基于傳感數(shù)據(jù)的人體行為識別研究.pdf

1、人體行為識別領(lǐng)域自從20世紀(jì)80年代就開始發(fā)展，吸引了很多研究人員踏入這個領(lǐng)域。隨著人工智能、機(jī)器學(xué)習(xí)以及智能硬件和微型芯片等技術(shù)的出現(xiàn)和發(fā)展，移動設(shè)備如今被裝配上各種傳感器和強(qiáng)大的計算能力，這些資源允許移動設(shè)備采集到豐富的用戶行為原始數(shù)據(jù)，并被用作進(jìn)一步的分析。特別是在個人健康、交通、導(dǎo)航和商業(yè)廣告等領(lǐng)域，感知用戶行為的需求越來越大。
　　本文主要目的是利用人體行為動作產(chǎn)生的原始傳感數(shù)據(jù)，通過分析和處理對其表征的動作行為進(jìn)行探測

2、和識別。本文通過對人體行為進(jìn)行抽象化分析，總結(jié)動作行為規(guī)律，然后構(gòu)建相應(yīng)的動作模型。同時，利用傳感信息構(gòu)建基于傳感數(shù)據(jù)的人體動作模型，并利用探測算法對人體動作片段進(jìn)行精確的分割和提取。最后，我們從動作片段數(shù)據(jù)中獲取特征向量，利用分類器進(jìn)行訓(xùn)練和細(xì)致動作的分類識別。本文采用當(dāng)前流行的智能腕帶作為信息采樣設(shè)備，選擇手臂抬臂類動作為例對所提算法進(jìn)行驗(yàn)證實(shí)現(xiàn)，嘗試識別和區(qū)分特征較類似的吸煙、喝水和撓頭三個細(xì)致動作。在獲得更為豐富的數(shù)據(jù)源前提下，

3、本文所提方法可廣泛用于各類行為識別的建模分析應(yīng)用。
　　本文的研究核心主要有兩點(diǎn)：動作模型構(gòu)建和分割提取，以及細(xì)致動作分類識別。第一部分，本文通過對抬臂動作進(jìn)行抽象分析，提出了一種如何從原始傳感器數(shù)據(jù)中提取出動作片段的算法。同時，能夠精確的將單個動作片段從數(shù)據(jù)集合中抽取出來，并將單個動作內(nèi)的各個狀態(tài)變化點(diǎn)精確探測到。使得在獲得特征值和識別驗(yàn)證實(shí)驗(yàn)中動作獲取的自動化變?yōu)榭赡埽瑴p少其中人為參與，主動的讓機(jī)器對動作進(jìn)行認(rèn)知和識別。第二部

4、分，通過對訓(xùn)練樣本集進(jìn)行交叉驗(yàn)證，并成功構(gòu)建了分類器模型，在精度可容忍范圍內(nèi)對細(xì)致動作進(jìn)行了區(qū)分和識別，驗(yàn)證了本文提出的整體識別方案的可行性和有效性。
　　同時，本文實(shí)現(xiàn)了一個測試系統(tǒng)環(huán)境，通過5名志愿者采集實(shí)驗(yàn)數(shù)據(jù)，共獲得500個完整動作數(shù)據(jù)的樣本集，進(jìn)一步對本文中算法模型進(jìn)行測試。最終，我們通過動作相關(guān)的特征值訓(xùn)練樣本集對分類器進(jìn)行訓(xùn)練和構(gòu)建，獲得動作識別結(jié)果。在實(shí)驗(yàn)環(huán)境中，我們測試了整個系統(tǒng)，實(shí)驗(yàn)結(jié)果表明系統(tǒng)對上述三種用戶行