一种动作识别方法技术

本发明专利技术公开了一种动作识别方法，该方法通过将RSS值与相位值相结合并应用权重评估方法进行活动识别，使活动识别结果更加准确，从而可以准确的感知目标的活动；本发明专利技术通过设置全局路径限制来减少信息冗余，使计算复杂度减少60％，提高了匹配的速度。

【技术实现步骤摘要】
一种动作识别方法
本专利技术涉及属于无线行为监测领域，涉及一种动作识别方法。
技术介绍
在照顾患者和老年人等电子健康，儿童保健，智能家居和入侵检测等应用中，活动识别起着重要的作用。然而绑定式(需携带其他设备)活动识别方法是不方便且不切实际的。因此非绑定式(无携带其他设备)活动识别方法在行为监测应用中一直有着重要的作用。传统的活动识别主要依赖于摄像机，但摄像机将带来隐私问题。近年来，可见光，声波信号和RF(射频信号)等都被用到活动识别中来。其中，可见光需要花费大量人力修改硬件，声波信号只能在短距离内使用且信号容易受其他音频信号影响。最近，研究人员将注意力放在红外设备，雷达和基于RF(射频信号)设备上。然而红外设备和雷达应用昂贵的设备，使得活动识别成本过高；基于RF的设备对于大规模部署来说也并不是经济的。而基于指纹的低成本的RFID(射频识别设备)标签的活动识别方法的准确率却很低，并且由于数据库过大使得识别时间过长。综上，现有的被动式活动识别方法普遍存在以下缺陷：1)设备昂贵，成本高；2)识别准确率低；3)识别时间长。
技术实现思路
针对上述现有技术中存在的缺陷或不足，本专利技术的目的在于，提供一种动作识别方法，该方法能够实现动作的准确识别。为了实现上述目的，本专利技术采用如下技术方案：一种动作识别方法，包括以下步骤：步骤1，针对RSS特征数据库和相位值特征数据库中的每个模板动作，在识别区域内的待识别动作对应的多个时刻下的RSS值中选取属于[Xmin,Xmax]范围内的RSS值，作为映射RSS值，所有映射RSS值形成该模板动作对应的映射RSS特征向量；在识别区域内的待识别动作对应的多个时刻下的相位值中选取属于[Xmin,Xmax]范围内的相位值，作为映射相位值，所有映射相位值形成该模板动作对应的映射相位值特征向量；其中，Xmin＝(m-n)/3，其中，m为识别区域内的待识别动作对应的多个时刻下的RSS值的总个数，n为该模板动作对应的模板RSS特征向量中的元素的个数；步骤2，对每个模板动作对应的模板RSS特征向量和映射RSS特征向量采用T-DTW算法进行处理，得到该模板动作对应的RSS距离向量R；对每个模板动作对应的模板相位值特征向量和映射相位值特征向量采用T-DTW算法进行处理，得到该模板动作对应的相位距离向量P；步骤3，对每个模板动作，基于该模板动作对应的RSS距离向量R，求得该RSS距离向量对应的RSS权重；基于该模板动作对应的相位距离向量P，求得该RSS距离向量对应的相位权重；基于RSS权重和相位权重，求得该模板动作与待识别动作的匹配值；选取所有匹配值的最小值对应的模板动作即为待识别动作的识别结果。具体地，所述步骤3中的基于该模板动作对应的RSS距离向量R，求得该RSS距离向量对应的RSS权重，采用的方法如下：步骤s1：求RSS距离向量R中的每个RSS距离值对应的多个指标的标准值，采用公式(1)计算：其中，RRij为RSS距离向量R中的第i个RSS距离值对应的第j个指标的标准值，其中，j＝1,2,3；FRij为为RSS距离向量R中的第i个RSS距离值对应的第j个指标，FRimin为RSS距离向量R中的第i个RSS距离值对应的所有指标的最小值；Rmin为RSS距离向量R中所有RSS值的最小值；max(R-Rmin)为向量R-Rmin中RSS值的最大值；步骤s2：求RSS距离向量R中的每个RSS距离值对应的每个指标的概率，采用公式