写在前面：一直以来，极市得到了许许多多开发者的关注和支持，极市的成长离不开各位开发者的见证，为此我们特开设极市开发者祝愿帖，期待听到您真实的心声和建议~φ (> ω<*) ：

极市开发者祝愿活动 (有奖回馈）

本文为中科院计算所的博士研究生王晋东整理的行为识别python和matlab提取特征代码，极市曾分享王博另一篇文章：行为识别常用提取特征，可以结合本文一起阅读，希望对做行为识别方面研究的小伙伴有帮助~
项目地址：activityrecognition/code/

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这篇文章：行为识别常用提取特征


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）：
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；
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.py和feature_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。

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。

微信公众号: 极市平台（ID: extrememart ）
每天推送最新CV干货