基于步行加速度信息的身份識(shí)別與特征提取

加速度信息采集預(yù)處理與特征選取本章主要介紹了論文在實(shí)驗(yàn)時(shí)采集加速度數(shù)據(jù)時(shí)采用的姿態(tài)以及原始加速度的濾波等過程，重點(diǎn)闡述從加速度信號(hào)中提取了峰值點(diǎn)連線斜率作為特征向量，并且融合普適性的時(shí)域、頻域特征建立了一個(gè)新的特征集合。3.1常見人員步行姿態(tài)分析人的行為不僅受到年齡，性別等因素的影響而且還受到平時(shí)所處的自然環(huán)境以及社會(huì)環(huán)境的影響形成人員特有的動(dòng)作習(xí)慣從而產(chǎn)生了一定的差異，不同人員在步行時(shí)速度的快慢，姿態(tài)的不一也反應(yīng)在加速度信息上其信號(hào)的差異程度也不盡相同。例如快步行走與慢步行走信號(hào)有一定相似性但是同樣會(huì)呈現(xiàn)出差異，在平坦的地面步行與上下樓梯差異則比較大。在對人員步行加速度的人員識(shí)別研究時(shí)需要盡量在人員日常步行姿態(tài)下進(jìn)行，這些加速度信息包含了大量的個(gè)人獨(dú)有的加速度信息。人員在現(xiàn)實(shí)生活中行為復(fù)雜多變，在研究人員識(shí)別并不需要考慮所有的行為姿態(tài)，只需要在幾個(gè)人員日常行為的姿態(tài)下進(jìn)行研究即可，通常情況下這些日常行為特征已經(jīng)可以反應(yīng)出人員的身體素質(zhì)，心理狀態(tài)等人員特有的特征。而針對這些常見的行為運(yùn)用一個(gè)加速度傳感器即可[60]。目前大多數(shù)研究人員姿態(tài)的研究一般都會(huì)涉及到以下幾種姿態(tài)且出現(xiàn)的頻率較高：站立、行走、上樓、下樓、跑步、和躺臥。除了一些特別的行為以上六種人員行為姿態(tài)幾乎囊括了人體日常主要的活動(dòng)，具有比較高的研究價(jià)值。綜合以上包括智能手機(jī)成本、便于攜帶性等因素，論文選擇將步行，上樓，下樓作為研究對象，其中根據(jù)人員步行速率將不行這一特征分為快步行走與慢步行走。3.2加速度數(shù)據(jù)采集和預(yù)處理3.2.1加速度數(shù)據(jù)采集因?yàn)槟壳斑€沒有一個(gè)統(tǒng)一標(biāo)準(zhǔn)的數(shù)據(jù)庫，所以研究采用了自建數(shù)據(jù)庫的方式進(jìn)行研究。加速度數(shù)據(jù)采用三星智能手機(jī)note2內(nèi)置的LSM330DLC加速度傳感器采集人員信息，采集頻率為101HZ，滿量程在±16g。數(shù)據(jù)采樣平臺(tái)運(yùn)用google提供的開源軟件Sensorlog。由第二章所述手機(jī)放置的位置在加速度數(shù)據(jù)采集這一環(huán)節(jié)極為重要直接影響到最后的識(shí)別結(jié)果，人員在運(yùn)動(dòng)時(shí)身體的位置不一采集得到的加速度數(shù)據(jù)也不一，導(dǎo)致采集的數(shù)據(jù)也就存在差異，論文運(yùn)用手機(jī)內(nèi)置的加速度傳感器來進(jìn)行數(shù)據(jù)采集，觀察人們?nèi)粘Ｊ謾C(jī)的放置位置有上衣口袋、褲子口袋和腰帶中，實(shí)驗(yàn)選擇了將手機(jī)放置在人員的褲子口袋的位置，為了減少手機(jī)在口袋中因?yàn)殡S機(jī)旋轉(zhuǎn)而導(dǎo)致樣本之間的差異過大，所以需要將手機(jī)進(jìn)行固定。在進(jìn)行慢步，快步行走的實(shí)驗(yàn)時(shí)，要求采集者步行在平坦的地面行走30次，每次步行兩分鐘左右；在進(jìn)行上下樓梯的實(shí)驗(yàn)時(shí)，要求采集者往返六層兩次以獲得足夠的原始加速度數(shù)據(jù)。