智能家居中的日常行為識(shí)別的研究目標(biāo)是通過對(duì)部署在智能家居中傳感器感知的環(huán)境數(shù)據(jù)進(jìn)行分析,以此來推斷居民在執(zhí)行哪種日常行為。日常行為識(shí)別是實(shí)現(xiàn)智能家居的基礎(chǔ)。智能家居系統(tǒng)能夠根據(jù)日常行為識(shí)別結(jié)果為居民提供健康保障,有效地節(jié)約護(hù)理成本,同時(shí)也能夠?yàn)榫用竦娜粘Ｉ钐峁﹤�(gè)性化的幫助和服務(wù)。日常行為識(shí)別的效果依賴于傳感器事件分割的質(zhì)量,但是傳感器事件分割不僅需要研究特定算法,增加了開發(fā)成本,而且算法訓(xùn)練過程需要一個(gè)完整周期的傳感器事件流,因此不適合實(shí)時(shí)的和面向特定時(shí)刻的日常行為識(shí)別。為了改善日常行為識(shí)別的時(shí)效性,本文提出了一種從優(yōu)先觸發(fā)的傳感器事件流中實(shí)時(shí)進(jìn)行日常行為識(shí)別的方法。此方法從一個(gè)日常行為優(yōu)先觸發(fā)的傳感器事件流中提取起始傳感器事件的時(shí)刻邊界以及起始傳感器集合作為日常行為的特征空間,然后使用所提的實(shí)時(shí)日常行為識(shí)別算法來計(jì)算在訓(xùn)練集與測試集中優(yōu)先觸發(fā)傳感器事件流的相似性,根據(jù)相似程度確定日常行為的類別。此外,本文還提出了面向特定時(shí)刻的日常行為識(shí)別。該方法首先根據(jù)指定的時(shí)刻,從訓(xùn)練集中提取日常行為實(shí)例的邊界傳感器事件作為日常行為特征空間,然后根據(jù)訓(xùn)練集中的邊界傳感器事件確定測試集中指定時(shí)刻日... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３、２生成訓(xùn)練樣本的示例??Ｆｉｇ．?３．２?Ｅｘａｍｐｌｅｓ?ｏｆ?ｇｅｎｅｒａｔｉｎｇ?ｔｒａｉｎｉｎｇ?ｓａｍｐｌｅｓ??３．?３實(shí)時(shí)行為識(shí)別??實(shí)時(shí)日常行為識(shí)別的流程圖如圖３．３所示

?大連海事大學(xué)專業(yè)學(xué)位碩士學(xué)位論文???（開始）????古????日常行為類別的傳感器事件流分ｅ、時(shí)刻ｔ、ｍａ＾〖ｍ＝０???？！提取下一條ｄ標(biāo)注日常行為類別的傳感器事件流介／??從義ｒ＇中提取包含ｔ的日常行為實(shí)例及其相應(yīng)的傳感器事件流Ｓａｔ??★??提�。樱幔悖舻膸允紩r(shí)刻ｆｃｔ、結(jié)束時(shí)刻ｅｔ、幵始傳感器ｆｃｓ、結(jié)束傳感器ｅｓ??★?￣＇??Ｉ在Ｓｔｇ中搜索ｔ時(shí)刻的位置ｐｏｓ????士????在Ｓｔｅ中，從ｐｏｓ處向上搜索傳感器事件６：，＆滿足：（１）?ｑ的傳感器力ｈ???（２〉ｑ被觸發(fā)時(shí)刻與以的差的絕對(duì)值為最小值???￣?Ｉ??在５＊ｔｅ中，從ｐｏｓ處向下搜索傳感器事件ｅ２，ｅ２滿足：（１）?ｅ２的傳感器為ｅｓ???（２）?ｅ２被觸發(fā)時(shí)刻與扣的差的絕對(duì)值為最小值???｜提取在＾和化之間的傳感器事件流Ｓｔｅ＇????？????統(tǒng)計(jì)傳感器事件流Ｓｃｉｃｔ、義，中傳感器出現(xiàn)次數(shù)，組成向量??ｉ?￣??計(jì)算Ｓｏｕｒｔ、義ｇ＇所組成向量的向量相似度如ｎ?（對(duì)應(yīng)公式４．１－４．４）??ｍａｘｓｉｍ?＝?ｓｉｍ，保存Ｓａｃｔ的行為標(biāo)簽??????是否為最后一條己＿??標(biāo)簽的傳感器事件???將Ｓａｃｔ的行為類別作為Ｓｔｇ中對(duì)應(yīng)ｔ時(shí)刻發(fā)生的行為??（結(jié)束）??圖４．１面向特定時(shí)刻的日常行為識(shí)別流程圖??Ｆｉｇ．?４．１?Ｆｌｏｗｃｈａｒｔ?ｏｆ?ｄａｉｌｙ?ａｃｔｉｖｉｔｙ?ｒｅｃｏｇｎｉｔｉｏｎ?ｆｏｒ?ｓｐｅｃｉｆｉｃ?ｍｏｍｅｎｔｓ??－２９?－??

【參考文獻(xiàn)】：
期刊論文
[1]一種改進(jìn)的GRU-InFCN人體行為識(shí)別模型[J]. 武一,田小森,張朝旭.  計(jì)算機(jī)應(yīng)用與軟件. 2020(01)
[2]基于三軸加速度傳感器人體姿態(tài)識(shí)別的特征選擇[J]. 范書瑞,賈雅亭,劉晶花.  應(yīng)用科學(xué)學(xué)報(bào). 2019(03)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的多人行為識(shí)別方法[J]. 龔安,費(fèi)凡,鄭君.  計(jì)算機(jī)科學(xué). 2018(02)
[4]基于自適應(yīng)特征融合的自然環(huán)境視頻行為識(shí)別[J]. 郭梓鑫,衣楊,李漢巨.  計(jì)算機(jī)學(xué)報(bào). 2013(11)
[5]基于三維加速度傳感器設(shè)計(jì)的跌倒檢測[J]. 張愛華,王璐.  中國組織工程研究與臨床康復(fù). 2010(48)
[6]基于時(shí)空單詞的兩人交互行為識(shí)別方法[J]. 韓磊,李君峰,賈云得.  計(jì)算機(jī)學(xué)報(bào). 2010(04)

博士論文
[1]基于條件隨機(jī)場的智能家居行為識(shí)別研究[D]. 仝鈺.大連海事大學(xué) 2015

碩士論文
[1]基于可穿戴傳感器的人體行為識(shí)別研究[D]. 趙晨雪.南京郵電大學(xué) 2018
[2]基于可穿戴設(shè)備的人體行為識(shí)別與狀態(tài)監(jiān)測方法研究[D]. 楊偉篤.哈爾濱工業(yè)大學(xué) 2016



本文編號(hào)：3391240