[发明专利]一种基于动态时间规整的头部姿态识别方法

权利要求书

1.一种基于动态时间规整的头部姿态识别方法，其特征在于，其步骤如下：

步骤S1：数据采集：通过固定在头部的惯性传感器采集头部动作姿态在X方向、Y方向、Z方向的加速度和角速度的特征数据，并存储在数据集中；

步骤S2：头部动作的端点检测：对数据集中的数据进行预处理，根据预处理后的头部惯性数据合角速度信息检测头部动作的起始时间和终止时间，提取头部动作的动作区间；

所述步骤S2中头部动作的端点检测的方法为：确定头部动作的开始时间为：

其中，是t时刻各向角速度变化的总体描述，反映了头部动作的角度的总体变化程度，ang_x(t)、ang_y(t)和ang_z(t)分别表示三维坐标轴上X方向、Y方向、Z方向的角速度分量；ang_min是头部开始动作的阈值；t_start是头部动作的开始时刻；

确定头部动作结束时间：

其中，sum(ang([t-t_min,t))＜ang_min)计算了ang(t)在[t-t_min,t)时间区间内小于阈值ang_min的个数；t_min是头部动作的持续的最小时间；fs是传感器的采样频率；如果头部动作开始后，最小持续时间内所有的采样点的值均小于阈值ang_min，认为头部动作结束，结束时刻为t_end；

判断头部动作的有效：

(t_end-t_start＞t_min)且(t_end-t_start＞t_max)，存在头部动作；

其中，t_min是头部动作持续的最小时间；t_max是头部动作持续的最长时间；

步骤S3：计算头部动作时间序列模板：根据步骤S2端点检测检测到的头部动作数据及相关的动作标签，构建X方向、Y方向、Z方向的加速度、角速度头部动作模板；

所述步骤S3的实现方法为：

步骤S31：根据步骤S2提取的头部动作的时间序列，根据设置的阈值得到每个头部动作时间序列及其标签；

步骤S32：对于训练集中一个头部动作，令其时间序列的一组数据为S_a＝{s₁,s₂,…,s_a}，S_a为6×a的矩阵，矩阵行向量分别对应X方向、Y方向、Z方向的加速度、角速度；列向量对应头部运动特征；则训练集的总的时间序列集合为S＝{S_a,S_b,…,S_n}，其中，n是训练集中该头部动作的个数；a、b、k分别代表时间序列S_a、S_b、S_n的长度；

步骤S33：令序列长度向量为S_len＝{a,b,…,n}，则模板时间序列长度为T_len＝median(S_len)，其中，median()为中值函数；

步骤S34：令该头部动作的标准模板为T_i，其中，i＝1,2,…,6，对应六种头部动作类型；为6×x的矩阵，矩阵的行向量分别对应X方向、Y方向、Z方向的加速度、角速度；列向量对应头部运动特征，长度x依据训练集中的数据长度确定；通过均值公式得到T_ik，T_ik的前T_len个数据作为该头部动作的标准模板时间序列，其中，T_ik代表第i个动作模板中第k行数据；S_jk代表第j个对象动作类型的第k行数据；由于S_jk在测试者之间动作持续时间并不相等，使用binary()函数对S_jk进行二值化{1，0}，从而计算相同位置元素个数；

步骤S34：重复步骤S32、S33，可以得到其它动作类型的标准模板；

步骤S4：计算规整路径：数据集中的测试集通过步骤S2检测的头部动作数据分别与步骤S3得到的头部动作模板数据计算规整路径；

步骤S5：判断头部动作类型：规整路径DTW最小值对应的标准模板头部动作类型则为待识别数据的头部动作类型。