[发明专利]一种基于算法的动物行为识别方法及相应存储介质与电子装置

权利要求书

1.一种基于算法的动物行为识别方法，其步骤包括：

1)采集动物行为数据并时序化，计算三轴合量的矢量和标量；

2)提取所述矢量和所述标量的时域特征，并送入行为识别模型，以识别动物行为；

其中，所述行为识别模型通过以下步骤建立：

1)采集动物样本行为数据并时序化，计算三轴合量样本矢量和样本标量；

2)提取所述样本矢量和所述样本标量的n个时域特征，对所述时域特征按评估得分由高至低进行排队，分别选取排名前m个时域特征组成优选特征集，其中m从1到n，得到n个优先特征集；

3)将所述n个优选特征集分别进行机器学习训练，并根据对应测窗内的姿态，选取一最佳模型作为行为识别模型。

2.如权利要求1所述的方法，其特征在于，通过三轴加速度传感器采集所述行为数据。

3.如权利要求2所述的方法，其特征在于，所述行为数据包括时间、x轴、y轴及z轴方向的加速度。

4.如权利要求1所述的方法，其特征在于，所述行为数据时序化是指将所述行为数据按照一设定时间分为若干子行为数据，其过程包括：

1)设定时间内的数据量超过1条，取对应数据量的字段数据均值作为此时间段的子行为数据；

2)设定时间内的数据量为1条，取对应数据量的字段数据作为此时间段的子行为数据；

3)设定时间内没有数据量，将字段数据设置为0作为此时间段的子行为数据；

4)每两条子行为数据之间具有固定时间间隔。

5.如权利要求1所述的方法，其特征在于，所述时域特征包括平均值、最大值、最小值、中值、方差、标准差、中位数绝对偏差、偏度系数、峰度系数、曲线长度、均方根、10th百分位、25th百分位、50th百分位、75th百分位、90th百分位和信息熵。

6.如权利要求1所述的方法，其特征在于，使用特征选择算法Fisher score评估所述时域特征。

7.如权利要求1所述的方法，其特征在于，采用支持向量机进行所述机器学习训练。

8.如权利要求1所述的方法，其特征在于，对采集所述样本行为数据的监控视频使用滑动窗口，得到所述测窗。

9.一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序执行上述权利要求1-8任一项所述的方法。

10.一种电子装置，包括存储器和处理器，所述存储器中存储有权利要求9所述计算机程序。