一种基于手机惯性传感器的行人移动方向识别方法技术

本发明专利技术提供一种基于手机惯性传感器的行人移动方向识别方法，即对行人前进、后退、左移、右移四种状态进行识别。本发明专利技术的核心是一个深度神经网络模型，该模型由三个卷积层、两个LSTM单元、一个注意力机制模块及一个全连接层构成，经过学习训练后，该模型能够有效地挖掘出传感器数据中隐含的信息，并准确地判断出行人的移动方向。本发明专利技术方法具有运算速度快、识别准确率高、不易受环境影响的优点，所需成本也较低。

A pedestrian moving direction recognition method based on mobile phone inertial sensor

【技术实现步骤摘要】
一种基于手机惯性传感器的行人移动方向识别方法
本专利技术描述了一种基于手机惯性传感器对行人移动方向(前进、后退、左移、右移)进行识别的深度神经网络方法，属于人体行为识别领域。
技术介绍
随着科技的发展，人体行为识别技术在科学研究、生产经济及生活服务中带来越来越多的效益，同时受到了越来越多的科学家、学者们的重视。目前的人体行为识别技术主要分为基于视频图像和基于惯性传感器两种。由于传感器成本低、数据量小易于计算，因此基于惯性传感器的人体行为识别方法有着很好的应用前景。然而，现有的基于惯性传感器的识别技术大都使用的是传统的机器学习方法，由于可穿戴传感器的体积、功耗等限制，采集出的数据会有较大的数据噪声，导致传统的方法无法有效地进行数据挖掘，需要人工提取传感器数据序列中的特征，并且这些特征所能表达的信息有限，最终的识别效果很低，往往要加上先验经验来辅助判断。
技术实现思路
本专利技术主要提供一个能够基于手机惯性传感器进对行人移动方向(前进、后退、左移、右移)进行识别的深度学习方法。此技术的核心是一个深度神经网络，它经过学习训练后能够本文档来自技高网...

【技术保护点】
1.一种基于手机惯性传感器的行人移动方向识别方法，其特征在于，包括如下步骤：/n步骤1，惯性传感器携带者使用智能设备采集训练样本数据，分别采集前进、后退、左移、右移四种行为对应的传感器数据；/n步骤2，采用滑动窗口的方法对原始的传感器数据进行切割，生成多个样本，每个样本含n帧数据，且相邻样本有P％数据重叠，在生成样本的同时，为每个样本做好标签，标签的内容是样本对应的移动方向的编号，前进、后退、左移、右移分别对应0、1、2、3；/n步骤3，构建深度神经网络模型，该模型包括三个卷积层、两个LSTM单元、一个注意力机制模块和一个全连接层，其中，第一、二、三个卷积层上各含有64个一维卷积核，卷积核的长...

【技术特征摘要】
1.一种基于手机惯性传感器的行人移动方向识别方法，其特征在于，包括如下步骤：
步骤1，惯性传感器携带者使用智能设备采集训练样本数据，分别采集前进、后退、左移、右移四种行为对应的传感器数据；
步骤2，采用滑动窗口的方法对原始的传感器数据进行切割，生成多个样本，每个样本含n帧数据，且相邻样本有P％数据重叠，在生成样本的同时，为每个样本做好标签，标签的内容是样本对应的移动方向的编号，前进、后退、左移、右移分别对应0、1、2、3；
步骤3，构建深度神经网络模型，该模型包括三个卷积层、两个LSTM单元、一个注意力机制模块和一个全连接层，其中，第一、二、三个卷积层上各含有64个一维卷积核，卷积核的长度分别为25、21、21，两个LSTM单元中的隐含层神经元个数均为128，全连接层的输出层神经元个数为4，即对应四种移动方向；
步骤4，将步骤2生成的样本输入到步骤3构建的深度神经网络模型，设置合适的训练参数，使模型训练至收敛；
步骤5，测试用户使用带有惯性传感器的智能设备采集测试数据；
步骤6，将测试数据输入到训练好的模型中计算，得到移动方向识别结果。


2.如权利要求1所述的一种基于手机惯性传感器的行人移动方向识别方法，其特征在于：所述智能设备为智能手机。


3.如权利要求2所述的一种基于手机惯性传感器的行人移动方向识别方法，其特征在于：步骤1中采集训练样本数据时，设置采集频率为50Hz，智能手机置于左裤兜中，屏幕面朝外，手机头部朝下。


4.如权利要求1所述的一种基于手机惯性传感器的行人移动方向识别方法，其特征在于：步骤2中采用长128、步长64的滑动窗口对原始的传感器数据进行切割，生成的单个样本有128帧数据，每帧数据...

【专利技术属性】
技术研发人员：余佩林，郭迟，罗亚荣，苏今腾，张沪寅，雷婷婷，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42