本发明专利技术涉及一种基于优化的C-支持向量分类机的步态识别方法，其主要内容有：①采集并保存站立、行走、跳跃和上楼梯这4种步态的足底压力数据，并将其上传至计算机保存成测试组和训练组；③利用MATLAB软件及LIBSVM工具箱编写基于C-支持向量分类机模型的步态识别算法，在该C-支持向量分类机模型中选取高斯径向基函数作为核函数并采用遗传算法对算法中的惩罚参数C和核函数参数γ进行优化；④利用训练组对③中的步态识别算法进行训练；⑤利用测试组对④中训练好的步态识别算法进行测试，测试其分类准确率，并得出步态识别结果。
【技术实现步骤摘要】
本专利技术涉及步态模式识别领域，尤其是一种基于优化的C-支持向量分类机的步态识别方法。
技术介绍
步态的基本定义为:“Aparticular way or manner of moving on foot”，即足部运动的特定方式。因此，步态识别作为一种新的基于生物特征的身份识别技术，其主要作用是根据人的走路姿态来识别个人身份。早期的医学研究也表明人的步态具有24种不同的成分，如果把这24种成分都充分加以考虑，则可认为人的步态具有唯一性，它是人所具有的一种与生俱来的独特的生物特征，尽管步态分析在医学、心理学等诸多领域有着长期的研究，如通过检查步态异常，暗示人体可能隐藏的某种疾病等。但使步态作为一种生物特征用于人的身份识别与认证却是新兴的研究课题，它是伴随着计算机视觉和模式识别的发展而出现的。目前，在申请公开或已审定授权的专利中应用于步态识别技术的主要算法有:中国专利CN101571918A中的基于最优轴投影特征的步态识别方法；中国专利CN101241551A中的基于切向量的步态识别方法；中国专利CN101571924A中的一种多区域特征融合的步态识别方法；中国专利CN101488185A中的基于分块矩阵的步态识别方法和中国专利102122354A中的基于自适应特征块选择的步态识别方法等。
技术实现思路
鉴于以上
技术介绍
，本专利技术目的在于提供一种基于优化的C-支持向量分类机的步态识别方法，能够准确地对站立、行走、跳跃和上楼梯4种步态进行识别与分类。为实现上述目的，本专利技术采取以下技术方案:①采集并保存站立、行走、跳跃和上楼梯这4种步态的足底压力数据，每种步态采集1000组数据；②从每种步态的1000组数据中随机挑选200组数据组成一个拥有800组数据的训练组；随机挑选100组组成一个拥有400组数据的测试组；③利用MATLAB软件及LIBSVM工具箱编写一种基于支持向量机中C-支持向量分类机模型的步态识别算法；④利用训练组对③中的步态识别算法进行训练；⑤利用测试组对④中训练好的步态识别算法进行测试，测试其分类准确率，并得出步态识别结果。步骤③中的一种基于支持向量机中C-支持向量分类机模型的步态识别算法包括以下步骤:a.选择高斯径向基核函数:exp(-1l X1-Xj Il 2/2y2)作为C-支持向量分类机模型:权利要求1.一种基于优化的C-支持向量分类机的步态识别方法，采用支持向量机算法中的C-支持向量分类机进行四种步态的识别，其中这四种步态包括站立、行走、跳跃和上楼梯；整体包括以下步骤 ①采集并保存站立、行走、跳跃和上楼梯这4种步态的足底压力数据，每种步态采集1000组数据； ②从每种步态的1000组数据中随机挑选200组数据组成一个拥有800组数据的训练组；随机挑选100组组成一个拥有400组数据的测试组； ③利用MATLAB软件及LIBSVM工具箱编写一种基于支持向量机中C-支持向量分类机模型的步态识别算法； ④利用训练组对③中的步态识别算法进行训练； ⑤利用测试组对④中训练好的步态识别算法进行测试，测试其分类准确率，并得出步态识别结果。2.根据权利要求I所述的一种基于优化的C-支持向量分类机的步态识别方法，其特征是在于步骤③中的一种基于支持向量机中C-支持向量分类机模型的步态识别算法包括以下步骤 a.