【摘要】：使用智能手機(jī)中集成的加速度傳感器識別用戶日常動作在慣性定位、個(gè)性化推薦、運(yùn)動量評估等領(lǐng)域有重要的應(yīng)用。手機(jī)位置不固定導(dǎo)致的動作識別率低下是該領(lǐng)域面臨的主要問題。為了提高手機(jī)位置不固定時(shí)的動作識別率,該文提出一種基于層次分類的動作識別方法。該方法將動作識別分為多層,每一層包含一個(gè)分類器。在訓(xùn)練某一層分類器時(shí),首先根據(jù)本層訓(xùn)練樣本集進(jìn)行特征選擇并訓(xùn)練分類器。然后使用訓(xùn)練得到的分類器對訓(xùn)練樣本分類,并計(jì)算分類結(jié)果的可信度。最后通過對低可信度的樣本進(jìn)行剪枝得到下層分類器的訓(xùn)練樣本。對未知類別的樣本分類時(shí),首先使用第1層分類器分類。如果分類結(jié)果可信度較高,則分類結(jié)束;否則使用下層分類器分類,直至所有分類器遍歷完。實(shí)驗(yàn)部分通過對采集的動作數(shù)據(jù)進(jìn)行仿真,驗(yàn)證了該文方法的有效性。結(jié)果表明,與單層分類器相比,該方法可以將動作識別率由85.2%提高至89.2%。
[Abstract]:Using the accelerometer integrated in the smart phone to identify the user's daily action has important applications in the fields of inertial positioning, personalized recommendation, motion quantity evaluation and so on. The low recognition rate caused by mobile phone location is the main problem in this field. In order to improve the recognition rate of mobile phone when its position is not fixed, this paper presents an action recognition method based on hierarchical classification. In this method, action recognition is divided into multiple layers, each layer contains a classifier. In training a layer classifier, the feature selection and classifier are firstly carried out according to the training sample set of this layer. Then the training samples are classified using the training classifier and the reliability of the classification results is calculated. Finally, the training samples of the lower classifier are obtained by pruning the samples with low credibility. When classifying samples of unknown categories, the first layer classifier is used. If the classification result is reliable, the classification ends; otherwise, the lower classifier is used until all the classifiers have been traversed. In the experiment part, the validity of the method is verified by the simulation of the collected action data. The results show that the method can improve the recognition rate from 85.2% to 89.2% compared with the single-layer classifier.
【作者單位】： 南開大學(xué)計(jì)算機(jī)與控制工程學(xué)院;
【基金】：天津市重大科技專項(xiàng)(13ZCZDGX01098) 天津市自然科學(xué)基金(16JCQNJC00700)~~
【分類號】：TP212.9

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡雅琴;;動作識別技術(shù)及其發(fā)展[J];電視技術(shù);2013年S2期

2 倪世宏,史忠科,謝川,王彥鴻;軍用戰(zhàn)機(jī)機(jī)動飛行動作識別知識庫的建立[J];計(jì)算機(jī)仿真;2005年04期

3 程祥;;人體動作識別的研究[J];電腦知識與技術(shù);2006年20期

4 黃飛躍;徐光yP;;視角無關(guān)的動作識別[J];軟件學(xué)報(bào);2008年07期

5 徐光yP;曹媛媛;;動作識別與行為理解綜述[J];中國圖象圖形學(xué)報(bào);2009年02期

6 黃麗鴻;高智勇;劉海華;;基于脈沖神經(jīng)網(wǎng)絡(luò)的人體動作識別[J];現(xiàn)代科學(xué)儀器;2012年02期

7 周艷青;王磊;;基于視覺的人體動作識別綜述[J];山東輕工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年01期

8 曹琨;;基于檢索表的實(shí)時(shí)動作識別技術(shù)研究[J];中外企業(yè)家;2014年05期

9 劉博;安建成;;基于關(guān)鍵姿勢的人體動作識別[J];電視技術(shù);2014年05期

10 王燕;張紹武;凌志剛;潘泉;;基于圖嵌入線性拓展方法的人體動作識別研究[J];計(jì)算機(jī)仿真;2008年10期

相關(guān)會議論文 前7條

1 袁飛;程韜波;周松斌;肖先文;;基于加速度特征的可拓動作識別方法[A];廣州市儀器儀表學(xué)會2009年學(xué)術(shù)年會論文集[C];2010年

2 黃飛躍;徐光yP;;自然的人體動作識別[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2007）論文集[C];2007年

3 葉喜勇;陶霖密;王國建;邸慧軍;;視角無關(guān)的人體軀干動作識別[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

4 黃艷歡;葉少珍;;連續(xù)動作分割綜述[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

5 董力賡;陶霖密;徐光yP;;頭部姿態(tài)和動作的識別與理解[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2007）論文集[C];2007年

6 朱巖;趙旭;劉允才;;基于稀疏編碼和局部時(shí)空特征的人體動作識別[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

7 席旭剛;金燕;朱海港;高云園;;基于小波包熵和支持向量機(jī)的手部肌電信號動作識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

相關(guān)重要報(bào)紙文章 前2條

1 本報(bào)記者 陳丹;人與機(jī)器的“對話”[N];科技日報(bào);2010年

2 ;凌空敲鍵盤？無線計(jì)算機(jī)手套問世[N];中國計(jì)算機(jī)報(bào);2004年

相關(guān)博士學(xué)位論文 前10條

1 諶先敢;現(xiàn)實(shí)環(huán)境下的人體動作識別[D];武漢大學(xué);2012年

2 陳淵博;視頻序列中的人體動作識別[D];北京郵電大學(xué);2015年

3 劉翠微;視頻中人的動作分析與理解[D];北京理工大學(xué);2015年

4 陳萌;基于李代數(shù)高斯表示的動作識別方法研究[D];華中科技大學(xué);2016年

5 李擬s，

本文編號：2384071