實(shí)驗(yàn)選擇了45位在校生，其中男女比例數(shù)占比三比一，以此來消除人員性別區(qū)域帶來的干擾，在諸多已有的工作中證明人員的年齡、身高和體重會(huì)對采集的加速數(shù)信號(hào)影響較大，所以在進(jìn)行加速度采集時(shí)上述的人員特點(diǎn)考慮其中。采集者的年齡集中在23周歲至35周歲之間，其中有36位年齡集中25，26歲之間，有7位實(shí)驗(yàn)者年齡集中在23至25歲之間，2位在30歲以上。在身高在155cm到180cm之間。自建數(shù)據(jù)庫共有加速度數(shù)據(jù)5401條。3.2.2加速度數(shù)據(jù)預(yù)處理人員運(yùn)動(dòng)時(shí)因肌肉抖動(dòng)和采集加速度數(shù)據(jù)的傳感器使原始加速度信號(hào)中含有高頻噪聲不適合直接對信號(hào)進(jìn)行處理。因此，需要對原始加速度信號(hào)做預(yù)處理去除高頻噪聲。通常使用低通濾波器對原始的步行加速度進(jìn)行去噪，實(shí)驗(yàn)采用3階巴特沃斯低通濾波器進(jìn)行濾波，除去了高頻噪聲，使曲線變得更加的平滑[61]。采用該濾波器將截至頻率設(shè)為0.25Hz。如下圖3-1、3-2所示四種步行姿態(tài)下Z軸的加速度數(shù)據(jù)，未濾波前和濾波后的對比圖。西安交通大學(xué)網(wǎng)絡(luò)教育學(xué)院畢業(yè)論文(a)未濾波慢步行走(b)未濾波快步行走(c)未濾波上樓(d)未濾波下樓圖3-1濾波前四種姿態(tài)下步行的加速度數(shù)據(jù)(a)濾波后慢步行走(b)濾波后快速步行(c)濾波后上樓(d)濾波后下樓圖3-2濾波后步行加速度速率為便于數(shù)據(jù)的特征提取論文采用滑動(dòng)窗口的方式進(jìn)行加速度數(shù)據(jù)的分割，分割示意圖3-1所示：圖3-3基于滑動(dòng)窗口的加速度數(shù)據(jù)分割3.3特征提取3.3.1步態(tài)周期劃分論文觀察人員步行加速度變化特點(diǎn)，抽取了單個(gè)步態(tài)周期峰值點(diǎn)將其連接計(jì)算斜率，將斜率作為一個(gè)新的特征向量。在上一章中比較詳細(xì)的介紹了步態(tài)周期，步行周期：當(dāng)人行走時(shí)，同一側(cè)足跟兩次著地所行進(jìn)所需要的時(shí)間周期，通常步行周期單位是秒。根據(jù)步態(tài)的對稱性左腳和右腳大致相同。目前步態(tài)周期的劃分主要有兩種一種是自動(dòng)劃分，一種是手動(dòng)劃分；二者各有優(yōu)劣，手動(dòng)劃分方法耗時(shí)較多，但是劃分的準(zhǔn)確度比較高，自動(dòng)劃分比較智能且能節(jié)省大量的時(shí)間但是影響因素較多如果極值點(diǎn)穩(wěn)定性較差會(huì)導(dǎo)致精確度不高容易產(chǎn)生誤差，自動(dòng)劃分方法如下：為了實(shí)現(xiàn)自動(dòng)周期劃分，提高周期劃分的準(zhǔn)確性，自相關(guān)算法來估計(jì)步長的時(shí)間間隔。(3-1)式中，Am自相關(guān)系數(shù)，xi是數(shù)據(jù)點(diǎn)，xi+m是時(shí)間序列延遲對應(yīng)的數(shù)據(jù)點(diǎn)。如圖3-4所示，分別運(yùn)用自動(dòng)劃分與手動(dòng)劃分的方式對步行加速度信息進(jìn)行周期為劃分，實(shí)線表示手動(dòng)劃分的結(jié)果，虛線表示自動(dòng)劃分的結(jié)果。由圖可知人員在平地步行時(shí)的兩種分割方式得到的結(jié)果相近，在人員進(jìn)行上下樓梯時(shí)運(yùn)用自動(dòng)劃分的方式時(shí)，產(chǎn)生了誤差。