基于智能手機的用戶行為識別技術(shù)研究與應(yīng)用.pdf

1、用戶行為識別技術(shù)已經(jīng)在身份鑒別、生產(chǎn)控制和人機交互等領(lǐng)域得到了廣泛應(yīng)用，傳統(tǒng)的行為識別研究大都采用專門定制的可穿戴式傳感器或者外接式傳感器，這類設(shè)備往往造價太高，不利于市場推廣。而隨著智能手機的日益普及和智能手機傳感器技術(shù)的不斷發(fā)展，本文提出了基于智能手機的用戶行為識別技術(shù)的研究與應(yīng)用。
　　本文在比較中外文獻中所研究的用戶行為動作后，選擇可以代表人類基本運動行為的5種動作作為本文將要識別的動作，分別為站立、行走、跑步、上樓和下樓

2、。為了采集這5種動作的加速度傳感器數(shù)據(jù)，本文專門開發(fā)了基于Android的傳感器采集程序。通過傳感器采集程序采集到的原始數(shù)據(jù)中包含高頻噪聲，這些噪聲會影響最終分類的準(zhǔn)確度，因此本文通過“加窗”的方法把原始信號分割為包含512個樣本點的待測樣本。在特征提取與特征選擇模塊中，本文結(jié)合加速度傳感器信號的特點，通過計算加速度信號在X軸、Y軸和Z軸的均值、標(biāo)準(zhǔn)差、相關(guān)系數(shù)和峰度，作為加速度信號的特征，組成一個12維的特征向量，用這個特征向量來表示

3、用戶的行為動作。在用戶行為分類識別模塊中，本文使用支持向量機作為用戶行為識別的分類算法，從每種動作100個特征向量中選取80個，組成一個12×400的特征矩陣用來訓(xùn)練SVM分類器,剩余的12×100的特征矩陣作為待測樣本，用來測試訓(xùn)練好的SVM分類器。
　　實驗結(jié)果表明，本文基于智能手機的用戶行為識別技術(shù)的整體識別率達到90.4％，其中對用戶站立的識別率達到100%，行走和跑步的識別率也都達到或者超過了90%，而上樓和下樓的識別率

4、則相對較低，分別為85%和84%。本文在僅僅采用單個加速度傳感器的情況下，5種行為的平均識別率達到了90.4%，證明了本文基于智能手機加速度傳感器的用戶行為識別方案的可行性。本文的主要研究成果如下：
　　1、提出了針對加速度信號特點的原始信號預(yù)處理方法，通過“加窗”的方法，把加速度信號分割成固定長度的待測樣本。
　　2、研究用戶行為識別的歷史和現(xiàn)狀，分析現(xiàn)有用戶行為識別技術(shù)并指出存在的不足，提出了一套基于智能手機加速度傳感器