[发明专利]一种基于多层次融合的活动识别方法

权利要求书

1.一种基于多传感器融合的活动识别方法，其特征在于，包括如下步骤：

S1：获取用户设定时间内的活动数据，并对得到的活动数据进行数据成帧处理得到数据帧；

所述的活动数据包括生理数据和运动数据，相应的得到的数据帧包括生理帧和运动帧；

S2：对所述的数据帧进行数据级融合、特征级融合和分数级融合，分别得到数据级融合特征矩阵、特征级融合特征矩阵和分数级融合特征矩阵；

数据级融合包括如下步骤：

(a1)计算生理帧和运动帧的帧长的最小公倍数，将最小公倍数内的生理帧和运动帧依次拼接在一起生成一帧数据级融合帧；

(a2)对各个数据级融合帧进行特征提取，并根据提取结果生成数据级融合特征矩阵；

特征级融合包括如下步骤：

(b1)针对每一个生理帧和运动帧，分别进行特征提取，并以提取结果作为相应的特征帧；

(b2)计算生理帧和运动帧对应的特征帧长的最小公倍数，将该最小公倍数时间内的特征帧依次拼接在一起生成一帧特征级融合帧；

S3：根据数据级融合特征矩阵、特征级融合特征矩阵和分数级融合特征矩阵进行活动识别；

(3-1)将数据级融合特征矩阵、特征级融合特征矩阵和分数级融合特征矩阵组合得到层次融合矩阵：

(3-2)基于若干个正确标注了活动的层次融合训练矩阵训练活动分类模型；

(3-3)以待识别的活动数据得到的层次融合矩阵作为测试矩阵，将该测试矩阵输入所述的活动分类模型中以进行活动识别。

2.如权利要求1所述的基于多传感器融合的活动识别方法，其特征在于，所述步骤S1中进行数据过程如下：

将所述的活动数据按照预设的时间间隔分割即得到相应的数据帧。

3.如权利要求1所述的基于多传感器融合的活动识别方法，其特征在于，提取结果包括时域特征和频域特征。

4.如权利要求1所述的基于多传感器融合的活动识别方法，其特征在于，分数级融合包括如下步骤：

(c1)针对生理帧和运动帧对应的特征帧，分别基于正确标注的特征帧训练单数据活动分类模型，得到相应的分类结果帧；

(c2)计算生理帧和运动帧对应的分类结果帧长的最小公倍数，将该最小公倍数时间内的不同分类结果帧依次拼接在一起生成一帧分数级融合帧；

(c3)将所有分数级融合帧拼接生成分数级融合特征矩阵。