(a)平坦地面周期分割對比(b)在樓梯行走時(shí)周期分割對比圖3-4自動(dòng)化分周期與手動(dòng)劃分效果對比論文主要利用極值點(diǎn)采用手動(dòng)的方式對四種不同姿態(tài)下的加速度數(shù)據(jù)進(jìn)行劃分，劃分效果如圖3-5(a)(b)(c)(d)所示，以下四張圖分別展示了四種不同姿態(tài)下的周期劃分。(a)慢步行走(c)快步行走(b)上樓(d)下樓圖3-5四種不同姿態(tài)下周期劃分3.3.2常見時(shí)域與頻域特征特征提取的關(guān)鍵在于找到最能表達(dá)出原始信號(hào)特點(diǎn)的特征向量[62]。簡而言之，特征提取的過程是用一些富有表征力特征向量代表原始數(shù)據(jù)。特征向量是分類算法構(gòu)建識(shí)別模型的重要素材。這些特征向量中包括對不同運(yùn)動(dòng)步態(tài)分類的關(guān)鍵因素[63~65]。表3-1給出了目前較為廣泛的特征向量。表3-1常見特征向量特征類型特征向量特征類型特征向量時(shí)域特征平均數(shù)頻域特征頻域能量方差傅里葉系數(shù)過零率光譜熵導(dǎo)數(shù)光譜能量四分位距光譜矩心峰值數(shù)量時(shí)頻域特征小波系數(shù)標(biāo)準(zhǔn)差平均絕對值啟發(fā)式特征信號(hào)幅值符號(hào)相關(guān)系數(shù)為了進(jìn)一步提高正確率，除了峰值點(diǎn)連線斜率外，還對每個(gè)窗口數(shù)據(jù)提取了以下幾種常用時(shí)頻特征：(1)平均數(shù)平均數(shù)是反映數(shù)據(jù)的集中位置與分布中心。文獻(xiàn)[66][67]用加速度信號(hào)的平均值作為特征進(jìn)行了分類。平均數(shù)分為算數(shù)平均數(shù)和加權(quán)算術(shù)平均數(shù)，表達(dá)式如下所示。(3-2)(3-3)式中xi，mi，fi，wi分別表示加速度數(shù)據(jù)、各組的中值、頻數(shù)和頻率。(2)偏度偏度用于衡量的對稱性。偏度的正負(fù)分別表示x均值左右的離散程度，偏度為負(fù)時(shí)，均值左側(cè)離散度較強(qiáng)。(3-4)其中為變量值，為每組的算術(shù)平均數(shù)。(3)四分位距四分位距為第3四分位數(shù)Q3和第１個(gè)四分位數(shù)Q1的差距。其中四分位距是將一段數(shù)據(jù)分割成四分的三個(gè)分割點(diǎn)的位置。加速度數(shù)據(jù)由小到大排序?yàn)椋?1，2，3N．四分位數(shù)的位置為，j(=1,2,3)為分位個(gè)數(shù)，為整數(shù)部分，為小數(shù)部分．四分位數(shù)Qj和四分位距IQR計(jì)算方式如下。(3-5)(3-6)(4)方差與標(biāo)準(zhǔn)差方差與標(biāo)準(zhǔn)差對可以反應(yīng)人員運(yùn)動(dòng)的快慢程度，方差愈大數(shù)據(jù)越分散，離散性越高。(3-7)(3-8)(3-9)式中，s2稱為修正方差，或樣本方差。方差的平方根稱為標(biāo)準(zhǔn)差。標(biāo)準(zhǔn)差通常用于度量數(shù)據(jù)的離散程度。(5)傅里葉系數(shù)傅里葉系數(shù)作為頻域特征最為經(jīng)典的特征向量，被廣泛的運(yùn)用在各個(gè)領(lǐng)域當(dāng)中，但實(shí)際運(yùn)用中傅里葉變換運(yùn)算效率比較低，對預(yù)算帶來比較大的負(fù)荷，難以運(yùn)用在實(shí)時(shí)處理當(dāng)中。因此論文采用快速傅里葉變換對人員步行加速度信號(hào)進(jìn)行特征抽取。