[发明专利]测量数据的处理方法和装置

权利要求书

1.一种测量数据的处理方法，所述测量数据为用于对人体行为进行识别的测量数据，其特征在于，包括以下步骤：

根据时间序列即传感器在各个测量时间点的测量数据，生成原始序列；

将所述原始序列划分为多个帧；其中，每一个帧对应多个测量时间点；

针对每一个帧，根据所述帧对应测量时间点的测量数据，采用多种算法进行扩维，得到所述帧的各维度序列；

对所述帧的各维度序列，分别进行多个维度特征提取，得到所述帧的特征向量；所述特征向量，包括对每一维度序列进行特征提取得到的特征子向量，每一个特征子向量包括多个维度特征；

对所述帧的特征向量进行分类处理，以从预设的属性中，确定所述帧的属性，

其中，所述对所述帧的各维度序列，分别进行多个维度的特征提取，得到所述帧的特征向量，包括：

对每一个维度序列，进行多个维度的特征提取，得到所述维度序列的多个维度特征；

根据所述维度序列的多个维度特征，生成对应所述维度序列的特征子向量；

根据属于相同帧的各维度序列的特征子向量，生成所述帧的特征向量。

2.根据权利要求1所述的处理方法，其特征在于，所述对所述帧的特征向量进行分类处理，以从预设的属性中，确定所述帧的属性，包括：

将所述帧的特征向量，输入预先获取的模型，以使所述模型输出所述帧的属性；其中，所述模型包括决策树模型、随机森林模型、支持向量机和深度神经网络模型中的至少一个。

3.根据权利要求2所述的处理方法，其特征在于，所述属性为行为类别；所述模型输出所述帧的属性之后，还包括：

获取多个连续帧的行为类别；

根据所述多个连续帧的行为类别之间的连续性，对所述多个连续帧的行为类别进行修正。

4.根据权利要求1所述的处理方法，其特征在于，所述将所述原始序列划分为多个帧，包括：

以预设长度和预设偏移量，将所述原始序列划分为多个帧。

5.根据权利要求1-4任一项所述的处理方法，其特征在于，所述多个维度包括均值、方差、分位数值、频谱系数、均值穿过率、峰值、最小值和峰峰值中的至少两个。

6.根据权利要求1-4任一项所述的处理方法，其特征在于，所述根据各个测量时间点的测量数据，生成原始序列，包括：

获取传感器在三维空间上各测量时间点的测量数据，生成原始序列其中为三维空间中第一维度空间内，测量时间点i的测量数据x_i构成的序列，为三维空间中第二维度空间内，测量时间点i的测量数据y_i构成的序列，为三维空间中第三维度空间内，测量时间点i的测量数据z_i构成的序列，测量时间点i的总数为M个。

7.根据权利要求6所述的处理方法，其特征在于，所述多种算法包括差分、角度空间、轨迹空间和各级范数中的至少两个；所述根据所述帧对应测量时间点的测量数据，采用多种算法进行扩维，得到所述帧的各个维度序列，包括：

采用差分算法，对所述原始序列进行计算，得到差分算法的维度序列其中，

和/或，采用轨迹生成算法f，对原始序列进行计算，得到轨迹的维度序列

和/或，采用θ角度空间算法，对原始序列进行计算，得到θ角度空间的维度序列

和/或，采用ψ角度空间算法，对原始序列进行计算，得到ψ角度空间的维度序列

和/或，采用φ角度空间算法，对原始序列进行计算，得到φ角度空间的维度序列

和/或，采用L1范数算法，对原始序列进行计算，得到L1范数的维度序列

和/或，采用L2范数算法，对原始序列进行计算，得到L2范数的维度序列

和/或，采用无穷范数算法，对原始序列进行计算，得到无穷范数的维度序列