【技术实现步骤摘要】
本专利技术属于智能信息处理
，具体涉及一种基于模糊数学的基本思想产生行为分类模型并分析出人体行为类别的识别方法。
技术介绍
对人类自身行为的分析与理解在教学、医学、安全、人机交互等领域都有巨大的应用价值和重要的研究意义。如在教学领域，通过分析学生课堂的行为，有助于提高学生的学习质量；在医学领域，通过对病人的行为分析，可以为医学诊断和治疗提供支持，从而做出积极有效的治疗；在安全领域，通过对异常人体行为的分析，可以有效避免异常情况发生。国内外对人体行为的识别方法主要有图像分析方法和加速度分析方法。图像分析方法主要通过对人体行为进行图像采集，然后通过图像处理技术分析人体的行为。这种方法能有效的分析出人体的行为，但是图像分析在处理时，数据量较大，算法比较复杂，而且不便于采集图像信息。采用加速度分析方法则可以有效避免上述缺点。目前，国内外已经出现一些利用加速度信号分析进行人体行为识别的相关理论和方法，如基于加速度的手语识别方法，基于加速度的人体跌倒检测等。而现有的这些分析方法通常存在以下不足第一，现有的基于加速度往往需要采集人体脖颈、四肢等各个关节的加速度数据进行分...
【技术保护点】
一种人体行为识别方法，其特征在于包括以下步骤：（1）确定行为分类标准预先设定m类行为类别，m取正整数，采集每个行为类别在x、y、z方向上所对应的加速度值，根据采集的加速度值计算出每个行为类别所对应的x方向加速度样本方差平均值y方向加速度样本方差平均值z方向上的加速度样本方差平均值以及SVM的样本方差平均值每个行为类别所对应的构成列向量评价因子集，m类行为类别形成m个列向量S行为类别:Ssvm‾Sx‾Sy‾Sz‾T,形成分类标准值矩阵B，分类标准值矩阵B中每个单独的数据均是评价因子相对于其相应的行为类别时的标准值...
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。