融合运动和生理传感数据的层次化复杂活动识别方法技术

本发明专利技术公开了一种融合运动和生理传感数据的层次化复杂活动识别方法。包括：1)利用智能设备和穿戴式设备采集运动和生理传感数据；2)对运动传感数据提取统计特征，对生理传感数据提取结构特征和瞬态特征；3)对运动传感数据的统计特征进行K‑Means聚类和LDA主题提取，得到运动传感数据的主题分布；4)在运动传感数据的主题分布和生理传感数据的特征基础上，分别建立相应的分类器；5)采用分数级融合的方法将合分类器的输出，得到复杂活动分类模型。本发明专利技术利用聚类和主题模型表示复杂活动的层次化结构，且融合运动和生理传感数据，能实现准确地复杂活动识别，在智能家居、医疗保健、老年人辅助等领域具有广阔的应用前景。

Hierarchical complex activity recognition method integrating motion and physiological sensing data

The invention discloses a hierarchical complex activity recognition method integrating motion and physiological sensing data. Include: 1) the use of smart devices and wearable devices to collect movement and physiological sensing data; 2) extract the statistical characteristics of motion sensing data extraction, structure characteristics and transient characteristics of physiological sensing data; 3) statistical characteristics of motion sensing data of K Means LDA clustering and topic extraction, motion sensing data subject distribution; 4) in the feature based theme distribution and physiological sensor data on the motion sensing data, establish the corresponding classifier; 5) output by using the method of score level fusion of the classifier, complex activity model. The hierarchical structure of the invention using clustering and topic models represent complex activities, and the fusion movement and physiological sensing data, can realize accurate recognition of complex activities, has broad application prospects in intelligent Home Furnishing, medical care, elderly assistance etc..

【技术实现步骤摘要】
融合运动和生理传感数据的层次化复杂活动识别方法
本专利技术涉及模式识别和普适计算领域，具体涉及一种融合运动和生理传感数据的层次化复杂活动识别方法。
技术介绍
随着智能设备(如智能手机、智能手表等)和穿戴式设备(如胸带、手环等)的发展，加速度、角速度等运动传感数据以及心电、心率、呼吸率等生理传感数据的获取变得日益便捷，如何利用这些数据进行活动识别成为了业界关注的焦点，相应技术在智能家居、医疗保健、老年人辅助等领域具有广阔的应用前景。简单活动通常由周期性的动作或者人体单一姿势组成，如站立、坐、走路、跑步等。相比简单活动，复杂活动通常规律性不强，持续时间更长，且具有高级语义，如吃饭、工作、购物等。传统基于智能设备和穿戴式设备的活动识别方法通常首先采集用户的活动相关数据，然后对其进行预处理和分割，接着进行特征提取，最后利用特征数据训练一个活动识别模型。然而传统方法大部分仅基于运动传感数据，且通常只在简单活动上取得较高的识别准确率。识别简单活动不能满足许多实际应用的需求，复杂活动更能反映用户的日常生活，例如，在健康监护应用中，识别用户的复杂活动如吃药、康复训练等比简单活动更有价值。由于同一简单本文档来自技高网...

【技术保护点】
一种融合运动和生理传感数据的层次化复杂活动识别方法，具体包括以下步骤：(1)采集运动传感数据和生理传感数据，并对两种数据进行异常值处理和特征提取，构建运动传感数据特征向量F

【技术特征摘要】
1.一种融合运动和生理传感数据的层次化复杂活动识别方法，具体包括以下步骤：(1)采集运动传感数据和生理传感数据，并对两种数据进行异常值处理和特征提取，构建运动传感数据特征向量Fa和生理传感数据特征向量Fp；(2)将运动传感数据特征向量Fa进行K-Means聚类和LDA主题提取，得到运动传感数据的主题分布；(3)建立生理传感数据的分类器，将生理传感数据特征向量Fp作为该分类器的输入，计算得到生理传感数据在复杂活动上的概率向量Pp＝[Pp1,Pp2…,Ppm]，m为复杂活动类别的总数目；(4)建立运动传感数据的分类器，将运动传感数据的主题分布作为该分类器的输入，计算得到运动传感数据在复杂活动上的概率向量Pa＝[Pa1,Pa2,…,Pam]；(5)将概率向量Pa和概率向量Pp作为逻辑回归融合模型的输入数据，将复杂活动类型作为逻辑回归融合模型的真值标签，对逻辑回归融合模型进行训练，得到复杂活动分类模型；(6)利用步骤(1)～步骤(4)的方法采集并处理测试运动传感数据和测试生理传感数据，得到测试生理传感数据的概率向量P’p和测试运动传感数据的概率向量P’a，然后，将概率向量P’p和概率向量P’a输入到复杂活动分类模型中，计算得到复杂活动类型。2.根据权利要求1所述融合运动和生理传感数据的层次化复杂活动识别方法，其特征在于：所述的步骤(1)的具体步骤为：(1-1)采用智能设备和穿戴式设备采集用户在复杂活动时的运动传感数据和生理传感数据...

【专利技术属性】
技术研发人员：陈岭，彭梁英，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33