[发明专利]基于移动终端在不同携带位置下改善步态检测的方法

摘要

本发明公开了一种基于移动终端在不同携带位置下改善步态检测的方法，其包括如下步骤：s1.获取移动终端在不同携带位置下行人运动时的惯性信号；s2.根据步骤s1的惯性信号，得到含有移动终端携带位置信息的m维惯性信号特征矩阵；s3.对m维惯性信号特征矩阵进行降维，得到n维特征矩阵；s4.对n维特征矩阵和移动终端的携带位置属性矩阵建模，得到移动终端携带位置模型；s5.利用步骤s4中的移动终端携带位置模型，识别移动终端当前的携带位置；s6.根据移动终端当前的携带位置，选用不同的步态检测方法获取行人的步态信息。本发明可以适应移动终端在不同携带位置下时的变化，提高步态检测的精确度。

主权项

1.基于移动终端在不同携带位置下改善步态检测的方法，其特征在于，包括如下步骤：s1.获取移动终端在不同携带位置下行人运动时的惯性信号；s2.根据步骤s1的惯性信号，得到含有移动终端携带位置信息的m维惯性信号特征矩阵；s3.对m维惯性信号特征矩阵进行降维，得到n维特征矩阵；s4.构建表示移动终端的携带位置的属性代码，将移动终端的携带位置的属性代码与步骤s1中惯性信号数据的每一个数据采样时间点的信息组成携带位置属性矩阵；利用n维特征矩阵和携带位置属性矩阵建模，得到移动终端携带位置模型；建模的过程具体如下：利用n维特征矩阵和携带位置属性矩阵组成模型样本，将模型样本中的一部分作为训练样本，用于模型训练，另一部分作为检验样本，用于测试；s4.1.从训练样本中，有放回的随机选择k1个样本构造新样本集，由此构建k1棵分类树，每次未被选中的样本组成k1个袋外数据；s4.2.样本有p个属性，分别对应惯性信号特征；在每棵树的每个节点处随机抽取q个属性，其中，q<p；然后采用信息增益策略从这q个属性中选择一个最优属性作为该节点的分裂属性；在当前节点的q个属性中选择一个最优属性，即：随机森林引入通过k轮训练，随机森林算法得到一个决策树分类器集合；s4.3.每棵树形成过程中的每个节点都要按照步骤s4.2来分裂，一直到不能分裂为止，每棵树形成过程中不进行决策树的剪枝；s4.4.将所有生成的k棵树组成随机森林模型；s4.5.利用步骤s4.4.建立的随机森林模型对检验样本进行识别，得到对应移动终端携带位置的识别结果矩阵；将识别结果矩阵与训练样本中携带位置属性矩阵对比，得到本次模型的建模精度θ，若建模精度θ大于或等于精度阈值θ₀，则模型建立完成；若建模精度θ小于精度阈值θ₀，则重复执行上述步骤s4.1至s4.5，直到满足精度要求；s5.利用步骤s4中的移动终端携带位置模型，识别移动终端当前的携带位置；s6.根据移动终端当前的携带位置，选用不同的步态检测方法获取行人的步态信息。