项式回归的方法拟合代表特征f_opt的趋势项；在代表特征f_opt中移除该趋势项，得到特征f；假定代表特征f_opt为离散时间序列，则将其表示为f_opt[t]；

假设多项式拟合使用的多项式函数阶数为M，则在任意时刻t_i，f_opt[t]的趋势项b[t]表示为：

其中W为系数矩阵：

其次，选定损失函数L(W)为：

然后即可找到一特定的W^*满足损失函数的导数等于零：L′(W^*)＝0；

则代表特征的趋势项b[t]由系数矩阵W^*表示；

最后，将趋势项b[t]从代表特征f_opt中减去，得到特征f；

步骤四：对去除信号趋势项后的代表特征，检测耦合动作；

步骤五：进行滤波和计算。

2.根据权利要求1所述的一种基于自适应特征选择与信号趋势去除的动作计数方法，其特征在于，所述步骤一中，以视频为输入，使用基于BN-inception的TSN网络提取出第一空间特征，第一时间特征和第一混合特征；对这三种特征分别使用主成分分析方法降维得到第二空间特征f_spatial，第二时间特征f_temporal，第二混合特征f_fusion。

3.根据权利要求2所述的一种基于自适应特征选择与信号趋势去除的动作计数方法，其特征在于，所述步骤二中，具体步骤如下：

S21：先对第二混合特征f_fusion做功率谱密度分析；

S22：定位所述第二混合特征f_fusion在功率谱上的最高峰位置p；

S23：将最高峰位置p与低频阈值T_low和高频阈值T_high比较，确定代表特征。

4.根据权利要求3所述的一种基于自适应特征选择与信号趋势去除的动作计数方法，其特征在于，所述S23中，具体如下：

S231若pT_low，则选择第二空间特征f_spatial作为代表特征f_opt；

S232若pT_high，则选择第二时间特征f_temporal作为代表特征f_opt；

S233若T_lowpT_high，选择第二混合特征f_fusion作为代表特征f_opt；

其中，低频阈值T_low和高频阈值T_high的数值由实验确定。

5.根据权利要求1所述的一种基于自适应特征选择与信号趋势去除的动作计数方法，其特征在于，所述步骤四中，具体的步骤如下：

S41：计算特征f的归一化功率谱密度谱；

S42：记录所有幅值大于0.5的极大值峰值的位置，若极大值峰值总数大于2，则执行S43，否则执行步骤五；

S43：将处于对称位置的定位好的峰值两两合并为一组；

S44：对每组峰值构造一个傅里叶频谱，使该傅里叶频谱含有的频率分量与峰值位置对应的频率分量相等；

S45：对构造出的频谱分别做傅里叶反变换，得到时域上具有周期特征的信号；

S46：在时域上计算所述信号的重复周期次数；

S47：若所述信号的周期重复次数具有明显的倍数关系，则判断为同一种耦合动作产生的；那么在特征f的傅里叶频谱中，将处于较高频率位置的峰值点置零，保留较低频率的峰值点，得到特征f’；若没有明确的倍数关系，则直接将原来的特征f输入到下一步。

6.根据权利要求5所述的一种基于自适应特征选择与信号趋势去除的动作计数方法，其特征在于，所述步骤五中，具体的步骤如下：

S51：根据输入的特征f或f’的功率谱密度，保留最高峰峰值所在的频率分量，去除其他所有频率分量；

S52：将最高峰峰值所在的频率分量进行傅里叶反变换得到时域上的信号；

S53：计算该时域信号的极大值个数作为计数结果。