一种基于马氏距离的人体行为数据分割方法与流程

本发明属于人体行为识别技术领域，具体涉及一种基于马氏距离的人体行为数据分割方法。

背景技术：

人体行为活动是一个连续的过程，从传感器网络所获取的人体行为数据是一个连续的数据流，按照何种规则将这种连续过程的样本数据合理地划分为一个个数据段来进行行为识别是数据分割所要解决的关键问题。数据分割是把连续的过程划分为若干个小的时间片段，每一个时间片段称为一个窗口，换句话说，数据分割就是将连续时间点上的传感器数据进行离散化的过程。行为识别以窗口作为基本处理单元，窗口内包含的行为数据太少或者太多都会影响最终的识别效果，因此数据分割是行为识别中一个非常重要的环节。

在传统的行为识别研究中，滑动窗口是一种最常用的数据分割技术。虽然滑动窗口模型在单个独立动作识别中具有较好的识别效果，但是在多行为模式过程中该方法难以对基本动作和相邻基本动作间过渡动作的边界进行准确分割。

技术实现要素：

本发明的目的在于提供一种基于马氏距离的人体行为数据分割方法，将人的行为动作分为基本动作和过渡动作两种类型，实现了多行为模式过程中基本动作及过渡动作数据的准确分割。

本发明所采用的技术方案是，一种基于马氏距离的人体行为数据分割方法，具体按照以下步骤实施：

步骤1、选取大小为h的滑动窗口对传感器数据进行切分，并计算每个窗口数据之间的马氏距离，根据准则将每个窗口划分至一个时段动作集合；

步骤2、待步骤1完成后，在时段动作划分的基础上，找出所有基本动作，并采用相似度分析处理被隐藏的基本动作；

步骤3、经步骤2确定出所有的基本动作后，根据相邻两个基本动作是否相同来区分过渡动作和扰动过程，最后能确定出所有的基本动作和过渡动作。

本发明的特点还在于：

步骤1具体按照以下步骤实施：

步骤1.1、采用长度为h的滑动窗口将二维数据矩阵s沿着采样方向切分为k段，即每个窗口内包含h个样本数据；

步骤1.2、经步骤1.1后，利用马氏距离计算这些动作片段之间的相似度，组成相似度矩阵；

步骤1.3：重复步骤1.2，直至所有动作片段都被划分至一个动作类别u(i),1≤i≤k；

步骤1.4、经步骤1.3后，将动作片段所属类别沿着时间轴展开，时间上连续且属于同一个动作类别的动作片段划分到同一个时段动作集合

在步骤2中：

在相似度矩阵中，以行为单位选择出最大的相似度，若最大相似度大于阈值α，则将该相似度所在行列的两个动作片段视为同类动作；反之，则将该行的动作片段视为一类新动作。

步骤2具体按照以下步骤实施：

步骤2.1、在基本动作a和b之间的所有时段动作中寻找运行时间最长的一段，将其作为中间新基本动作的基准时段；若运行时间最长的时段动作不只一个，则选择最靠近中间位置的时段动作；

步骤2.2、经步骤2.1后，比较基准时段左右两个相邻的时段动作与基准时段的相似度，若两个相邻的时段动作与基准时段的相似度相等，则将两个时段动作与基准时段合并作为新的基准时段，否则选择相似度高的时段动作合并到基准时段中，组成新的基准时段；

步骤2.3、重复步骤2.2，直至满足终止条件，则认为隐藏的基本动作已经找出，否则继续进行下一次迭代；

步骤2.4、待步骤2.3完成后，计算新确定的基本动作与所有已知的基本动作的相似度，若相似度大于阈值α，则将该基本动作定义为对应的基本动作，否则说明该基本动作是没有出现过的新动作；

步骤2.5、重复步骤2.1～步骤2.4，直至找出所有的基本动作，此时，多行为模式中所有基本动作均已确定，且基本动作之间的时段动作长度均小于基本动作的最短运行时间。

步骤2.3中的终止条件具体如下：

迭代中基准时段左右两个相邻的时段动作与基准时段相似度的最高值小于阈值α，且基准时段的时间长度大于基本动作的最短运行时间tmin。

步骤3具体按照以下方法实施：

相邻的两个基本动作分别为两种不同的动作a和b，则认为两个基本动作之间的所有子时段属于基本动作a到b的过渡动作；

相邻两个基本动作为同一种动作a，则将两个基本动作之间的所有子时段定义为基本动作a的扰动过程。

本发明的有益效果在于：

本发明一种基于马氏距离的人体行为数据分割方法，针对行为识别过程中同类动作的周期性、不同类动作的交替性以及动作切换时的过渡动作等多模式识别问题，将人的行为动作分为基本动作和过渡动作两种类型，并基于马氏距离对行为数据进行分割，实现了多行为模式过程中基本动作及过渡动作数据的准确分割；最后在此基础上，采用传统的滑动窗口技术对基本动作进行数据分割，作为后续识别的输入数据，从而准确识别人体行为动作。