快速傅里葉變換基本定義：設(shè)輸入加速度數(shù)據(jù)的序列長度為N(N=2L，L為正數(shù))，按照采樣時(shí)間順序的奇偶性分成較短的子序列，快速傅里葉變換推導(dǎo)公式大致如下。用N次單位WN來表示W(wǎng)N具有周期N，即對稱性：根據(jù)上面的對稱性，求級數(shù)時(shí)，可以將求和區(qū)間拆分，如式3-10所示。(3-10)由對稱性可以得到以下變換公式。(3-11)(3-12)這樣，就可以拆分開來進(jìn)行變換。照此依次分解。此時(shí)算法的時(shí)間復(fù)雜度為O(NlogN)(6)頻域能量頻域能量在總體上反映人員加速度信號(hào)的強(qiáng)度，能量越高強(qiáng)度越大。(3-13)其中M表示樣本數(shù)，xi為第i個(gè)FFT傅里葉系數(shù)。3.3.3峰值點(diǎn)連線斜率論文分析多個(gè)志愿者的步行加速度數(shù)據(jù)發(fā)現(xiàn)不同的人員因?yàn)槠潴w態(tài)和不同的行為習(xí)慣導(dǎo)致在步行時(shí)產(chǎn)生的加速度信號(hào)也呈現(xiàn)出了較大的差別。根據(jù)論文實(shí)驗(yàn)特點(diǎn)：將手機(jī)固定在人員大腿上，手機(jī)三軸加速度傳感器Z軸測得的方向就是人員步行時(shí)大腿擺動(dòng)的方向。Bernard等人對加速度信號(hào)轉(zhuǎn)折點(diǎn)進(jìn)行了實(shí)驗(yàn)分析，表明步態(tài)加速度出現(xiàn)極值點(diǎn)具有明確的物理意義[68]。單個(gè)步態(tài)周期的峰值表示加速度最大的時(shí)刻，即代表了人員運(yùn)動(dòng)周期時(shí)的最大能量，結(jié)合實(shí)驗(yàn)方式論文將單個(gè)周期的豎直方向加速度數(shù)據(jù)的峰值按照從小到大的順序重新排列后，計(jì)算峰值點(diǎn)的連線斜率，不僅可以排除異常值和極值的影響，突出數(shù)據(jù)的分布特點(diǎn)，還能體現(xiàn)出運(yùn)動(dòng)的劇烈程度。手機(jī)三軸加速度傳感器Z軸體現(xiàn)垂直與手機(jī)屏幕豎直方向上的加速度信號(hào)，將Z軸第n個(gè)窗口單個(gè)周期的峰值按照從小到大的順序排列y={y1，y2，…，yn}，i，j表示峰值yi，yj對應(yīng)的位置，yi與yj連線斜率定義如式3-14：(3-14)論文從時(shí)域上對一個(gè)周期的加速度數(shù)據(jù)做了峰值點(diǎn)連線斜率的提取如圖3-6(a)(b)(c)(d)所示，文中隨機(jī)抽取4名志愿者不同窗口的加速度數(shù)據(jù)的峰值點(diǎn)連線斜率的均值，快慢行走，上下樓梯兩種行進(jìn)姿態(tài)分別為Kslow-walk，Kfast-walk，Kup-stair，Kdown-stair。(a)慢步行走(b)快步行走(c)上樓姿態(tài)下(d)下樓姿態(tài)下圖3-6不同姿態(tài)下峰值點(diǎn)連線示意圖隨機(jī)抽取四名志愿者并計(jì)算在4種姿態(tài)下的4名志愿者的連線斜率均值。如下圖3-7所示，圖中顯示4了名志愿者在不同姿態(tài)下的人員步行周期的峰值點(diǎn)連線斜率折線圖，這4名志愿者。從圖3-3中看出隨機(jī)抽取的四名實(shí)驗(yàn)值的峰值點(diǎn)連線斜率區(qū)分較為明顯。由圖可知在慢步行走和快步行走兩種姿態(tài)下，四名志愿者的峰值點(diǎn)連線斜率還有一些相近，在上樓和下樓兩種姿態(tài)下區(qū)分效果比較明顯。