發(fā)布時(shí)間：2018-05-14 01:22

  本文選題：參與式感知 + 特征提取��； 參考：《燕山大學(xué)》2016年碩士論文

【摘要】：我國(guó)人口老齡化問(wèn)題日益嚴(yán)重,老年人的健康安全監(jiān)護(hù)已經(jīng)成為移動(dòng)計(jì)算技術(shù)研究熱點(diǎn)之一。跌倒作為威脅老年人的身心健康的重要因素之一,受到學(xué)術(shù)界和工業(yè)界研究人員的普遍重視。現(xiàn)有的跌倒檢測(cè)系統(tǒng)局限于計(jì)算復(fù)雜度高、需要外部部署以及可擴(kuò)展性差等諸多因素,使其不能得到廣泛應(yīng)用。論文基于參與式統(tǒng)計(jì)感知方法,在人體動(dòng)作特征識(shí)別分類和利用條件隨機(jī)場(chǎng)模型判定跌倒兩面方面做了深入研究。首先,提出基于統(tǒng)計(jì)感知的動(dòng)作識(shí)別分類的方法。利用智能手機(jī)內(nèi)置傳感器收集人體動(dòng)作信號(hào),進(jìn)行過(guò)濾降噪后,提取峰值特征、協(xié)方差特征和頻域特征,利用支持向量機(jī)將人體動(dòng)作分為日常動(dòng)作、跌倒及疑似跌倒動(dòng)作、步態(tài)異常和靜止四大類,為后續(xù)上下文識(shí)別跌倒行為提供標(biāo)注依據(jù)。其次,提出基于條件隨機(jī)場(chǎng)的跌倒檢測(cè)模型。根據(jù)人體動(dòng)作的分類和動(dòng)作之間的上下文聯(lián)系,進(jìn)行動(dòng)作標(biāo)注和特征標(biāo)注;通過(guò)極大似然估計(jì)和梯度算法進(jìn)行條件隨機(jī)場(chǎng)模型參數(shù)訓(xùn)練,然后在給定條件隨機(jī)場(chǎng)模型參數(shù)的情況下,利用維特比算法預(yù)測(cè)出最可能的動(dòng)作序列。最后,使用多種智能手機(jī)采集傳感器數(shù)據(jù),在Matlab平臺(tái)和Visual Studio平臺(tái)上進(jìn)行實(shí)驗(yàn),對(duì)本文提出的特征提取、行為分類和跌倒檢測(cè)方法進(jìn)行全面的性能分析、閾值確定和準(zhǔn)確度分析。
[Abstract]:The problem of aging population in China is becoming more and more serious, and the health and safety monitoring of the elderly has become one of the hotspots of mobile computing technology. Falling, as one of the important factors threatening the physical and mental health of the elderly, has been paid much attention by researchers in academia and industry. The existing fall detection system is limited to high computational complexity, requires external deployment and poor scalability, so it can not be widely used. Based on the participatory statistical perception method, this paper makes an in-depth study on the recognition and classification of human motion features and the use of conditional random field model to determine the two sides of the fall. Firstly, an action recognition classification method based on statistical perception is proposed. Using smart phone built-in sensor to collect human action signal, filter noise, extract peak feature, covariance feature and frequency domain feature, use support vector machine to divide human action into daily action, fall and suspected fall action. Gait anomaly and stillness provide the basis for subsequent context recognition of tumble behavior. Secondly, a fall detection model based on conditional random field is proposed. According to the classification of human actions and the context relation between actions, the action tagging and feature tagging are carried out, and the conditional random field model parameters are trained by maximum likelihood estimation and gradient algorithm. Then the most probable action sequence is predicted by using the Viterbi algorithm under the condition of random field model parameters. Finally, we use a variety of smart phones to collect sensor data and carry out experiments on Matlab and Visual Studio platforms. The performance analysis, threshold determination and accuracy analysis of the proposed feature extraction, behavior classification and fall detection methods are carried out.
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP274

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宗萍;施水才;王濤;呂學(xué)強(qiáng);;基于條件隨機(jī)場(chǎng)的英文地理行政實(shí)體識(shí)別[J];現(xiàn)代圖書情報(bào)技術(shù);2009年02期

2 張開(kāi)旭;夏云慶;宇航;;基于條件隨機(jī)場(chǎng)的古漢語(yǔ)自動(dòng)斷句與標(biāo)點(diǎn)方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年10期

3 成姣;蔡?hào)|風(fēng);季鐸;;基于條件隨機(jī)場(chǎng)的日語(yǔ)依存分析[J];沈陽(yáng)航空工業(yè)學(xué)院學(xué)報(bào);2010年05期

