近年來(lái),人體行為識(shí)別在計(jì)算機(jī)視覺(jué)和人機(jī)交互等領(lǐng)域有著廣泛的應(yīng)用。隨著智能手機(jī)市場(chǎng)的迅速擴(kuò)張以及微型傳感器的快速發(fā)展,人類(lèi)智能手機(jī)中的嵌入了各種各樣的MEMS傳感器設(shè)備�；趥鞲衅髦悄茉O(shè)備的人體行為識(shí)別方面的研究成為了一個(gè)新興的分支,人體行為識(shí)別在健康看護(hù)、醫(yī)療檢測(cè)中提供了很好的支持。盡管該研究近年來(lái)取得了不錯(cuò)的成效,但目前依然存在很多不足,例如:個(gè)人的數(shù)據(jù)較為隱私不易獲取、個(gè)人采集的數(shù)據(jù)量不充分、較為細(xì)致的動(dòng)作識(shí)別研究精確度低等。在行為識(shí)別算法中,機(jī)器學(xué)習(xí)中的特征提取工程需要科研人員具備一定的先驗(yàn)知識(shí)和大量的人力資源。隨著神經(jīng)網(wǎng)絡(luò)的熱潮來(lái)臨,人體行為識(shí)別算法從傳統(tǒng)的機(jī)器學(xué)習(xí)過(guò)渡到神經(jīng)網(wǎng)絡(luò),它通過(guò)訓(xùn)練網(wǎng)絡(luò)自動(dòng)選擇特征從而實(shí)現(xiàn)分類(lèi)。本文圍繞基于神經(jīng)網(wǎng)絡(luò)和智能設(shè)備的人體行為識(shí)別方面展開(kāi)了研究。數(shù)據(jù)來(lái)源于用戶(hù)跌倒和日常行為的三個(gè)公開(kāi)數(shù)據(jù)集（UniMiB SHAR公開(kāi)數(shù)據(jù)集、MobiFall公開(kāi)數(shù)據(jù)集、MobiAct公開(kāi)數(shù)據(jù)集）,通過(guò)對(duì)數(shù)據(jù)進(jìn)行分析處理,并結(jié)合當(dāng)前較為熱門(mén)的神經(jīng)網(wǎng)絡(luò)進(jìn)行分類(lèi)建模。本文的研究?jī)?nèi)容分為三大部分,分別為基于傳感器的人類(lèi)活動(dòng)數(shù)據(jù)的前期處理、人類(lèi)行為活動(dòng)的識(shí)別分類(lèi)和算法評(píng)估... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：94 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于圖像的人體行為識(shí)別

狻?1.2.2基于穿戴式傳感器的人體行為識(shí)別隨著無(wú)線(xiàn)通信傳輸技術(shù)和微電子技術(shù)的迅猛發(fā)展，微型傳感器與無(wú)線(xiàn)通信設(shè)備相結(jié)合使人類(lèi)生活更加便捷，人們可以通過(guò)智能識(shí)別技術(shù)很好地檢測(cè)人類(lèi)的活動(dòng)，當(dāng)異常發(fā)生時(shí)可以及時(shí)向周?chē)l(fā)出警報(bào)�；诖┐魇絺鞲衅鞯娜梭w行為識(shí)別又可以大致分為兩種，分別是基于固有傳感器的人體行為識(shí)別和基于MEMS傳感器的人體行為識(shí)別。基于固有傳感器的人體行為識(shí)別中采集信息的傳感器尺寸較大，一般固定于某處，對(duì)周?chē)男畔⑦M(jìn)行采集，常用于比較大型的人類(lèi)活動(dòng)識(shí)別，如自動(dòng)駕駛中的熱成像傳感器，如圖1-2所示。熱成像傳感器通過(guò)采集汽車(chē)周?chē)膫鞲衅餍畔ⅲ瑥亩R(shí)別出車(chē)輛周?chē)沫h(huán)境(行人、動(dòng)物、障礙物等)，繼而達(dá)到一個(gè)輔助駕駛的功能。圖1-2熱成像傳感器人體行為識(shí)別基于MEMS傳感器的人體行為識(shí)別中采集信息的傳感器為微型傳感器，主要是鑲嵌在某些設(shè)備中起輔助作用。如圖1-3所示的是基于MEMS傳感器的人體行為識(shí)別示例，人類(lèi)將微型傳感器嵌入到通訊設(shè)備中，當(dāng)檢測(cè)到跌倒時(shí)，衛(wèi)星會(huì)收到該設(shè)備的位置，同時(shí)將該位置通過(guò)網(wǎng)絡(luò)發(fā)送給其他人進(jìn)行救助，起到了很好的監(jiān)測(cè)人類(lèi)行為活動(dòng)的作用。當(dāng)然還有其他的微型傳感器設(shè)備用于數(shù)據(jù)的收集，如人們利

