[发明专利]一种基于物理属性的自适应行为识别方法

摘要

一种基于物理属性的自适应性行为识别方法，通过采集运动过程的加速度数据作为训练样本，利用卡尔曼滤波器对训练样本进行滤波，计算每类动作一个完整周期的物理属性作为样本特征值，采用可变大小的动态滑动窗口来处理实时数据流，选择各特征值的平均值及引力作为投票依据，通过投票来进行分类。最后通过增量学习过程来动态更新样本特征值，使其逐渐趋向于用户的行为习惯，达到更好的行为识别目的。本发明对个别用户具有良好的灵活适应性、识别率较高。

主权项

一种基于物理属性的自适应行为识别方法，其特征在于：所述方法包括以下步骤：步骤1：样本特征值的提取，过程如下：步骤1.1：收集运动过程中的加速度数据作为训练样本；步骤1.2：利用卡尔曼滤波器滤除训练样本中的异常数据，通过滤波得到了可用的训练集，训练集中的数据分为3类，分别是加速度计X、Y、Z轴的数据，通过分离出每个动作周期，分别记录每个动作平均一个完整周期所需要的加速度数据个数，用以作为后期滑动窗口的大小；步骤1.3：将每个行为的一个完整动作周期所产生的三轴合成加速数据集合看做物质，基于物理属性进行特征值提取；步骤2：分类算法，过程如下：步骤2.1：选择各特征值的平均值及引力作为投票依据；步骤2.2：设计一个动态滑动窗口来处理实时数据流，将训练样本所得的每个行为动作一个周期的加速度数据个数从小到大排列好，先将滑动窗口大小设定为d，然后求取窗口内数据集合的上述物理特征，再与所训练样本的三个特征平均值的相对误差及引力大小作比较；每个特征平均值将票投给相对误差较小的一类行为，引力则将票投给引力较大的一类，投票结果选择票数最多且大于等于2票的行为；只有投票结果与所选窗口大小对应的行为一致时，该行为步数加1，滑动窗口移至下一窗口；否则将滑动窗口按上述排列结果向数据流反方向依次增大，继续判断，直至可以判断出结果。