基于节能机制的人体行为识别方法及客户端技术

本发明专利技术公开了一种基于节能机制的人体行为识别方法及客户端，包括：S1、采用初始采样率采集人体行为样本数据，提取初始子特征，初步识别人体行为；S2、调整采样率和子特征为对应该初步识别的人体行为的最佳采样率和子特征组合，并继续识别人体行为；S3、若继续识别的人体行为发生变化，则调整采样率和子特征组合至相应人体行为的最佳采样率和子特征组合，返回步骤S2；若无法识别人体行为，则返回步骤S1。本发明专利技术针对不同行为采用不同的采样率并提取不同的子特征，在维持较高识别精确度的前提下大大减小能量消耗。

【技术实现步骤摘要】

本专利技术涉及行为模式
，尤其是涉及一种基于节能机制的人体行为识别方法及客户端。
技术介绍
人体行为识别是通过采集一个或多个人体活动时产生的活动信息来识别其活动状态或环境特征。人体行为识别已被运用于多个领域，例如健康监测、智能家居服务、运动伤害预测等。随着智能手机的广泛应用，它在人体行为识别方面起了很大的作用。它内置多种传感器，例如加速度传感器、陀螺仪、光敏传感器等，可采集用户的行为特征数据，通过机器学习算法对用户的行为进行识别。由于智能手机的普遍性、便携性与可编程性，使得它相对于其他人体行为识别设备具备的优势是，它们可以隐式地、不打扰地、实时地利用后台程序采集用户的行为特征数据，并实时地进行识别，成本较低，无需额外硬件设备的支持。但对于这种实时监测的移动设备而言，能量消耗量大成为一个主要的问题。对于一个行为识别系统而言，内置传感器的数据采集、特征的提取和识别算法的运行都是能量消耗的主要部分，而这三个部分又是行为识别系统的关键。因此无论识别精确度有多高，能量消耗太大将会成为行为识别系统实用性与有效性方面的障碍。像智能手机这种行为识别系统可通过许多方式来降低能量的消耗，例如降低数据采集的采样率、减少触发内置传感器的数量、简化特征提取工作、降低识别算法的复杂度等。但由于这些方法往往会导致识别精确度的降低，因此需要找到合适的方法来权衡识别精确度和能量节约问题。现已有一些工作分别从数据采集、特征提取、识别算法等方面考虑如何降低识别系统的能量消耗。已有研究认为采样率过高会消耗大量系统的能量，而低采样率可能会导致一些采样数据的丢失，从而导致识别精确度的下降。因此需要找到一种权衡系统能量节约与识别精确度的方法。但他们通过实验研究发现，低采样率对于长时间的行为监测是可用的。另外他们还发现，在移动设备上运行分类算法是十分耗时和耗能的，其中分类算法中的滑动窗口往往固定为常数，这不但会降低检测短暂性行为的能力，还会消耗大量系统的电量资源。因此，他们提出一种基于智能手机内置三维加速度传感器的节能行为识别方法。虽然这种方法最后达到了能量节约的目的，仍存在一些不足之处。首先，它是以降低数据采集时的采样率为代价来减少能量消耗，也许低采样率对静态行为的识别影响不大，但采样率过低会造成动态行为的识别精确度下降；其次，该方法提出先提取数据样本的时域特征与模板进行样本匹配，若识别不出具体行为时再增加提取频域特征，用分类算法进行进一步识别，这样不但会降低整体的识别精确度，还会耗费许多不必要的能源开支。
技术实现思路
本专利技术所要解决的技术问题是：提供基于节能机制的人体行为识别方案，能够在维持较高识别精确度的前提下尽量减小能量的消耗。为了解决上述技术问题，本专利技术采用的技术方案为：提供一种基于节能机制的人体行为识别方法，包括：S1、采用初始采样率采集人体行为样本数据，提取初始子特征，初步识别人体行为；S2、调整采样率和子特征为对应该初步识别的人体行为的最佳采样率和子特征组合，并继续识别人体行为；S3、若继续识别的人体行为发生变化，则调整采样率和子特征组合至相应人体行为的最佳采样率和子特征组合，返回步骤S2；若无法识别人体行为，则返回步骤S1。为解决上述问题，本专利技术还提供一种基于节能机制的人体行为识别客户端，包括：采集模块，用于以不同的采样率采集人体行为的样本数据；子特征提取模块，用于提取样本数据的子特征；识别模块，用于根据子特征识别人体行为；调整模块，用于调整采样率和子特征为对应识别的人体行为的最佳采样率和子特征组合。本专利技术的有益效果在于：区别于现有技术采用统一的采样率和子特征，本专利技术根据不同行为采用不同的采样频率并提取不同的子特征，在保证识别精度的同时大大降低了能量消耗。附图说明图1为本专利技术实施例一的人体行为识别方法示意图；图2为本专利技术实施例二中HTL分类结构示意图；图3为本专利技术实施例二中改进分类算法的行为识别方法示意图。具体实施方式为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图予以说明。本专利技术最关键的构思在于：专利技术人经研究发现静态行为不需要太高的采样率，并且只需要提取时域特征就能获得较高的精确度，因此本专利技术根据不同行为采用不同的采样率和提取不同的子特征，可大大减小能耗。本专利技术提供一种基于节能机制的人体行为识别方法，包括：S1、采用初始采样率采集人体行为样本数据，提取初始子特征，初步识别人体行为；S2、调整采样率和子特征为对应该初步识别的人体行为的最佳采样率和子特征组合，并继续识别人体行为；S3、若继续识别的人体行为发生变化，则调整采样率和子特征组合至相应人体行为的最佳采样率和子特征组合，返回步骤S2；若无法识别人体行为，则返回步骤S1。由以上描述可知，本专利技术的有益效果在于：区别于现有技术采用统一的采样率和子特征，本专利技术根据不同行为采用不同的采样频率并提取不同的子特征，在保证识别精度的同时大大降低了能量消耗。进一步的，在步骤S1和S2中，若在一个SW中识别出行为Ai占所有行为的百分比最多且大于等于行为状态转换阈值RT，则确定人体行为为行为Ai。进一步的，采集人体行为样本数据后对样本数据进行预处理，所述预处理包括去噪处理，包括异常值移除处理、数据归一化处理和降维处理。由上述描述可知，对行为数据进行规范化预处理，可去除采集到的行为数据的异常值，并将其进行归一化及降维处理，提高数据构造分类器的合理性、有效性及成功率。进一步的，所述子特征包括时域特征、频域特征或时域频域组合特征；所述最佳采样率和子特征组合根据以下目标函数和约束条件确定：目标函数为 f ( A i ) = m a x accuracy j e n e r g y consumption j , 1 ≤ i ≤ 11 , 1 ≤ j ≤ 18 ; ]]>约束条件的约束方程为 accuracy j > Σ j = 1 18 accuracy j 18 , 1 ≤ j ≤ 18. ]]>由上述描述可知，最佳采样率和子特征组合在满足最低识别精度的条件下实现能耗最小化。进一步的，利用SVM(Support Vector Machine)算法识别人体行本文档来自技高网...

