一种基于鲁棒自加权多核支持向量机的人体动作识别方法技术

本发明专利技术公开了一种基于鲁棒自加权多核支持向量机的人体动作识别方法，属于人工智能与计算机图像处理技术领域。本方法首先对可穿戴传感设备获取人体行为数据进行预处理。然后利用非线性香农主成分分析法提取人体动作信号的主要特征。对原始数据进行对数中心化处理，将样本数据对数中心化，计算对数中心化后的矩阵的协方差矩阵，最后计算协方差矩阵的特征值和特征向量。之后，使用多策略改进鱼优化算法‑鲁棒自加权多核支持向量机，对提取的特征进行分类识别。本方法有效解决了在人体行为动作识别分类中存在的稳定性差、分类精度低、鲁棒性差等问题，为解决智能决策、精确医疗等智慧医疗研究方向的大数据采集提供了更为低成本、高效率的解决方案。

【技术实现步骤摘要】

本专利技术涉及一种基于多策略改进鱼优化算法的鲁棒自加权多核支持向量机的人体动作识别方法，属于人工智能与计算机图像处理。

技术介绍

0、技术背景

1、随着社会的快速发展、人类寿命的增长以及生育观念的转变，人口老龄化问题越发突出，由此引发的诸如空巢老人健康安全等问题已受到社会各界的广泛关注。通过惯导、表面肌电等传感器收集的传感数据开展人体行为检测，在移动健康监护等领域具有十分重要的研究和应用价值。尤其对于空巢老人、慢性疾病患者等人群的日常安全，具有重要的应用和社会价值。因此，基于可穿戴传感数据进行人体行为检测技术，展现出巨大的研究价值。

2、现有的人体行为识别方案，大多都是基于图像与视频分析来开展，它能够识别人类在图像和视频中的各种行为。然而，图像和视频无法实现对人体进行实时性的运动行为采集以及记录个体真实的行为数据。此外，在采集人体的图像视频时，人的隐私和个人信息安全无法得到保障。

3、采用可穿戴设备的人体行为检测方法，使用传感器采集数据在不受任何外部环境的影响下实时的采集人体的行为数据(对人体行为数据进行实时的数据采集)本文档来自技高网...

【技术保护点】

1.一种基于鲁棒自加权多核支持向量机的人体动作识别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于鲁棒自加权多核支持向量机的人体动作识别方法，其特征在于，步骤2中，对采集的人体肌电信号，选择肌电数据的均值Mean、均方根RMS、方差VAR、积分肌电值IEMG、标准差STD、过零点数ZCs、平均振幅变化AAC、自回归模型AR、功率谱MPS，作为提取的肌电信号的特征；

3.如权利要求1所述的一种基于鲁棒自加权多核支持向量机的人体动作识别方法，其特征在于，步骤3中，多策略改进鱼优化方法，包括：

4.如权利要求1所述的一种基于鲁棒自加权多核支...

【技术特征摘要】

1.一种基于鲁棒自加权多核支持向量机的人体动作识别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于鲁棒自加权多核支持向量机的人体动作识别方法，其特征在于，步骤2中，对采集的人体肌电信号，选择肌电数据的均值mean、均方根rms、方差var、积分肌电值iemg、标准差std、过零点数zcs、平均振幅变化aac、自回归模型ar、功率谱mps，作为提取的肌电信号的特征；

3.如权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：郭树理，吴蕾，韩丽娜，盛莉，张雅婷，闫碧玉，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：