[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

说明书

本发明公开了一种面向多手机佩戴位置的层次化动作识别方法，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，组成有序标签集利用X、Y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分类，得到所对应的动作标签。本发明减少了动作识别的时间消耗，并且提高了中间节点动作识别正确率，充分保证动作识别方法整体的稳定性。

技术领域

本发明涉及人体动作识别技术领域，尤其涉及一种面向多手机佩戴位置的层次化动作识别方法。

背景技术

当前智能手机已经普遍的应用于人们的日常生活中，智能手机除了具有通话、短信等基础功能外，还集成了加速计、陀螺仪等常见的惯性传感器。用户在使用智能手机的过程中，这些传感器会随人体动作的变化产生序列化的传感数据。利用这些传感数据识别用户做了哪些动作是当前业界重要的研究课题。目前常见的要识别的动作包括走路、跑步、静止、上下楼等，这些动作的识别结果可用于用户日常运动量的估算、用户行为分析、室内导航等常见应用。如何精确的识别这些日常动作是此类应用的核心技术。

使用智能手机识别人体动作面临的最大问题是智能手机佩戴位置的多样性。与智能手环、智能眼睛等佩戴位置固定的产品不同，智能手机可能会被放置在上衣口袋、裤兜、包里、拿在手里等多种身体位置。对于同样的动作，智能手机在不同的身体位置捕获的传感数据也不同，这就导致对于同样的动作，智能手机会捕获到多种不同分布的传感数据。更进一步的，同类动作在不同身体位置捕获的数据会有较大差异，如同样是走路，手机在裤兜和上衣口袋中捕获的数据有明显差异；从另一个角度，不同动作在不同身体位置捕获的数据反而会比较相似,如手机在裤兜中走路的数据与手机在上衣口袋中跑步的数据会比较相似。该问题导致基于智能手机的人体动作识别的准确率往往较低，提高手机佩带位置多样性情况下的动作识别准确率是动作识别领域的一个难题。

针对手机佩带位置多样性导致的动作识别准确率低的问题，目前主要有以下3类解决方案：

1、针对不同的身体位置分别训练识别模型，识别过程中先判断手机所处的身体位置，再用对应位置的模型识别动作。这类方法的识别准确率很大程度上依赖于手机位置的识别精度。在用户使用手机比较随意的情况下，手机位置的识别准确率会降低，进而导致动作识别正确率较低。

2、无视手机所处的位置，通过在特征提取阶段提取手机位置影响较小的动作特征，降低手机佩带位置的影响，这些特征包括夹角特征、低通滤波特征、深度神经网络特征等。但此类方法并不能独立使用，它最终还需要结合分类模型完成动作的识别。

3、在方案2的基础上，通过增加模型训练的样本量及优化识别算法，提高动作识别模型对身体位置的泛化能力，从而提高动作识别准确率，比较有代表性的方法有分类器组合、层次分类等方法。分类器组合方法通过训练多个分类模型识别动作，分类模型数量的增加导致此类方法时间消耗较大，因此此类方法并不适用于设备电量较低的场景。层次化识别方法通过将动作识别问题划分为多个子问题提高识别效果，通过识别结果的可信度决定是否使用下层模型重新识别。近两年的应用表明此方法有一个明显的缺陷，即使用易混淆样本构建的下层分类节点本身识别正确率较低，多个分类层的叠加极易造成累积误差。该问题导致此方法的整体稳定性较低，对于手机位置变化频繁的情况，动作的识别准确率非常低。

综上所述，虽然目前针对手机佩带位置多样化有一些解决方案，但这些方法在动作的识别正确率、识别的时间消耗、方法的稳定性等几方面仍存在一定的缺陷。

发明内容

本发明的目的在于提供一种面向多手机佩戴位置的层次化动作识别方法，能够提高动作识别的正确率，减少识别过程中的时间消耗，同时提高识别方法的稳定性。