3、动作识别任务定义：四类动作（走路、跑步、静止、跌倒）的特征差异，分类问题的输入输出形式
在智能穿戴IMU动作识别系统中，任务定义是整个算法链路的起点。我们需要明确回答三个核心问题：识别哪几类动作？这些动作在IMU信号上呈现怎样的可区分特征？分类模型接收什么输入、输出什么结果？本章围绕四类典型动作——走路、跑步、静止、跌倒，从物理本质出发，剖析其IMU信号特征差异，并系统定义分类问题的输入输出形式，为后续特征工程与模型选型奠定基础。
3.1 四类动作的物理本质与IMU信号特征差异
IMU（惯性测量单元）通过加速度计和陀螺仪感知物体的线性加速度与角速度。不同动作在物理层面呈现出截然不同的运动学模式，这些模式映射到IMU信号上就形成了可量化的特征差异。理解这些差异是设计分类特征和选择模型的基础。
3.1.1 走路与跑步：周期性运动的频率与幅度差异
走路和跑步都属于周期性运动，但二者在步频、步幅、腾空期和触地冲击方面存在显著区别。走路时，人体始终至少有一只脚接触地面，步频通常在1.5~2.5Hz之间，加速度幅值变化相对平缓，垂直轴（通常为Y轴或Z轴，取决于穿戴位置）的加速度峰值约为1~2g（g=9.8m/s²）。跑步则存在明显的腾空期，双脚同时离地，步频提升至2.5~4Hz，垂直加速度峰值可达2~4g，且触地瞬间会产生尖锐的冲击峰。
从信号处理角度看，走路和跑步的加速度信号都呈现准周期性，但跑步信号的基频更高、谐波分量更丰富、能量更集中。陀螺仪信号同样表现出周期性，但跑步时髋关节和膝关节的角速度幅值明显大于走路。此外，跑步信号的方差和均方根值（RMS）显著高于走路，这是区分二者的重要统计特征。
3.1.2 静止：近零加速度与微小噪声
静止状态（站立、坐姿或躺卧）下，IMU输出的加速度理论上应等于重力加速度在三个轴上的投影分量，角速度接近零。实际信号中，由于传感器噪声、人体微小晃动（如呼吸、肌肉颤动）的存在，加速度信号会有小幅波动，但整体方差极小（通常小于0.05g²），角速度幅值小于0.1rad/s。静止状态的核心特征是信号能量极低、无周期性、姿态角保持稳定。
需要特别注意的是，静止不等于加速度为零。加速度计始终会测量到重力分量，因此静止时三轴加速度的矢量和应接近1g。分类算法应利用这一特性，通过计算加速度矢量的模长来判断是否静止，而非简单检查各轴是否为零。
3.1.3 跌倒：瞬时冲击与姿态剧变
跌倒是最具危险性的动作，也是识别优先级最高的类别。跌倒过程通常分为四个阶段：失重阶段（身体开始下落，加速度短暂小于1g）、冲击阶段（身体撞击地面，产生持续50~200ms的高幅值冲击，加速度峰值可达6~12g）、静止阶段（跌倒后身体保持静止或轻微移动）。整个过程在1~2秒内完成，姿态角发生90°左右的剧变。
跌倒的IMU信号特征极为鲜明：冲击阶段加速度幅值远超正常活动范围，且伴随角速度的剧烈变化。但跌倒也存在与日常动作混淆的风险——例如猛坐椅子、跳跃落地、拍打身体等动作也可能产生较高的加速度峰值。因此，仅靠幅值阈值判断跌倒会产生大量误报，需要结合冲击后的静止状态、姿态变化角度以及时序特征进行综合判断。
| 特征维度 | 走路 | 跑步 | 静止 | 跌倒 |
|---|---|---|---|---|
| 加速度峰值 | 1~2g | 2~4g | ≈1g（重力） | 6~12g（冲击） |
| 信号周期性 | 强，1.5~2.5Hz | 强，2.5~4Hz | 无 | 无（冲击后静止） |
