基于手機(jī)加速度數(shù)據(jù)研的究特征提取和行為識別.pdf

1、在移動互聯(lián)網(wǎng)迅猛發(fā)展的今天，智能手機(jī)已經(jīng)成為人們生活中非常重要的一部分，人們幾乎隨時隨地都攜帶著它們。如今的智能手機(jī)大都集成了一部分傳感器，在模式識別領(lǐng)域，基于智能手機(jī)傳感器的人體行為識別技術(shù)引起了許多研究人員的研究興趣。基于智能手機(jī)傳感器的人體行為識別技術(shù)具有非常廣闊的應(yīng)用前景，可以預(yù)見其將是未來的一個研究熱點(diǎn)。
　　在本文中，我們提出了一種基于智能手機(jī)加速度數(shù)據(jù)的人體行為識別方案。在該方案中，我們使用智能手機(jī)采集人體行為相關(guān)的

2、線性加速度數(shù)據(jù)，采用通用的滑動窗口技術(shù)從原始傳感器數(shù)據(jù)中產(chǎn)生行為實(shí)例并從行為實(shí)例提取特征。在特征提取這一步提出了一種新的基于區(qū)間權(quán)重的特征提取方法，最后利用MCODE聚類算法和層次聚類算法等無監(jiān)督學(xué)習(xí)算法進(jìn)行了行為識別研究。在實(shí)驗(yàn)中，我們在特征提取這一步還引入了另外兩種分別在時域上和時頻混合域上的特征提取方法進(jìn)行了行為識別研究。
　　實(shí)驗(yàn)結(jié)果表明，在對六種日常行為的識別上，采用基于區(qū)間權(quán)重的特征提取方法和層次聚類算法能較好地從線性

3、加速度數(shù)據(jù)識別出“走路”、“慢跑”、“上樓梯”與“下樓梯”等四種行為，其總體識別率達(dá)到了99.18％。但是，該方法不能夠區(qū)分“坐著”與“站立”這兩種靜止行為，這兩種行為被完全識別成了同類行為。基于區(qū)間權(quán)重的特征提取方法結(jié)合MCODE聚類算法在對六種日常行為的識別中，識別效果與層次聚類算法相當(dāng)，不過對MCODE聚類算法的輸入?yún)?shù)選擇相對比較麻煩。而從各特征提取方法對應(yīng)的行為識別結(jié)果來看，基于區(qū)間權(quán)重的特征提取方法優(yōu)于另外兩種引入的特征提取