基于Android平臺(tái)的人體運(yùn)動(dòng)識(shí)別技術(shù)研究與應(yīng)用.pdf

1、當(dāng)今社會(huì)發(fā)展日益迅速，人們?cè)谶M(jìn)行忙碌工作的同時(shí)，更加關(guān)注自己的身體健康?；趥鞲衅鞯娜梭w運(yùn)動(dòng)識(shí)別作為一個(gè)新興的研究方向，對(duì)人體的日常運(yùn)動(dòng)進(jìn)行實(shí)時(shí)監(jiān)測(cè)有著較大的社會(huì)效益。另外，我國(guó)人口老齡化問題日益突出，經(jīng)常會(huì)發(fā)生因跌倒而嚴(yán)重威脅老年人身心健康的事件。因此，能夠?qū)崿F(xiàn)一套對(duì)跌倒進(jìn)行有效檢測(cè)及跌倒后及時(shí)求助的系統(tǒng)有著較強(qiáng)的現(xiàn)實(shí)意義。近年來(lái)，隨著微電子技術(shù)和移動(dòng)互聯(lián)網(wǎng)的迅速發(fā)展，大部分智能手機(jī)內(nèi)都嵌入有傳感器，這讓上述相關(guān)研究變得更加方便。

2、r>　　本文基于Android內(nèi)嵌的單個(gè)加速度傳感器，對(duì)人體運(yùn)動(dòng)識(shí)別機(jī)制和跌倒檢測(cè)算法進(jìn)行了研究和改進(jìn)，具體內(nèi)容如下:
　　一是在對(duì)現(xiàn)有的人體運(yùn)動(dòng)識(shí)別的機(jī)制進(jìn)行分析和總結(jié)的基礎(chǔ)上，基于Android平臺(tái)進(jìn)一步研究了人體運(yùn)動(dòng)識(shí)別的模型，包括:首先編程實(shí)現(xiàn)運(yùn)動(dòng)加速度信號(hào)的實(shí)時(shí)采集，并對(duì)原始加速度數(shù)據(jù)進(jìn)行加窗、平滑和分離線性加速度等預(yù)處理操作;然后在對(duì)加速度信號(hào)進(jìn)行分析的基礎(chǔ)上，提取分別來(lái)自時(shí)域和頻域的10種加速度特征值，并用主成分分析

3、法進(jìn)行降維處理;最后通過分類算法對(duì)走路、慢跑及上下樓梯等日常行為進(jìn)行有效分類識(shí)別。同時(shí)，本文采用其他研究者的實(shí)驗(yàn)數(shù)據(jù)集對(duì)C4.5決策樹、樸素貝葉斯、LogitBoost和SVM分類算法進(jìn)行驗(yàn)證，并與他們的實(shí)驗(yàn)結(jié)果進(jìn)行了分析比較。
　　二是依據(jù)對(duì)人體跌倒過程中的姿態(tài)分析，提出了一個(gè)基于Android平臺(tái)的多閾值跌倒檢測(cè)新算法。該算法首先對(duì)采集到的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行3階移動(dòng)平均平滑預(yù)處理，接著通過提取人體的前后俯仰角、左右側(cè)偏角、合加速度最

4、大值、跌倒后的合加速度值以及持續(xù)靜止時(shí)間這五個(gè)閾值來(lái)完成跌倒的識(shí)別檢測(cè)。實(shí)驗(yàn)結(jié)果表明:本文提出的跌倒檢測(cè)算法能夠有效地將跌倒行為從日?；顒?dòng)中識(shí)別出來(lái)，具有一定的實(shí)用價(jià)值。
　　三是在Android平臺(tái)上，利用本文提出的跌倒檢測(cè)算法，開發(fā)實(shí)現(xiàn)了一個(gè)人體跌倒檢測(cè)系統(tǒng)，該系統(tǒng)用于對(duì)佩戴者人體行為進(jìn)行實(shí)時(shí)監(jiān)測(cè)。一旦系統(tǒng)檢測(cè)到有跌倒行為發(fā)生，就會(huì)立即發(fā)出蜂鳴聲進(jìn)行報(bào)警并向指定的聯(lián)系人發(fā)送求助短信，使跌倒者能夠得到及時(shí)的救助。所以本系統(tǒng)具有一