附图说明

图1是本发明一种基于马氏距离的人体行为数据分割方法中窗口切分及时段动作划分示意图；

图2是本发明一种基于马氏距离的人体行为数据分割方法中基本动作与过渡动作数据分割示意图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明一种基于马氏距离的人体行为数据分割方法，具体按照以下步骤实施：

步骤1、选取大小为h的滑动窗口对传感器数据进行切分，并计算每个窗口数据之间的马氏距离，根据准则将每个窗口划分至一个时段动作集合，具体按照以下步骤实施：

步骤1.1、选取长度为h的滑动窗口对传感器样本数据矩阵s沿着时间方向进行切分，则切分后的样本数据矩阵可表示为s＝[s1,s2,,sk]^t；

步骤1.2：经步骤1.1后，利用马氏距离计算这些动作片段之间的相似度，马氏距离越大相似度越小，马氏距离越小相似度越大，并将马氏距离小于阈值α的动作片段视为一类动作；

设定动作片段wi与动作片段wj的马氏距离为mdij，则所有动作片段间的相似度矩阵md如下：

在矩阵md中，对于第i行mdij,1≤j≤k，寻找最小的min(mdij)，若min(mdij)小于阈值α，则将动作片段wi与wj视为同类动作；反之，则将动作片段wi视为一类新动作；

步骤1.3：重复步骤1.2，直至所有动作片段都被划分至一个动作类别u(i),1≤i≤k；

步骤1.4、经步骤1.3后，将动作片段所属类别沿着时间轴展开，时间上连续且属于同一个动作类别的动作片段划分到同一个时段动作集合

如图1所示，设定整个行为过程被初步划分为p个时间段动作，各个时间段动作按照时间方向有序排列，第p个时段动作记为如下形式：

属于第c个动作类别，即其中c＝1,2,c，第p个子时段时间长度记为

步骤2、待步骤1完成后，在时段动作划分的基础上，找出所有基本动作，并采用相似度分析处理被隐藏的基本动作；

根据经验知识定义基本动作的最短运行时间，将时段动作长度大于基本动作最短运行时间的时段动作定义为基本动作，且隶属于同一动作类别的基本动作定义为同一类基本动作；如果两个相邻的基本动作之间所有时段动作的长度之和大于基本动作的最短运行时间，说明在两个基本动作之间仍然含有基本动作，该现象称为基本动作被隐藏现象。

设定现在已确定有a和b两种基本动作，其中基本动作a和基本动作b相邻，且基本动作a和基本动作b之间所有时段动作的长度之和大于基本动作的最短运行时间；

具体按照以下步骤实施：

步骤2.1、在基本动作a和基本动作b之间的所有时段动作中寻找运行时间最长的一段，将其作为中间新基本动作的基准时段；若运行时间最长的时段动作不只一个，则选择最靠近中间位置的时段动作；

步骤2.2、经步骤2.1后，比较基准时段左右两个相邻的时段动作与基准时段的相似度，若两个相邻的时段动作与基准时段的相似度相等，则将两个时段动作与基准时段合并作为新的基准时段，否则选择相似度高的时段动作合并到基准时段中，组成新的基准时段；

步骤2.3、重复步骤2.2，直至满足终止条件，则认为隐藏的基本动作已经找出，否则继续进行下一次迭代；

终止条件如下：

迭代中基准时段左右两个相邻的时段动作与基准时段相似度的最高值小于阈值α，且基准时段的时间长度大于基本动作的最短运行时间tmin；

步骤2.4、待步骤2.3完成后，计算新确定的基本动作与所有已知的基本动作的相似度，若相似度大于阈值α，则将该基本动作定义为对应的基本动作，否则说明该基本动作是没有出现过的新动作；

步骤2.5、重复步骤2.1～步骤2.4，直至找出所有的基本动作，此时，多行为模式中所有基本动作均已确定，且基本动作之间的时段动作长度均小于基本动作的最短运行时间。

步骤3、经步骤2确定出所有的基本动作后，根据相邻两个基本动作是否相同来区分过渡动作和扰动过程，最后能确定出所有的基本动作和过渡动作，如图2所示：

相邻的两个基本动作分别为两种不同的动作a和b，则认为两个基本动作之间的所有子时段属于基本动作a到b的过渡动作；

相邻两个基本动作为同一种动作a，则将两个基本动作之间的所有子时段定义为基本动作a的扰动过程。

本发明一种基于马氏距离的人体行为数据分割方法，针对行为识别过程中同类动作的周期性、不同类动作的交替性以及动作切换时的过渡动作等多模式识别问题，将人的行为动作分为基本动作和过渡动作两种类型，并基于马氏距离对行为数据进行分割，实现了多行为模式过程中基本动作及过渡动作数据的准确分割。在人体行为识别过程中使用该数据分割方法，很大程度地提高了行为识别的准确率。同时，该数据分割方法也为其他同类的多模态识别问题提供了新的思路和方法。