[发明专利]基于SVM的智能设备佩戴模式的识别方法及系统、智能设备

说明书

本发明适用于智能感知技术领域，提供了一种基于SVM的智能设备佩戴模式的识别方法，包括：采集智能设备当前的状态数据；将所采集的状态数据输入SVM分类模型中进行学习，得到学习结果，所述SVM分类器是基于两组以上传感器样本数据训练而成；基于所述学习结果识别所述智能设备当前的佩戴模式。本发明中，将智能设备当前的状态数据输入至SVM分类模型中进行学习，得到对应的分类结果，可一定程度上提高佩戴模式的识别准确性。

技术领域

本发明属于智能感知技术领域，尤其涉及一种基于SVM的智能设备佩戴模式的识别方法及系统、智能设备。

背景技术

全球定位系统(GPS)可以提供高精度的室外位置服务，但由于建筑物的遮挡，GPS信号在室内非常微弱甚至不可见，因此GPS定位系统不能应用于室内定位。而现如今人们越来越多的活动都是在室内进行，基于位置的服务越来越受到人们的关注。随着无线电技术的快速发展以及移动智能终端的日益普及，室内定位导航技术作为GPS的一种补充技术快速发展。由于移动智能终端设备(智能手机)已成为人们日常的必需品，具有运算速度快、便携带等特点，并且集成了诸如磁力计、加速度传感器、陀螺仪等多种传感器。因此基于智能手机的室内定位问题越来越成为研究的热点。

现有技术中，通常是基于分析三轴加速度计的信号所在阈值范围来判断手机当前所处的状态(佩戴方式)，即通过判断重力加速度分别在三个轴的投影分量值来判断，而由于人体在运动过程中产生的线性加速度会耦合至加速度计信号中而无法准确提取出重力加速度在三个轴上的分量值，故判断准确度较低。

发明内容

本发明实施例提供了一种基于SVM的智能设备佩戴模式的识别方法及装置、智能设备，旨在解决现有技术的由于受到线性加速度影响导致佩戴模式判断准确度较低的问题。

一种基于SVM的智能设备佩戴模式的识别方法，包括：

采集智能设备当前的状态数据；

将所采集的状态数据输入SVM分类模型中进行学习，得到学习结果，所述SVM分类器是基于两组以上传感器样本数据训练而成；

基于所述学习结果识别所述智能设备当前的佩戴模式。

优选地，所述采集智能设备当前的状态数据之前还包括：

基于两组以上传感器样本数据进行训练，得到SVM分类模型。

优选地，所述基于两组以上传感器样本数据进行训练，得到SVM分类模型具体包括：

采集两组以上传感器样本数据；

分别提取每一组所述传感器样本数据的特征数据，得到两组以上特征数据，每一组所述传感器样本数据对应一组特征数据；

基于所述特征数据及SVM算法训练出对应的分类器，一个所述分类器对应一组所述传感器样本数据，一个所述分类器代表一个佩戴模式；

基于训练所得的分类器得到SVM分类模型。

优选地，所述状态数据包括对应的传感器数据，所述将所采集的状态数据输入SVM分类模型中进行学习，得到学习结果具体包括：

提取所述传感器数据的特征数据；

将所提取的特征数据输入至所述SVM分类模型进行学习训练，得到学习结果。

优选地，所述传感器数据包括：加速度计数据及陀螺仪数据，所述特征数据包括：加速度计的三轴平均值及陀螺仪三轴的标准差数据。

优选地，所述智能设备包括以下的一种：智能手机、智能计步器。

本发明还提供一种基于SVM的智能设备佩戴模式的识别系统，包括：

采集单元，用于采集智能设备当前的状态数据；