一种基于惯性传感器的身份检测方法及系统技术方案

本发明专利技术公开了一种基于惯性传感器的身份检测方法及系统。该方法包括：提取有效运动数据；基于动态噪声反馈的扩展卡尔曼滤波的姿态解算模型，对有效运动数据进行姿态解算；基于姿态信息还原运动轨迹；分别在时域和频域上对有效运动数据和运动轨迹进行特征提取，得到多个运动特征向量；随机生成多组干扰运动数据，并提取所述干扰运动数据的特征向量；基于干扰运动数据特征向量、运动特征向量、干扰运动数据特征向量对应的动作类别以及运动特征向量对应的动作类别对随机森林模型进行训练，得到分类模型；通过分类模型进行身份检测。本发明专利技术能够在小样本数据集上实现精确的的动作识别、身份检测。身份检测。身份检测。

【技术实现步骤摘要】
一种基于惯性传感器的身份检测方法及系统


[0001]本专利技术涉及身份检测
，特别是涉及一种基于惯性传感器的身份检测方法及系统。

技术介绍

[0002]惯性传感器因其便携、低耗、廉价等优点，被广泛应用于手机、手表、遥控等多种小型移动终端之中。在未来的物联网时代，以智能终端为载体、智能算法为核心的人体运动感知技术将成为生活的重要组成部分。其中，利用惯性传感器的感知技术来辨别不同的个体用户是社会的一大研究热点。
[0003]利用惯性传感器数据进行身份检测，实际上是对不同用户的特定动作的运动数据进行分析。而这一步的关键，就是算法模型从特定动作的运动数据中提取有效特征，根据不同特征给定不同的输出结果。在该过程中，特定动作对应数据的多帧与失帧、信号特征的解算误差都将造成运动特性的丢失，对身份检测任务的特征提取与模型的分类结果造成影响。因此，在利用惯性传感器进行身份检测的任务中，有两个重要的问题：一是如何准确地提取出特定动作所对应的惯性传感器数据，另一个是如何从特定动作对应的惯性传感器数据中提取有效的运动特征。
[0004]此外，惯性传感器的低生产成本以及构造机制导致了其测量精度相较有限，不能给出精确的运动信息。然而，在身份检测任务中，运动轨迹是的是最直观的特征量，精确的运动轨迹几乎可以体现动作的绝大部分特征。在惯性导航方面，通常借助于激光、雷达、视觉等传感器，来融合运动信息，修正惯性传感器的轨迹解算结果，而这将使得任务具有较大的局限性，并带来了更高的成本。
[0005]本质上，身份检测是一个分类任务，为了获得较高的准确率，需要预先提供大量的训练数据，并从这些数据中获取有用的信息。在身份检测的任务中，简捷的数据采集过程保障了用户的人机交互体验。因此，在确保识别精度的前提下，如何让模型在少量的样本集上就能训练出理想的效果也是一大难题。

