[发明专利]一种基于智能手机多传感器融合的人体活动识别方法

说明书

一种基于智能手机多传感器融合的人体活动识别方法属于智能人机交互领域，本发明利用智能手机集成的惯性传感器、磁力计和气压计等多模态传感器，提出了融合智能手机多模态传感器的人体活动识别方法。本发明的主要内容为：(1)建立基于笛卡尔坐标系的人体活动模型以及多传感器融合的人体活动识别框架；(2)人体进行日常活动，实验者通过携带智能手机采集多传感器数据；(3)通过数据预处理对原始传感器数据进行去躁、特征提取和选择；(4)设计基于Stacking的多模态数据融合集成RSK‑Stacking算法对最优的人体活动数据集进行训练得到人体活动识别模型，进而对人体活动进行识别。

技术领域

本发明属于智能人机交互领域，是一种基于智能手机多传感器融合，可应用于人体活动识别的算法。

背景技术

已有人体活动识别技术根据所采用传感器技术的不同，可总体上划分为以下三类：可穿戴感知技术(Wearable Sensors)、情景感知技术(Ambient Sensors)和视觉感知技术(Vision-based Sensors)。基于可穿戴感知的技术可运行在室内和室外环境，并提供良好的动作识别。此外，由于其体积小，方便佩戴在身体的不同部位(如手臂，腰部和腿部等)。然而，在身体上部署多个传感器存在成本高、会给穿戴者带来不适等问题。情景感知技术和视觉感知技术具有准确率高、动作捕捉直观等特点，但传感器部署及检测算法复杂，且监控范围有限，甚至容易暴露用户隐私。随着智能手机计算能力提升以及使用普及，研究人员利用智能手机集成的传感器进行人体活动识别技术的研究。智能手机不仅集成了加速度计、磁力计、陀螺仪、温度计、GPS和气压计等多模态传感器，而且它还有较高的存储容量和较强计算能力，它是进行活动识别的良好感知和计算平台。单一类型传感器限制了其识别活动的种类和准确性。

本发明基于智能手机传感器采集的人体活动数据，参考图1架构设计了基于智能手机多传感器和分类算法(Random Forest、SVM、KNN)融合的人体活动识别集成算法RSK-Stacking。

发明内容

本发明基于智能手机采集的人体活动数据和传统分类算法，设计了人体活动识别集成算法RSK-Stacking。本发明涉及如下2点：

(1)本发明将智能手机传感器采集的惯性传感器、磁力计和气压计数据融合在一起，引入滑动窗口技术对人体活动特征进行提取，并通过PCA主成分分析对特征进行选择。

(2)参考图1架构设计了基于智能手机多传感器融合的人体活动识别集成算法RSK-Stacking，将人体活动特征进行归类，实现人体活动识别算法。

本发明核心算法

(1)建立人体活动模型

人体在运动过程中，加速度和角速度会实时变化。前人研究表明智能手机放置在用户裤子的口袋里是采集其传感器数据并识别日常动作最佳部位。本发明从携带设备舒适性以及系统可靠性出发，将智能手机头部朝下、垂直放置在用户裤子右前方的口袋里，建立如图2所示基于笛卡尔坐标系的人体活动模型。其中，a_x、a_y和a_z分别代表智能手机沿x轴、y轴和z轴获取的加速度数据；ω_x、ω_y和ω_z分别代表人体躯干绕x轴、y轴和z轴运动时的角速度数据；m_x、m_y和m_z分别代表x轴、y轴和z轴的地磁数据。此外，气压计感知当前环境下的气压。本发明选定人的裤子前方右口袋为坐标原点，人体的正右方为x轴的正方向，正上方为y轴的正方向，正前方为z轴的正方向。

在3轴加速度计、陀螺仪和磁力计分别感知的3维数据基础上，本发明按照公式(1)分别计算加速度、角速度和磁力的合值。合值仅反映加速度、角速度和磁力的幅度值变化，与方向无关。

(2)人体活动数据预处理