一種基于加速度計的人體行為識別方法
【專利摘要】本發明公開一種基于加速度計的人體行為識別分類方法，包括如下步驟：1）收集人體行為樣本作為訓練集；2）尋找對該訓練集識別分類最優的投影矩陣U；3）對無標注數據進行投影；4）對投影后的數據采用最小距離分類器分類，獲得識別結果。本發明對標注數據形成的近鄰塊做局部近似線性的假設，并使塊上不同類別之間樣本距離足夠大，相同類別樣本位置順序信息通過類sigmoid函數懲罰因子盡可能的保留，最后在所有塊上目標函數的基礎上建立全局目標函數。利用本發明提出的方法能夠合適的保留高維空間中樣本之間距離的信息，減少識別模型對人工標注樣本的依賴，其識別效果優于有代表性的基于線性判別分析的人體行為識別方法。
【專利說明】一種基于加速度計的人體行為識別方法
【技術領域】
[0001]本發明涉及一種模式識別與人工智能技術，特別涉及一種基于加速度計的人體行為識別方法。
【背景技術】
[0002]人類行為識別是一個復雜的問題，橫跨很多學科，并且受到了工業信息化領域的極大關注。基本步驟包括感知信號的獲取，信息處理和模式分類。最近幾年，人們提出了很多有效的方法來自動識別人類行為。這些方法可以歸為兩類:一類是基于計算機視覺的，另一類是基于加速度傳感器的。基于計算機視覺的人類行為分析系統不能很好地應用于工業環境，這是因為該類系統對于光照條件非常敏感。最近幾年來基于加速度計的人類行為識別在工業環境中的應用受到越來越多的關注，它可以替代基于計算機視覺的人體行為識別系統。通過固定在人體上的加速度計上的加速度信號，我們可以很好地分析并區分人類的行為，例如走路、跑步和站立。
[0003]通常的基于加速度計人體行為是一種監督學習方法，即通過學習人工標注數據，以獲得人體行為識別模型，然后對新的數據進行自動人體行為識別。通常采集到的人體行為特征維數非常高，因此降維方法有助于識別性能的提高。傳統的全局線性降維的方法主要是基于線性的，其中線性判別分析被廣泛地應用在模式分類問題上。線性判別分析法主要通過全局最大化類間距離的同時使類內樣本間距離最小，從而實現不同類別之間的可分性。但是，手工標定人體行為樣本數據是費時費力的。采用線性判別分析模型進行訓練需要人工大量的標注樣本，這使得人體行為模型開發成本大量增加，需要人工大量的標注樣本。因此，尋找一個需要標注少量樣本即可得到滿足要求的人體行為分類方法是非常必要的。
【發明內容】
[0004]本發明的目的在于克 服現有技術的缺點與不足，提供一種基于加速度計的人體行為識別方法，該方法是一種只需要少量人工標注樣本的基于加速度計人體行為識別方法。
[0005]本發明的目的通過下述技術方案實現:一種基于加速度計的人體行為識別方法，可以包括以下步驟:
[0006]I)收集N個人體行為樣本作為訓練集X,即
【權利要求】
1.一種基于加速度計的人體行為識別方法，包括以下步驟: .1)收集人體行為樣本作為訓練集X，即:X=[X1，X2，…，XN]e Rdxn，樣本維數為D，樣本個數為N,每個樣本有相應的類別標志Ci e Zn; . 2)尋找基于加速度計的人體行為識別分類最優的投影矩陣U； .3)通過對無標注數據Xu進行投影，即=Yu=UtXu； . 4)對Yu采用最小距離分類器分類，以獲得人體行為識別的結果； 其特征在于，所述尋找基于加速度計的人體行為識別分類最優的投影矩陣的方法包括以下步驟: 步驟1:建立局部優化目標函數； 步驟2:建立全局優化目標函數； 步驟3:利用拉格朗日乘數法，投影矩陣U由式子XLXt的前d個最小特征值對應的d個特征向量得到。
2.根據權利要求1所述的基于加速度計的人體行為識別方法，其特征在于，所述步驟I中，建立局部優化目標函數的方法為:對每一個已標注的樣本Xi，找到同類樣本.-Λ,的Ic1近鄰和不同類別樣本^，...〃\2的k2近鄰來形成一個局部塊，SP
3.根據權利要求1所述的基于加速度計的人體行為識別方法，其特征在于，所述步驟2中，建立全局優化目標函數的方法為:通過樣本選擇矩陣，低維空間表達Yi的坐標是從全局坐標Y=U1X= Iiy1, y2,…yN] e RdXN中選擇出來的，即: Yi=YSi, (8) 式中，Si e Rnx(k+1)是選擇矩陣，令Fi=Ud1，…iK}為指示集合，則選擇矩陣的定義如下:
【文檔編號】G06K9/62GK103500342SQ201310428353
【公開日】2014年1月8日 申請日期:2013年9月18日 優先權日:2013年9月18日
【發明者】陶大鵬, 金連文, 黎小鳳 申請人:華南理工大學