1.一种基于惯性传感器的人员非常规行为快速识别方法，其特征在于，包括以下步骤：步骤1，根据人体的运动状态特点，将其划分为6种运动状态；前进、后退、左横向移动、右横向移动、低姿行走、匍匐前进；

步骤2，采集固定于躯干部分的加速度计X、Y、Z三个轴向的原始数据，并对原始数据进行均值滤波处理；

步骤3，提取步骤2所采集的经过均值滤波后的加速度信号的时域特征参数，时域特征参数包括方差、互相关系数、Hjorth参数中间变量、极差和四分位距，每一种分类动作包含5维的特征向量，需要识别的6种动作共包含30维的特征向量；

步骤4，对步骤3所提取的加速度计5种时域特征进行数据降维的方法将特征向量从30维降到14维；

步骤5，根据步骤4所得的14维特征向量，使用KNN分类算法对人员行为模式进行分类识别。

2.根据权利要求1所述的一种基于惯性传感器的人员非常规行为快速识别方法，其特征在于，所述步骤2是通过使用内置加速度计的单兵定位模块来实现原始数据采集的，设置采样频率为50Hz，固定于腰部，根据步骤1所列举的6种运动状态，针对每一种动作分别采集三轴加速度计数据Ax、Ay、Az，每个轴向各500个稳定的数据点，采集加速度信号的时间为15-

20s的范围，再从中截取500个数据点长度的稳定连续加速度数据区间即可，因此每一组动作可以得到由500×3矩阵构成，针对由500×1的矩阵组成的每列数据采用均值滤波处理突跳点，均值滤波模型如下：其中，设置n＝50为均值滤波滑动窗口长度，xi为第i个数据点。

3.根据权利要求1所述的一种基于惯性传感器的人员非常规行为快速识别方法，其特征在于，步骤3所述的选取的5种加速度时域判定特征的计算方法为：先根据数据预处理后的三轴加速度计的输出值求出方差Var，如公式所示。

在公式中，A为三轴加速度的合加速度；ax、ay、az分别为加速度计三轴数据；

在公式(3)中，Var为方差；为合加速度计样本n次观测值的平均数；

求出互相关系数，如公式(4)所示：

Cxyz＝cov(x，y，z)/(σxσyσz)     (4)在公式中，cov(x，y，z)为x，y，z轴加速度的协方差矩阵；σx，σy，σz为x，y，z轴加速度的标准差；

求出Hjorth参数中间变量M4，如公式(5)所示：式中，di＝αi-ai-1；N表示加速度信号的观测值，αi表示第i个加速度信号的观测值，di表示相邻的加速度信号观测值的差值也就是di＝αi-ai-1，M4表示Hjorth参数中间变量；

求出极差，极差为滑动时间窗内数据极大值与极小值的差值，如公式所示；

式中，i＝X、Y、Z，Mai为滑动时间窗内加速度第i轴向的极差，R为加速度计量程；

根据公式可以计算得到四分位距：

IQR＝Q3-Q1   (8)

式中：IQR为四分位间距；Q1为第一四分位数；Q3为第三四分位数；经过均值滤波后的加速度数据αi，i＝1，2，…，N，对其从大到小进行排序得到bi，四分位数的位置为为分位个数，kj为Pj整数部分，rj为小数部分；

根据以上算法可以计算得到5种加速度计时域特征值，每种动作可以得到500×5的特征值矩阵。

4.根据权利要求1所述的一种基于惯性传感器的人员非常规行为快速识别方法，其特征在于，所述步骤4对加速度计时域特征向量进行PCA降维处理，使其从30维降至14维，具体的解算过程如下：

1)特征向量进行归一化和缩放

数据归一化的公式为：

其中， 是指i个样本的第j个特征的值，μj表示的是第j个特征的均值；

数据归一化再缩放的公式为：

其中， 是指i个样本的第j个特征的值，μj表示的是第j个特征的均值，sj表示第j个特征的范围，即

2)计算协方差矩阵的特征向量

针对预处理后的矩阵X，先计算其协方差矩阵：

接着通过奇异值分解来计算协方差矩阵的特征向量：

其中，svd是奇异值分解运算，矩阵U是个n×n的矩阵，如果选择U的列作为向量，那么将得到n个列向量u(1)，u(2)，…，u(n)，这些向量就是协方差矩阵的特征向量；

3)数据降维

(i) (i)

得到特征矩阵后，即对数据进行降维处理，假设降维前的值为x ，降维后为z ，那么：其中，Ureduce＝[u(1)，u(2)，…，u(k)]，选取自矩阵U的前k个向量，Ureduce称为主成分特征矩阵，它是数据降维的关键中间变量。

5.根据权利要求1所述的一种基于惯性传感器的人员非常规行为快速识别方法，其特征在于，所述步骤5利用KNN分类算法主要包括：根据向量空间模型，把加速度传感器时域特征值转化为特征空间中的加权特征向量，计算待测试样本与训练集中每个样本之间的距离，对计算出的欧式距离从小到大进行排序，找出测试文件的k个最近的邻居，并对这k个邻居的类别判定频率进行统计，把测试样本划分到频率最高的一类中去；

KNN分类算法中，欧式距离算法二维空间公式为：

欧式距离算法三维空间公式为：

其中ρ为点(x2，y2)与(x1，y1)之间的欧氏距离，|X|为点(x2，y2)到原点的欧氏距离。