發(fā)布時間：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。相比于單個傳感器,多個傳感器可以對復(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、存儲和計算負(fù)載加重。因此,如何從多個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)備采集人體多個位置的傳感器數(shù)據(jù),從多個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)動時的加速度。與電容速度計內(nèi)部沒有物體塊，其內(nèi)部是一個熱般四個）熱電阻被放置在熱氣團(tuán)四個方向勻分布的，因此每個熱電阻感知到的溫度處于運(yùn)動狀態(tài)時，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)時天氣預(yù)報、環(huán)境監(jiān)測、運(yùn)動類傳感器有加速度計、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