[发明专利]一种基于低成本传感器的鲁棒行为识别方法与系统

说明书

技术领域

本发明涉及行为识别领域，特别涉及一种基于低成本传感器的鲁棒行为识别方法与系统。

背景技术

准确地识别出日常行为对于医学，安全，人机交互等领域都有着巨大的应用价值和研究意义。基于行为识别能够辅助监测人体的健康状态，还能够分析用户生活行为习惯模式。在全球老龄化愈加严重的今天，行为识别还能够帮助监测老人的日常活动，发现异常行为等，为实现智能家居，智慧养老等提供重要支持。

国内外对于行为识别的方法大致可以分为三类：基于图像分析的方法，基于可穿戴传感器的方法，和基于环境信息的方法。基于视频的方法是通过摄像头对人体运动的图像进行采集，然后通过图像识别和处理的方法分析和识别行为。例如：专利201510050043.5通过摄像头采集任意运动图像，然后提取图像中的时空特征，再通过识别模型进行行为判断。这种方法能够有效的识别出行为，但是由于图像处理时信息量巨大，算法比较复杂，另外摄像头覆盖范围有限，因此应用场景受限。而且由于涉及用户的隐私，这种方法只适合于特殊的应用场景。基于可穿戴设备的方法相对来说布设方便，构成可穿戴设备的核心元器件包括加速度计，陀螺仪，磁力计等运动传感器。通过穿戴在人体的特定部位，采集运动过程中的数据信息，再经过处理分析得到行为识别的结果。例如专利201080003387.6，通过采集用户手部的运动数据，检测用户的手部运动模式，再通过行为识别模型识别出行为。这类方法由于设备佩戴在用户身上，所以识别的时间和地点都不受限制。基于环境信息的方法是通过采集人体运动过程中，周围环境的变化信息，来逆向推定出人体的行为。例如专利201410209856.X，提出了一种基于WiFi背景噪声的行为识别方法，利用人体运动时候引起的环境中WiFi信号值的变化来识别行为。但这类方法往往受限于环境的局限性，以及数据噪声的影响，识别精度无法保证。

在上述三种方法类型中，基于可穿戴设备的方法由于穿戴的便利性，以及环境无关性，能够在不同的场景下均很好的识别用户的行为。已有的基于可穿戴设备的行为识别方法的传感器基本以加速度计和陀螺仪为主，加速度传感器能够检测到运动时候空间三个轴上的加速度数据，陀螺仪能够检测到空间三个轴上的角速度数据。佩戴位置以腕部，腰部，脚部等为主，另外还有裤兜，背包等设备最常放置的位置。但是由于行为之间有一定的相似性，在运动传感器数据上的表征难以区分，因此往往会造成识别精度的下降。而且，人体的日常行为非常复杂，行为识别系统只会针对其中的若干种行为进行识别，将其他不输入所涉及范围的行为定义为其他行为。但是对这些行为的误分也会引起识别精度的下降。另外，由于不同的用户之间存在行为的差异性，因此如果所采集的数据和提取的特征与行为之间没有强关联性，容易使得识别效果对于不同的用户存在很大差异。

发明内容

针对以上基于可穿戴的行为识别系统所存在的识别精度不高，无法同时适用多用户等问题，本发明为了降低识别时的错分率，并且使得不同人的识别精度都能够较高，提出了一种基于低成本距离传感器的行为识别装置和方法。

具体来说本发明提供了一种基于低成本传感器的鲁棒行为识别方法，其中包括：

步骤S1、通过安装于用户鞋中的低成本距离传感器，采集用户脚到地面的实时距离数据；

步骤S2、采用滑动窗口法对该实时距离数据进行分割，生成数据集，并将该数据集无线发送至步骤S3；

步骤S3、对该数据集按照特性的预处理方式进行特征提取，生成预处理数据，并根据预先训练完成的数据模型对该预处理数据进行识别，得到用户的行为结果，最后将该行为结果显示反馈给用户。

该基于低成本传感器的鲁棒行为识别方法，其中步骤S3中该预处理方式包括：步骤S31、通过离散快速傅里叶变换对该数据集进行时频转换，再通过特征提取得到多个频域特征和多个时域特征，该时域特征和该频域特征的集合作为该预处理数据。

该基于低成本传感器的鲁棒行为识别方法，其中步骤S3中该数据模型的建立过程包括：

步骤S32、首先规划所要识别的多个行为种类，并选择多位实验者作为训练数据的采集对象，让该实验者分别执行该行为种类，采集该实验者脚部到地面的距离数据，并通过滑动窗口法对采集到的该距离数据进行分割，作为训练距离数据；

步骤S33、根据该训练距离数据，利用极速学习机模型训练生成该数据模型。

该基于低成本传感器的鲁棒行为识别方法，其中步骤2中该滑动窗口法采用的滑动窗口时长为L，且相邻两个滑动窗口间的实时距离数据有L/2的重叠。