[发明专利]一种基于CNN+Transformer的三轴加速度活动识别方法

说明书

本发明属于应用电子技术领域，具体涉及一种基于CNN+Transformer的三轴加速度活动识别方法，包括下列步骤：数据采集：对人体运动产生的静止、慢跑、快跑、上行、下行五种行为三轴加速度数据进行采集；数据集构建：对加速度传感器采集到的数据按照不同的动作进行截取与标注；数据预处理：使用高通滤波器对数据进行去噪处理；数据集划分：将三向加速度数据划分为小段数据，构建训练集与测试集；模型构建：使用CNN+Transformer融合网络对三轴加速度数据进行识别，并进行模型训练和模型验证。本发明方法智能化程度高，无需人工设定阈值，模型识别能力强，具有高泛化能力与高鲁棒性，且可以对短时数据进行识别，计算效率高。本发明用于三轴加速度活动的识别。

技术领域

本发明属于应用电子技术领域，具体涉及一种基于CNN+Transformer的三轴加速度活动识别方法。

背景技术

目前对移动端三向加速度数据的识别主要依赖阈值计算方式与机器学习方式，阈值计算的方式通过对加速度数据进行数学公式的计算，根据所得值与不同行为的阈值进行比对，从而对加速度数据进行识别，此类方式对数据条件要求较高，导致识别准确率较低。机器学习方法需要人工进行特征工程，此类方法无法对数据特征进行全面有效的提取，且获得的模型泛化能力较差。

存在问题或缺陷的原因：目前对于三轴加速度数据的识别方式存在智能化程度低，对数据特征无法进行深层次的分析，识别准确率低，不能很好的适用于各种人群的数据，泛化能力较差。

发明内容

针对上述目前对于三轴加速度数据的识别方式存在智能化程度低、识别准确率低、泛化能力较差的技术问题，本发明提供了一种识别能力强、高泛化能力、高鲁棒性的基于CNN+Transformer的三轴加速度活动识别方法。

为了解决上述技术问题，本发明采用的技术方案为：

一种基于CNN+Transformer的三轴加速度活动识别方法，包括下列步骤：

S100、数据采集：对人体运动产生的静止、慢跑、快跑、上行、下行五种行为三轴加速度数据进行采集；

S200、数据集构建：对加速度传感器采集到的数据按照不同的动作进行截取与标注；

S300、数据预处理：使用高通滤波器对数据进行去噪处理；

S400、数据集划分：将三向加速度数据划分为小段数据，构建训练集与测试集；

S500、模型构建：使用CNN+Transformer融合网络对三轴加速度数据进行识别，并进行模型训练和模型验证。

所述S100数据采集中，对50名数据采集对象佩戴电容式加速度传感器，采集对象活动时上下、左右、前后三个方向的加速度数据，所用加速度传感器的采集频率为100Hz，记录时间序列数据，采集对象根据指示做5个指定动作，分别为静止、慢跑、快跑、上行、下行，每个动作持续10s，每个动作进行10次。

所述S200数据集构建中，将数据截取为10s长度的指定运动方式加速度数据，标注采用One-Hot方式，静止、慢跑、快跑、上行、下行对应第1至第5类，如数据若为静止数据，则标签为[1,0,0,0,0]，若慢跑则为[0,1,0,0,0]，以此类推，对所有数据进行标注。

所述S300数据预处理中，使用大小为0.1Hz的高通滤波器对数据进行去噪，去除数据中的长周期背景噪声。

所述S400数据集划分，将10s长度的三向加速度数据分割为长度为2s的小段数据，保留其对应标签，之后将所有数据随机打乱，按照7:3的比例对数据集进行5次随机划分，构建5组训练集与测试集。