發(fā)布時(shí)間：2024-06-23 12:40

　　隨著人工智能、傳感器技術(shù)以及可穿戴技術(shù)的發(fā)展,基于傳感器的人體動作識別一直都是近年來研究的熱門主題。相比于單個(gè)傳感器,多個(gè)傳感器可以對復(fù)雜的人體動作實(shí)現(xiàn)更高的識別準(zhǔn)確度。為了追求更好的性能,往往會出現(xiàn)多余的傳感器,這直接帶來了額外的傳感器費(fèi)用,使得數(shù)據(jù)傳輸、存儲和計(jì)算負(fù)載加重。因此,如何從多個(gè)傳感器中選擇合理的傳感器數(shù)量和位置組合是該領(lǐng)域亟待解決的一個(gè)問題。針對特定的復(fù)雜人體動作,基于穿戴設(shè)備采集人體多個(gè)位置的傳感器數(shù)據(jù),從多個(gè)傳感器位置中選擇合適的傳感器數(shù)量和位置組合,在確保識別精度的同時(shí)盡可能地減少傳感器,然后通過選擇的傳感器組合使用常見的分類模型對復(fù)雜的人體動作進(jìn)行識別分類。在選擇傳感器數(shù)量和位置組合時(shí)不僅考慮了不同位置傳感器與人體動作類別之間的相關(guān)性,同時(shí)也考慮了不同位置傳感器之間的冗余性。另外,通過模擬復(fù)雜的工廠生產(chǎn)流水線場景,使用可穿戴設(shè)備捕捉了8種不同的人體動作,得到了17個(gè)人體不同位置的加速度數(shù)據(jù)。然后使用提出的算法從17個(gè)不同位置傳感器中選出合適的傳感器數(shù)量和位置組合,并對這8種復(fù)雜人體動作進(jìn)行分類。一共采集了1112組復(fù)雜人體動作樣本,通過實(shí)驗(yàn)評估發(fā)現(xiàn),提出的方法比...

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.2陀螺儀外形結(jié)構(gòu)

質(zhì)會沿著外力方向發(fā)生極化現(xiàn)象，壓電材差也就可以求出運(yùn)動時(shí)的加速度。與電容速度計(jì)內(nèi)部沒有物體塊，其內(nèi)部是一個(gè)熱般四個(gè)）熱電阻被放置在熱氣團(tuán)四個(gè)方向勻分布的，因此每個(gè)熱電阻感知到的溫度處于運(yùn)動狀態(tài)時(shí)，平衡狀態(tài)被打破，熱氣出電壓出現(xiàn)差異，然后根據(jù)電壓差異計(jì)算者，內(nèi)部沒有物體塊，因此其制....

圖2.2可穿戴動作捕捉設(shè)備PN由于本文主要研究內(nèi)容是基于多位置傳感器的人體動作識別，因此下面著重介紹一個(gè)基于運(yùn)動傳感器的穿戴設(shè)備PerceptionNeuron[34]

華中科技大學(xué)碩士學(xué)位論文的設(shè)備可以被固定安裝在建筑物上，用于實(shí)時(shí)天氣預(yù)報(bào)、環(huán)境監(jiān)測、運(yùn)動類傳感器有加速度計(jì)、陀螺儀以及地磁傳感器等，基于運(yùn)動傳感備主要用于監(jiān)測人體的運(yùn)動，通過分析獲取的運(yùn)動信息，向用戶展示跡，并對用戶的健康狀況給出參考建議。

圖2.3Neuron傳感器和HUB

圖2.3Neuron傳感器和HUB算法介紹根據(jù)對已知事物各種形式的表示數(shù)據(jù)進(jìn)行分析，以根據(jù)得到的規(guī)律對未知事物進(jìn)行預(yù)測分類的過程。段，利用經(jīng)驗(yàn)改善系統(tǒng)性能，此處經(jīng)驗(yàn)通常指樣本價(jià)值的信息，并改善具體算法的性能，是機(jī)器學(xué)習(xí)希望借助模式識別和機(jī)器學(xué)習(xí)對人體動作進(jìn)行自本文主要使用....

圖2.4SVM最大間隔超平面

圖2.4SVM最大間隔超平面如圖2.5所示兩個(gè)平行的超平面可以用=和=表示，其在前者上或其上方的樣本點(diǎn)都屬于類別1，任何在后者上或下方的樣本點(diǎn)都別-1。以此兩個(gè)超平面之間的間隔可以表示為:=使訓(xùn)練樣本中的所有點(diǎn)....

本文編號：3995479