第二章技術(shù)理論及相關(guān)算法11手機(jī)是否貼合耳朵，實(shí)現(xiàn)手機(jī)自動(dòng)熄屏。重力傳感器可以實(shí)現(xiàn)手機(jī)橫豎屏的智能切換，陀螺儀傳感器可以實(shí)現(xiàn)VR虛擬現(xiàn)實(shí)以及地磁傳感器可以實(shí)現(xiàn)手機(jī)的指南針功能[44]。本文利用智能設(shè)備中的加速度傳感器和陀螺儀收集人類(lèi)日常行為的傳感數(shù)據(jù)信息，加速度傳感器數(shù)據(jù)用于感知人體活動(dòng)的幅度變化，陀螺儀用于感知運(yùn)動(dòng)的角度變化，智能設(shè)備的自然坐標(biāo)系如圖2-2所示，X軸坐標(biāo)軸即手機(jī)從左到右的走向，Y軸坐標(biāo)軸即手機(jī)底部到頂端的方向，Z軸坐標(biāo)軸則是面向使用者的方向。圖2-2智能設(shè)備的坐標(biāo)系2.1.1加速度傳感器加速度傳感器是測(cè)量加速度的裝置[45]。固有加速度是物體在自身瞬時(shí)靜止坐標(biāo)系下的加速度(或速度變化率)，加速度傳感器測(cè)量的加速度是固定坐標(biāo)系下的加速度，即加速度傳感器在時(shí)空的任何一點(diǎn)上，保證了局部慣性框架的存在，加速度計(jì)測(cè)量相對(duì)于該慣性框架的加速度。加速度計(jì)能夠使飛機(jī)平穩(wěn)飛行，是飛機(jī)慣性導(dǎo)航系統(tǒng)中的一個(gè)重要部分。旋轉(zhuǎn)機(jī)械振動(dòng)的檢測(cè)也可利用加速度傳感器實(shí)現(xiàn)。日常生活中，將加速度計(jì)用于平板電腦和數(shù)碼相機(jī)，可以使屏幕上的圖像總是垂直顯示。加速度傳感器主要通過(guò)壓電效應(yīng)工作，通過(guò)作用在不同方向力的大小產(chǎn)生不同的形變，來(lái)產(chǎn)生不同的電壓與加速度變化，從而判斷該動(dòng)作在X軸、Y軸、Z軸所產(chǎn)生的能量大校如圖2-3所示，現(xiàn)代的加速度計(jì)通常是小型微電子機(jī)械系統(tǒng)(MEMS)，它僅僅由一個(gè)懸臂梁和一個(gè)驗(yàn)證質(zhì)量(也稱(chēng)為地震質(zhì)量)組成[45]。加速度傳感器主要為電容式傳感器，加速度傳感器將物體移動(dòng)方向的加速度變化幅度轉(zhuǎn)換成電信號(hào)，通過(guò)壓電效應(yīng)感知人體活動(dòng)幅度的變化，從而檢測(cè)X、Y、Z軸的加速度，如圖2-2所示。

【參考文獻(xiàn)】：
期刊論文
[1]人口老齡化:現(xiàn)狀、趨勢(shì)與應(yīng)對(duì)[J]. 翟振武,劉雯莉.  河南教育學(xué)院學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版). 2019(06)
[2]基于SIFT和HOG特征融合的人體行為識(shí)別方法[J]. 韓欣欣,葉奇玲.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(06)
[3]視頻行為識(shí)別綜述[J]. 羅會(huì)蘭,王嬋娟,盧飛.  通信學(xué)報(bào). 2018(06)
[4]基于深度圖像的人體行為識(shí)別綜述[J]. 孫彬,孔德慧,張?chǎng)⿻?賈文浩.  北京工業(yè)大學(xué)學(xué)報(bào). 2018(10)
[5]傳感器技術(shù)在可穿戴設(shè)備中的應(yīng)用[J]. 劉歡,邱力軍,范啟富.  無(wú)線(xiàn)互聯(lián)科技. 2017(10)
[6]人體動(dòng)作行為識(shí)別研究綜述[J]. 李瑞峰,王亮亮,王珂.  模式識(shí)別與人工智能. 2014(01)
[7]一種新型MEMS加速度傳感器的研制[J]. 楊要恩,孫幸成,王慶敏.  電子器件. 2013(02)

博士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的人體行為分析與步態(tài)識(shí)別研究[D]. 李超.浙江大學(xué) 2019
[2]基于手機(jī)和可穿戴設(shè)備的用戶(hù)活動(dòng)識(shí)別問(wèn)題研究[D]. 孫澤浩.中國(guó)科學(xué)技術(shù)大學(xué) 2016

碩士論文
[1]基于深度學(xué)習(xí)的手勢(shì)識(shí)別及人體行為識(shí)別算法研究[D]. 廖毅雄.北京郵電大學(xué) 2019
[2]基于可穿戴設(shè)備的人體手部細(xì)微動(dòng)作識(shí)別研究[D]. 錢(qián)立權(quán).電子科技大學(xué) 2018
[3]基于RGBD數(shù)據(jù)的人體行為識(shí)別方法的研究[D]. 鐘萍.湖南大學(xué) 2017
[4]基于智能手機(jī)終端的駕駛行為風(fēng)格檢測(cè)[D]. 任靜文.電子科技大學(xué) 2014
[5]基于多傳感器的人體運(yùn)動(dòng)模式識(shí)別研究[D]. 李路.山東大學(xué) 2013



本文編號(hào)：3353401