本文關(guān)鍵詞：基于可穿戴式動捕系統(tǒng)的人體行為識別方法研究

  更多相關(guān)文章： 人體行為識別 可穿戴式動捕系統(tǒng) 特征選擇 模板匹配 短時(shí)樣本

【摘要】：人體行為是人和外界環(huán)境交互的一種主要的輸出表達(dá)形式,研究人員對于人體行為識別方法的探究一直沒有停止過。人體行為數(shù)據(jù)的獲取可以依靠動作捕捉系統(tǒng)來完成,其中可穿戴式動捕系統(tǒng)記錄的是人身體各部位的加速度和角速度等物理信息,對于解釋人體運(yùn)動的本質(zhì)規(guī)律有著極其重要的意義,因此基于該系統(tǒng)的行為識別已經(jīng)成為本領(lǐng)域中的研究熱點(diǎn)。在傳統(tǒng)的行為識別算法中,由于特征提取更多是基于冗余的統(tǒng)計(jì)特征向量空間,這不僅增加了算法的計(jì)算量,還會影響算法的識別效率。此外,傳統(tǒng)的算法需要包含多個(gè)運(yùn)動周期的數(shù)據(jù),來確保常用的時(shí)頻域特征的穩(wěn)定性,但在短時(shí)樣本的情形下,傳統(tǒng)算法提取的常用頻域特征是不穩(wěn)定的,這將會直接影響分類模型的穩(wěn)定性。本文主要針對上述傳統(tǒng)算法的不足展開研究。第一,對于傳統(tǒng)算法提取高維的數(shù)據(jù)特征,導(dǎo)致計(jì)算復(fù)雜度的增加,本文提出一種新的基于行為特征規(guī)律和統(tǒng)計(jì)特征向量的行為識別算法。本文首先從分析運(yùn)動的三維本質(zhì)特性出發(fā),共選擇了11維特征來描述人體行為,這有效地壓縮了特征空間,并且這11維特征較好地反映了人體相對于豎直方向和左右方向上的基本運(yùn)動姿態(tài)和幅度。然后采用支持向量機(jī)作為分類器,并構(gòu)建了分類模型。最終實(shí)驗(yàn)結(jié)果表明本文的算法在只選擇11維的特征的前提下,仍然能夠有效地識別13種日常行為。第二,針對短時(shí)樣本情形下,傳統(tǒng)算法所提取的時(shí)頻域特征的不穩(wěn)定性,導(dǎo)致識別率不理想,本文提出一種基于模板匹配的行為識別算法。其核心思想是通過滑動窗口提取行為模板的方法,來建立足夠完備的訓(xùn)練模板庫,其思路緣于每種復(fù)雜運(yùn)動模式下均包含了若干原子運(yùn)動模式。該算法可使每一個(gè)短時(shí)樣本都能匹配到與自身極其相似的模板,并把它歸類到相近模板的類別中。實(shí)驗(yàn)證明本文提出的算法對于短時(shí)樣本依然有較高的識別率。
【關(guān)鍵詞】：人體行為識別 可穿戴式動捕系統(tǒng) 特征選擇 模板匹配 短時(shí)樣本
【學(xué)位授予單位】：安慶師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：C32
【目錄】：

• 摘要6-8
• ABSTRACT8-14
• 第一章 緒論14-23
• 1.1 背景及現(xiàn)狀14-20
• 1.1.1 研究目的和意義14-16
• 1.1.2 國內(nèi)外研究現(xiàn)狀16-20
• 1.2 本文主要工作與內(nèi)容安排20-23
• 1.2.1 主要研究工作20-22
• 1.2.2 論文內(nèi)容安排22-23
• 第二章 基于統(tǒng)計(jì)特征向量的人體行為識別23-39
• 2.1 引言23-24
• 2.2 WARD1.0 數(shù)據(jù)庫24-25
• 2.3 行為特征的選擇25-30
• 2.3.1 數(shù)據(jù)平滑25-26
• 2.3.2 特征選擇26-30
• 2.4 訓(xùn)練集與測試集的構(gòu)建30-34
• 2.4.1 選取訓(xùn)練樣本集30-31
• 2.4.2 異常樣本去除31-34
• 2.5 分類器選取及其參數(shù)優(yōu)化34-36
• 2.5.1 分類器選取34
• 2.5.2 核函數(shù)選擇及其參數(shù)優(yōu)化34-36
• 2.6 實(shí)驗(yàn)結(jié)果及分析36-37
• 2.7 本章小結(jié)37-39
• 第三章 基于模板匹配的短時(shí)行為識別39-52
• 3.1 引言39-42
• 3.2 本文數(shù)據(jù)庫42-43
• 3.3 行為模板的提取43-45
• 3.3.1 滑動窗口提取模板43-44
• 3.3.2 最優(yōu)窗口的選取44-45
• 3.4 行為歸類判別方法45-47
• 3.4.1 歸類判別準(zhǔn)則45-46
• 3.4.2 模板相似性度量優(yōu)化46-47
• 3.5 實(shí)驗(yàn)結(jié)果及分析47-51
• 3.6 本章小結(jié)51-52
• 第四章 結(jié)論與展望52-54
• 4.1 工作總結(jié)52-53
• 4.2 工作展望53-54
• 致謝54-55
• 參考文獻(xiàn)55-59
• 攻讀碩士學(xué)位期間完成的論文和參與的科研項(xiàng)目59

