用於運動識別的聚類特徵融合方法和裝置製造方法
2023-06-03 01:06:11
用於運動識別的聚類特徵融合方法和裝置製造方法
【專利摘要】提供了一種用於運動識別的聚類特徵融合方法和裝置，所述方法包括：將從被採集者的加速度信號中提取的時頻域特徵集的子集內的時頻域特徵表示成以聚類中心為基向量的線性方程組；通過求解線性方程組來確定每組聚類中心基向量的係數；使用聚類中心基向量的係數計算聚類中心基向量對子集的方差貢獻率；基於方差貢獻率計算子集的聚類中心的融合權重；以及基於融合權重來獲得融合後的時頻域特徵集。
【專利說明】用於運動識別的聚類特徵融合方法和裝置
【技術領域】
[0001]本發明涉及模式識別與人工智慧【技術領域】，更具體地，涉及一種用於運動識別的聚類特徵融合方法和裝置。
【背景技術】
[0002]近年來，隨著電子技術的發展，內置傳感設備和增強嵌入式處理器的可攜式終端(諸如，智慧型電話、個人數字助理(PDA)、平板計算機等)越來越多。更具體地，目前大多智慧型電話都內置了加速度傳感器，當智慧型電話被用戶放在口袋或背包中時，隨著人體運動頻率的改變，智慧型電話的加速度傳感器可以檢測到人體運動的狀態，這能夠方便地對人體運動模式進行分類，具有加速度傳感器的智慧型電話逐漸成為運動模式分類的理想平臺。
[0003]特徵融合是信息融合的一種並被常用於運動模式分類，其在信息的特徵表示階段上對信息進行融合，可以把不同時間和空間的特徵進行綜合處理，從而得到對目標環境的更精確、更可靠的描述。特徵融合的基本原理和出發點是:充分利用多個特徵源，通過對它們及其提供信息的合理支配和使用，把多個特徵源在空間或時間上的冗餘或互補信息在某種準則進行融合 組合，以獲得對被測對象的一致性解釋或描述，使該信息系統由此獲得比它的各組成部分的子集構成的系統更優越的性能。
[0004]然而，基於加速度傳感器的運動模式分類仍存在很大限制和困難，其中一點就是加速度信號複雜，獲取的時頻特徵的融合能力差，這是由於在人體運動模式識別中，特徵提取起到極其重要的信號本質特效表達作用，傳統的時域特徵主要有短時平均值、加窗能量值、相關係數、幅度值、短時功率值等，傳統的頻域特徵主要有傅立葉變換頻譜特徵(FFT)、小波頻域特徵、功率譜特徵等，這些特徵由於物理意義不同、獲取的特徵維度不同、取值範圍不同等，很難直接進行特徵融合，如果採用簡單的幅度歸一化或常規的加權融合，一般不容易獲得較好的識別效果，並且導致融合特徵的識別率相對於未融合前最好的單個特徵識別率反而下降。
【發明內容】
[0005]根據本發明的一方面，提供了一種用於運動識別的聚類特徵融合方法，包括:將從被採集者的加速度信號中提取的時頻域特徵集的子集內的時頻域特徵表示成以聚類中心為基向量的線性方程組；通過求解線性方程組來確定每組聚類中心基向量的係數；使用聚類中心基向量的係數計算聚類中心基向量對子集的方差貢獻率；基於方差貢獻率計算子集的聚類中心的融合權重；以及基於融合權重來獲得融合後的時頻域特徵集。
[0006]可對時頻域特徵集[F1, F2，…，FJ進行分割以獲得不同的r個子集，其中，每個子集包括k個子特徵集，r是正整數並表示被採集者的數量，k是正整數並且k〈r, FiQ =1，2，…，r)表示從第i個被採集者的加速度信號中提取的時頻域特徵。
[0007]可通過以下步驟來對時頻域特徵集進行分割:第一次分割從時頻域特徵集[F1, F2，…，FJ的第一個特徵開始，將時頻域特徵集分割為特徵數相同的k個子特徵集，SP，Sn — [F」 卩2，...，Fn]，S12 — [Fn+1，Fn+2，…，F2n]，…，Slk — [F(k—加+」 F(k—1)n+2，…，Fkn]，其中，母個子特徵集的樣本數n為r/k取整；第二次分割從時頻域特徵集的第二個特徵開始，將時頻域特徵集分割為特徵數相同的k個子特徵集，即，S21 = [F2j F3j…，Fn+1]，S22 = [Fn+2，Fn+3，…，^2n+l-1， ，^2k [F(k-l)n+2，F(k-1)n+3， ，^kn+l-l ;第三次分割從時頻域特徵集的第三個特徵開始，將時頻域特徵集分割為特徵數相同的k個子特徵集，即，S31 = [F3, F4,…，Fn+2], S32 =[Fn+3，Fn+4， ，^2n+2-1， ，^3k [F(k-l)n+3，F(k-1)n+4， ，^kn+2 ];依次進行分割，直到從時頻域特徵集的第2n個特徵開始的分割完成為止；下一次分割從時頻域特徵集的第二個特徵開始，按照間隔子特徵集樣本數η將時頻域特徵集分割為特徵數相同的k個子特徵集，即，Sdl =
^2) ^2+11)...，^2+(n-1) X J，S(j2 — [F3，F3+n,..., F3t(^1) Xn]，...，Sdk — [Fk+1, Fk+1+n,..., \+1 + (η-1) XrJ ;
下一次分割從時頻域特徵集的第k+2個特徵開始，按照間隔子特徵集樣本數η將時頻域特徵集分割為特徵數相同的k個子特徵集，即， S(d+1) I — [\+2，Fk+2+n，...，\+2+(η-1) Xn]，S(d+1)2 —
