基于加速度傳感器的日常行為識別的特征提取方法研究.pdf

1、隨著計算機科學技術的發(fā)展，人們的生活逐漸智能化、數字化。在這個時代，我們工作娛樂是數字化的，逛街購物是數字化的，甚至于我們的走路、跑步、睡覺都可以數字化的表示。近些年已有許多的研究學者致力于人們的日常行為的識別，其研究成果廣泛應用于健康監(jiān)測、日常運動跟蹤、工作家庭自動化、人機交互的等領域。人類日常行為識別的研究過程通常包括信息采集、特征值提取和行為識別分析。在信息采集方面，由于傳統(tǒng)的基于圖像的研究方式存在色彩、陰影和物體遮擋等諸多因素的

2、影響的問題，目前許多研究均是采用集成加速度傳感器的便攜設備采集行為數據。在特征提取方面，因為待分析的行為和應用環(huán)境的不確定，目前的研究中尚未提出一個統(tǒng)一而有效的特征提取方法。在行為識別方面，目前研究中使用的行為分類方法多為基于監(jiān)督的分類方法，而聚類方法相對使用較少。使用監(jiān)督式分類方法對行為進行分類時，需要對行為數據加標簽。然而加標簽是一個冗雜無趣并且耗時較長的過程，對行為分類來說無疑是一個長期的負擔。
　　針對上述問題，我們主要做

3、了如下的工作。首先，我們提出一個基于聚類算法MCODE的行為識別框架。該識別框架相對于其他分類的算法的優(yōu)勢在于在行為數據采集中無需加標簽。其次，我們在識別框架中提出了三種不同的特征值提取方法。三種提取方法提取的都是時域特征，特征簡單、計算速度快。
　　我們提出的識別框架分為三階段工作：特征提取，提供三種不同的特征值提取方法；構建基于歐氏距離的相似性度量的行為模型，將離散數據構建成網絡；對行為模型進行進行MCODE聚類，并使用FM指