活动识别方法和装置制造方法及图纸

本发明专利技术的实施方式提供了一种活动识别方法和装置。该方法包括：采集来自于多类预定义的活动中的每类活动的射频识别RFID信号；针对所述每类活动，从所述RFID信号中提取多个活动特征；以及对所述多个活动特征进行学习，以针对所述每类活动构建一个相关联的活动字典，使得所构建的活动字典将待识别的活动分类为所述多类预定义的活动之一。由于针对每类活动的字典学习和训练过程独立于其他活动而进行，使得活动识别方法和装置具有灵活性和可扩展性。

【技术实现步骤摘要】

本专利技术的各实施方式涉及活动识别，更具体地，涉及基于字典的活动识别方法和装置。
技术介绍
由于平均寿命增长以及出生率下降，世界人口正趋于老龄化。随着价格低廉的传感器和网络技术的新近发展，开发广泛的应用、例如远程健康监控和干预已成为一种可能。这些应用提供了提高老年人生活质量的潜力，给予他们更大的安全感，并且促进了他们的独立生活。例如，通过监控患有痴呆症的人的日常起居，可以跟踪日常起居如何完整地且一致地被执行，并且可以确定该患者何时需要帮助。以认识到这些应用为中心，活动识别近年来作为一个重要的研发领域而出现。与计算机视觉相关的人类活动识别是研究方向之一。然而不幸的是，与计算机视觉相关的方案需要人们监控或者高技术成本来进行机器翻译。此外，这种基于视觉的方式的性能严重依赖于照明条件和监控摄像头的朝向，这极大地限制了其在实际部署中的适用性。更重要的是，监控摄像头通常被认为侵犯人们的隐私，并且不适于在隐私环境下使用，例如在住宅中使用。随着射频识别(radiofrequencyidentification，RFID)技术和无线传感器网络技术的日渐成熟，根据惯性、非介入性传感器读取来进行活动识别在过去的几年里成为了一个热门研究领域。惯性传感器广泛被用作用于人类活动识别的可穿戴式传感器。尽管与传统的基于计算机视觉的方式相比，基于传感器的活动识别能够更好地解决问题，例如隐私问题，但是大多数基于传感器的活动识别方案都需要人们穿戴传感器。这些可穿戴的传感器通常由电池供电，其主要的缺点在于，需要维护(例如，更换电池)和用户合作。因此，这些方式并不总是实用的，尤其对于监控具有认知障碍的老年人而言。因此，需要一种有效的、不引人注目(unobtrusive)的活动识别方案。
技术实现思路
为了克服上述问题，本专利技术提出了一种基于字典的学习方式来揭露不同活动的RFID信号之间的结构信息，从而提供了一种基于活动字典来进行活动识别的方案。在本专利技术的第一方面，提供了一种活动识别方法。该方法包括：采集来自于多类预定义的活动中的每类活动的射频识别RFID信号；针对所述每类活动，从所述RFID信号中提取多个活动特征；以及对所述多个活动特征进行学习，以针对所述每类活动构建一个相关联的活动字典，使得所构建的活动字典将待识别的活动分类为所述多类预定义的活动之一。在一个实施方式中，所构建的活动字典中的每个活动字典包括用于表征相应活动的、线性无关的基本向量的集合。在一个实施方式中，该方法进一步包括：针对所述每类活动，计算所述多个活动特征中的每一对活动特征之间的相关性；基于所计算的相关性而从所述多个活动特征中选择预定数目的活动特征；以及对所选择的活动特征进行学习，以构建与相应活动相关联的活动字典。在一个实施方式中，基于所计算的相关性而从所述多个活动特征中选择预定数目的活动特征包括：按照所计算的相关性从低到高的顺序，对所述多个活动特征进行排序；以及从经排序的多个活动特征中选择所述预定数目的活动特征。在一个实施方式中，将待识别的活动分类为所述多类预定义的活动之一包括：响应于接收到来自于所述待识别的活动的查询RFID信号，从所述查询RFID信号中提取多个活动特征，以生成查询特征向量集合；利用所述每个活动字典中的基本向量的集合来分别对所述查询特征向量集合进行稀疏编码，以生成多个重建的信号；将所述查询特征向量集合与所述多个重建的信号中的每一个进行比较；以及响应于所述查询特征向量集合与所述多个重建的信号之一相匹配，将所述待识别的活动分类为与所匹配的重建的信号相关联的活动。在一个实施方式中，将所述查询特征向量集合与所述多个重建的信号中的每一个进行比较包括：计算所述查询特征向量集合与所述多个重建的信号中的每一个之间的重建误差；并且其中将所述待识别的活动分类为与所匹配的重建的信号相关联的活动包括：响应于所述查询特征向量集合与所述多个重建的信号之一之间的重建误差最小，将所述待识别的活动分类为与最小的重建误差相关联的活动。在一个实施方式中，提取多个活动特征包括提取多个统计特征。在一个实施方式中，所述多个统计特征包括以下各项中的至少三项：所述射频识别RFID信号的最小值；所述射频识别RFID信号的最大值；所述射频识别RFID信号的均值；所述射频识别RFID信号的方差；所述射频识别RFID信号的均方根；所述射频识别RFID信号的标准差；以及所述射频识别RFID信号的中值。在一个实施方式中，从RFID接收器采集来自于所述每类活动的所述RFID信号；并且其中执行所述每类活动的对象与所述RFID接收器之间不存在物理接触。在本专利技术的第一方面，提供了一种活动识别装置。该装置包括：信号采集单元，被配置为采集来自于多类预定义的活动中的每类活动的射频识别RFID信号；特征提取单元，被配置为针对所述每类活动，从所述RFID信号中提取多个活动特征；以及学习单元，被配置为对所述多个活动特征进行学习，以针对所述每类活动构建一个相关联的活动字典，使得所构建的活动字典将待识别的活动分类为所述多类预定义的活动之一。在本专利技术中，通过无人监督的稀疏编码算法来学习出活动字典。与现有的活动识别方式相比，本专利技术的基于字典的学习方式实现了活动的更加紧致的表示，同时保留了更加丰富的信息，由此构成对象活动的有效和健壮的识别的基础。此外，由于针对每类活动的字典学习和训练过程独立于其他活动而进行，因而使得活动识别方法和装置具有灵活性和可扩展性，因为当添加新活动时，不需要对现有的活动字典进行改变。附图说明结合附图并参考以下详细说明，本专利技术各实施方式的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：图1示出了本专利技术的实施方式可以实施于其中的示例性环境；图2示出了来自于“走动”活动的RFID信号强度波动、对RFID信号强度波动的拟合以及对应的残差；图3a示出了针对“走动”活动的RSSI的分布和累计概率；图3b示出了针对“走动”活动的RSSI的分布和累计概率；图4示出了根据本专利技术的一个实施方式的活动识别方法的流程图；图5示意性描绘了根据本专利技术一个实施方式的活动识别过程；图6a示出了在2D空间中“最大值”特征和“均值”特征之间的相关性；图6b示出了在2D空间中最小值特征和方差特征之间的相关性；图7a-7c图示了参数对活动识别的影响；图8示出了本专利技术的方法与现有方法的性能比较结果；图9以混淆矩阵方式示出了对根据本专利技术实施方式的活动识别方法的详细性能评估；图10a-10d示出了基于CCA的特征选择方法与现有特征选择方法之间、在效率和有效性方面的比较结果；以及图11示出了根据本专利技术一个实施方式的活动识别装置的框图。具体实施方式下面将参照附图更详细地描述本专利技术的实施方式。虽然附图中显示了本专利技术的某些实施方式，然而应当理解的是，本专利技术可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施方式，相反提供这些实施方式是为了更加透彻和完整地理解本专利技术。应当理解的是，本专利技术的附图及实施方式仅用于示例性作用，并非用于限制本专利技术的保护范围。在此使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施方本文档来自技高网...

