[发明专利]一种基于智能手机传感器的建筑工人动作识别集成方法

摘要

一种基于智能手机传感器的建筑工人动作识别集成方法，属于施工现场管理技术领域，其特征是运用机器学习的方法对具有不同特征的施工人员工作动作进行分类。首先，用智能手机内置软件提取现场工人的工作时身体部位变化的加速度和转角；其次，用机器学习的方法对采集的数据点进行分类，并通过归一化等预处理方法对提取数据进行预处理，来帮助提高整体分类精度。利用交叉验证的方法优化模型参数，并绘制对应的精度曲线，取交叉验证之后精度最高的参数作为最终行为模型判断参数；最后，通过训练好的模型对无标签数据进行计算，得到工人动作分类数据。本发明的效果和益处是帮助现场施工管理人员掌握工人的行为状态，进而更好地对现场施工人员进行管理。

主权项

1.一种基于手机传感器的智能化工人动作识别集成方法，其特征在于以下步骤：第一步，收集现有工人资料信息，确认数据采集工人的工作类型；第二步，启动手机传感器数据提取软件，将手机固定在工人手腕和腿部，提取工人工作时手腕、腿部的动作加速度和倾角数值；第三步，电脑端对采集的原始数据进行分类，分成有标签的数据和无标签的数据；有标签的数据与原始数据一一对应；第四步，采用有标签的数据建立动作分类模型4.1)分别采用[0,1]归一化模型和[1,1]归一化模型对采集的数据进行归一化处理，[0,1]归一化模型和[1,1]归一化模型分别为：其中，x为有标签数据；xmax为有标签数据的最大值；xmin为有标签数据的最小值；4.2)如公式(3)所示，建立动作分类模型，并求解确定w和b；f(x)＝wTx+b    (3)其中，w是垂直于超平面的一个向量，b为参数；求解w和b的步骤如下：4.2.1)建立拉格朗日函数：其中，α是拉格朗日乘子，其中α>0；4.2.2)通过拉格朗日函数求得maxL(w,b,a)，通过KKT条件将转换为求让L关于w和b最小化，并将结果带入公式(4)中，得到：当时，求得w和b，得到动作分类模型：第五步，对第四步得到的动作分类模型进行后续优化处理，得到优化后的动作分类模型(1)调用不同的核函数，对第四步得到的动作分类模型进行优化，分别计算结果精度，选取精度值最高的作为最终核函数；(2)通过动作分类模型，优化没有标签的数据源奇异值1)将松弛变量ξi引入到公式(3)、(4)中，得到：yi(wTxi+b)≥1‑ξi     (8)由此得到计算结果：其中，C为惩罚参数；γi为函数间隔；由于γi≥0，得到0≤αi≤C；2)将w回带到公式(6)中，原方程等价于求解公式(10)：每次从中任意抽取两个乘子αp和αq，其中，p、q∈(1，n)，再固定αp和αq以外的其它乘子，求解公式(10)，完成αp和αq的计算过程，根据公式(16)得到间距：3)重复步骤2)，任意抽取两个乘子，得到一个间距；每抽取两个乘子，得到一个间距，当两个乘子遍历1到n时，完成计算过程，并根据比较，其最大值为最终的最优间隔；(3)优化惩罚参数c和核函数参数g将优化惩罚参数c和核函数参数g两个函数在经验范围内以一定的步长稳定增长，并绘制对应的精度曲线，取交叉验证之后精度最高的参数作为最终的惩罚参数c和核函数参数g；第六步，采用第五步优化后的动作分类模型对无标签的数据进行计算分类，得到工人随时间的动作分类数据，并将此数据反馈给现场管理人员。