【技术实现步骤摘要】
本专利技术属于活动识别，涉及一种人类活动变化识别方法，具体涉及一种基于高斯分割模型的人类活动变化识别方法。
技术介绍
1、人类活动变化识别是指利用可穿戴设备或外部环境设备记录的数据自动地识别一段时间内人类动作或活动发生变化的时刻。得益于传感器设备和机器学习算法的不断发展，人类活动识别在多个领域得到广泛应用，例如医疗保健、体育运动和智能家居等。基于传感器收集活动信息具有的便捷、低成本以及不会产生隐私纠纷等优势，采集到的活动数据是一个连续的时间序列，活动之间没有明显的间隔，很难直接将每一个动作区分开来。在缺少标注信息的现实情境下，使得活动变化识别成为一项富有挑战性的任务。
2、目前，对于人类活动变化识别的方法主要分为基于滑动窗口和基于能量的两种方法，其中基于滑动窗口的识别方法采用固定长度的窗口和步长在时序数据上滑动来提取活动变化的时刻和不同活动的片段。窗长的选择相对敏感，长度过长会导致一个窗口内包含多个活动，而长度过小则会增加计算时间。另外，基于能量的识别方法利用不同活动之间强度的差异，结合阈值和传感器信号的能量来区分活动数据。然而，这些方法需要依赖一定的领域知识和经验，且难以适用于活动类型丰富且活动时间差异较大的情况。因此，亟需使用先进的智能算法来深入研究数据的时序特性，以实现人类活动变化的精准识别。
技术实现思路
1、为了解决
技术介绍
中存在的上述问题，本专利技术提供了一种基于高斯分割模型的人类活动变化识别方法。该方法可用于连续传感器数据中人类活动变化的识别，以便后续对活
2、本专利技术的目的是通过以下技术方案实现的：
3、一种基于高斯分割模型的人类活动变化识别方法，包括如下步骤：
4、步骤s1、传感器采集到的连续活动的时序数据x＝{x1,…,xn,…,xn}，每个采样点xn由m个通道的数据表征，n为连续活动时序数据采样点的个数；
5、步骤s2、初始化时序数据x的分割阶数为k＝1；
6、步骤s3、给定最大分割阶数kmax，如果k≤kmax，则重复执行步骤s4，并令k＝k+1；否则，执行步骤s5；
7、步骤s4、根据当前的分割阶数k，利用高斯分割模型对连续活动的时序数据进行划分，通过最大化高斯分割模型下时序数据x的对数似然函数，得到序列x的分割点和不重叠的人类活动片段；
8、步骤s5、根据对数似然函数，定义bic准则，通过bic的最小值确定最优的分割阶数kopt∈[1,kmax]和变化点集合
9、相比于现有技术，本专利技术具有如下优点：
10、1、本专利技术用多个独立的高斯模型对整个时序数据进行表示，进一步将时间序列分割问题转化为高斯分割模型的参数求解问题，通过最优化分割模型的对数似然函数来获得传感器数据中活动的变化点，具有分割精度高且不需要任何先验信息的优点。
11、2、分割点数目的估计也是一个至关重要的问题，本专利技术利用bic准则可自适应地确定最优的分割阶数。
12、3、基于本专利技术对人类活动变化的识别结果，可为后续活动类型的识别分类提供一定的技术支撑。
13、4、本专利技术能够发现多通道联合表征的传感器时序数据中潜在的不同类型的活动，实现无监督的连续活动数据分割和活动变化识别。
本文档来自技高网...【技术保护点】
1.一种基于高斯分割模型的人类活动变化识别方法，其特征在于所述方法包括如下步骤：
2.根据权利要求1所述的基于高斯分割模型的人类活动变化识别方法，其特征在于所述步骤S4中，采用贪婪搜索的方式，遍历所有的采样点，通过最大化对数似然函数的值，向时序数据中添加分割点，从而获得当前分割阶数下连续活动数据的分割点和人类活动的片段。
3.根据权利要求1或2所述的基于高斯分割模型的人类活动变化识别方法，其特征在于所述对数似然函数为：
4.根据权利要求3所述的基于高斯分割模型的人类活动变化识别方法，其特征在于所述
5.根据权利要求3所述的基于高斯分割模型的人类活动变化识别方法，其特征在于所述第i个人类活动片段的对数似然表示如下：
6.根据权利要求1所述的基于高斯分割模型的人类活动变化识别方法，其特征在于所述步骤S5中，最优的分割阶数kopt的计算公式如下：
7.根据权利要求1所述的基于高斯分割模型的人类活动变化识别方法，其特征在于所述步骤S5中，基于所有可能的分割阶数{1,…,Kmax}，分别计算在每个分割阶数下的BIC值，
...【技术特征摘要】
1.一种基于高斯分割模型的人类活动变化识别方法，其特征在于所述方法包括如下步骤：
2.根据权利要求1所述的基于高斯分割模型的人类活动变化识别方法，其特征在于所述步骤s4中，采用贪婪搜索的方式，遍历所有的采样点，通过最大化对数似然函数的值，向时序数据中添加分割点，从而获得当前分割阶数下连续活动数据的分割点和人类活动的片段。
3.根据权利要求1或2所述的基于高斯分割模型的人类活动变化识别方法，其特征在于所述对数似然函数为：
4.根据权利要求3所述的基于高斯分割模型的人类活动变化识别方法，其特征在于所述
5...
【专利技术属性】
技术研发人员：王立岩，张宝成，迟坤，季婷婷，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。