人體行為識別在計算機視覺領域的重要課題,其在健康醫(yī)療、智能家居、安全監(jiān)控、游戲控制等領域有著廣泛地應用前景。近年來,智能手機發(fā)展迅速,其不僅搭載了多種慣性傳感器,而且具備計算能力,便攜性好,這使得基于智能手機的人體行為識別研究越來越受到研究者的關注。同時,深度學習理論的發(fā)展也為行為識別研究提供了新的思路。另外,基于智能手機的人體行為識別應用在追求高的準確率的同時,往往也會關注應用的實時性和能耗,因此本文主要針對這兩個方面進行了分析和研究。具體內(nèi)容如下:傳統(tǒng)的RNN（Recurrent Neural Network,循環(huán)神經(jīng)網(wǎng)絡）及LSTM（Long Short Time Memory,長短期記憶）網(wǎng)絡能夠提取樣本中的時間依賴特征,這非常適用于基于智能手機傳感器的人體行為識別的應用場景,但是它們的時間復雜度卻比較高。針對該問題,本文提出了一種基于多層并行LSTM網(wǎng)絡的行為識別算法。該算法通過樣本分割、并行處理和特征融合的方式對樣本進行特征提取,不僅可以提取出時間依賴特征,還能降低時間復雜度。實驗表明,該算法相較于傳統(tǒng)的機器學習算法有更高的準確率,并且時間復雜度低,實時性高,適用于智能手機... 

【文章來源】：南京郵電大學江蘇省

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 行為識別研究現(xiàn)狀
        1.2.2 深度學習研究現(xiàn)狀
        1.2.3 基于深度學習的行為識別研究現(xiàn)狀
    1.3 面臨技術問題及挑戰(zhàn)
    1.4 本文的研究內(nèi)容
    1.5 論文的組織結(jié)構(gòu)
第二章 相關背景知識介紹
    2.1 基于手機傳感器的人體行為識別
        2.1.1 人體行為識別概述
        2.1.2 手機傳感器
    2.2 深度學習
        2.2.1 監(jiān)督學習
        2.2.2 深度神經(jīng)網(wǎng)絡
    2.3 強化學習
        2.3.1 強化學習基本概念
        2.3.2 馬爾科夫決策過程
        2.3.3 值函數(shù)
        2.3.4 行為選擇機制
        2.3.5 Q學習算法
    2.4 本章小結(jié)
第三章 基于多層并行LSTM網(wǎng)絡的行為識別算法
    3.1 循環(huán)神經(jīng)網(wǎng)絡簡介
        3.1.1 循環(huán)神經(jīng)網(wǎng)絡
        3.1.2 LSTM網(wǎng)絡
        3.1.3 LSTM的時間復雜度
    3.2 基于多層并行LSTM網(wǎng)絡的行為識別算法
        3.2.1 網(wǎng)絡結(jié)構(gòu)
        3.2.2 訓練參數(shù)
    3.3 實驗結(jié)果與分析
        3.3.1 UCI數(shù)據(jù)集
        3.3.2 實驗設置
        3.3.3 實驗結(jié)果
    3.4 本章小結(jié)
第四章 基于強化學習的自適應采樣率算法
    4.1 采樣率對能耗及準確率的影響
    4.2 基于強化學習的自適應采樣率算法
        4.2.1 問題描述
        4.2.2 算法模型
    4.3 構(gòu)建采樣率選擇器模型
    4.4 深度Q學習算法
    4.5 實驗結(jié)果與分析
        4.5.1 數(shù)據(jù)集
        4.5.2 實驗結(jié)果
    4.6 本章小結(jié)
第五章 總結(jié)與展望
參考文獻
附錄1 攻讀碩士學位期間撰寫的論文
附錄2 攻讀碩士學位期間參加的科研項目
致謝


【參考文獻】：
期刊論文
[1]Activity Recognition with Smartphone Sensors[J]. Xing Su,Hanghang Tong,Ping Ji.  Tsinghua Science and Technology. 2014(03)

碩士論文
[1]基于智能手機傳感器的人體行為識別技術研究[D]. 丁忠成.湖南大學 2018
[2]基于慣性傳感器的體感動作識別和分析[D]. 陳宇清.華南理工大學 2018
[3]基于深度學習的人體行為識別方法研究[D]. 陳玲.電子科技大學 2018
[4]基于智能手機的人體跌倒監(jiān)控系統(tǒng)的研究[D]. 朱彤昆.電子科技大學 2018
[5]基于手機傳感器的行為和手勢識別的研究與實現(xiàn)[D]. 盧帥.電子科技大學 2018



本文編號：3193747