隨機森林算法在身體姿勢識別中的應(yīng)用研究.pdf

1、隨著人們生活質(zhì)量的不斷提高和智能識別技術(shù)的飛速發(fā)展，身體姿勢識別在計算機視覺領(lǐng)域已經(jīng)成為了一個炙手可熱的話題，具有非常廣泛的應(yīng)用前景。如今我們已經(jīng)將其應(yīng)用到行為分析、人機交互、智能家居等生活中的各個方面。和自然語言一樣，身體姿勢作為一種肢體語言，也可以傳達信息和發(fā)送指令。近年來，涌現(xiàn)出了大量用于身體姿勢識別的算法，它們是基于模板匹配、狀態(tài)空間或語義描述的姿勢識別方法。這些算法在一定程度上存在缺陷，比如檢測精度不高、穩(wěn)定性不好、系統(tǒng)效率低

2、、系統(tǒng)對硬件要求較高等。綜合上述問題，我們希望能夠結(jié)合傳感器技術(shù)和計算機通信技術(shù)，設(shè)計出一款能精確識別身體姿勢的系統(tǒng)。這款系統(tǒng)首先通過固定在身體上各個部位的傳感器來實時得到身體姿勢變化的路徑增益數(shù)據(jù)；然后通過在身體和傳感器之間建立無線體域網(wǎng)，將數(shù)據(jù)傳到計算機控制端；最后引入隨機森林算法處理數(shù)據(jù)，完成身體姿勢的識別。
　　隨機森林算法以多棵決策樹組合模型為基礎(chǔ)，在分類識別中得到廣泛應(yīng)用，并為身體姿勢識別提供了新的思路。通過訓(xùn)練數(shù)據(jù)集

3、構(gòu)建模型對身體姿勢進行識別，預(yù)測結(jié)果表明該算法進一步提高了姿勢識別的準確率。袋外數(shù)據(jù)誤差與決策樹數(shù)目之間的關(guān)系曲線表明，隨著決策樹數(shù)目的增加，袋外數(shù)據(jù)誤差逐漸降低然后趨于穩(wěn)定狀態(tài)；將身體各個部位作為特征變量進行重要性排序，在微波暗室和普通實驗室兩種不同環(huán)境下的結(jié)果表明，腦部在變量重要性方面的影響最大，符合人體的生理特征和結(jié)構(gòu)機能，為后期進行變量特征選擇提供了取舍依據(jù)；由袋外數(shù)據(jù)誤差和特征變量個數(shù)的關(guān)系進一步確定選取的特征變量個數(shù)。這些參