(2)计算：其中，PRij为RSS距离向量R中的第i个RSS距离值对应的第j个指标的概率，I为RSS距离向量R中RSS距离值的总数；步骤s3：求RSS距离向量R中的所有RSS距离值对应的每个指标的综合信息熵，采用公式(3)计算：其中，QRj为RSS距离向量R中的所有RSS距离值对应的第j个指标的综合信息熵；步骤s4：求RSS距离向量R中的所有RSS距离值对应的每个指标的权重，采用公式(4)计算：其中，WRj为RSS距离向量R中的所有RSS距离值对应的第j个指标的权重；步骤s5：求RSS距离向量对应的RSS权重WR总，采用公式(5)计算：具体地，所述步骤3中的基于该模板动作对应的相位距离向量P，求得该RSS距离向量对应的相位权重；采用的方法如下：步骤ss1：求相位距离向量P中的每个相位距离值对应的多个指标的标准值，采用公式(6)计算：其中，RPij为相位距离向量P中的第i个相位距离值对应的第j个指标的标准值，其中，j＝1,2,3；FPij为相位距离向量P中的第i个RSS距离值对应的第j个指标，FPimin为相位距离向量P中的第i个相位距离值对应的所有指标的最小值；Pmin为相位距离向量P中所有相位距离值的最小值；max(P-Pmin)为向量P-Pmin中相位距离值的最大值；步骤ss2：求相位距离向量P中的每个相位距离值对应的每个指标的概率，采用公式(7)计算：其中，PPij为相位距离向量P中的第i个相位距离值对应的第j个指标的概率，M为相位距离向量P中相位距离值的总数；步骤ss3：求每个指标的综合信息熵，采用公式(8)计算：其中，QPj为第j个指标的综合信息熵；步骤ss4：求每个指标的权重，采用公式(9)计算：其中，WPj为第j个指标的权重；步骤ss5：求相位距离向量P对应的相位权重WP总，采用公式(10)计算：具体地，所述步骤3中的基于RSS权重和相位权重，求得该模板动作与待识别动作的匹配值；采用的方法如下：W＝AWR总+BWP总其中，A和B均为常数，WR总为RSS权重，WP总为相位权重。本专利技术还提供一种活动识别方法，包括以下步骤：步骤1：求识别区域内的待识别活动对应的多个时刻下的RSS值和相位值；待识别活动包括多个待识别动作；步骤2，对所有时刻下的RSS值和相位值均进行去噪处理，得到所有时刻下的去噪后的RSS值和相位值；所有去噪后的RSS值形成RSS特征向量，所有去噪后的相位值形成相位值特征向量；步骤3，对RSS特征向量和相位值特征向量采用分解方法进行处理，得到每个待识别动作的开始时刻和结束时刻；根据每个待识别动作的开始时刻和结束时刻将待识别活动分解为多个待识别动作，得到每个待识别动作对应的多个时刻下的RSS值和相位值；步骤4，基于每个待识别动作对应多个时刻下的RSS值和相位值，对待识别动作进行动作识别；所述的基于每个待识别动作对应多个时刻下的RSS值和相位值，对待识别动作进行动作识别，为根据权利要求1-4中任一权利要求所述的动作识别方法进行动作识别。与现有技术相比，本专利技术具有以下技术效果：本专利技术通过将RSS值与相位值相结合并应用权重评估方法进行活动识别，使活动识别结果更加准确，从而可以准确的感知目标的活动；本专利技术通过设置全局路径限制来减少信息冗余，使计算复杂度减少60％，提高了匹配的速度。下面结合附图和具体实施方式对本专利技术的方案作进一步详细地解释和说明。附图说明图1为全局路径限制的方法示意图；图2为三个不同场景(院楼大厅、实验室、书吧)下的活动分割精度分布图；图3为三个场景(院楼大厅、实验室、书吧)下的活动识别真阳率图；图4为三个场景(院楼大厅、实验室、书吧)下的活动识别假阳率图；图5为实验室场景下不同人做活动时的活动识别真阳率图和假阳率图；图6为实验室场景下不同数量标签做活本文档来自技高网...