[Fk+3，Fk+3+n，...，Fk+3+(n-l) Xn^，...，S(d+1)k —
F2k+l+n，*** J F2k+l + (n-1) Xn ];依次進行分割，直到從時頻域特徵集的第3n個特徵開始的分割完成為止；下一次分割從時頻域特徵集的第二個特徵開始，按照間隔子特徵集樣本數2n將時頻域特徵集分割為特徵數相同的k個子特徵集，艮P，Sel — [F2, F2+2n，...，F2+(n—1)X2n]，Se2 — [F3, F3+2n，...，F3+(n_1)X2n]，...? Sek — [Fk+1，Fk+1+2n，...,Fk+1+(n_1)xJ ;下一次分割從時頻域特徵集的第k+2個特徵開始，按照間隔子特徵集樣本數2n將時頻域特徵集分割為特徵數相同的k個子特徵集，即，S(e+1)1 = [Fk+2，Fk+2+2l^..，Fk+2+(n-l) X2n，S(e+l)2 ' —[?\+3， Fk+3+2n，...，Fk+3+(n-1) X2n， ?「，S(e+!)k 'F2k+l+2n，...，F2k+l+(n-l) X2n ;
依次進行分割，直到分割時頻域特徵集的總次數和被採集者的數量相等為止。
[0008]將時頻域特徵表示成以聚類中心為基向量的線性方程組的步驟可包括:通過使用k均值聚類方法來獲得每個子特徵集的m個聚類中心(CC1, CC2,…，CCJ，其中，CCz(z =1，2，-,m)表示子特徵集聚類後第i類動作的時頻域特徵的聚類中心，m是正整數並表示動作的類別數量；通過等式(I)將時頻域特徵表示成以聚類中心為基向量的線性方程組:
【權利要求】
1.一種用於運動識別的聚類特徵融合方法，包括: 將從被採集者的加速度信號中提取的時頻域特徵集的子集內的時頻域特徵表示成以聚類中心為基向量的線性方程組； 通過求解線性方程組來確定每組聚類中心基向量的係數； 使用聚類中心基向量的係數計算聚類中心基向量對子集的方差貢獻率； 基於方差貢獻率計算子集的聚類中心的融合權重；以及 基於融合權重來獲得融合後的時頻域特徵集。
2.如權利要求1所述的用於運動識別的聚類特徵融合方法，其中，對時頻域特徵集[F1, F2，…，FJ進行分割以獲得不同的r個子集，其中，每個子集包括k個子特徵集，r是正整數並表示被採集者的數量，k是正整數並且k〈r, Fi (i = I, 2，…，r)表示從第i個被採集者的加速度信號中提取的時頻域特徵。
3.如權利要求2所述的用於運動識別的聚類特徵融合方法，其中，通過以下步驟來對時頻域特徵集進行分割: 第一次分割從時頻域特徵集[F1, F2,…，FJ的第一個特徵開始，將時頻域特徵集分割為特徵數相同的 k 個子特徵集，即，
4.如權利要求3所述的用於運動識別的聚類特徵融合方法，其中，將時頻域特徵表示成以聚類中心為基向量的線性方程組的步驟包括:通過使用k均值聚類方法來獲得每個子特徵集的m個聚類中心(CCnCC2,…，CCm}，其中，CCz(z = I, 2,..., m)表示子特徵集聚類後第i類動作的時頻域特徵的聚類中心，m是正整數並表示動作的類別數量； 通過等式(I)將時頻域特徵表示成以聚類中心為基向量的線性方程組:
5.如權利要求4所述的用於運動識別的聚類特徵融合方法，其中，通過等式(2)來計算聚類中心基向量對子集的方差貢獻率:
6.如權利要求5所述的用於運動識別的聚類特徵融合方法，其中，計算子集的聚類中心的融合權重的步驟包括: 通過等式(3)來計算聚類中心的融合權重:
7.如權利要求6所述的用於運動識別的聚類特徵融合方法，其中，通過等式(5)、(6)來獲得融合後的時頻域特徵集FFV:
8.如權利要求1所述的用於運動識別的聚類特徵融合方法，其中，在從被採集者的加速度信號中提取時頻域特徵集之前，使用比值線性歸一化方法將被採集者的加速度信號歸一化到[-1,1]的範圍內。
9.如權利要求1所述的用於運動識別的聚類特徵融合方法，其中，使用融合後的時頻域特徵集中的部分融合後的時頻域特徵來訓練貝葉斯網絡分類器，以識別每個採集者的動作的類別。
10.一種用於運動識別的聚類特徵融合裝置，包括: 線性方程組表示單元，將從被採集者的加速度信號中提取的時頻域特徵集的子集內的時頻域特徵表示成以聚類中心為基向量的線性方程組； 係數確定單元，通過求解線性方程組來確定每組聚類中心基向量的係數； 方差貢獻率計算單元，使用聚類中心基向量的係數計算聚類中心基向量對子集的方差貢獻率； 融合權重計算單元，基於方差貢獻率計算子集的聚類中心的融合權重；以及 時頻域特徵集 獲得單元，基於融合權重來獲得融合後的時頻域特徵集。
【文檔編號】G06F19/00GK104021295SQ201410261547
【公開日】2014年9月3日 申請日期:2014年6月12日 優先權日:2014年6月12日
【發明者】薛洋, 胡耀全, 金連文 申請人:廣州三星通信技術研究有限公司, 三星電子株式會社, 華南理工大學