[发明专利]一种面向多手机佩戴位置的层次化动作识别方法

权利要求书

1.一种面向多手机佩戴位置的层次化动作识别方法，其特征在于，包括以下步骤：

定义需要识别的动作集合为手机佩戴的位置集合为其中n₁≥2，n₂≥1，采集到的动作样本共有n₁×n₂种分布,每种分布称为一个模态；

获取每个模态的动作传感数据和相对应的动作类型，并将动作传感数据转化为使用特征向量表示的动作样本，将所有动作样本的特征向量组成有序训练样本集根据每个动作样本相对应的动作类型为其设置动作标签，组成有序标签集其中X_r表示模态r的动作样本集，其样本数量用m_r表示，y_r表示模态r的动作标签,r取值为1,2，……，n₁×n₂；

利用有序训练样本集X和有序标签集Y，基于模态间的相似度构建一棵层次分类树，使用层次分类树对未知动作类型的动作样本的特征向量x分类，得到x所对应的动作标签y；

利用有序训练样本集X和有序标签集Y，基于模态间的相似度构建一棵层次分类树，具体步骤如下：

A、定义层次分类树中的分类节点N＝{P,y,left,right}，其中P为分类节点的logistic回归模型，y为分类节点的动作标签，left和right分别存储分类节点左、右子树的索引；

B、定义k为迭代索引，k的初始值为n₁×n₂+1，初始化有序叶子节点集其中N_r表示模态r对应的叶子节点，N_r中的logistic回归模型为空，动作标签为模态r的动作标签，左、右子树的索引为空；

C、计算X中每个元素的均值向量公式如下：

其中m_t表示X中第t个元素的样本数量，x_th表示X中第t个元素的第h个样本的特征向量；

D、计算X中任意两元素间均值向量的相似度d_ij，计算公式如下：

E、选择均值向量的相似度最大的两元素X_i和X_j，如果其对应的y_i≠y_j或者y_i和y_j皆为-1，则进入步骤F，否则进入步骤G；

F、构造一个新的分类节点N_k，令X_i为正类、X_j为负类训练N_k的logistic回归模型N_k.P，令分类节点N_k的左子树索引N_k.left＝N_i，分类节点N_k的右子树索引N_k.right＝N_j，分类节点N_k的动作标签N_k.y＝-1，定义新类别标签y_k，y_k＝-1，然后进入步骤H；

G、构造一个新的分类节点N_k，分类节点N_k的logistic回归模型N_k.P，左、右子树的索引N_k.left和N_k.right，以及动作标签N_k.y均与N_i相同，定义新类别标签y_k，y_k的值与y_i相同，然后进入步骤H；

H、从X中取出X_i和X_j，并将X_i和X_j的并集X_k作为新元素放入X中，从Y中取出y_i和y_j，并将y_k作为新元素放入Y中，从N'中取出N_i和N_j，并将N_k作为新元素放入N'中，将k的值加1，然后进入步骤I；

I、如果N'中的元素数量大于1，则返回步骤C，否则结束算法，并将N'中的剩余元素作为层次分类树的根节点。

2.根据权利要求1所述的一种面向多手机佩戴位置的层次化动作识别方法，其特征在于，使用层次分类树对未知动作类型的动作样本的特征向量x分类，得到x所对应的动作标签y，具体步骤如下：

J、将层次分类树的根节点作为当前节点T，然后进入步骤K；

K、判断当前节点的logistic回归模型T.P是否为空，如果为空则结束算法，并返回当前节点的动作标签T.y作为x的动作标签，否则利用当前节点的logistic回归模型T.P对x进行分类，如果分类结果为正类，则进入步骤L，如果分类结果为负类，则进入步骤M；

L、将当前节点的左子树T.left作为新的当前节点T，然后返回步骤K；

M、将当前节点的右子树T.right作为新的当前节点T，然后返回步骤K。