| 信号方差 | 中等 | 高 | 极低 | 冲击段极高，之后极低 |
| 姿态角变化 | 小幅度摆动 | 中等幅度摆动 | 几乎不变 | 90°左右剧变 |
| 持续时间 | 持续 | 持续 | 持续 | 1~2s完整过程 |
3.2 分类问题的输入输出形式定义
将动作识别建模为分类问题，需要明确输入数据的组织方式和输出结果的表示形式。这直接决定了数据预处理流程、模型架构选择和训练策略。
3.2.1 输入形式：滑动窗口与多通道信号
IMU信号是连续的时间序列，而分类模型通常处理固定长度的输入。因此，标准做法是使用滑动窗口将连续信号切分为固定长度的片段。窗口长度的选择需要权衡时间分辨率和特征稳定性：窗口过短（<1s）无法捕捉完整的步态周期，窗口过长（>5s）则延迟过大且可能包含多种动作的混合。对于四类动作识别，2~4秒的窗口长度较为合适，既能覆盖1~2个完整步态周期，又能及时响应跌倒等突发事件。
每个窗口内的数据构成一个多通道输入样本。典型的输入张量形状为：[窗口长度, 通道数]。其中通道数取决于IMU配置：三轴加速度计+三轴陀螺仪共6通道；若包含磁力计则为9通道。采样率通常为50~100Hz，因此一个3秒窗口在100Hz采样率下包含300个时间步，输入形状为[300, 6]。
# 输入张量示例（PyTorch格式）
# 形状: [batch_size, channels, sequence_length]
# 6通道: acc_x, acc_y, acc_z, gyro_x, gyro_y, gyro_z
input_tensor = torch.randn(32, 6, 300) # 32个样本，6通道，300个时间步除了原始信号，输入还可以包含预处理后的特征。传统机器学习方法通常从窗口中提取统计特征（均值、方差、峰值、过零率等）和频域特征（FFT系数、功率谱密度等），形成一维特征向量。深度学习方法则直接使用原始信号或轻量预处理后的信号，由模型自动学习特征表示。
3.2.2 输出形式：类别标签与概率分布
分类问题的输出是动作类别。对于四类动作识别，输出层通常采用两种形式：硬标签（one-hot编码）和概率分布（softmax输出）。硬标签用于训练阶段的损失计算，例如跌倒类别的标签为[0, 0, 0, 1]。概率分布则用于推理阶段，模型输出每个类别的置信度，例如[0.05, 0.02, 0.03, 0.90]表示90%的概率为跌倒。
在实际系统中，概率分布比硬标签更有价值。它允许设置置信度阈值来平衡误报率和漏报率，也支持多级告警策略——例如跌倒概率超过0.7触发紧急告警，超过0.4则触发预警告警。此外，概率分布还可以用于时序平滑，避免单帧误判导致的频繁状态切换。
3.2.3 类别不平衡问题
四类动作在真实场景中的出现频率极不均衡。静止和走路占据日常大部分时间，跑步相对较少，跌倒则是罕见事件。这种类别不平衡会导致模型偏向多数类，对跌倒的召回率极低。解决策略包括：数据增强（对跌倒样本进行时间扭曲、噪声注入）、重采样（过采样少数类、欠采样多数类）、以及使用加权损失函数（为跌倒类别分配更高的损失权重）。
3.3 案例拆解：从IMU原始数据到分类样本的完整流程
为帮助理解输入输出定义的实际应用，下面以一个具体的跌倒检测系统开发为例，展示从IMU原始数据到分类样本的完整处理流程。
场景背景：某养老机构为老年人佩戴腕部IMU设备，需要实现跌倒实时检测。设备搭载BMI160六轴IMU（三轴加速度+三轴陀螺仪），采样率设为100Hz，数据通过蓝牙实时传输至边缘计算网关。
