[发明专利]一种基于信息熵的人体活动端点检测方法

说明书

技术领域

本发明涉及一种基于信息熵的人体活动端点检测方法，属于信号处理与模式识别技术领域。

背景技术

加速度传感器信息作为人体活动信息的重要组成部分，其携带的人体步态特征、行为模式等信息对于人体活动语义理解具有至关重要重要的意义。人体活动数据是用户长期的不间断的传感器数据流，数据中缺乏必要的基准点，对此需要对数据流中人体活动的起始点做标定，而标定的前提条件是对人体行为活动的端点进行准确检测。对于智能移动终端来说，大部分时间为相对静止状态，当加速度传感器数据作为一种流式数据进行处理时，单纯的加窗识别算法对其处理显得捉襟见肘。由于流数据具有庞大的数据量和时间跨度，必须对其进行适当地处理才能够做进一步的研究。而目前对于利用加速度对人体行为方面的研究主要局限于在特定的窗口内对行为活动进行识别，恰恰忽略了移动设备离开人体或人体在静止时的检测。如果对长时间连续数据进行分析，其中必将包含大量设备离体和人体相对静止时的传感器数据，处理数据时将在无意义数据上耗费大量的计算，导致资源的浪费。

发明内容

本发明的目的是提供一种基于信息熵的人体活动端点检测方法，可在大规模人体活动数据中将活动段端点在服务器端细粒度地检测出来，从而提高人体行为识别准确率。

本发明的技术方案是：一种基于信息熵的人体活动端点检测方法，包括以下步骤：1)将传感器信号作为信源以流数据的形式作为信号输入；2)通过计算输入信号的信息熵描述信源所承载的信息量；3)设置信号由低熵环境中过渡到某设定熵值的这一过程；4)利用联合熵的特征提取出端点，并利用端点的变化特点将其识别出来，识别出的这一端点作为人体活动的端点。

所述步骤4)的具体方法如下：

1)测定信号在传感器无有效加速度施加时的熵基准线；

2)取信号在无有效加速度施加状态时的若干帧，帧数为n，那么有传感器常态静止下的联合熵：

该值描述了在静止段的平均联合熵；

3)由于当时间轴从静止段经过端点进入到活动段的同时，信号联合熵具有较大的跃升变化，因此需要根据大量的实验确定H_k以作为检测人体活动端点的针对加速度信号联合熵的阈值；

4)将测定信号分为静止段、过渡段和活动段三种类型；

5)统计三维信号中每一个分量轴上的最大值与最小值：Max和Min；

6)针对信号计算信源的联合熵：

7)检测每一帧信号计算所得联合熵，与经验阈值H_k做比较，当H_i大于等于H_k时，对该帧进行标记，并作为起始点，同时判定信号进入活动段，也即标记人体活动的端点；

8)继续取下一帧信号计算所得联合熵，与经验阈值H_k做比较，当H_i小于等于H_k时，对该帧进行标记，并作为终点。

步骤7)中，当识别出人体活动的端点时，需要设定最短活动段的时间限度，在被标记为起始点后信号联合熵的值在少于最短活动段时间内回落到阈值H_k以下，则判定该段为噪声。

本发明的技术效果：本发明通过对人体行为起始终止端点的检测，可以有效地在实际应用环境中提取出有价值有意义的数据信息，从而提高在人体日常行为活动识别方面的计算效率，减少计算量，同时对于在实际应用场景中的检测正确率和语义建模分析有着更大的现实意义。

附图说明

图1为“骑车”活动联合信息熵曲线。

图2为“休息”活动联合信息熵曲线。

图3为发明利用联合熵的特征提取出端点的方案流程图。

具体实施方式

一、本发明方案的具体细节

(1)熵函数的构造

对于有限的离散数据不确定性可以由熵来表征，根据公式，系数K由对数运算法则可以转化成log的底数，则信息熵公式变为：

且一般地K∈{2,e，10}，对于对数底数的选取仅仅决定了系数的大小。而p(u)代表了该随机变量的概率密度函数。作为信源U，其概率模型可以表示为：

其中0≤P(u_i)≤1且