一种基于新型均值聚类算法的自适应行人手机姿态识别方法技术

本发明专利技术公开了一种基于新型均值聚类算法的自适应行人手机姿态识别方法，包括采集行人的手机各姿态下的加速度传感器和三轴陀螺仪输出数据，进行量化处理，并将加速度传感器输出数据虚拟为重力计数据；采用新型均值聚类算法对待识别行人的实时手机姿态进行分类识别；姿态转换检测，对行人携带手机时两种姿态之间的转换过程进行检测与识别；设定滑动窗口大小为M，存储一系列时刻采样点的簇划分结果即姿态判别结果；对滑动窗口内一系列连续手机姿态转换进行检测；输出姿态转换检测判断结果；即判断是否发生姿态转换，给出两姿态转换临界过程附近的采样点。本方法具有较强的普适性，同时方法可靠性高，计算简单并具有较好的实时性。

A new mean clustering algorithm based adaptive pedestrian mobile attitude recognition method

【技术实现步骤摘要】
一种基于新型均值聚类算法的自适应行人手机姿态识别方法
本专利技术属于行人定位导航
，特别涉及了一种基于新型均值聚类算法的自适应行人手机姿态识别方法。
技术介绍
随着智能手机的普及，基于智能手机的行人定位及导航技术成为定位导航领域中的一个重要的新兴分支。目前比较常用的方法为行人航向推算算法(PDR)，这种方法要求手机保持相对人体固定的位置以保证航向的准确性。这是由于手机的姿态发生较大变动，导航系统会误认为是行人的航向发生变化，从而对定位导航结果造成严重有害的影响。然而在日常生活场景中，手机常处于多种放置姿态，一般可分为手持手机竖屏状态、手持手机横屏状态、手持手机通话状态、手持手机甩手状态以及手机放置在裤兜的状态，固定的手机携带方式极大限制了行人的手机使用场景，严重影响了用户体验感。为了适应更加广泛的应用场景，实现灵活的手机携带方式下的行人定位及导航，一种高效且适应于广大人群的行人手机姿态的实时识别方法具有重大的研究意义。
技术实现思路
专利技术目的：为了解决上述
技术介绍
提出的技术问题，本专利技术旨在提供一种基于新型均值聚本文档来自技高网...

【技术保护点】
1.一种基于新型均值聚类算法的自适应行人手机姿态识别方法，其特征在于，包括以下步骤：/n(1)采集行人的手机各姿态下的加速度传感器和三轴陀螺仪输出数据，进行量化处理，并将加速度传感器输出数据虚拟为重力计数据；/n(2)采用新型均值聚类算法对待识别的行人实时手机姿态进行分类识别；/n(3)姿态转换检测，对行人携带手机时两种姿态之间的转换过程进行检测与识别；/n设定滑动窗口大小为M，存储一系列时刻采样点的簇划分结果即姿态判别结果；对滑动窗口内一系列连续手机姿态转换进行检测；/n(4)输出姿态转换检测判断结果；即判断是否发生姿态转换，给出两姿态转换临界过程附近的采样点。/n

【技术特征摘要】
1.一种基于新型均值聚类算法的自适应行人手机姿态识别方法，其特征在于，包括以下步骤：
(1)采集行人的手机各姿态下的加速度传感器和三轴陀螺仪输出数据，进行量化处理，并将加速度传感器输出数据虚拟为重力计数据；
(2)采用新型均值聚类算法对待识别的行人实时手机姿态进行分类识别；
(3)姿态转换检测，对行人携带手机时两种姿态之间的转换过程进行检测与识别；
设定滑动窗口大小为M，存储一系列时刻采样点的簇划分结果即姿态判别结果；对滑动窗口内一系列连续手机姿态转换进行检测；
(4)输出姿态转换检测判断结果；即判断是否发生姿态转换，给出两姿态转换临界过程附近的采样点。


2.根据权利要求1所述的一种基于新型均值聚类算法的自适应行人手机姿态识别方法，其特征在于，步骤(1)中将加速度传感器输出数据虚拟为重力计在手机X轴、Y轴、Z轴三个方向上的重力分量信号，三轴陀螺仪输出数据包括在手机X轴、Y轴、Z轴三个方向上的陀螺仪信号。


3.根据权利要求1所述的一种基于新型均值聚类算法的自适应行人手机姿态识别方法，其特征在于，步骤(2)包括以下步骤：
(21)初始化均值聚类中心；
将步骤(1)中多名行人的手机各姿态下的虚拟重力计数据求和，并将其平均值作为初始均值聚类中心；设定多名行人各个手机姿态的均值聚类中心即均值向量为{u01,u02...,u0k}，其中k为手机姿态数；所述各个手机姿态的初始聚类中心{u01,u02...,u0k}即各个姿态下多名行人手机各姿态下虚拟重力计数据的均值向量，计算公式为：



其中，gxpi、gypi和gzpi分别为第i类姿态下第p组虚拟重力计x、y和z轴的重力分布数据，m是用于计算均值向量的数据的总个数；
(22)初始化滑动窗口，用于存储一段连续输入采样点的陀螺仪z轴数值；
设定滑动窗口长度为H，定义变量：
A＝maxgrozm,m∈[1,H]；
其中，maxgrozm为滑动窗口中最大的陀螺仪z轴数值，且滑动窗口大小H大于陀螺仪信号一周期的采样数据个数；
(23)进行新型均值聚类算法匹配过程。


4.根据权利要求3所述的一种基于新型均值聚类算法的自适应行人手机姿态识别方法，其特征在于，步骤(23)包括以下步骤：
(231)实时采集待识别行人手机姿态数据，进行量化处理，并将t时刻加速度传感器输出数据虚拟为重力计数据，计算t时刻待识别行人手机虚拟重力计数据与上一时刻更新后的均值聚类中心中各类的均值向量u(t-1)i(1≤i≤k)的距离：dti＝||Xt-u(t-1)i||2，其中Xt为三维向量即待识别行人的t时刻重力计三轴数值，其中t＝1,2,…T，T表示采集的待识别行人手机姿态数据的数量；
根据距离最近的均值向量确定Xt的簇标记即当i使得dti取最小时令λt等于i即进行一次姿态划分；即若第i类聚类中心与Xt距...

【专利技术属性】
技术研发人员：曾庆化，易荷田，黄河泽，雷棋尧，熊智，曾世杰，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32