初始现象与目标：初期直接使用原始信号训练分类模型，发现跌倒检测的召回率仅为62%，且静止状态误报率高达15%。分析发现，问题根源在于输入数据未经过规范化处理，不同佩戴者的信号幅值差异大，且窗口长度设置不合理（初始使用1秒窗口，无法完整覆盖跌倒的冲击-静止过程）。
关键输入数据与参数：
- 原始信号：三轴加速度（单位g）、三轴角速度（单位rad/s）
- 采样率：100Hz
- 窗口长度：初始1s（100个采样点），后调整为3s（300个采样点）
- 窗口步长：0.5s（50%重叠）
- 数据划分：训练集70%（含120次跌倒模拟）、验证集15%、测试集15%
分析判断过程：通过可视化跌倒过程的加速度波形，发现完整的跌倒事件从开始失重到最终静止需要约1.5~2.5秒。1秒窗口只能捕捉到冲击阶段，丢失了冲击后的静止状态信息，导致模型无法区分跌倒与跳跃落地。此外，不同受试者的加速度幅值差异达到±30%，直接使用原始幅值导致模型泛化能力差。
实际操作步骤：
- 将窗口长度从1s调整为3s，步长设为0.5s，确保每个跌倒样本至少被2~3个窗口完整覆盖。
- 对每个窗口内的6通道信号进行z-score标准化：
(x - μ) / σ，其中μ和σ从训练集统计得到。 - 增加跌倒样本的多样性：对原始跌倒样本进行时间轴缩放（0.8~1.2倍）、添加高斯噪声（σ=0.05g）、随机旋转姿态角（±15°）。
- 采用加权交叉熵损失，跌倒类别权重设为5.0，其他类别权重为1.0。
结果对比：调整后，跌倒检测召回率从62%提升至91%，静止误报率从15%降至3%。代价是模型训练时间增加了约40%（因窗口长度增加），但推理延迟仅从0.1s增至0.3s，仍满足实时性要求。
风险与代价：窗口长度增加导致动作转换时刻的响应延迟增大——从走路切换到跑步的识别延迟从0.5s增至1.5s。对于非紧急动作转换，这一延迟可接受；但对于跌倒检测，由于采用了0.5s的短步长，实际告警延迟仍控制在1s以内。
复盘经验：输入窗口的长度必须与目标动作的持续时间匹配。对于包含多个阶段的复杂动作（如跌倒），窗口应覆盖完整的事件过程，而非仅覆盖特征最明显的片段。同时，数据标准化是跨受试者泛化的关键预处理步骤，不可省略。
3.4 常见误区与设计要点
在定义动作识别任务时，开发者常陷入以下误区，导致模型性能不佳或系统不可用。
sqrt(ax²+ay²+az²)作为旋转不变特征。
误区三：忽略时序上下文。将每个窗口独立分类，不考虑前后窗口的状态连续性，会导致频繁的类别抖动。例如，走路过程中偶尔的停顿会被误判为静止。引入时序平滑机制（如隐马尔可夫模型、滑动窗口投票、或LSTM等序列模型）可显著提升稳定性。
误区四：类别定义模糊。四类动作之间存在模糊边界——快走与慢跑、站立与坐姿、跌倒与猛坐。在标注训练数据时，需要制定明确的标注规范。例如，定义步频超过2.5Hz为跑步，加速度冲击超过4g且随后1秒内加速度方差低于阈值才标注为跌倒。清晰的类别定义是模型学习的基础。
总结而言，动作识别任务的定义并非简单的"选个模型跑一下"，而是需要深入理解动作的物理本质、信号特征差异，并据此设计合理的输入输出形式。输入窗口的长度与步长、通道选择与预处理方式、输出概率的阈值策略，每一个决策都直接影响系统的最终性能。只有将任务定义清晰、特征差异分析透彻，后续的模型训练与部署才能有的放矢。