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 洪順剛;;淺談學(xué)校形象與學(xué)校文化[J];基礎(chǔ)教育參考;2008年08期

2 劉偉江;;基于Web挖掘的客戶行為識別和推薦方法研究[J];社會科學(xué)戰(zhàn)線;2009年12期

3 宋堅(jiān);關(guān)于設(shè)計(jì)與市場的講座[J];昆明大學(xué)學(xué)報(bào);1999年02期

4 周晨;;論“CIS”與高職院校形象的塑造[J];職業(yè)技術(shù)教育;2007年34期

5 徐雪玉;;用CIS構(gòu)建優(yōu)美學(xué)校[J];現(xiàn)代經(jīng)濟(jì)信息;2010年04期

6 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 苗強(qiáng);周興社;於志文;倪紅波;;一種非覺察式的睡眠行為識別技術(shù)研究[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

2 齊娟;陳益強(qiáng);劉軍發(fā);;基于多模信息感知與融合的行為識別[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

3 方帥;曹洋;王浩;;視頻監(jiān)控中的行為識別[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

4 黃紫藤;吳玲達(dá);;監(jiān)控視頻中簡單人物行為識別研究[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

5 安國成;羅志強(qiáng);李洪研;;改進(jìn)運(yùn)動歷史圖的異常行為識別算法[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

6 王忠民;曹棟;;坐標(biāo)轉(zhuǎn)換在移動用戶行為識別中的應(yīng)用研究[A];2013年全國通信軟件學(xué)術(shù)會議論文集[C];2013年

7 劉威;李石堅(jiān);潘綱;;uRecorder:基于位置的社會行為自動日志[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

中國重要報(bào)紙全文數(shù)據(jù)庫 前4條

1 李晨光;導(dǎo)入CIS要注意什么？[N];河北經(jīng)濟(jì)日報(bào);2001年

2 農(nóng)發(fā)行鹿邑支行黨支部書記 行長 劉永貞;發(fā)行形象與文化落地農(nóng)[N];周口日報(bào);2007年

3 東林;行為識別新技術(shù)讓監(jiān)控沒有“死角”[N];人民公安報(bào);2007年

4 田凱　徐蕊 李政育 信木祥;博物館安全的國際經(jīng)驗(yàn)[N];中國文物報(bào);2014年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 邵延華;基于計(jì)算機(jī)視覺的人體行為識別研究[D];重慶大學(xué);2015年

2 仝鈺;基于條件隨機(jī)場的智能家居行為識別研究[D];大連海事大學(xué);2015年

3 馮銀付;多模態(tài)人體行為識別技術(shù)研究[D];浙江大學(xué);2015年

4 姜新波;基于三維骨架序列的人體行為識別研究[D];山東大學(xué);2015年

5 裴利沈;視頻中人體行為識別若干問題研究[D];電子科技大學(xué);2016年

6 周同馳;行為識別中基于局部時(shí)空關(guān)系的特征模型研究[D];東南大學(xué);2016年

7 徐海燕;復(fù)雜環(huán)境下行為識別特征提取方法研究[D];東南大學(xué);2016年

8 何衛(wèi)華;人體行為識別關(guān)鍵技術(shù)研究[D];重慶大學(xué);2012年

9 吳秋霞;復(fù)雜場景下的人體行為識別[D];華南理工大學(xué);2012年

10 韓姍姍;基于視覺的運(yùn)動人體特征描述與行為識別研究[D];浙江工業(yè)大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 唐小琴;基于全局和局部運(yùn)動模式的人體行為識別研究[D];西南大學(xué);2015年

2 胡秋揚(yáng);可穿戴式個(gè)人室內(nèi)位置和行為監(jiān)測系統(tǒng)[D];浙江大學(xué);2015年

3 陳鈺昕;基于時(shí)空特性的人體行為識別研究[D];燕山大學(xué);2015年

4 任亮;智能車環(huán)境下車輛典型行為識別方法研究[D];長安大學(xué);2015年

5 金澤豪;并行化的人體行為識別方法研究與實(shí)現(xiàn)[D];華南理工大學(xué);2015年

6 王呈;穿戴式多傳感器人體日常活動監(jiān)測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

7 王露;基于稀疏時(shí)空特征的人體行為識別研究[D];蘇州大學(xué);2015年

8 于靜;基于物品信息和人體深度信息的行為識別研究[D];山東大學(xué);2015年

9 章瑜;人體運(yùn)動行為識別相關(guān)方法研究[D];南京師范大學(xué);2015年

10 趙揚(yáng);家庭智能空間下基于行走軌跡的人體行為理解[D];山東大學(xué);2015年

，

本文編號：1086672