技术实现思路

[0006]基于上述问题，本专利技术提供了一种基于惯性传感器的身份检测方法及系统，通过大量的优化工程(对数据分割、设计滤波算法)、特征工程(解算姿态轨迹、提取频域时域统计特征)，并设计机器学习模型，能够在小样本数据集上实现精确的的动作识别、身份检测。
[0007]为实现上述目的，本专利技术提供了如下方案：
[0008]一种基于惯性传感器的身份检测方法，包括：
[0009]通过惯性传感器采集动作数据；所述动作数据为包括多个数据点的时序信号数据；
[0010]从所述动作数据中提取有效运动数据；
[0011]基于动态噪声反馈的扩展卡尔曼滤波的姿态解算模型，对所述有效运动数据进行
姿态解算，得到姿态信息；
[0012]基于所述姿态信息还原运动轨迹；
[0013]分别在时域和频域上对所述有效运动数据和所述运动轨迹进行特征提取，得到多个运动特征向量；
[0014]随机生成多组干扰运动数据，并提取所述干扰运动数据的特征向量；
[0015]基于干扰运动数据特征向量、所述运动特征向量、干扰运动数据数据特征向量对应的动作类别以及所述运动特征向量对应的动作类别对随机森林模型进行训练，得到分类模型；
[0016]通过所述分类模型进行身份检测。
[0017]可选地，从所述动作数据中提取有效运动数据，具体包括：
[0018]基于所述运动数据，采用多滑动窗口的方法确定运动状态数据；
[0019]基于所述运动状态数据，采用多滑动窗口的方法确定有效数据分割点；
[0020]基于所述有效数据分割点确定有效运动数据。
[0021]可选地，基于动态噪声反馈的扩展卡尔曼滤波的姿态解算模型的确定过程如下：
[0022]基于所述有效运动数据计算初始状态信息；
[0023]基于所述初始状态信息调整扩展卡尔曼滤波的权重，得到基于动态噪声反馈的扩展卡尔曼滤波的姿态解算模型。
[0024]可选地，基于干扰运动数据特征向量、所述运动特征向量、干扰运动数据数据特征向量对应的动作类别以及所述运动特征向量对应的动作类别对随机森林模型进行训练，具体包括：
[0025]将干扰运动数据特征向量和所述运动特征向量输入至第一随机森林模型，得到第一输出结果；
[0026]判断所述第一输出结果是否为干扰运动数据数据特征向量对应的动作类别；
[0027]若是，则输出拒绝识别；
[0028]若否，则将所述运动特征向量输入至第二随机森林模型，得到所述运动特征向量所属每一动作类别的概率；
[0029]若最大概率小于概率阈值，则输出拒绝识别；
[0030]若最大概率大于概率阈值，则将所述最大概率对应的动作类别作为分类结果。
[0031]本专利技术提供了一种基于惯性传感器的身份检测系统，包括：
[0032]数据采集模块，用于通过惯性传感器采集动作数据；所述动作数据为包括多个数据点的时序信号数据；
[0033]有效运动数据提取模块，用于从所述动作数据中提取有效运动数据；
[0034]姿态信息解算模块，用于基于动态噪声反馈的扩展卡尔曼滤波的姿态解算模型，对所述有效运动数据进行姿态解算，得到姿态信息；
[0035]运动轨迹还原模块，用于基于所述姿态信息还原运动轨迹；
[0036]特征提取模块，用于分别在时域和频域上对所述有效运动数据和所述运动轨迹进行特征提取，得到多个运动特征向量；
[0037]干扰运动数据特征向量生成模块，用于随机生成多组干扰运动数据，并提取所述干扰运动数据的特征向量；
[0038]训练模块，用于基于干扰运动数据特征向量、所述运动特征向量、干扰运动数据数据特征向量对应的动作类别以及所述运动特征向量对应的动作类别对随机森林模型进行训练，得到分类模型；
[0039]身份检测模块，用于通过所述分类模型进行身份检测。
[0040]可选地，所述有效运动数据提取模块，具体包括：
[0041]运动状态数据确定单元，用于基于所述运动数据，采用多滑动窗口的方法确定运动状态数据；
[0042]有效数据分割点确定单元，用于基于所述运动状态数据，采用多滑动窗口的方法确定有效数据分割点；
[0043]有效运动数据确定单元，用于基于所述有效数据分割点确定有效运动数据。
[0044]可选地，所述姿态信息解算模块包括：
[0045]初始状态信息计算单元，用于基于所述有效运动数据计算初始状态信息；
[0046]姿态解算模型确定单元，用于基于所述初始状态信息调整扩展卡尔曼滤波的权重，得到基于动态噪声反馈的扩展卡尔曼滤波的姿态解算模型。
[0047]可选地，具体包括：
[0048]第一输入单元，用于将干扰运动数据特征向量和所述运动特征向量输入至第一随机森林模型，得到第一输出结果；
[0049]判断单元，用于判断所述第一输出结果是否为干扰运动数据数据特征向量对应的动作类别；
[0050]第一输出单元，用于当所述第一输出结果为干扰运动数据数据特征向量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于惯性传感器的身份检测方法，其特征在于，包括：通过惯性传感器采集动作数据；所述动作数据为包括多个数据点的时序信号数据；从所述动作数据中提取有效运动数据；基于动态噪声反馈的扩展卡尔曼滤波的姿态解算模型，对所述有效运动数据进行姿态解算，得到姿态信息；基于所述姿态信息还原运动轨迹；分别在时域和频域上对所述有效运动数据和所述运动轨迹进行特征提取，得到多个运动特征向量；随机生成多组干扰运动数据，并提取所述干扰运动数据的特征向量；基于干扰运动数据特征向量、所述运动特征向量、干扰运动数据数据特征向量对应的动作类别以及所述运动特征向量对应的动作类别对随机森林模型进行训练，得到分类模型；通过所述分类模型进行身份检测。2.根据权利要求1所述的基于惯性传感器的身份检测方法，其特征在于，从所述动作数据中提取有效运动数据，具体包括：基于所述运动数据，采用多滑动窗口的方法确定运动状态数据；基于所述运动状态数据，采用多滑动窗口的方法确定有效数据分割点；基于所述有效数据分割点确定有效运动数据。3.根据权利要求1所述的基于惯性传感器的身份检测方法，其特征在于，基于动态噪声反馈的扩展卡尔曼滤波的姿态解算模型的确定过程如下：基于所述有效运动数据计算初始状态信息；基于所述初始状态信息调整扩展卡尔曼滤波的权重，得到基于动态噪声反馈的扩展卡尔曼滤波的姿态解算模型。4.根据权利要求1所述的基于惯性传感器的身份检测方法，其特征在于，基于干扰运动数据特征向量、所述运动特征向量、干扰运动数据数据特征向量对应的动作类别以及所述运动特征向量对应的动作类别对随机森林模型进行训练，具体包括：将干扰运动数据特征向量和所述运动特征向量输入至第一随机森林模型，得到第一输出结果；判断所述第一输出结果是否为干扰运动数据数据特征向量对应的动作类别；若是，则输出拒绝识别；若否，则将所述运动特征向量输入至第二随机森林模型，得到所述运动特征向量所属每一动作类别的概率；若最大概率小于概率阈值，则输出拒绝识别；若最大概率大于概率阈值，则将所述最大概率对应的动作类别作为分类结果。5.一种基于惯性传感器的身份检测系统，其特征在于，包括：数据采集模块，用于通过惯性传感器采集动作数据；所述动作数据为包括多个数据点的时序信号数据；有效运动数据提取模块，用于从...

【专利技术属性】
技术研发人员：赵毅，池逸轩，王一峰，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：