选择高斯径向基核函数exp(_ 11 Xi-X」I 12/2 Y 2)作为C-支持向量分类机模型3.根据权利要求2所述的一种基于优化的C-支持向量分类机的步态识别方法，其特征是在于步骤b中的惩罚参数C和算法模型中的高斯径向基核函数中的参数Y的优化选择均采用遗传算法；该遗传算法包括以下步骤 (I)定义种群大小为20;迭代次数为100 ;个体选择概率为0. 9 ;交叉重组概率为0. 7 ；变异概率为0. 025 ； (II)定义初始种群并采用二进制编码； (III)采用基于排序的适应度分配和随机遍历抽样法从初始种群中选择父代种群； (IV)父代种群以交叉重组概率进行二进制交叉获得子代种群； (V)父代种群以变异概率进行变异获得子代种群；(VI)判断子代种群是否满足适应度条件或终止条件；其中适应度函数为C-支持向量分类机模型对训练组的分类准确率； (VII)如果满足(VI)中适应度条件或终止条件，则已达到最优化，从中得出最优惩罚参数C和最优参数Y，否则以子代种群作为父代种群返回(IV)。4.根据权利要求3所述的一种基于优化的C-支持向量分类机的步态识别方法，其特征是在于:步骤(III)中的基于排序的适应度分配采用线性排序计算个体的适应度:5.一种基于优化的C-支持向量分类机步态识别系统,包括:一双安装有压力传感器的鞋子，其特征在于压力传感器分别布置在鞋子的四个位置，位于大拇趾、第四趾骨、脚中部和脚后跟处，所述压力传感器受压时产生足底压力信号；一个数据采集、发送电路，由单片机、稳压电路、传感器线性补偿电路及无线传感器模块组成，用以采集足底压力数据，并将所采集的足底压力数据由所述的无线传感器模块发送至计算机，并采用如权利要求1-4任一项所述方法进行步态识别。全文摘要本专利技术涉及一种基于优化的C-支持向量分类机的步态识别方法，其主要内容有①采集并保存站立、行走、跳跃和上楼梯这4种步态的足底压力数据，并将其上传至计算机保存成测试组和训练组；③利用MATLAB软件及LIBSVM工具箱编写基于C-支持向量分类机模型的步态识别算法，在该C-支持向量分类机模型中选取高斯径向基函数作为核函数并采用遗传算法对算法中的惩罚参数C和核函数参数γ进行优化；④利用训练组对③中的步态识别算法进行训练；⑤利用测试组对④中训练好的步态识别算法进行测试，测试其分类准确率，并得出步态识别结果。文档编号G06K9/62GK103186792SQ20131009840公开日2013年7月3日 申请日期2013年3月26日 优先权日2013年3月26日专利技术者闫磊, 李雁北, 钱桦, 解勇 申请人:北京林业大学本文档来自技高网...
【技术保护点】
一种基于优化的C?支持向量分类机的步态识别方法，采用支持向量机算法中的C?支持向量分类机进行四种步态的识别，其中这四种步态包括：站立、行走、跳跃和上楼梯；整体包括以下步骤：①采集并保存站立、行走、跳跃和上楼梯这4种步态的足底压力数据，每种步态采集1000组数据；②从每种步态的1000组数据中随机挑选200组数据组成一个拥有800组数据的训练组；随机挑选100组组成一个拥有400组数据的测试组；③利用MATLAB软件及LIBSVM工具箱编写一种基于支持向量机中C?支持向量分类机模型的步态识别算法；④利用训练组对③中的步态识别算法进行训练；⑤利用测试组对④中训练好的步态识别算法进行测试，测试其分类准确率，并得出步态识别结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：闫磊，李雁北，钱桦，解勇，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：
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。