(a)慢步行走峰值點(diǎn)連線斜率圖3-7四名志愿者在快慢不同速率下行走的峰值點(diǎn)連線斜率西安交通大學(xué)網(wǎng)絡(luò)教育學(xué)院畢業(yè)論文西安交通大學(xué)網(wǎng)絡(luò)教育學(xué)院畢業(yè)論文西安交通大學(xué)網(wǎng)絡(luò)教育學(xué)院畢業(yè)論文4結(jié)論論文在研究國內(nèi)外基于步行加速度信息的人員識(shí)別和姿態(tài)識(shí)別相關(guān)文獻(xiàn)的基礎(chǔ)上，參考和借鑒了數(shù)據(jù)采集、預(yù)處理、特征抽取等方法，針對現(xiàn)有的基于步行加速度信息的人員身份認(rèn)證存在的不足，根據(jù)人員步行特點(diǎn)提出了新的特征向量提取方法，并結(jié)合隱馬爾科夫模型對加速度信息進(jìn)行了進(jìn)一步的挖掘。根據(jù)人員加速度的變化率進(jìn)行區(qū)域了劃分，分別挖掘了其特征信息?；诩铀俣葌鞲衅鞯娜藛T識(shí)別總共分為：數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、特征提取、以及分類這四個(gè)部分。論文工作主要對特征提取這一塊進(jìn)行了深入的研究，主要完成的工作有以下幾點(diǎn)：(1)查閱了大量的基于加速度傳感器的人員步態(tài)分析的國內(nèi)外參考文獻(xiàn)，對現(xiàn)有的文獻(xiàn)做了對比研究，提出了峰值點(diǎn)斜率連線斜率這一新的特征向量。結(jié)合HMM進(jìn)一步挖掘步態(tài)信息，分區(qū)域抽取特征向量，提高識(shí)別了精度。(2)目前關(guān)于基于加速度信息的步態(tài)數(shù)據(jù)并未形成一個(gè)規(guī)范統(tǒng)一的數(shù)據(jù)庫，所以實(shí)驗(yàn)所用的數(shù)據(jù)需要自主采集，并進(jìn)行數(shù)據(jù)傳輸，獲得最原始的加速度數(shù)據(jù)資料。西安交通大學(xué)網(wǎng)絡(luò)教育學(xué)院畢業(yè)論文參考文獻(xiàn)唐春林.基于幀差能量圖遺傳算法的自遮擋步態(tài)識(shí)別[J].電視技術(shù),2014,38(5):173-177.王欣.基于卷積神經(jīng)網(wǎng)絡(luò)與足底壓力信息的步態(tài)識(shí)別[D].[碩士學(xué)位論文].安徽大學(xué),2015.梁棟，高瑋瑋，張艷，等.基于足底壓力圖像的靜態(tài)觸覺步態(tài)識(shí)別[J].華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2013(2013年10):25-29.劉宇,江宏毅,王仕亮,等.基于加速度時(shí)域特征的實(shí)時(shí)人體行為模式識(shí)別[J].上海交通大學(xué)學(xué)報(bào),2015,2:015.侯向鋒.基于運(yùn)動(dòng)加速度的步態(tài)識(shí)別研究[D].[碩士學(xué)位論文].武漢:華中師范大學(xué),2017王犇,袁濤,梁燦.基于加速度特征點(diǎn)提取的步態(tài)身份認(rèn)證[J].清華大學(xué)學(xué)報(bào):自然科學(xué)版,2019(10):1601-1604.王曉波.基于步態(tài)加速度信號(hào)的身份認(rèn)證方法研究[D].[碩士學(xué)位論文].山西大學(xué),2011.熊靜.無線傳感器網(wǎng)絡(luò)中運(yùn)動(dòng)目標(biāo)協(xié)同跟蹤技術(shù)研究[D].[博士學(xué)位論文].西安電子科技大學(xué),2016.王雙全.基于無線傳感器網(wǎng)絡(luò)的行為識(shí)別與目標(biāo)定位研究[D].[博士學(xué)位論文].上海交通大學(xué),2018.PANG