基于加速度傳感器的人體姿態(tài)識別.pdf

1、近些年來，隨著微型機(jī)電系統(tǒng)(MEMS)技術(shù)的飛速發(fā)展和模式識別理論研究的不斷深入，基于加速度傳感器的人體姿態(tài)識別已經(jīng)成為了人體姿態(tài)識別領(lǐng)域中一個(gè)重要的研究方向，在運(yùn)動(dòng)分析、醫(yī)療監(jiān)護(hù)、體感游戲和能耗評估等領(lǐng)域受到了廣泛的關(guān)注。相比于基于圖像分析的人體姿態(tài)識別，該方法不受環(huán)境約束，成本低，能耗少，擁有更為廣闊的應(yīng)用前景。
　　當(dāng)前，基于加速度傳感器的人體姿態(tài)識別研究仍處在一個(gè)比較基礎(chǔ)的階段，由于客觀環(huán)境的多樣性和人體運(yùn)動(dòng)的復(fù)雜性使得基

2、于加速度傳感器的人體姿態(tài)識別研究還存在很多急需解決的問題，其中包括如何提取具有更強(qiáng)表征能力的數(shù)據(jù)特征，如何設(shè)計(jì)高效、精確的分類器等。圍繞這些問題和難點(diǎn)，本文針對基于加速度傳感器的人體姿態(tài)識別技術(shù)展開了一系列的研究，主要的工作如下:
　　(1)、總結(jié)了現(xiàn)有的人體姿態(tài)識別方法，比較了基于圖像分析和基于加速度傳感器的兩種方法，系統(tǒng)地對數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、特征提取和選取、分類算法等模塊進(jìn)行了分析。
　　(2)、提出了一種基于改進(jìn)粒

3、子群(PSO)優(yōu)化神經(jīng)網(wǎng)絡(luò)的人體姿態(tài)識別算法。首先在常用特征集的基礎(chǔ)上，加入離散系數(shù)和曲線積分這兩種能夠反映加速度變化趨勢和速度變化量的特征作為神經(jīng)網(wǎng)絡(luò)的輸入;然后在利用PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)參數(shù)的同時(shí)，通過控制概率，自適應(yīng)地對粒子進(jìn)行遺傳操作，增強(qiáng)了粒子跳出局部極小值的能力，并利用訓(xùn)練得到的分類模型對6種人體姿態(tài)進(jìn)行識別，實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)改進(jìn)PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)的收斂速度和全局尋優(yōu)能力得到了提高，與其他經(jīng)典分類算法相比識別精度更高。
　　

4、(3)、提出了一種基于窗口相似度的人體姿態(tài)識別算法。首先采用曲線擬合對離散加速度數(shù)據(jù)進(jìn)行處理，并利用粒子群算法優(yōu)化關(guān)鍵參數(shù)后得到其擬合曲線;然后計(jì)算不同擬合曲線之間的窗口相似度，并以窗口相似度作為距離度量，采用K近鄰分類算法來識別人體姿態(tài)。通過實(shí)驗(yàn)對比說明該算法的計(jì)算量較小，且能準(zhǔn)確地識別6種人體姿態(tài)。
　　總而言之，基于加速度傳感器的人體姿態(tài)識別仍處在發(fā)展階段，該課題的研究具有很大的理論價(jià)值和實(shí)際需要，值得人們?nèi)ミM(jìn)行更深入、細(xì)致