隨著生活節(jié)奏的日益加快和工作壓力的增大,健康的生活方式越來越得到人們的重視和倡導(dǎo),對人體日常運(yùn)動(dòng)狀況的監(jiān)測對于健康生活方式有著非常重要的現(xiàn)實(shí)意義�，F(xiàn)今科技的迅速發(fā)展和制造工藝的不斷提高,基于智能可穿戴設(shè)備的人體運(yùn)動(dòng)識(shí)別技術(shù)受到了越來越多的研究者的關(guān)注。如今智能手機(jī)不僅具有強(qiáng)大的計(jì)算能力同時(shí)也集成了多種傳感器,基于此本文提出了基于智能手機(jī)的人體運(yùn)動(dòng)識(shí)別技術(shù)的研究與應(yīng)用。本文主要利用智能手機(jī)內(nèi)置的加速度傳感器,并基于對國內(nèi)外人體運(yùn)動(dòng)識(shí)別相關(guān)經(jīng)典方法的分析,對人體運(yùn)動(dòng)識(shí)別方法和跌倒檢測算法進(jìn)行了研究和改進(jìn),并實(shí)現(xiàn)了基于智能手機(jī)傳感器的人體運(yùn)動(dòng)識(shí)別系統(tǒng)。本文首先,對人體運(yùn)動(dòng)加速度信號(hào)進(jìn)行采集,并對原始數(shù)據(jù)進(jìn)行濾波、加窗等預(yù)處理;然后從時(shí)域和頻域角度對加速度信號(hào)進(jìn)行分析并提取特征值,并采用線性判決分析法對特征集合進(jìn)行降維處理;最后通過K近鄰、C4.5決策樹、SVM和隨機(jī)森林分類器對行走、跑步、靜止、騎自行車及上下樓梯六種日常運(yùn)動(dòng)行為進(jìn)行分類識(shí)別。實(shí)驗(yàn)結(jié)果表明SVM的平均識(shí)別準(zhǔn)確率最高,達(dá)到94.06%。其次,通過對人體跌倒過程中加速度信號(hào)和人體姿態(tài)角度變化的分析,本文提出了基于SVM的分層跌倒識(shí)別算法。該算法首先提取跌倒過程中運(yùn)動(dòng)加速度的特征值,包括合加速度最大值、均值穿越次數(shù)、信號(hào)強(qiáng)度區(qū)以及信號(hào)能量,通過SVM分類器識(shí)別出疑似跌倒行為;然后對檢測出的疑似跌倒行為進(jìn)一步判斷人體傾斜角是否達(dá)到設(shè)定閾值,進(jìn)而能夠準(zhǔn)確識(shí)別出人體的跌倒行為。通過實(shí)驗(yàn)表明:本文提出的跌倒檢測算法具有較高的敏感性和特異性,能夠有效地識(shí)別出人體的跌倒行為。最后,在本文研究的運(yùn)動(dòng)識(shí)別方法和跌倒識(shí)別算法基礎(chǔ)上,開發(fā)實(shí)現(xiàn)了基于Android智能手機(jī)平臺(tái)的人體運(yùn)動(dòng)識(shí)別系統(tǒng)。該系統(tǒng)(1)可以對用戶進(jìn)行日常運(yùn)動(dòng)行為的實(shí)時(shí)分類識(shí)別,并通過百度地圖進(jìn)行用戶定位和顯示運(yùn)動(dòng)路線;(2)可以對用戶的跌倒行為進(jìn)行檢測,一旦識(shí)別到用戶發(fā)生跌倒會(huì)立即發(fā)出蜂鳴聲進(jìn)行報(bào)警,以及向緊急聯(lián)系人發(fā)送求助信息,使用戶可以得到及時(shí)的救助。本文實(shí)現(xiàn)的人體運(yùn)動(dòng)識(shí)別系統(tǒng)具有一定的實(shí)用價(jià)值。
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP212.9

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 朱響斌;邱慧玲;;基于智能手機(jī)傳感器數(shù)據(jù)的人類行為識(shí)別研究[J];計(jì)算機(jī)工程與應(yīng)用;2016年23期

2 孫曉雯;孫子文;秦f ;;基于閾值與PSO-SVM的人體跌倒檢測研究[J];計(jì)算機(jī)工程;2016年05期

3 黃仁;田豐;田維興;;基于加速度傳感器的運(yùn)動(dòng)模式識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2015年06期

4 Xing Su;Hanghang Tong;Ping Ji;;Activity Recognition with Smartphone Sensors[J];Tsinghua Science and Technology;2014年03期

5 肖玲;李仁發(fā);曾凡仔;屈衛(wèi)蘭;;基于自學(xué)習(xí)稀疏表示的動(dòng)態(tài)手勢識(shí)別方法[J];通信學(xué)報(bào);2013年06期

相關(guān)博士學(xué)位論文 前2條

1 何衛(wèi)華;人體行為識(shí)別關(guān)鍵技術(shù)研究[D];重慶大學(xué);2012年

2 薛洋;基于單個(gè)加速度傳感器的人體運(yùn)動(dòng)模式識(shí)別[D];華南理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前1條

1 桑應(yīng)賓;基于K近鄰的分類算法研究[D];重慶大學(xué);2009年

本文編號(hào)：2246577