Skip to content
Branch: master
Find file History
Permalink
Type Name Latest commit message Commit time
..
Failed to load latest commit information.
matlab abcd Jul 4, 2017
percom18_stl add: readme Jan 5, 2018
python/feature_extraction mod readme Aug 14, 2017
Evaluate.m add: evaluate function in matlab Nov 6, 2018
readme.md add: evaluate function in matlab Nov 6, 2018

readme.md

行为识别(时间序列)特征提取代码

多种传感器可以用于行为识别,如最常用的加速度计、陀螺仪、蓝牙与WiFi等。针对蓝牙与WiFi的特征提取,要根据具体的问题情况来进行。通常来说,加速度和陀螺仪的数据是最常用的。因此,我们就以这两种信号为例,提供针对它们的特征提取代码。

加速度和陀螺仪都是典型的时间序列信号,在行为识别中,通常我们都会提取一些统计信息(又称为时域)和频率信息(又称为频域)。两部分合起来,就可以用于行为识别了。从经验出发,能够识别人体常见的大多数运动行为。

也可以用本代码进行一些时间序列的特征提取,用法是一样的

关于时域和频域具体特征的计算方法请见我在知乎的这个回答:https://www.zhihu.com/question/41068341/answer/89926233

推荐使用

一个简洁明了的时间序列处理(分窗、特征提取、分类)库:Seglearn

用这个库会比用我们下面提供的自己写的方便!

Python版本


Python版本比较通用,也比较好扩展。目前刚放到pypi下,可能 用pip直接安装。该目录下的feature_extraction文件夹是核心的文件夹。

内核提取方法针对Python2和Python3一样通用。test.py文件是按照Python3格式写的,无伤大雅。

需求:

pip install numpy

调用方式(直接拷贝):

  1. 拷贝feature_extraction文件夹到你的目录(通常是你的特征提取代码目录)下;
  2. 在同一层目标下,首先导入引用:

from feature_extraction import feature_core

然后有两种调用方式:

(1) 有窗口:feature_core.sequence_feature(a, 5, 4),表示对a这个数组按照窗口大小为5,步长为4进行特征提取

(2) 无窗口:feature_core.sequence_feature(a, 0, 4),表示直接对a这个数组进行特征提取,它本身就是一个窗口。

返回:

一个2D的numpy.array

调用方式(pip):

pip install tsfeature import tsfeature.feature_core

扩展:

目前提取了19维特征,可以直接扩展feature_time.pyfeature_fft.py文件中的函数,加上自己在时域和频域上的特征提取方案。

附本代码中提取到的19维特征:

(1)时域:均值,方差,标准差,最大值,最小值,过零点个数,最大值与最小值之差,众数

(2)频域:直流分量,图形的均值、方差、标准差、斜度、峭度,幅度的均值、方差、标准差、斜度、峭度


Matlab版本


Matlab版本的特征提取代码见它目录像下的readme。在Matlab版本R2014a及以上均通用。不过建议还是用python,更好用一些。


结果评价

行为识别是一个分类问题,评价效果的好坏通常不只看精度,还要看准确率、召回率、F1、特异性等。我们提供一个计算所有结果的函数:Evaluate.m

You can’t perform that action at this time.