【摘要】：隨著微電子技術(shù)的飛速發(fā)展,智能可穿戴設(shè)備層出不窮�；诳纱┐髟O(shè)備的人體活動(dòng)識(shí)別作為普適計(jì)算的一個(gè)重要的領(lǐng)域,引起越來越多學(xué)者的關(guān)注。人體活動(dòng)識(shí)別技術(shù)已經(jīng)在醫(yī)療、軍事活動(dòng)以及體育等領(lǐng)域得到了廣泛的應(yīng)用,但是對(duì)于與位置無關(guān)的活動(dòng)識(shí)別這一問題至今還未得到更好的解決。目前,在對(duì)基于傳感器的活動(dòng)識(shí)別問題的研究中,一般默認(rèn)傳感器放置形式不變并且放置位置固定不動(dòng)。然而,在實(shí)際應(yīng)用中這種條件顯然難以滿足。針對(duì)傳統(tǒng)基于三軸加速度傳感器的人體活動(dòng)識(shí)別方法的精度過分依賴與加速度傳感器設(shè)備的放置位置以及形式的這一問題,本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)和長(zhǎng)短期記憶(Long-Short Term Memory,LSTM)神經(jīng)網(wǎng)絡(luò)進(jìn)行活動(dòng)識(shí)別的方法,通過該方法可以有效提高加速度傳感器設(shè)備放置方式以及放置位置在非固定不變的情況下人體活動(dòng)識(shí)別的準(zhǔn)確率。首先,針對(duì)加速度數(shù)據(jù)進(jìn)行預(yù)處理。然后將預(yù)處理后的數(shù)據(jù)輸入到一種基于LSTM與全連接層架構(gòu)的三軸加速度數(shù)據(jù)自適應(yīng)結(jié)構(gòu),該自適應(yīng)結(jié)構(gòu)可以自適應(yīng)的把不同的輸入數(shù)據(jù)調(diào)整到一個(gè)相似的坐標(biāo)系中,之后再將該結(jié)構(gòu)的輸出輸入到CNN網(wǎng)絡(luò)模型。最后,將LSTM網(wǎng)絡(luò)進(jìn)行輸出的結(jié)果輸入到softmax并得到最終的分類結(jié)果。由于CNN能夠自適應(yīng)地從淺層次特征中學(xué)習(xí)提取深層次特征的特點(diǎn)以及LSTM網(wǎng)絡(luò)能夠提取時(shí)域特征上下文信息的優(yōu)勢(shì),因此通過該方法進(jìn)行深度特征提取并分類的結(jié)果更加可靠。本文使用Daily and Sports Activities Data Set公共數(shù)據(jù)集以及針對(duì)放置無關(guān)化問題自行采集的數(shù)據(jù)集來構(gòu)建模型并對(duì)模型的性能進(jìn)行評(píng)估。實(shí)驗(yàn)結(jié)果表明,本文提出的深度模型在公共數(shù)據(jù)集合和非公共數(shù)據(jù)集上的準(zhǔn)確率分別可以達(dá)到82%和87%左右。同時(shí),還將本文的方法與傳統(tǒng)活動(dòng)識(shí)別方法進(jìn)行了對(duì)比,驗(yàn)證了該方法的有效性與先進(jìn)性。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP212;TP183
【圖文】：

然后對(duì)針對(duì)流程中關(guān)鍵步驟做了詳細(xì)的分析，同時(shí)提出了一種傳統(tǒng)活動(dòng)識(shí)別方法，用于研究數(shù)據(jù)扭曲對(duì)于活動(dòng)識(shí)別準(zhǔn)確率的影響。2.1 活動(dòng)識(shí)別的一般流程首先給出時(shí)間序列的定義，以便于后續(xù)有意識(shí)的描述相關(guān)問題。定義：時(shí)間序列通常是指在均勻時(shí)間間隔的連續(xù)時(shí)刻測(cè)量的數(shù)據(jù)和時(shí)間的元組，可以表示為式 2-1。 = ( ) ( ) ( ) ( ) （2-1）式中 —— 時(shí)刻的數(shù)據(jù)；n——時(shí)間序列的長(zhǎng)度。目前人體活動(dòng)識(shí)別更多的被認(rèn)為是一個(gè)機(jī)器學(xué)習(xí)任務(wù)，但是更加準(zhǔn)確具體的說它應(yīng)該是一個(gè)時(shí)間序列分類問題，因?yàn)槿梭w的運(yùn)動(dòng)數(shù)據(jù)是按照一定的時(shí)間順序產(chǎn)生的，而傳感器的所有信號(hào)都是時(shí)間序列。這個(gè)問題主要分為以下四個(gè)步驟加以實(shí)行：傳感器數(shù)據(jù)采集，數(shù)據(jù)預(yù)處理，特征提取以及分類器分類。如圖 2-1 所示。

