个长度），即每100个原始数据矢量为一个窗，其中每个原始数据矢量是有3轴加速度数据 和3轴陀螺仪数据组成的6维矢量。
[0025] 3.特征提取：
[0026] 3. 1)对每个窗内的所有原始数据取绝对值I ax I、I ay I、I az I、I gx I、I gx I、I gx I，其中 ax表示x轴的原始加速度数据、a y表示y轴的原始加速度数据、a z表示z轴的原始加速度 数据、gx表示X轴的原始陀螺仪数据、g y表示y轴的原始陀螺仪数据、g z表示z轴的原始陀 螺仪数据。
[0027] 3. 2)对3. 1)得到的加速度和陀螺仪的绝对值分别求均值和标准差
[0028] X轴的加速度的均值
[0029] z轴的加速度的均值
[0030] y轴的陀螺仪的均值
[0031] X轴的加速度的标准差：
[0032] y轴的加速度的标准差：
[0033] z轴的加速度的标准差：
[0034] X轴的陀螺仪的标准差：
[0035] y轴的陀螺仪的标准差：
[0036] z轴的陀螺仪的标准差： ，其中N = 100,为窗长度。
[0037] 3. 3)对3. 2)得到的三轴的加速度和陀螺仪的标准差和均值进行绝对值求和
[0038] 加速度特征1 :三轴加速度均值之和Ma= max+may+maz
[0039] 加速度特征2 :三轴加速度标准差的绝对值之和Va= I s ax I +1 say I +1 saz
[0040] 陀螺仪特征I :三轴陀螺仪均值之和Mg= m gx+mgy+mgz
[0041 ] 陀螺仪特征2 :三轴陀螺仪标准差的绝对值之和Vg= I s gx I +1 sgy I +1 sgz
[0042] 4.把上一步得出的加速度特征1、加速度特征2、陀螺仪特征1和陀螺仪特征2分 别进行归一化处理，通过公式
玉缩到[0, 1]中。
[0043] 5.把以上处理好的特征作为输入数据，送入高斯过程分类器进行分类。
[0044] 本发明的有益结果是：通过采用本发明提供的方法，用户可以把传感器以任意方 向放置在任意一个裤兜中，即可精确识别走、跑、站三种行为。这样，一方面可以使得用户操 作更为方便和随意；另一方面，由于提高了对位置和方向的鲁棒性，使得此发明的应用范围 更加广泛。此外，本发明中仅适用于了四维时域特征即可进行精确识别人体行为，这样减少 了计算量和运算时间、降低了能量消耗、增加了系统的实时性能，普适性好。与其他固定在 身体位置上进行人体行为识别的系统相比，无论从使用范围上还是系统性能上，都有很大 改善。
[0045] 综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
[0046] 上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟 悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因 此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完 成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
【主权项】
1. 不受个体佩戴位置和方式影响的姿态行为识别方法，其特征在于：该方法包括以下 步骤： 1) 利用终端设备上的加速度传感器和陀螺仪传感器分别采集获取不同方向上的走、 跑、站三种姿态的加速度数据和陀螺仪数据； 2) 然后把获取的加速度数据和陀螺仪数据以预设长度为窗长度进行截取，每个加速度 数据和陀螺仪数据是有三轴加速度数据和三轴陀螺仪数据组成的六维矢量； 3) 再进行特征提取：对每个窗内的所有原始数据取绝对值IaxI、IayI、IazI、IgxI、IgxI、 IgxI，其中ax表示x轴的原始加速度数据、ay表示y轴的原始加速度数据、az表示z轴的原 始加速度数据、gx表示X轴的原始陀螺仪数据、gy表示y轴的原始陀螺仪数据、gz表示z轴 的原始陀螺仪数据；接着对得到的加速度和陀螺仪数据的绝对值分别求均值和标准差；接 着对得到的三轴的加速度和陀螺仪的标准差和均值进行绝对值求和； 4) 对绝对值求和后的数据分别进行归一化处理； 5) 将归一化处理后的数据作为输入数据，送入高斯过程分类器中进行分类。2. 根据权利要求1所述的不受个体佩戴位置和方式影响的姿态行为识别方法，其特征 在于：所述步骤2)中预设长度为100,即以100为窗长度进行截取，即每100个原始数据矢 量为一个窗。3. 根据权利要求1所述的不受个体佩戴位置和方式影响的姿态行为识别方法，其特征 在于：对得到的加速度和陀螺仪数据的绝对值分别求均值和标准差采用如下公式：度，<(z' =L ? ?V，=A^ 3表示在一个窗长度中j轴的第i个加速度数据， <(/ = 1. ?JV:，i=:X1y，z)表示在一个窗长度中j轴的第i个陀螺仪数据。4. 根据权利要求1所述的不受个体佩戴位置和方式影响的姿态行为识别方法，其特征 在于：对得到的三轴的加速度和陀螺仪的标准差和均值进行绝对值求和的公式如下： 加速度特征1 :三轴加速度均值之和Ma=max+may+maz 加速度特征2 :三轴加速度标准差的绝对值之和Va=IsaxI+1sayI+1saz 陀螺仪特征1 :三轴陀螺仪均值之和Mg=mgx+mgy+mgz 陀螺仪特征2 :三轴陀螺仪标准差的绝对值之和Vg=IsgxI+1sgyI+1sgzI。5. 根据权利要求1所述的不受个体佩戴位置和方式影响的姿态行为识别方法，其特 征在于：所述步骤4)中对绝对值求和后的数据分别进行归一化处理的方式为通过公式
【专利摘要】本发明提供一种不受个体佩戴位置和方式影响的姿态行为识别方法，属于模式识别领域。通过采集原始加速度和陀螺仪数据，然后进行窗长度截取，再进行特征提取，提取的特征主要是三轴加速度数据的总体特性和三轴陀螺仪数据的总体特性，之后把特征进行归一化处理，最后使用高斯过程分类器进行分类处理。通过本发明所述方法，可以在把传感器设备以任意方向放置在较为紧身的裤子的任意裤兜内的情况下，精确识别走、跑、站三种动作，系统运算复杂度较低，适用性较广泛。
【IPC分类】G06K9/62, G06K9/00
【公开号】CN105046215
【申请号】CN201510393345
【发明人】王晓梅, 张富平, 马皛源, 李彦海, 李丹, 魏建明
【申请人】中国科学院上海高等研究院
【公开日】2015年11月11日
【申请日】2015年7月7日