基于時(shí)間序列分析的人體運(yùn)動(dòng)行為模式識(shí)別研究.pdf

1、人體運(yùn)動(dòng)行為識(shí)別作為人工智能和智能家居領(lǐng)域研究的一部分，一直以來備受國內(nèi)外各界人士的廣泛關(guān)注。通信網(wǎng)絡(luò)的發(fā)展使得物聯(lián)網(wǎng)技術(shù)作為傳輸媒介實(shí)現(xiàn)智能家居、智能醫(yī)療、健康保健及恢復(fù)、助老助殘等方面的人機(jī)交互邁向了一個(gè)新的高度，但是它只是實(shí)現(xiàn)人機(jī)交互的中間一環(huán)，無法采集人體運(yùn)動(dòng)的實(shí)際信息。人體運(yùn)動(dòng)行為識(shí)別是人機(jī)交互控制的一個(gè)重要體現(xiàn)，如何采集人體運(yùn)動(dòng)有效信息經(jīng)傳輸媒介達(dá)到人機(jī)交互式控制進(jìn)而對(duì)人體日?；顒?dòng)進(jìn)行實(shí)時(shí)有效監(jiān)測和識(shí)別是一個(gè)重要的研究課題。

2、伴隨微電子技術(shù)、通信技術(shù)、SoC、半導(dǎo)體技術(shù)和集成電路等嵌入式技術(shù)的發(fā)展，使得集成有無線通訊模塊的加速度傳感器在人體運(yùn)動(dòng)實(shí)時(shí)采集和監(jiān)測識(shí)別領(lǐng)域得到了一定程度的應(yīng)用，與此同時(shí)也存在很多實(shí)際難題亟待完善和解決。
　　基于此，本文以人體運(yùn)動(dòng)識(shí)別為研究對(duì)象，圍繞人體加速度信號(hào)的采集、信號(hào)預(yù)處理、時(shí)間序列特征提取、模型訓(xùn)練識(shí)別方法等方面提出了基于時(shí)間序列分析的人體運(yùn)動(dòng)行為模式識(shí)別方法的研究與實(shí)現(xiàn)，主要研究工作包括:
　　1、為了滿足時(shí)

3、間序列分析的要求，本文設(shè)計(jì)了特定地加速度數(shù)據(jù)采集平臺(tái)，并建立了人體日常運(yùn)動(dòng)中常見動(dòng)作變化的數(shù)據(jù)樣本集，這是進(jìn)行研究的重要基礎(chǔ)和先決條件。
　　2、針對(duì)人體加速度信號(hào)中的重力加速度分量，本文采用頻率為5Hz的一階低通濾波器剔除人體運(yùn)動(dòng)加速度信號(hào)中的重力分量，為后續(xù)數(shù)據(jù)處理提供基礎(chǔ)，實(shí)際結(jié)果表明，通過這種方法能夠有效的將重力分量與相關(guān)表征人體運(yùn)動(dòng)的加速度分量分離開。
　　3、本文針對(duì)小波閾值降噪傳統(tǒng)算法的缺陷，提出了一種改進(jìn)型的

4、小波閾值降噪算法，很好地解決了傳統(tǒng)小波閾值降噪算法的振蕩、固定衰減以及平滑性等問題，進(jìn)而達(dá)到濾除所采集的加速度信號(hào)中噪聲信號(hào)的目的。
　　4、本文根據(jù)人體運(yùn)動(dòng)加速度信號(hào)隨人體運(yùn)動(dòng)動(dòng)作狀態(tài)轉(zhuǎn)移而實(shí)時(shí)變化形成一個(gè)加速度時(shí)間序列的特性提出了一種加速度時(shí)間序列分析的特征提取方法。并將提取的特征值序列作為輸入對(duì)隱馬爾科夫模型(HMM)進(jìn)行訓(xùn)練識(shí)別，結(jié)果表明這種方法能夠快速有效區(qū)分人體日常生活的各種靜態(tài)運(yùn)動(dòng)行為模式。
　　5、根據(jù)LST