當(dāng)前,人們采用嵌入式傳感器積累了大量人體行為數(shù)據(jù),識別的人體行為包括:日常行為（走路、上樓、下樓、靜坐、慢跑）及異常行為（跌倒）。通過使用機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于人體運(yùn)動數(shù)據(jù)的分析,為人體健康提供科學(xué)有效的運(yùn)動指導(dǎo),具有重要的應(yīng)用價值。為此,本文的主要研究工作如下:首先,綜述和分析目前人體行為識別的國內(nèi)外研究現(xiàn)狀,對比分析后,選用了加州大學(xué)歐文分校的機(jī)器學(xué)習(xí)公開數(shù)據(jù)庫（http://archive.ics.uci.edu/ml/）,進(jìn)行人體行為識別。然后,對原始數(shù)據(jù)進(jìn)行預(yù)處理。對原始數(shù)據(jù)進(jìn)行濾波、加速度分解、信號加窗、數(shù)據(jù)歸一化處理,便于后續(xù)特征提取。接著,分析運(yùn)動特征并對特征進(jìn)行降維。分別從時域和頻域分析數(shù)據(jù),提取特征。在特征降維方面,對基于面積的灰色絕對關(guān)聯(lián)模型進(jìn)行了研究和改進(jìn)。針對灰色絕對關(guān)聯(lián)模型在積分過程中,存在的正負(fù)面積相互抵消的問題,從相對變化面積角度出發(fā),對其進(jìn)行改進(jìn)用于降維,改進(jìn)后的模型有效提高了特征選擇的可靠性。然后,設(shè)計(jì)分類算法。通過分析人體日常行為和異常行為特征,首先進(jìn)行跌倒行為識別,設(shè)計(jì)了基于閾值的分類算法和基于四種機(jī)器學(xué)習(xí)的分類算法。然后進(jìn)行日常行為的識別,設(shè)計(jì)了基... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：92 頁

【學(xué)位級別】：碩士

【部分圖文】：

總體

濾除重力分量加速度信號對比圖

加速度數(shù)據(jù)加窗示意圖

【參考文獻(xiàn)】：
期刊論文
[1]對偶樹復(fù)小波與空域信息的手勢識別分類研究[J]. 賈鶴鳴,朱傳旭,張森,楊澤文,何東旭.  智能系統(tǒng)學(xué)報(bào). 2018(04)
[2]基于一種改進(jìn)閾值函數(shù)的小波去噪方法研究[J]. 張金武,馮毅,李文.  電子設(shè)計(jì)工程. 2017(09)
[3]改進(jìn)型閾值函數(shù)尋優(yōu)法的小波去噪分析[J]. 唐鵬,郭寶平.  信號處理. 2017(01)
[4]利用姿勢估計(jì)實(shí)現(xiàn)人體異常行為識別[J]. 王恬,李慶武,劉艷,周亞琴.  儀器儀表學(xué)報(bào). 2016(10)
[5]加窗優(yōu)化在數(shù)字信號處理中的重要性分析[J]. 盧學(xué)燕.  硅谷. 2014(16)
[6]新型灰色接近關(guān)聯(lián)模型及其拓展[J]. 劉震,黨耀國,周偉杰,夏衛(wèi)國.  控制與決策. 2014(06)
[7]Simpson不等式的改進(jìn)及其應(yīng)用[J]. 聞道君,龔黔芬.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2010(21)
[8]改進(jìn)的小波閾值去噪方法及其在MATLAB中的仿真[J]. 李樹鈺.  噪聲與振動控制. 2010(02)
[9]基于面積的改進(jìn)灰關(guān)聯(lián)度算法[J]. 王靖程,諸文智,張彥斌.  系統(tǒng)工程與電子技術(shù). 2010(04)

博士論文
[1]基于計(jì)算機(jī)視覺的人體行為識別研究[D]. 邵延華.重慶大學(xué) 2015
[2]基于表面肌電和加速度信號融合的動作識別和人體行為分析研究[D]. 成娟.中國科學(xué)技術(shù)大學(xué) 2013

碩士論文
[1]基于慣性傳感器的人體姿態(tài)分析與識別關(guān)鍵技術(shù)的研究[D]. 王一杰.電子科技大學(xué) 2018
[2]基于Android平臺的跌倒檢測算法研究及實(shí)現(xiàn)[D]. 衛(wèi)震.杭州電子科技大學(xué) 2017
[3]基于傳感器的人體跌倒檢測算法研究[D]. 孫曉雯.江南大學(xué) 2016
[4]基于集成學(xué)習(xí)的人體日常行為活動識別系統(tǒng)研究[D]. 馮增濤.東南大學(xué) 2016
[5]老人跌倒檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 臧楠.西安電子科技大學(xué) 2014



本文編號：3241339