【技术保护点】
1.一种动作识别方法，其特征在于，包括以下步骤：步骤1，针对RSS特征数据库和相位值特征数据库中的每个模板动作，在识别区域内的待识别动作对应的多个时刻下的RSS值中选取属于[Xmin,Xmax]范围内的RSS值，作为映射RSS值，所有映射RSS值形成该模板动作对应的映射RSS特征向量；在识别区域内的待识别动作对应的多个时刻下的相位值中选取属于[Xmin,Xmax]范围内的相位值，作为映射相位值，所有映射相位值形成该模板动作对应的映射相位值特征向量；其中，Xmin＝(m‑n)/3，

【技术特征摘要】
1.一种动作识别方法，其特征在于，包括以下步骤：步骤1，针对RSS特征数据库和相位值特征数据库中的每个模板动作，在识别区域内的待识别动作对应的多个时刻下的RSS值中选取属于[Xmin,Xmax]范围内的RSS值，作为映射RSS值，所有映射RSS值形成该模板动作对应的映射RSS特征向量；在识别区域内的待识别动作对应的多个时刻下的相位值中选取属于[Xmin,Xmax]范围内的相位值，作为映射相位值，所有映射相位值形成该模板动作对应的映射相位值特征向量；其中，Xmin＝(m-n)/3，其中，m为识别区域内的待识别动作对应的多个时刻下的RSS值的总个数，n为该模板动作对应的模板RSS特征向量中的元素的个数；步骤2，对每个模板动作对应的模板RSS特征向量和映射RSS特征向量采用T-DTW算法进行处理，得到该模板动作对应的RSS距离向量R；对每个模板动作对应的模板相位值特征向量和映射相位值特征向量采用T-DTW算法进行处理，得到该模板动作对应的相位距离向量P；步骤3，对每个模板动作，基于该模板动作对应的RSS距离向量R，求得该RSS距离向量对应的RSS权重；基于该模板动作对应的相位距离向量P，求得该RSS距离向量对应的相位权重；基于RSS权重和相位权重，求得该模板动作与待识别动作的匹配值；选取所有匹配值的最小值对应的模板动作即为待识别动作的识别结果。2.如权利要求1所述的动作识别方法，其特征在于，所述步骤3中的基于该模板动作对应的RSS距离向量R，求得该RSS距离向量对应的RSS权重，采用的方法如下：步骤s1：求RSS距离向量R中的每个RSS距离值对应的多个指标的标准值，采用公式(1)计算：其中，RRij为RSS距离向量R中的第i个RSS距离值对应的第j个指标的标准值，其中，j＝1,2,3；FRij为为RSS距离向量R中的第i个RSS距离值对应的第j个指标，FRimin为RSS距离向量R中的第i个RSS距离值对应的所有指标的最小值；Rmin为RSS距离向量R中所有RSS值的最小值；max(R-Rmin)为向量R-Rmin中RSS值的最大值；步骤s2：求RSS距离向量R中的每个RSS距离值对应的每个指标的概率，采用公式(2)计算：其中，PRij为RSS距离向量R中的第i个RSS距离值对应的第j个指标的概率，I为RSS距离向量R中RSS距离值的总数；步骤s3：求RSS距离向量R中的所有RSS距离值对应的每个指标的综合信息熵，采用公式(3)计算：其中，QRj为RSS距离向量R中的所有RSS距离值对应的第j个指标的综合信息熵；步骤s4：求RSS距离向量R中的所有RSS距离值对应的每个指标的权...

【专利技术属性】
技术研发人员：刘宝英，赵月，薛博文，李荔垚，陈峰，陈晓江，房鼎益，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西,61