現(xiàn)有人類行為識(shí)別方法識(shí)別精度低、成本高,所能識(shí)別的動(dòng)作也相對(duì)簡單。為此,通過引入信道狀態(tài)信息（CSI）提出一種人體復(fù)雜動(dòng)作識(shí)別方法,并以傳統(tǒng)武術(shù)形意拳招式動(dòng)作為背景進(jìn)行驗(yàn)證。利用Wi-Fi網(wǎng)卡采集形意拳招式的CSI數(shù)據(jù),以數(shù)據(jù)中的振幅為特征值,使用巴特沃斯低通濾波器和離散小波變換分別過濾數(shù)據(jù)中的高頻和低頻異常值。離線階段采用受限波爾茲曼機(jī)對(duì)預(yù)處理數(shù)據(jù)進(jìn)行訓(xùn)練和分類,并構(gòu)建形意拳招式指紋庫。在線階段使用深度置信網(wǎng)絡(luò)對(duì)采集數(shù)據(jù)進(jìn)行分類,將分類結(jié)果與指紋庫數(shù)據(jù)進(jìn)行匹配,實(shí)現(xiàn)對(duì)形意拳招式的準(zhǔn)確識(shí)別。實(shí)驗(yàn)結(jié)果表明,與CSI-SRC方法和基于傳統(tǒng)RSSI模型的方法相比,該方法具有較高的識(shí)別精度,并且魯棒性較好。 

【文章來源】：計(jì)算機(jī)工程. 2020,46(01)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

Wi-KongFu方法流程

在拳法招式數(shù)據(jù)采集過程中,本文采用2×3鏈路,即2根發(fā)射天線和3根接收天線,每根天線可以接收56個(gè)子載波信道值。本文將形意拳動(dòng)作分為8個(gè)招式來進(jìn)行識(shí)別,分別為起式、崩拳、虎拳、馬形拳、鉆拳、橫拳、劈拳以及收式。在實(shí)驗(yàn)過程中,分別在信號(hào)鏈路中做這8個(gè)拳法招式,以采集每個(gè)拳法招式的不同的CSI值。預(yù)采集的形意拳招式對(duì)應(yīng)的特征值如圖2所示。2.2 離線數(shù)據(jù)處理

圖3顯示了一幅形意拳招式的原始CSI振幅圖。從圖3可以看出存在許多異常值。異常值的存在會(huì)導(dǎo)致拳法招式的識(shí)別精確度下降,為此,本文分別采用巴特沃斯低通濾波器和離散小波變換過濾異常值中的高頻和低頻干擾。通過數(shù)據(jù)的預(yù)處理,過濾采集數(shù)據(jù)的異常值,最大程度地保留信號(hào)特征完整性,以便建立每個(gè)形意拳招式的特征指紋信息。

【參考文獻(xiàn)】：
期刊論文
[1]一種基于信道狀態(tài)信息的室內(nèi)人員行為檢測方法[J]. 黨小超,黃亞寧,郝占軍,司雄.  計(jì)算機(jī)工程. 2018(08)
[2]一種基于信道狀態(tài)信息的無源室內(nèi)指紋定位算法[J]. 黨小超,司雄,郝占軍,黃亞寧.  計(jì)算機(jī)工程. 2018(07)
[3]一種基于STM32的巴特沃斯帶阻ⅡR濾波算法的實(shí)現(xiàn)[J]. 萬小川.  電子技術(shù)與軟件工程. 2018(13)
[4]基于WiFi信號(hào)的人體行為感知技術(shù)研究綜述[J]. 魯勇,呂紹和,王曉東,周興銘.  計(jì)算機(jī)學(xué)報(bào). 2019(02)
[5]基于動(dòng)態(tài)Gibbs采樣的RBM訓(xùn)練算法研究[J]. 李飛,高曉光,萬開方.  自動(dòng)化學(xué)報(bào). 2016(06)
[6]基于小波變換和曲波變換的圖像邊緣檢測新算法[J]. 羅曉霞,王莉青,薛弘曄.  計(jì)算機(jī)工程與科學(xué). 2015(01)
[7]基于雙樹復(fù)小波變換的信號(hào)去噪算法[J]. 劉文濤,陳紅,蔡曉霞,劉俊彤.  火力與指揮控制. 2014(12)
[8]離散小波變換Haar-LL的行人檢測研究[J]. 邵逢仙,李峰,周書仁.  計(jì)算機(jī)工程. 2014(09)
[9]基于離散小波變換的信號(hào)分解與重構(gòu)[J]. 邵婷婷,白宗文,周美麗.  計(jì)算機(jī)技術(shù)與發(fā)展. 2014(11)

碩士論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的特征提取算法及其應(yīng)用研究[D]. 李蓓蓓.江南大學(xué) 2018
[2]基于RSSI的人體行為識(shí)別的研究[D]. 楊成.南京大學(xué) 2016



本文編號(hào)：3132010