一种基于可穿戴位置传感器的人体行为序列识别方法技术

本发明专利技术提供一种基于可穿戴位置传感器的人体行为序列识别方法，具体步骤包括：数据采集、数据分割、识别。解决了使用可穿戴传感器进行人体行为识别中，对运动序列进行划分时步骤繁琐、模型复杂度较高的问题，通过结合参考传感器标签的高程和水平信息的变化，在识别前，对数据预先进行0级、1级、2级三个参考级别的分割，而不依赖于复杂的模型，实现了高效的对运动序列的划分以及识别，降低分割过程模型复杂度。

A recognition method of human behavior sequence based on wearable position sensor

The invention provides a human behavior sequence recognition method based on wearable position sensor, and the specific steps include: data collection, data segmentation and recognition. It solves the problem of complicated steps and high model complexity when using wearable sensors for human behavior recognition. By combining the changes of elevation and level information of reference sensor label, the data is divided into three reference levels: level 0, level 1 and level 2 in advance before recognition, instead of relying on the complex model, so as to achieve efficient segmentation The segmentation and recognition of motion sequence can reduce the complexity of segmentation process model.

【技术实现步骤摘要】
一种基于可穿戴位置传感器的人体行为序列识别方法
本专利技术涉及一种人体行为序列识别方法，尤其涉及一种一种基于可穿戴位置传感器的人体行为序列识别方法，属于模式识别领域。
技术介绍
基于可穿戴传感器的人类行为识别是模式识别领域的研究热点。最初的行为识别研究大都是基于视频设备的，然而，这种方式由于需要长时间的拍摄，而且这一类的设备通常部署困难，导致了其大大受到使用场景的限制，不适用于长期、持续性的记录人的行为动作。与其相比，随着传感器制造业的发展，使得在行为识别中基于可穿戴传感器的研究受到研究者的青睐。在基于可穿戴传感器的行为识别研究中，大多数都集中在对简单孤立的行为的研究上，对人体行为序列识别的研究相对较少且存在着不足，如何高效且准确的对人体序列进行分割以及识别，是一个很有意义的研究课题。目前对于人体序列的分割和适别的研究中，大都集中在如何提高分割准确率和识别精度上，San-Segundo等人(SegmentinghumanactivitiesbasedonHMMsusingsmartphoneinertialsensors[J].PervasiveandMobileComputing,2016,30:84-96.)提出了一种活动序列模型，通过将此模型与隐式马尔科夫模型结合，实现了人体行为序列的精确分割和识别。但由于模型复杂，计算效率较低，忽略了识别效率的问题，不能实现对人体序列的高效识别。Trabelsi等人(AnunsupervisedapproachforautomaticactivityrecognitionbasedonhiddenMarkovmodelregression[J].IEEETransactionsonautomationscienceandengineering,2013,10(3):829-835.)提出了一种改进的隐式马尔科夫模型，此模型将行为序列分割问题表示为多维时间序列的联合分割，每个行为用回归模型表示，通过马尔科夫模型控制行为间的切换。但由于改进后的模型较为复杂，需要大量的计算时间，在识别效率上表现较差。综上所述，本专利技术提出一种基于可穿戴位置传感器的人体行为序列识别方法。依靠位置传感器可实时获得传感器标签的位置信息的优势，而不依赖于复杂的模型，通过设置参考标签，考察参考标签高程及水平信息的变化，实现了对人体行为序列准确高效的分割和识别。
技术实现思路
本专利技术的目的是为了解决使用可穿戴传感器进行人体行为识别中，对运动序列进行划分时步骤繁琐、模型复杂度较高的问题而提供一种基于可穿戴位置传感器的人体行为序列识别方法。本专利技术的目的是这样实现的：具体步骤如下：步骤一：数据采集，采用时间轴对齐及缺失填充方法，对数据预处理；步骤二：进行数据分割；步骤三：对分割后的动作序列段进行识别并输出结果。本专利技术还包括以下特征：1、步骤一具体为：所述的数据采集在人体的胸部、右大臂、右小臂及左大腿四个位置布置用于识别的位置信息传感器标签，另外在左肩部位置布置参考标签；使用包括参考标签在内的五个传感器标签同时进行数据采集；所述的数据采集中采集到的数据首先按照标签的不同划分成多组数据；其次，对由于遮挡或其他信号干扰等原因产生的少量数据缺失，自动按上一条数据进行缺失填充，将各位置信息传感器标签采集到的数据时间轴对齐。2、步骤二所述的数据分割是按照参考标签采集到的数据对整体数据进行三个层次的分割，分别为0级参考级别分割、1级参考级别分割和2级参考级别分割；所述的数据分割采用滑动窗口法，设置的时间窗口大小为0.5s-10s，采取12个采样间隔作为一个窗，同时采用前后30％的窗口覆盖。3、所述的0级参考级别分割是考察参考标签的高程信息，按照高程信息变化ΔH大于0.4m的时刻，将整体数据分割成若干数据段；所述的1级参考级别分割是考察0级参考级别分割后数据的Y轴信息的变化，按照Y轴信息变化ΔY保持在0m到0.2m的时间段，对0级参考级别分割后的数据进行进一步的精细分割；所述的2级参考级别分割是考察1级参考级别分割后数据的X轴信息的变化，按照X轴信息变化ΔX保持在0m到0.2m的时间段，对1级参考级别分割后的数据段进行最终分割。4、步骤三是采用SVM分类模型，在训练好的模型上，对分割后的动作序列段进行识别并输出结果。5、所述的SVM分类模型是对动作序列可能包含的所有单一动作进行训练，在对SVM分类模型进行训练时，判断是否继续训练的因素是否满足评估指标，如果不满足则继续训练，如果满足则可得到最好的行为识别精度时的SVM分类模型参数。与现有技术相比，本专利技术的有益效果是：通过结合参考传感器标签的高程和水平信息的变化，在识别前，对数据预先进行0级、1级、2级三个参考级别的分割，而不依赖于复杂的模型，实现了高效的对运动序列的划分以及识别，降低分割过程模型复杂度。附图说明图1是一种基于可穿戴位置传感器的人体行为序列识别方法流程图。具体实施方式下面结合附图与具体实施方式对本专利技术作进一步详细描述。本专利技术提出了一种基于可穿戴位置传感器的人体行为序列识别方法，可以解决对运动序列进行划分时步骤繁琐、模型复杂度较高的问题，提出的一种基于可穿戴位置传感器的人体行为序列识别方法，通过结合参考传感器标签的高程和水平信息的变化，降低分割过程模型复杂度，实现高效的对运动序列的划分以及识别。本专利技术提出的一种基于可穿戴位置传感器的人体行为序列识别方法，是一种基于监督的行为识别方法。本专利技术的整个过程分为数据采集，数据分割以及识别三个阶段。数据采集阶段，需在测试者胸部、右大臂、右小臂及左大腿四个位置布置用于识别的位置信息传感器标签(分别命名为Tag_1、Tag_2、Tag_3、Tag_4)，此外，需要在测试者的左肩部位置布置辅助参考标签(命名为Tag_0)。使用包括参考标签在内的五个传感器标签同时进行数据采集。本专利技术提出的一种基于可穿戴位置传感器的人体行为序列识别方法，在数据分割阶段，按照参考标签Tag_0采集到的数据对整体数据进行三个层次的分割，分别称为0级参考级别分割、1级参考级别分割和2级参考级别分割。本专利技术提出的一种基于可穿戴位置传感器的人体行为序列识别方法的0级参考级别分割，仅考查参考标签Tag_0的高程信息，认为标签高程信息发生明显变化一定是由于产生了不同动作导致的，按照高程信息变化ΔH大于0.4m的时刻T0，将数据分割成若干数据段。本专利技术提出的一种基于可穿戴位置传感器的人体行为序列识别方法的1级参考级别分割，仅考察分段后数据的Y轴信息的变化，按照Y轴信息变化ΔY保持在0m到0.2m的时间段(Tsi,Tei)，对数据进行进一步的精细分割。本专利技术提出的一种基于可穿戴位置传感器的人体行为序列识别方法的2级参考级别分割，仅考查标签X轴信息变化，按照X轴信息变化ΔX保持在0m到0.2m的时间段(Tsi,Tei)，对1级参考级别分割后的数据段进行最终分割。结合图1，本专利技术提出的一种基于可穿戴本文档来自技高网...