【技术保护点】
一种基于节能机制的人体行为识别方法，其特征在于，包括：S1、采用初始采样率采集人体行为样本数据，提取初始子特征，初步识别人体行为；S2、调整采样率和子特征为对应该初步识别的人体行为的最佳采样率和子特征组合，并继续识别人体行为；S3、若继续识别的人体行为发生变化，则调整采样率和子特征组合至相应人体行为的最佳采样率和子特征组合，返回步骤S2；若无法识别人体行为，则返回步骤S1。

【技术特征摘要】
1.一种基于节能机制的人体行为识别方法，其特征在于，包括：S1、采用初始采样率采集人体行为样本数据，提取初始子特征，初步识别人体行为；S2、调整采样率和子特征为对应该初步识别的人体行为的最佳采样率和子特征组合，并继续识别人体行为；S3、若继续识别的人体行为发生变化，则调整采样率和子特征组合至相应人体行为的最佳采样率和子特征组合，返回步骤S2；若无法识别人体行为，则返回步骤S1。2.根据权利要求1所述基于节能机制的人体行为识别方法，其特征在于，在步骤S1和S2中，若在一个SW中识别出行为Ai占所有行为的百分比最多且大于等于行为状态转换阈值RT，则确定人体行为为行为Ai。3.根据权利要求1所述基于节能机制的人体行为识别方法，其特征在于，采集人体行为样本数据后对样本数据进行预处理，所述预处理包括去噪处理，包括异常值移除处理、数据归一化处理和降维处理。4.根据权利要求1所述基于节能机制的人体行为识别方法，其特征在于，所述子特征包括时域特征、频域特征或时域频域组合特征；所述最佳采样率和子特征组合根据以下目标函数和约束条件确定：目标函数为 f ( A i ) = m a x accuracy j energyconsumption j , 1 ≤ i ≤ 11 , 1 ≤ j ≤ 18 ; ]]>约束条件的约束方程为 ...

【专利技术属性】
技术研发人员：陈志德，吴纪芸，黄欣沂，许力，伍玮，郑金花，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：福建;35