本文選題：行為識別　切入點：加速度計　出處：《哈爾濱工業(yè)大學(xué)》2016年碩士論文

【摘要】：基于加速度傳感器和陀螺儀的人體行為識別研究是近年來的一個新興研究方向,伴隨著相關(guān)領(lǐng)域技術(shù)的發(fā)展,越來越多的研究人員投入到了該領(lǐng)域的研究之中,通過對傳感器數(shù)據(jù)的解讀來完成對人體狀態(tài)進行理解和描述,這是可穿戴計算技術(shù)的重要組成部分�；趥鞲衅鞯膭舆^識別不受特定時間和場景的限制,更能體現(xiàn)運動的本質(zhì),在老年人監(jiān)護、人機交互、體感游戲和士兵訓(xùn)練等方面都有重要應(yīng)用。雖然人體行為識別引起了更多的研究人員的關(guān)注,但目前的研究仍存在很多需要解決的問題,包括如何更精準(zhǔn)的進行動作分割、如何排除噪聲數(shù)據(jù)的干擾、如何面向具體的應(yīng)用場景設(shè)計準(zhǔn)確率更高的行為識別算法。針對這些問題,本文主要進行的工作如下:(1)提出了基于姿態(tài)特征和相似度向量的動作識別算法:對加速度計和陀螺儀這兩種不同的傳感器所提供的原始行為數(shù)據(jù)進行融合,通過四元數(shù)法得出佩戴在人體上得采集模塊歐拉角,計算歐拉角的差值和關(guān)鍵點斜率,標(biāo)準(zhǔn)化處理后作為姿態(tài)特征;通過對大量訓(xùn)練樣本數(shù)據(jù)自動學(xué)習(xí)構(gòu)建擊球動作模板庫,提取反映待分類樣本數(shù)據(jù)的加速度信號旋轉(zhuǎn)變化的特征點序列,將所得到的序列與擊球動作模板庫比較得到相似度向量。將姿態(tài)特征和相似性向量作為特征值,使用SVM進行分類,分別在有無噪聲的前提下與傳統(tǒng)的時域特征值和頻域特征值進行了對比。(2)提出了基于多個傳感器節(jié)點的動作識別算法:實驗人員佩戴多個傳感器節(jié)點同時采集上肢的動作數(shù)據(jù),對多個節(jié)點的原始數(shù)據(jù)進行數(shù)據(jù)融合并提取相關(guān)的特征值,利用SVM進行分類。(3)設(shè)計了動作識別平臺并完成了對其中軟件部分和硬件部分的開發(fā):繪制了數(shù)據(jù)采集節(jié)點的硬件原理圖和PCB圖,提出了一種新的應(yīng)用于數(shù)據(jù)采集節(jié)點的數(shù)據(jù)分割算法。編寫了針對原始傳感器數(shù)據(jù)的數(shù)據(jù)分析輔助軟件。并且分別開發(fā)了基于有線傳輸?shù)膶嶒炂脚_和基于wifi的實驗平臺。
[Abstract]:The research on human behavior recognition based on acceleration sensor and gyroscope is an emerging research direction in recent years , with the development of relevant field technology , more and more researchers have put into the research of this field .

【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP212.9
，

本文編號：1730526