圖 2-4 傳感器節(jié)點(diǎn)分布主要研究領(lǐng)域?yàn)楹?jiǎn)單人體活動(dòng)識(shí)別，因、下樓、走、跑、快走、躺。研究選擇的簡(jiǎn)單運(yùn)動(dòng)形式，其中走，跑，快走等動(dòng)中考慮到前人對(duì)于基于深度學(xué)習(xí)的放置候使用的都是智能手機(jī)，而智能手機(jī)在式離散化，代表性不是很強(qiáng)。傳感器的實(shí)際器的運(yùn)動(dòng)自由度，本文設(shè)計(jì)的數(shù)據(jù)采集mm）的塑料盒子里，采集過程中使其自，選取了 4 男、4 女作為志愿者（年齡在約為 3 分鐘即 18000 幀�；顒�(dòng)識(shí)別的實(shí)現(xiàn)預(yù)處理主要包括活動(dòng)窗口選擇，數(shù)據(jù)的

w 點(diǎn)的調(diào)整并得到分類結(jié)果[51]。傳統(tǒng)神經(jīng)元輸出的計(jì)算公式如式（3-1）所示。 = ( ( ) ) （3-1）式中 x——輸入；y——輸出； ——神經(jīng)元的連接權(quán)重；b——偏移量；f——激活函數(shù)。激活函數(shù)在神經(jīng)網(wǎng)絡(luò)提取特征過程中起著至關(guān)重要的作用，其主要意義在于判定每一個(gè)神經(jīng)元的輸出有沒有達(dá)到特定的閾值，去保證和特征無關(guān)的區(qū)域不會(huì)影響到該特征提取方式的訓(xùn)練[52]，使得特征表征性更好。如果沒有激活函數(shù)，即使特征非常弱，也會(huì)得到輸出，那樣網(wǎng)絡(luò)就失去了對(duì)特征的過濾性[53]。激活函數(shù)主要包括以下幾種：Sigmoid，tanh，以及 ReLU 等。具體如圖 3-1 所示。前兩者比較相似，因?yàn)?tanh 是 Sigmoid 變形，主要不同在于壓縮范圍以及均值，但是二者都存在梯度飽和的問題。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 杭妲;自適應(yīng)結(jié)構(gòu)及其應(yīng)用背景[J];軍民兩用技術(shù)與產(chǎn)品;2002年07期

2 朱德懋,張方,陳國平;自適應(yīng)結(jié)構(gòu)減振技術(shù)[J];應(yīng)用力學(xué)學(xué)報(bào);2001年S1期

3 張連文,夏人偉,曾廣武;自適應(yīng)結(jié)構(gòu)頻率和阻尼比的計(jì)算[J];應(yīng)用數(shù)學(xué)和力學(xué);1999年06期

4 閻紹澤,吳德隆;空間飛行器自適應(yīng)結(jié)構(gòu)技術(shù)[J];導(dǎo)彈與航天運(yùn)載技術(shù);1997年06期

5 B.K.Wada,J.L.Fanson,E.F.Crawley,楊一棟,肖征;自適應(yīng)結(jié)構(gòu)[J];振動(dòng)、測(cè)試與診斷;1991年01期

6 張虹，斯永敏，劉慶國;阻尼減振自適應(yīng)結(jié)構(gòu)研究概況[J];材料工程;1995年05期

7 陳強(qiáng)華;羅會(huì)甫;王素梅;王鋒;陳新華;;基于相位測(cè)量的角漂移自適應(yīng)結(jié)構(gòu)表面等離子體共振氣體折射率測(cè)量系統(tǒng)[J];光學(xué)學(xué)報(bào);2012年12期

8 閻紹澤,吳德隆,黃鐵球;天基防御系統(tǒng)中的自適應(yīng)結(jié)構(gòu)技術(shù)[J];現(xiàn)代防御技術(shù);1998年06期

9 ;科技書訊[J];傳感器世界;1996年12期

10 羅曉平,黃海;自適應(yīng)結(jié)構(gòu)控制及其空間應(yīng)用[J];航天控制;2005年02期

相關(guān)會(huì)議論文 前7條

1 莫?jiǎng)t堯;;并行自適應(yīng)結(jié)構(gòu)網(wǎng)格應(yīng)用支撐軟件框架研制進(jìn)展[A];中國工程物理研究院科技年報(bào)(2009年版)[C];2010年

