[发明专利]一种用于人体动作识别的三轴特征融合方法

权利要求书

1.一种用于人体动作识别的三轴特征融合方法，其特征在于，包括以下步骤：

(1)基于特征基的三轴特征表示，将三轴特征表示成特征基的线性组合，确定每轴特征基的系数；

(2)融合权重，利用每轴特征基的系数，基于方差贡献率计算每轴特征的融合权重；

(3)三轴特征融合，利用每轴特征对不同动作识别的贡献大小来融合三轴特征，提高对动作识别的识别率；

所述步骤(1)中基于特征基的三轴特征表示是将三轴特征表示成特征基的线性组合，由此确定每轴特征基的系数，具体方法如下：

从多类动作构成的大量三轴加速度信号样本集中分别提取每轴的时频域特征，构成三轴特征矢量空间，记为F＝[F_x,F_y,F_z]，F_x,F_y,F_z分别表示x轴、y轴和z轴的特征向量，每一轴的特征向量维数记为m，即三轴特征矢量空间F是一个3×m的矩阵，则三轴特征矢量可以表示成特征基[X₁,X₂,…,X_m]的线性组合，即：

F_x＝A_x1X₁+A_x2X₂+…+A_xmX_m+ε_x

F_y＝A_y1X₁+A_y2X₂+…+A_ymX_m+ε_y， (1)

F_z＝A_z1X₁+A_z2X₂+…+A_zmX_m+ε_z

其中，特征基[X₁,X₂,…,X_m]可以唯一的表示每一轴的特征向量，A_ij是一个3×m的矩阵，表示特征基的系数，i∈{x,y,z}，j＝[1,2,…,m]；ε_i表示每轴的误差平衡，i∈{x,y,z}；

特征基X＝[X₁,X₂,…,X_m]的线性组合通过稀疏编码重构三轴特征矢量空间F的代价函数，用矩阵形式表示如下：

用L₁范数对基矢量X做稀疏性惩罚，同时对特征基的系数矩阵A用L₂范数来约束；为了在0处可导，将公式(2)变成：

对公式(3)执行以下算法就可以确定使J(A,X)最小化的特征基X和特征基的系数矩阵A，其算法包括如下步骤：

1)随机初始化A；

2)根据步骤1)给定的A，求解能够最小化J(A,X)的X；

3)根据步骤2)得到的X，求解能够最小化 J(A,X)的A；

4)重复步骤2)、3)直至AX收敛于F。

2.根据权利要求1所述的用于人体动作识别的三轴特征融合方法，其特征在于，所述步骤(2)融合权重，每轴特征向量的融合权重系数的提取如下：

利用每轴特征基的系数可以计算方差贡献率：

其中，表示每轴特征基系数的均值；

特征基系数的方差贡献率重新计算如下：

将三轴的特征基系数的方差贡献率进行幅度上的压缩，得到三轴特征的融合权重矩阵，记为W＝[W_x,W_y,W_z]，W_x,W_y,W_z分别表示x轴、y轴和z轴的特征融合权重，三轴特征的融合权重矩阵W也是一个3×m的矩阵，幅度压缩后的特征融合权重表示为：

其中，[W_x,W_y,W_z]表示幅度压缩后的特征融合权重。

3.根据权利要求1所述的用于人体动作识别的三轴特征融合方法，其特征在于，所述步骤(3)中的三轴特征融合，利用三轴特征的融合权重获得融合后的特征向量：

EFF＝[F_x,F_y,F_z][W_x,W_y,W_z]^T， (7)

其中，EFF表示融合后的特征向量。