基于Ubisense定位平臺的行為識別系統(tǒng)的研究與實現.pdf

1、行為識別目前已成為人機交互和普適計算的一個關鍵研究領域，傳統(tǒng)的行為識別研究主要是基于計算機視覺的，并且已經取得了大量的、重要的研究成果。近幾十年來，由于微電子機械加工技術的快速發(fā)展，使得傳感器越來越小巧且智能，由此吸引了大量基于傳感器的行為識別研究。
　　本文利用Ubisense定位系統(tǒng)獲取行人的位置信息，進而研究基于BP神經網絡的行為識別模型和算法，并在此基礎上實現了一個實時的行為識別系統(tǒng)。
　　首先，通過在實驗人員的手腕

2、、腰部、腳踝佩戴UWB標簽以采集活動中3個部位的位置信息，經過數據預處理、數據分割、特征提取、模型訓練等流程建立分類模型;經過對幾種分類模型的實驗分析，選擇了BP神經網絡作為分類模型，實驗結果顯示，該模型對6種動作的總體識別精度達88％以上。
　　其次，利用WEKA工具將訓練的BP神經網絡模型嵌入到基于SSH框架設計的系統(tǒng)中，并通過該系統(tǒng)實現數據的預處理、特征提取等功能，最終實現了一個在線的、實時的行為識別系統(tǒng)。
　　綜上，