發(fā)布時間：2021-08-14 07:47

　　人體行為識別技術(shù)（Human Activity Recognition,HAR）是普適計算和模式識別的一個活躍研究方向,在醫(yī)療護理、體育運動和智能家居等領域有著廣泛的應用。隨著計算機和微電子技術(shù)的發(fā)展,各類傳感器設備開始滲透到人們生活的方方面面,它們具有體積小、功耗低和攜帶方便等特點,這使得基于傳感器的人體行為識別的研究得到越來越多的關(guān)注。同時,機器學習、深度學習等人工智能算法在人體行為識別中表現(xiàn)出了良好的性能,給人體行為識別技術(shù)的發(fā)展帶來了新的機遇。經(jīng)過研究人員幾十年的研究,人體行為識別技術(shù)有了長足的發(fā)展,但依然存在許多問題和挑戰(zhàn)。例如,在特征提取和分類識別方面,傳統(tǒng)的算法依然存在特征提取不全面,辨別相似行為和復雜行為時準確率低以及缺乏通用識別框架等問題。在行為識別的應用方面,特殊群體的異常行為識別得到的關(guān)注不足,相關(guān)數(shù)據(jù)集和研究還比較缺乏。針對現(xiàn)有方法和研究的不足,本論文主要進行了以下幾個方面的研究:（1）研究了一種基于多傳感器的行為識別系統(tǒng)框架,該系統(tǒng)可以通用的適用于傳感器數(shù)據(jù)的行為識別任務。同時提出了一種基于時空多特征提�。⊿patiotemporal Multi-Featur... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：89 頁

【學位級別】：碩士

【部分圖文】：

圖２－１－１?ＯＰＰＯＲＴＵＮＩＴＹ數(shù)據(jù)集穿戴在人體的傳感器單元分布［１８］??２．２

圖２－２－１?Ｆ取不同值時滑動平均法濾波的結(jié)果??

于后續(xù)的分類識別，通常將信號劃分為一定的時間窗口，每個窗??口中的一系列數(shù)據(jù)點代表一個行為，滑動窗口法由于實現(xiàn)簡單而成為最受歡迎的??分割方法。??通過滑動窗口分割數(shù)據(jù)時，窗口長度的選擇很重要。較小的窗口可以更快的提??取特征，但可能會導致信息不足以描述活動，較大的窗口則可能導致窗口中包含多??種行為，并且在特征提取時速度過慢會產(chǎn)生延遲［５３］。在文獻中，對于不同類型的傳??感器，窗口的大小從０．０８秒到３０秒不等［１Ｇ］。同時，通常選擇窗口重疊５０％，以確??保每個行為的完整性。圖２－２－２以走路行為為例，展示了滑動窗口重疊５０％的處理??過程，圖中黑框即為滑動窗口，窗口大小設為４０。??２０?－￣￣?ａｘｉｓ－ｘ?ａｘｉｓ－ｙ?――?ａｘｉｓ－ｚ?——??？?ｏ?１０?於／Ｖ?？￣ｊｆｓｒ?．．．?．．．．．?ｙＡＴ＇＇?．．．．－＇Ｊ／??１?工?／Ｗａ／ＷｖａＡａ／ｕＷｘＡ／ｖＷｖ??０?２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０??Ｓａｍｐｌｅｓ??圖２－２－２滑動窗口重疊５０％的處理過程??２．２．４特征提取算法??傳感器的采樣點表示的是在某個特定時間的特定值，例如加速度計某個時刻ＪＣ??軸的數(shù)據(jù)為１５ｍ／ｓ２，這種特定的值所攜帶的信息并不足以描述一個完整的行為。同??時，當同一個人執(zhí)行相同行為時，不同窗口的數(shù)據(jù)幾乎不可能相同，因此無法通過??１２??


本文編號：3342074