公开(公告)号：CN119167224B

公开(公告)日：2025-03-25

申请号：CN202411024016.6

申请日：2024-07-29

Applicant: 哈尔滨理工大学 ,  哈尔滨海关技术中心

Inventor： 王立岩 ,  张宝成 ,  迟坤 ,  季婷婷

IPC: G06F18/2431 ,  G06F18/214 ,  G06F18/22 ,  G06F18/21

Abstract: 本发明公开了一种基于高斯分割模型的人类活动变化识别方法，所述方法如下：步骤S1、传感器采集到的连续活动的时序数据X＝{x1,…,xn,…,xN}；步骤S2、初始化时序数据X的分割阶数为k＝1；步骤S3、给定最大分割阶数Kmax，如果k≤Kmax，则重复执行步骤S4；步骤S4、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X的对数似然函数，得到X的分割点和不重叠的人类活动片段；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和变化点集合。该方法可用于连续传感器数据中人类活动变化的识别，以便后续对活动数据的分类。

公开(公告)号：CN119167224A

公开(公告)日：2024-12-20

申请号：CN202411024016.6

申请日：2024-07-29

Applicant: 哈尔滨理工大学 ,  哈尔滨海关技术中心

Inventor： 王立岩 ,  张宝成 ,  迟坤 ,  季婷婷

IPC: G06F18/2431 ,  G06F18/214 ,  G06F18/22 ,  G06F18/21

Abstract: 本发明公开了一种基于高斯分割模型的人类活动变化识别方法，所述方法如下：步骤S1、传感器采集到的连续活动的时序数据X＝{x1,…,xn,…,xN}；步骤S2、初始化时序数据X的分割阶数为k＝1；步骤S3、给定最大分割阶数Kmax，如果k≤Kmax，则重复执行步骤S4；步骤S4、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X的对数似然函数，得到X的分割点和不重叠的人类活动片段；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和变化点集合。该方法可用于连续传感器数据中人类活动变化的识别，以便后续对活动数据的分类。