[发明专利]一种高准确性的基于智能手机的行为识别方法

摘要

本发明公开了一种高准确性的基于智能手机的行为识别方法。该方法分为训练和识别两个阶段。训练阶段分为三个部分，即数据采集及预处理、特征提取、建立识别模型三个部分。识别阶段分为数据采集及预处理、特征提取、CWPG方法分类三个部分。CWPG在初始化阶段首先将用户行为分类到行为组G_i(i＝1,2,3,4,G₁为坐和躺，第二组G₂为站，第三组G₃为走和慢跑，第四组G₄为上楼梯和下楼梯),同时，将行为组G_i作为先前状态PS。最后，将用户行为分类到行为组G_i内的具体行为。初始化之后利用了先前状态PS(G_i)以及行为组转换的逻辑。更新先前状态PS为行为组G_j。最后将用户行为分类到行为组G_j内的具体行为。本发明相比于传统的基于智能手机的行为识别方法具有更高的准确性以及适用性。

主权项

1.一种高准确性的基于智能手机的行为识别方法，其特征在于，包括训练阶段和识别阶段：步骤1：训练阶段，包含数据采集及预处理，特征提取，建立识别模型三个子步骤：步骤1‑1：数据采集及预处理步骤1‑1‑1：初始化智能手机加速度传感器以及重力传感器，设置加速度传感器的采样频率f_sa,重力传感器的采样频率为f_sg,分别采集个别典型性行为的加速度传感器数据a_i(t)以及重力加速度传感器数据g_i(t)，i＝1,2,3,表示传感器X轴、Y轴和Z轴，数据a_i(t)及g_i(t)均为离散数据，同时由用户人工的标记行为；步骤1‑1‑2:先用截止频率f_mc的阶数为a的中值滤波器和截止频率f_lc的阶数为b的低通滤波器去除a_i(t)中的噪声n_a(t)以及g_i(t)中的噪声n_g(t)，再用截止频率f_hc的阶数为c的高通滤波器去除重力对加速度传感器的数据a_i(t)造成的误差a_g(t)，滤波处理之后，得到加速度传感器数据a_iτ(t)以及重力传感器数据g_iτ(t)；步骤1‑2：特征提取步骤1‑2‑1：加速度传感器数据a_iτ(t),重力传感器数据g_iτ(t)分别采用一个w秒，相邻窗口重叠p％的滑动窗进行加窗处理得到w秒的加速度传感器数据序列a_iq(t)和重力加速度传感器数据序列g_iq(t)；步骤1‑2‑2:从加速度传感器数据序列a_iq(t)和重力加速度传感器数据序列g_iq(t)中提取时域上的特征值f,构成特征向量m为特征值的个数；步骤1‑3：建立识别模型步骤1‑3‑1:使用K个时间窗，从而形成K个特征向量m为特征值的个数，构成的特征值集合 通常来说，m维的特征向量数据量过大，会造成识别用户行为时对智能手机的性能消耗过大，因此，需要将m维的特征向量进行降维处理，减小识别用户行为时数据处理对智能手机的性能消耗，将m维的特征向量进行PCA分析得到n维的特征向量步骤1‑3‑2：K个经过PCA分析的特征向量构成k×4的特征值集合并将每种行为标记与其相应的特征值集合S′对应起来，构建行为标记与特征值间集合S′的映射关系，建立识别模型；步骤2：识别阶段，包含数据采集及预处理、特征提取、CWPG方法分类三个子步骤，其中，数据采集及预处理，特征提取分别与训练阶段对应的子步骤一致；步骤2‑1:将提取到的特征向量m为特征值的个数,转换成4维的特征向量步骤2‑2：通过先前状态PS和行为组转换的逻辑，使用CWPG方法识别用户行为，所述CWPG方法是利用先前状态PS，并基于行为组转换的逻辑进行识别用户行为的一种分类方法，分为两个阶段，初始化阶段和初始化之后两个阶段，在初始化阶段，首先为特征向量 的分量中的f₁设置阈值Thr_g1，f₂设置阈值Thr_g2，当f₁<Thr_g1且f₂<Thr_g2，将用户行为分类到行为组G₁，f₁>Thr_g1且f₂<Thr_g2时，将用户行为分类到行为组G₂，f₁<Thr_g1且f₂>Thr_g2时，将用户行为分类到行为组G₃，f₁>Thr_g1且f₂>Thr_g2时，将用户行为分类到行为组G₄，同时，将用户分类到的行为组G_i(i＝1,2,3,4)作为下一次识别用户行为时的先前状态PS，然后,同样为特征向量的分量设置阈值Thr_a1和Thr_a2，当分类到行为组G₁时，若f₃<Thr_a1且f₄<Thr_a2，则识别用户行为为行为组G₁中的坐，否则为行为组G₁中的躺，当分类到行为组G₃时，若f₃>Thr_a1且f₄>Thr_a2，则识别用户行为为行为组G₃中的走，否则为行为组G₃中的慢跑，当分类到行为组G₄时，若f₃<Thr_a1且f₄>Thr_a2，则识别用户行为为行为组G₄中的上楼梯，否则为行为组G₄中的下楼梯，当分类到行为组G₂时，则默认用户行为为站，在初始化阶段，可识别出用户行为；初始化之后，利用4种不可能发生的行为组转换关系，在分类识别过程中排除不可能转换到的行为组，当先前状态PS为G₁时，若f₁<Thr_g1，则将用户行为分类到行为组G₁，若f₁>Thr_g1，则将用户行为分类到行为组G₂，当先前状态PS为G₃时，若f₂<Thr_g2，则将用户行为分类到行为组G₂，若f₁<Thr_g1且f₂>Thr_g2，则将用户行为分类到行为组G₃,若f₁>Thr_g1且f₂>Thr_g2，则将用户行为分类到行为组G₄，当先前状态PS为G₄时，若f₁<Thr_g1且f₂>Thr_g2，则将用户行为分类到行为组G₃，若f₁>Thr_g1且f₂>Thr_g2，则将用户行为分类到行为组G₄,若f₂<Thr_g2，则将用户行为分类到行为组G₂，由于行为组G₂可转换到四组行为组，因此，当先前状态PS为行为组G₂时，分类到具体的行为组的过程同初始化阶段，同时，将用户分类到的行为组G_i(i＝1,2,3,4)作为下一次识别用户行为时的先前状态PS，然后，将用户行为分类到行为组G_i内的具体行为同初始化阶段相应的过程，之后，重复初始化之后的识别过程，可对用户行为实时识别。