[发明专利]一种基于子空间分类器的人体行为识别方法

摘要

本发明公开了一种基于子空间分类器的人体行为识别方法，其通过主成分分析法(Principal Components Analysis，PCA)对信道状态信息(Channel State Information，CSI)进行降维，去除冗余信息，降低时间复杂度。再利用小波变换、统计特征提取、标准化等手段，提取出特征长度一致并能表征各种行为的特征。然后，利用抽样来构造子空间，在各个子空间内用支持向量机(Support Vector Machine，SVM)训练，得到子空间分类模型，最后通过投票法对在线行为进行判决。本发明方法能够运用于提升人体行为识别的准确率，解决了单个分类器行为识别鲁棒性不够、准确率不高的问题。

主权项

1.基于子空间分类器的人体行为识别方法，其特征在于，包括以下步骤：步骤一、利用主成分分析法，将CSI信号降维到p维；步骤二、通过q层小波变换提取信号时频特性，对Hr进行q层离散小波变换，得到每个行为的时频特性矩阵HW，这是一个p×(q+1)行T列的矩阵；步骤三、提取各个行为的统计特征，包括：均值、标准差、四分位距、50％累积概率下分位数、68.3％累积概率下分位数、95％累积概率下分位数；步骤四、通过z‑score标准化方法，将行为的各个特征变换到同一个尺度下；步骤五、设置子空间分类器数量c和子空间维度y；步骤六、将所有特征分成p×(q+1)组，每一组表示某一个主成分的某一个频率分量的6种统计量；步骤七、初始化已构建子空间分类器数量j＝0；步骤八、初始化备选特征集合U＝[1,2,…,y]，统计量编号，i＝1，已选特征集合步骤九、令第i种统计量的抽选集合抽选次数time＝0；步骤十、随机从U中抽取一个数z，计算z′＝mod(z,p×(q+1))+1；步骤十一、若进入步骤十二，否则进入步骤十；步骤十二、将z′组的第i个特征添加进Sj，z′添加进Si′，z从U中删除，time＝time+1；步骤十三、若进入步骤十四，否则回到步骤十；步骤十四、i＝i+1；步骤十五、若i≤6，回到步骤九，否则进入步骤十六；步骤十六、利用Sj对训练数据特征进行抽取，结合SVM建立分类器，得到分类器模型modelj；步骤十七、j＝j+1；步骤十八、若j＜c，进入步骤八，否则进入步骤十九；步骤十九、利用步骤一到步骤四的方法提取在线数据的特征；步骤二十、利用分类器模型{model1,model2,...,modelc}和SVM原理对在线数据特征进行判决，得到c个分类结果；步骤二十一、对这c个分类结果进行统计，输出出现最多的行为。