4 李玲玲;金泰松;李翠華;;基于局部特征和隱條件隨機(jī)場(chǎng)的場(chǎng)景分類方法[J];北京理工大學(xué)學(xué)報(bào);2012年07期

5 寧偉;蔡?hào)|風(fēng);張桂平;季鐸;苗雪雷;;基于條件隨機(jī)場(chǎng)的冠詞選擇研究[J];中文信息學(xué)報(bào);2008年06期

6 張玉芳;莫凌琳;熊忠陽(yáng);耿曉斐;;基于條件隨機(jī)場(chǎng)的科研論文信息分層抽取[J];計(jì)算機(jī)應(yīng)用研究;2009年10期

7 王昌厚;;基于條件隨機(jī)場(chǎng)的中文命名體識(shí)別[J];福建電腦;2012年02期

8 施水才;王鍇;韓艷鏵;呂學(xué)強(qiáng);;基于條件隨機(jī)場(chǎng)的領(lǐng)域術(shù)語(yǔ)識(shí)別研究[J];計(jì)算機(jī)工程與應(yīng)用;2013年10期

9 王東波;陳小荷;年洪東;;基于條件隨機(jī)場(chǎng)的有標(biāo)記聯(lián)合結(jié)構(gòu)自動(dòng)識(shí)別[J];中文信息學(xué)報(bào);2008年06期

10 方瑩;;基于條件隨機(jī)場(chǎng)的英文農(nóng)產(chǎn)品名識(shí)別[J];河南科學(xué);2011年03期

相關(guān)會(huì)議論文 前5條

1 王東波;陳小荷;年洪東;;基于條件隨機(jī)場(chǎng)的有標(biāo)記聯(lián)合結(jié)構(gòu)自動(dòng)識(shí)別[A];第四屆全國(guó)學(xué)生計(jì)算語(yǔ)言學(xué)研討會(huì)會(huì)議論文集[C];2008年

2 張奇;翁富良;黃萱菁;吳立德;;英文口語(yǔ)中非流利區(qū)域的檢測(cè)[A];內(nèi)容計(jì)算的研究與應(yīng)用前沿——第九屆全國(guó)計(jì)算語(yǔ)言學(xué)學(xué)術(shù)會(huì)議論文集[C];2007年

3 魏瑋;杜金華;徐波;;基于分層語(yǔ)塊分析的統(tǒng)計(jì)翻譯研究[A];內(nèi)容計(jì)算的研究與應(yīng)用前沿——第九屆全國(guó)計(jì)算語(yǔ)言學(xué)學(xué)術(shù)會(huì)議論文集[C];2007年

4 王根;趙軍;;基于多重冗余標(biāo)記CRF的句子情感分析研究[A];內(nèi)容計(jì)算的研究與應(yīng)用前沿——第九屆全國(guó)計(jì)算語(yǔ)言學(xué)學(xué)術(shù)會(huì)議論文集[C];2007年

5 寧偉;蔡?hào)|風(fēng);季鐸;;基于條件隨機(jī)場(chǎng)的冠詞選擇研究[A];第四屆全國(guó)學(xué)生計(jì)算語(yǔ)言學(xué)研討會(huì)會(huì)議論文集[C];2008年

相關(guān)博士學(xué)位論文 前1條

1 熊英;中文自然語(yǔ)言理解中基于條件隨機(jī)場(chǎng)理論的詞法分析研究[D];上海交通大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 趙九洋;圖像中行人檢測(cè)關(guān)鍵技術(shù)研究[D];南京大學(xué);2015年

2 沈紅杰;基于單目視覺(jué)的場(chǎng)景理解算法研究[D];東北大學(xué);2014年

3 王志強(qiáng);鋼板頭部形狀識(shí)別與分類技術(shù)研究[D];北京理工大學(xué);2016年

4 劉然;基于條件隨機(jī)場(chǎng)的參與式跌倒檢測(cè)方法[D];燕山大學(xué);2016年

5 程露紅;基于條件隨機(jī)場(chǎng)的口語(yǔ)理解研究[D];新疆大學(xué);2016年

6 趙世瑜;泰語(yǔ)詞法分析關(guān)鍵技術(shù)研究[D];昆明理工大學(xué);2016年

7 陳文超;基于條件隨機(jī)場(chǎng)的人體動(dòng)作識(shí)別[D];電子科技大學(xué);2016年

8 王鴻飛;基于條件隨機(jī)場(chǎng)的中文微博情感分析研究[D];廣東工業(yè)大學(xué);2013年

9 虞海明;基于三階條件隨機(jī)場(chǎng)的元數(shù)據(jù)提取方法[D];燕山大學(xué);2013年

10 文順;基于層次條件隨機(jī)場(chǎng)的圖像對(duì)象分割[D];寧波大學(xué);2014年

，

本文編號(hào)：1885698