隨機(jī)森林算法在身體姿勢(shì)識(shí)別中的應(yīng)用研究.pdf

1、隨著人們生活質(zhì)量的不斷提高和智能識(shí)別技術(shù)的飛速發(fā)展，身體姿勢(shì)識(shí)別在計(jì)算機(jī)視覺(jué)領(lǐng)域已經(jīng)成為了一個(gè)炙手可熱的話題，具有非常廣泛的應(yīng)用前景。如今我們已經(jīng)將其應(yīng)用到行為分析、人機(jī)交互、智能家居等生活中的各個(gè)方面。和自然語(yǔ)言一樣，身體姿勢(shì)作為一種肢體語(yǔ)言，也可以傳達(dá)信息和發(fā)送指令。近年來(lái)，涌現(xiàn)出了大量用于身體姿勢(shì)識(shí)別的算法，它們是基于模板匹配、狀態(tài)空間或語(yǔ)義描述的姿勢(shì)識(shí)別方法。這些算法在一定程度上存在缺陷，比如檢測(cè)精度不高、穩(wěn)定性不好、系統(tǒng)效率低

2、、系統(tǒng)對(duì)硬件要求較高等。綜合上述問(wèn)題，我們希望能夠結(jié)合傳感器技術(shù)和計(jì)算機(jī)通信技術(shù)，設(shè)計(jì)出一款能精確識(shí)別身體姿勢(shì)的系統(tǒng)。這款系統(tǒng)首先通過(guò)固定在身體上各個(gè)部位的傳感器來(lái)實(shí)時(shí)得到身體姿勢(shì)變化的路徑增益數(shù)據(jù)；然后通過(guò)在身體和傳感器之間建立無(wú)線體域網(wǎng)，將數(shù)據(jù)傳到計(jì)算機(jī)控制端；最后引入隨機(jī)森林算法處理數(shù)據(jù)，完成身體姿勢(shì)的識(shí)別。
　　隨機(jī)森林算法以多棵決策樹(shù)組合模型為基礎(chǔ)，在分類(lèi)識(shí)別中得到廣泛應(yīng)用，并為身體姿勢(shì)識(shí)別提供了新的思路。通過(guò)訓(xùn)練數(shù)據(jù)集

3、構(gòu)建模型對(duì)身體姿勢(shì)進(jìn)行識(shí)別，預(yù)測(cè)結(jié)果表明該算法進(jìn)一步提高了姿勢(shì)識(shí)別的準(zhǔn)確率。袋外數(shù)據(jù)誤差與決策樹(shù)數(shù)目之間的關(guān)系曲線表明，隨著決策樹(shù)數(shù)目的增加，袋外數(shù)據(jù)誤差逐漸降低然后趨于穩(wěn)定狀態(tài)；將身體各個(gè)部位作為特征變量進(jìn)行重要性排序，在微波暗室和普通實(shí)驗(yàn)室兩種不同環(huán)境下的結(jié)果表明，腦部在變量重要性方面的影響最大，符合人體的生理特征和結(jié)構(gòu)機(jī)能，為后期進(jìn)行變量特征選擇提供了取舍依據(jù)；由袋外數(shù)據(jù)誤差和特征變量個(gè)數(shù)的關(guān)系進(jìn)一步確定選取的特征變量個(gè)數(shù)。這些參