[发明专利]基于多传感网络的室内活动检测识别方法及系统有效
申请号: | 201710017636.0 | 申请日: | 2017-01-11 |
公开(公告)号: | CN106815603B | 公开(公告)日: | 2020-04-14 |
发明(设计)人: | 王国利;谈志超;许沥文;郭雪梅 | 申请(专利权)人: | 中山大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;H04W4/02;H04W4/33 |
代理公司: | 广州新诺专利商标事务所有限公司 44100 | 代理人: | 华辉;吴静芝 |
地址: | 510275 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 传感 网络 室内 活动 检测 识别 方法 系统 | ||
1.一种基于多传感网络的室内活动检测识别方法,其特征在于:包括以下步骤:
记录所有触发式传感器在目标室内环境中的位置信息;
记录所有触发式传感器的触发信息;
根据所有触发式传感器的位置信息生成相应的二维平面图;
根据触发时间顺序依序读取触发信息,并根据当前读取到的触发信息所对应的触发式传感器的位置信息在所述二维平面图上作出触发时刻t对应的单帧图片变化Δs(t);
根据单帧图片变化Δs(t)和高斯卷积核h(t)生成触发时刻t的子信息素矩阵s(t),
根据当前读取到的触发信息所对应的触发式传感器的位置信息生成基于欧氏距离的异构信息素残留率掩膜ρ(t);
根据子信息素矩阵s(t)和异构信息素残留率掩膜ρ(t)生成触发时刻t的信息素图矩阵S(t),S(t)=ρ(t)*S(t-1)+s(t);
通过十折交叉验证法,对KNN最近邻算法进行训练,得到KNN识别样本和相应的活动类型识别库;
将信息素图矩阵S(t)输入到KNN识别样本中,计算得到相应的识别数据,并结合所述活动类型识别库实现对当前活动类型的识别,得到识别结果。
2.根据权利要求1所述的基于多传感网络的室内活动检测识别方法,其特征在于:所述触发信息的记录是以一天为单位进行记录;且在记录好位置信息后,还结合位置信息和触发信息生成所有触发式传感器在一天内的触发记录表;并将多天记录生成的多张触发记录表存储至同一数据库中。
3.根据权利要求1所述的基于多传感网络的室内活动检测识别方法,其特征在于:所述位置信息包括每一触发式传感器的坐标信息(x,y);及所述触发信息包括每一触发式传感器的唯一标号ID、触发时刻t、触发值ON/OFF。
4.根据权利要求1所述的基于多传感网络的室内活动检测识别方法,其特征在于:所述步骤根据当前读取到的触发信息所对应的触发式传感器的位置信息生成基于欧氏距离的异构信息素残留率掩膜ρ(t)中,异构信息素残留率掩膜ρ(t)的生成步骤包括:
建立与子信息素矩阵s(t)等规模的空白矩阵ρ(M×N);
对于空白矩阵ρ(M×N)中的每个网格元素(m,n),以当前被触发的触发式传感器的位置坐标(x,y)为基准点,以待计算网格的几何中心坐标(xm,yn)计算该网格内的异构信息素残留率ρmn,其中,m∈[0,M-1],n∈[0,N-1];所述异构信息素残留率ρmn为关于欧氏距离且服从正态分布ρ~A×N(0,σ2)分布的函数值,即其中σ2为正态分布方差,A为函数幅值补偿参数;
根据异构信息素残留率ρmn的计算方式,得到于触发时刻t基于被触发的传感器位置坐标(x,y)的异构信息素残留率掩膜ρ(t)。
5.根据权利要求4所述的基于多传感网络的室内活动检测识别方法,其特征在于:所述步骤根据子信息素矩阵s(t)和异构信息素残留率掩膜ρ(t)生成触发时刻t的信息素图矩阵S(t),S(t)=ρ(t)*S(t-1)+s(t)中,是根据触发时刻t被触发的触发式传感器的信息残留率掩膜ρ(t)与上一触发时刻t-1的信息素图矩阵对应位置的元素相乘后再叠加当前触发时刻t所对应的子信息素矩阵sij(t)生成触发时刻t的信息素图矩阵Sij(t),Sij(t)=ρij(t)×Sij(t-1)+sij(t)。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710017636.0/1.html,转载请声明来源钻瓜专利网。