【技术保护点】
一种活动识别方法，包括：采集来自于多类预定义的活动中的每类活动的射频识别RFID信号；针对所述每类活动，从所述RFID信号中提取多个活动特征；以及对所述多个活动特征进行学习，以针对所述每类活动构建一个相关联的活动字典，使得所构建的活动字典将待识别的活动分类为所述多类预定义的活动之一。

【技术特征摘要】
1.一种活动识别方法，包括：采集来自于多类预定义的活动中的每类活动的射频识别RFID信号；针对所述每类活动，从所述RFID信号中提取多个活动特征；以及对所述多个活动特征进行学习，以针对所述每类活动构建一个相关联的活动字典，使得所构建的活动字典将待识别的活动分类为所述多类预定义的活动之一。2.根据权利要求1所述的方法，其中所构建的活动字典中的每个活动字典包括用于表征相应活动的、线性无关的基本向量的集合。3.根据权利要求2所述的方法，进一步包括：针对所述每类活动，计算所述多个活动特征中的每一对活动特征之间的相关性；基于所计算的相关性而从所述多个活动特征中选择预定数目的活动特征；以及对所选择的活动特征进行学习，以构建与相应活动相关联的活动字典。4.根据权利要求3所述的方法，其中基于所计算的相关性而从所述多个活动特征中选择预定数目的活动特征包括：按照所计算的相关性从低到高的顺序，对所述多个活动特征进行排序；以及从经排序的多个活动特征中选择所述预定数目的活动特征。5.根据权利要求1至4中任一项所述的方法，其中将待识别的活动分类为所述多类预定义的活动之一包括：响应于接收到来自于所述待识别的活动的查询RFID信号，从所述查询RFID信号中提取多个活动特征，以生成查询特征向量集合；利用所述每个活动字典中的基本向量的集合来分别对所述查询
\t特征向量集合进行稀疏编码，以生成多个重建的信号；将所述查询特征向量集合与所述多个重建的信号中的每一个进行比较；以及响应于所述查询特征向量集合与所述多个重建的信号之一相匹配，将所述待识别的活动分类为与所匹配的重建的信号相关联的活动。6.根据权利要求5所述的方法，其中将所述查询特征向量集合与所述多个重建的信号中的每一个进行比较包括：计算所述查询特征向量集合与所述多个重建的信号中的每一个之间的重建误差；并且其中将所述待识别的活动分类为与所匹配的重建的信号相关联的活动包括：响应于所述查询特征向量集合与所述多个重建的信号之一之间的重建误差最小，将所述待识别的活动分类为与最小的重建误差相关联的活动。7.根据权利要求1至4中任一项所述的方法，其中提取多个活动特征包括提取多个统计特征。8.根据权利要求7所述的方法，其中所述多个统计特征包括以下各项中的至少三项：所述射频识别RFID信号的最小值；所述射频识别RFID信号的最大值；所述射频识别RFID信号的均值；所述射频识别RFID信号的方差；所述射频识别RFID信号的均方根；所述射频识别RFID信号的标准差；以及所述射频识别RFID信号的中值。9.根据权利要求1至4中任一项所述的方法，其中从RFID接收器采集来自于所述每类活动的所述RFID信号；并且其中执行所述每类活动的对象与所述RFID接收器之间不存在物理接触。10.一种活动识别装置，包括：信号采...

【专利技术属性】
技术研发人员：姚丽娜，盛权证，
申请(专利权)人：姚丽娜，
类型：发明
国别省市：澳大利亚;AU