2 龍連春;陽志光;隋允康;;壓電自適應(yīng)桁架結(jié)構(gòu)的位移調(diào)控[A];中國力學(xué)學(xué)會(huì)學(xué)術(shù)大會(huì)'2005論文摘要集（下）[C];2005年

3 徐小文;;AMR自適應(yīng)結(jié)構(gòu)網(wǎng)格上輻射流體力學(xué)顯隱耦合時(shí)間積分算法[A];中國工程物理研究院科技年報(bào)（2010年版）[C];2011年

4 白濤;韓燕嬌;劉璐;劉文廣;;三維水凝膠細(xì)胞支架的構(gòu)建——從手動(dòng)操作到自變形和形狀記憶[A];中國化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第08分會(huì)：高分子科學(xué)[C];2014年

5 鄭俊;陳瑋琪;王寶壽;韓新月;李q;鋒;;水黽足部剛毛表面上微螺旋結(jié)構(gòu)的力學(xué)誘導(dǎo)機(jī)制[A];第九屆全國流體力學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2016年

6 裘進(jìn)浩;;南京航空航天大學(xué)智能材料與結(jié)構(gòu)研究所的工作介紹[A];智能可變形飛行器發(fā)展前景及我們的選擇——新觀點(diǎn)新學(xué)說學(xué)術(shù)沙龍文集（32）[C];2009年

7 呂軍;劉輝;張洪武;高效偉;;仿生智能材料液固雙相耦合幾何非線性擴(kuò)展多尺度有限元計(jì)算方法[A];中國計(jì)算力學(xué)大會(huì)2014暨第三屆錢令希計(jì)算力學(xué)獎(jiǎng)?lì)C獎(jiǎng)大會(huì)論文集[C];2014年

相關(guān)重要報(bào)紙文章 前2條

1 常麗君;新材料可感知損傷并自主修復(fù)[N];科技日?qǐng)?bào);2010年

2 劍龍 譯;美發(fā)明新材料能自我修復(fù)[N];國防時(shí)報(bào);2010年

相關(guān)博士學(xué)位論文 前3條

1 李大偉;基于自適應(yīng)結(jié)構(gòu)的飛行器氣動(dòng)和噪聲特性研究[D];南京航空航天大學(xué);2015年

2 羅金良;可變約束和機(jī)械自適應(yīng)結(jié)構(gòu)的綜合設(shè)計(jì)與應(yīng)用研究[D];重慶大學(xué);2008年

3 張文斌;汽輪發(fā)電機(jī)組狀態(tài)趨勢(shì)預(yù)測(cè)及故障診斷方法研究[D];浙江大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 陳星利;基于放置無關(guān)化的活動(dòng)識(shí)別方法研究[D];哈爾濱工業(yè)大學(xué);2019年

2 徐成凱;面向物聯(lián)網(wǎng)軟件的自適應(yīng)結(jié)構(gòu)模型[D];蘇州大學(xué);2015年

3 顧強(qiáng)強(qiáng);基于扁曲梁屈曲特性的形狀自適應(yīng)結(jié)構(gòu)單元分析與實(shí)現(xiàn)[D];浙江大學(xué);2008年

4 曾亮;自適應(yīng)結(jié)構(gòu)光實(shí)時(shí)進(jìn)行三維重建的技術(shù)研究[D];上海交通大學(xué);2009年

5 毛君峰;基于自適應(yīng)結(jié)構(gòu)網(wǎng)格的ALE方法研究[D];南京航空航天大學(xué);2007年

6 李飛;飛機(jī)自適應(yīng)機(jī)翼的驅(qū)動(dòng)機(jī)構(gòu)研究[D];南京航空航天大學(xué);2009年

7 方皓;二維圖像的多尺度形變與注冊(cè)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2010年

8 張亞歐;基于形狀記憶合金驅(qū)動(dòng)的自適應(yīng)曲殼結(jié)構(gòu)研究[D];南京航空航天大學(xué);2003年

9 王新年;SMA智能復(fù)合材料連接釘載分配自適應(yīng)研究[D];西北工業(yè)大學(xué);2001年

10 徐紅欽;壓電驅(qū)動(dòng)的自適應(yīng)結(jié)構(gòu)研究[D];南京航空航天大學(xué);2003年

本文編號(hào)：2786745