【技术保护点】
1.一种基于可穿戴位置传感器的人体行为序列识别方法，其特征在于：具体步骤如下：/n步骤一：数据采集，采用时间轴对齐及缺失填充方法，对数据预处理；/n步骤二：进行数据分割；/n步骤三：对分割后的动作序列段进行识别并输出结果。/n

【技术特征摘要】
1.一种基于可穿戴位置传感器的人体行为序列识别方法，其特征在于：具体步骤如下：
步骤一：数据采集，采用时间轴对齐及缺失填充方法，对数据预处理；
步骤二：进行数据分割；
步骤三：对分割后的动作序列段进行识别并输出结果。


2.根据权利要求1所述的一种基于可穿戴位置传感器的人体行为序列识别方法，其特征在于：步骤一具体为：所述的数据采集在人体的胸部、右大臂、右小臂及左大腿四个位置布置用于识别的位置信息传感器标签，另外在左肩部位置布置参考标签；使用包括参考标签在内的五个传感器标签同时进行数据采集；所述的数据采集中采集到的数据首先按照标签的不同划分成多组数据；其次，对由于遮挡或其他信号干扰等原因产生的少量数据缺失，自动按上一条数据进行缺失填充，将各位置信息传感器标签采集到的数据时间轴对齐。


3.根据权利要求1或2所述的一种基于可穿戴位置传感器的人体行为序列识别方法，其特征在于：步骤二所述的数据分割是按照参考标签采集到的数据对整体数据进行三个层次的分割，分别为0级参考级别分割、1级参考级别分割和2级参考级别分割；所述的数据分割采用滑动窗口法，设置的时间窗口大小为0.5s-10s，采取12个采样间隔作为一个窗，同时采用前后...

【专利技术属性】
技术研发人员：王慧强，佟佳伟，王欣悦，吕宏武，郭方方，冯光升，李冰洋，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙;23