一种基于联合时域频域特征的人体行为识别方法

摘要

本发明公开了一种基于联合时域频域特征的人体行为识别方法，采用单节点惯性测量装置对人体运动产生的加速度数据和角速度数据进行样本数据采集，通过对采集结果进行去除奇异值、漂移补偿和数据窗口化处理，提取出能用来区分人体行为运动的特征，对提取出的特征进行优化处理之后，采用基于欧式距离的二叉树分类算法生成分类二叉树，利用提取的特征对二叉树的SVM二元分类器进行训练和测试，从而提取出分类模型，将单节点惯性测量装置采集到的代表人体行为运动的实时加速度、角速度数据输入该分类模型可实现人体行为运动实时识别。本方法采用二叉树分类算法，同时精简选取较少特征进行训练，降低了计算复杂度、减少了运算时间、降低了功耗、提升了识别准确率。