[发明专利]一种基于传感器的ECOC技术的人体动作识别方法

摘要

本发明属于人体行为识别领域，提供一种基于传感器的ECOC技术的人体动作识别方法，该方法通过两个加速度传感器以及陀螺仪测得X、Y、Z三个方向上的加速度及角速度等九列运动数据，对原始数据进行小波去噪法预处理，并对信号进行重叠率50％的时间窗处理，通过时域分析法以及频率分析法提取特征值，将多分类任务通过M次划分为有限个二分类任务，主要通过ECOC编码矩阵，采用支持向量机(SVM)的拉普拉斯核函数从高维空间中找到一个最优平面将两个类别划分开来，通过计算Hamming距离，输出最小距离所对应的类别。本发明方法能够有效提高识别分类任务的准确性和高效性。

主权项

1.一种基于传感器的ECOC技术的人体动作识别方法，其特征在于该方法包括以下步骤：(1)使用加速度传感器以及陀螺仪采集数据，测得每种动作的加速度以及角度的x、y、z三轴数据；传感器的自身坐标系的z轴朝着人体正前方，x轴与地面垂直向上，x轴到y轴的旋转方向符合右手定则，在数据采集过程中测试人员需要按照指定的时间完成慢走、快走、慢坐、快坐、起立、非正常走路、轻跳、行走滑倒、侧向滑倒、垂直跌倒、向前倾倒、横向倾倒、慢跑、上楼梯、下楼梯15类行为；(2)对采集到的数据使用滑动窗口法截取数据片段，对窗内的数据进行降噪，用小波变换消除测得信号的抖动噪声和干扰；(3)对处理过的加速度和角速度数据进行时域和频域分析，计算每个窗口内的均值、方差以及协方差，以及进行快速傅里叶变换，并提取长度为k的窗口的快速傅里叶变换系数；(4)采用多对多的策略训练分类器，采用ECOC编码矩阵对步骤(1)中所述的15个类别进行M次划分，采用三元码，即分类器指定为正类、反类或者停用类，编码矩阵的行是需要分类的15种类别，列是经过M次划分后的每个二分类训练的分类器f_j；(5)采用支持向量机SVM方法对多个二分类任务进行分类训练得到L个分类器，通过一个核函数将非线性可分的特征向量映射到高维空间中找到一个最优平面划分两个类别；(6)已经训练好的模型之中，进行ECOC解码操作，以Hamming距离作为评价指标，预测结果输出为距离最短所对应的类别。