智能空間下基于AHRS的人體動(dòng)作識(shí)別.pdf

1、人體動(dòng)作識(shí)別研究是進(jìn)行人體行為理解和友好人機(jī)交互的重要前提和關(guān)鍵組成部分。近年來，隨著信息化和智能化的發(fā)展，如何穩(wěn)定準(zhǔn)確地識(shí)別出人體動(dòng)作并理解人的行為意圖，讓機(jī)器人、智能化設(shè)備等更加人性化地為人服務(wù)成為了眾多學(xué)者研究的熱點(diǎn)。
　　隨著MEMS技術(shù)的迅速發(fā)展，穿戴式傳感器在人體動(dòng)作捕捉方面漸漸顯出優(yōu)勢(shì)。穿戴式傳感器不會(huì)受光照、背景等外界環(huán)境的干擾，又克服了攝像機(jī)監(jiān)測(cè)區(qū)域受限的缺點(diǎn)，因此，越來越多的研究者用它進(jìn)行動(dòng)作識(shí)別和行為理解。<

2、br>　　針對(duì)人體動(dòng)作識(shí)別問題，本文設(shè)計(jì)了一種穿戴式傳感器模塊—姿態(tài)航向參考系統(tǒng)（Attitude and Heading Reference System，AHRS），它主要由CPU、陀螺儀、加速度計(jì)和磁力計(jì)組成。利用擴(kuò)展卡爾曼濾波(Extended Kalman Filter，EKF)算法進(jìn)行多傳感器數(shù)據(jù)融合，解算出穩(wěn)定精確的姿態(tài)角度、角速度和加速度。然后基于AHRS模塊搭建了人體動(dòng)作捕捉平臺(tái)，為動(dòng)作識(shí)別提供數(shù)據(jù)基礎(chǔ)。
　　由

3、于本文所涉及的手勢(shì)動(dòng)作是人為定義的特殊動(dòng)作，模板相對(duì)固定，且動(dòng)作種類較少，適合利用動(dòng)態(tài)時(shí)間規(guī)整（Dynamic Time Warping，DTW）算法進(jìn)行動(dòng)作識(shí)別。提出了一種結(jié)合端點(diǎn)檢測(cè)(Endpoint Detection，ED)的動(dòng)態(tài)時(shí)間規(guī)整算法，對(duì)提取的手部動(dòng)作特征（三軸姿態(tài)角度和運(yùn)動(dòng)加速度）進(jìn)行模板匹配和分類。并對(duì)DTW算法分別在參考模板建模、失真度計(jì)算和最優(yōu)路徑選取等三方面提出了改進(jìn)策略，提高了系統(tǒng)的實(shí)時(shí)性和準(zhǔn)確性。
　

4、　人體基本動(dòng)作識(shí)別是進(jìn)行人體行為理解的基礎(chǔ)。本文所述的人體基本動(dòng)作是指構(gòu)成人體日常運(yùn)動(dòng)的基本單元，例如走、坐下、蹲下和彎腰等。針對(duì)每一個(gè)基本動(dòng)作建立隱馬爾科夫模型(Hidden Markov Model，HMM)，將傳感器捕捉的運(yùn)動(dòng)特征作為觀測(cè)序列，并計(jì)算產(chǎn)生該觀測(cè)序列的概率，識(shí)別出該基本動(dòng)作的類別。由于這些基本動(dòng)作存在著上下文的關(guān)聯(lián)關(guān)系，根據(jù)上下文關(guān)系建立分層隱馬爾科夫模型(Hierarchical Hidden Markov Mod

5、el，HHMM)，縮小了動(dòng)作的識(shí)別范圍，既提高了動(dòng)作識(shí)別率，又降低了計(jì)算成本。同時(shí)，本文還提出了一種前后向激活算法對(duì)馬爾科夫模型進(jìn)行參數(shù)估計(jì)，改善了模型的收斂速度。
　　本文所提出的人體復(fù)雜動(dòng)作是指人在智能空間環(huán)境下的一些日常行為，例如喝水、打電話、掃地等。針對(duì)人體復(fù)雜動(dòng)作的運(yùn)動(dòng)關(guān)節(jié)多、自由度大的特點(diǎn)，充分考慮各個(gè)模塊之間的耦合性，提出了一種耦合隱馬爾科夫模型(Coupled Hidden Markov Model，CHMM)算法

6、完成人體復(fù)雜動(dòng)作識(shí)別。并根據(jù)PDR定位原理，利用軀干部位的AHRS模塊對(duì)人進(jìn)行定位，融合智能空間中分布式視覺定位結(jié)果獲得人的精確位置，實(shí)現(xiàn)動(dòng)作識(shí)別和位置信息相互補(bǔ)償，既提高了動(dòng)作識(shí)別效率，又改善了人機(jī)交互的舒適性。
　　隨著人口老齡化的加劇，關(guān)于預(yù)測(cè)老人摔倒的問題備受關(guān)注。本文利用固定在人體腰部的AHRS模塊提供的姿態(tài)角度和三軸加速度數(shù)據(jù)作為人體摔倒檢測(cè)系統(tǒng)的輸入，提出了一種基于反向傳播(Back Propagation，BP)神