一种用户行为动作检测识别方法

摘要

本发明涉及一种用户行为动作检测识别方法，通过三轴加速度传感器实现了三维加速度的数据采集，并利用小波变换滤波算法对原始数据进行滤波处理，提高了可靠性。在此基础上，本发明利用主成分分析法有效的优化了数据集，同时比较了四种不同的模式识别分类算法和三种分类模型寻优算法，最终获得最优参数寻优算法与最佳分类器，实现针对用户行为动作的检测，实现了用户行为动作的有效识别，并针对异常行为进行报警；并且实验结果证明，该方法具有准确度高，相对计算复杂度低和实时性好等优点。

主权项

一种用户行为动作检测识别方法，基于穿戴在目标用户身上的三轴加速度传感器，实现目标用户行为动作的识别，其特征在于，包括如下步骤：步骤001.目标用户分别执行预设时长的N类指定行为动作，同时，通过三轴加速度传感器，按预设采集时刻频率，采集分别位于X轴、Y轴、Z轴上的加速度，构成校正采集数据，并且获得校正采集数据分别与N类指定行为动作的分类对应关系，构成对应校正验证数据，然后进入步骤002；步骤002.针对校正采集数据进行去噪处理，然后进入步骤003；步骤003.针对校正采集数据，按时间序列顺序、预设分组数据长度进行分组，并且按时间序列顺序，使得相邻分组之间具有预设百分比的数据重叠，获得校正采集数据所对应的各个采集数据组，并根据校正采集数据分别与N类指定行为动作的分类对应关系，获得校正采集数据所对应各个采集数据组分别与N类指定行为动作的分类对应关系，更新对应的校正验证数据，然后进入步骤004；步骤004.分别针对校正采集数据所对应的各个采集数据组，获得采集数据组所对应的均值与方差，作为该采集数据组均值特征和方差特征，即获得校正采集数据所对应各个采集数据组的均值特征和方差特征，然后进入步骤005；步骤005.针对校正采集数据所对应的各个采集数据组，按预设比例划分为两部分，获得校正采集数据对应第一部分的各个采集数据组，以及获得校正采集数据对应第二部分的各个采集数据组，并且校正采集数据所对应的两部分均包括N类指定行为动作所对应的各个采集数据组；然后进入步骤006；步骤006.根据采集数据组的均值特征和方差特征，分别采用预设各个分类器，针对校正采集数据所对应第一部分的各个采集数据组进行分类，获得该各个分类器的分类结果，然后根据该各个采集数据组所对应的校正验证数据，分别获得该各个分类器的分类结果准确率，选择其中最大分类结果准确率所对应的分类器，作为最佳分类器，进入步骤007；步骤007.采用预设各个参数寻优算法，分别针对最佳分类器进行参数寻优，获得各个参数寻优算法所分别对应的最佳分类器；根据采集数据组的均值特征和方差特征，分别采用该各个参数寻优算法所对应的最佳分类器，针对校正采集数据所对应第二部分的各个采集数据组进行分类，获得该各个分类器的分类结果，然后根据该各个采集数据组所对应的校正验证数据，分别获得该各个分类器的分类结果准确率，选择其中最大分类结果准确率所对应参数寻优算法对应的最佳分类器，将该参数寻优算法作为最优参数寻优算法，同时根据校正验证数据，获得该最大分类结果准确率下，N类指定行为动作分别所对应的分类结果范围，作为目标用户行为动作分类标准，然后进入步骤008；步骤008.针对目标用户，通过三轴加速度传感器，实时采集分别位于X轴、Y轴、Z轴上的加速度，构成实际采集数据，再针对该实际采集数据进行去噪处理，接着按照步骤003的方法，针对实际采集数据进行分组，获得实际采集数据所对应的各个采集数据组，并分别获得该各个采集数据组的均值特征和方差特征，然后进入步骤009；步骤009.根据实际采集数据所对应各个采集数据组的均值特征和方差特征，采用经过最优参数寻优算法进行参数寻优的最佳分类器，针对实际采集数据所对应各个采集数据组进行分类，获得分类结果，然后目标用户行为动作分类标准，判别实际采集数据中各个采集数据组所对应的行为动作，即获得目标用户的行为动作。