基于傳感數據的人體行為識別研究.pdf

1、人體行為識別領域自從20世紀80年代就開始發(fā)展，吸引了很多研究人員踏入這個領域。隨著人工智能、機器學習以及智能硬件和微型芯片等技術的出現和發(fā)展，移動設備如今被裝配上各種傳感器和強大的計算能力，這些資源允許移動設備采集到豐富的用戶行為原始數據，并被用作進一步的分析。特別是在個人健康、交通、導航和商業(yè)廣告等領域，感知用戶行為的需求越來越大。
　　本文主要目的是利用人體行為動作產生的原始傳感數據，通過分析和處理對其表征的動作行為進行探測

2、和識別。本文通過對人體行為進行抽象化分析，總結動作行為規(guī)律，然后構建相應的動作模型。同時，利用傳感信息構建基于傳感數據的人體動作模型，并利用探測算法對人體動作片段進行精確的分割和提取。最后，我們從動作片段數據中獲取特征向量，利用分類器進行訓練和細致動作的分類識別。本文采用當前流行的智能腕帶作為信息采樣設備，選擇手臂抬臂類動作為例對所提算法進行驗證實現，嘗試識別和區(qū)分特征較類似的吸煙、喝水和撓頭三個細致動作。在獲得更為豐富的數據源前提下，

3、本文所提方法可廣泛用于各類行為識別的建模分析應用。
　　本文的研究核心主要有兩點：動作模型構建和分割提取，以及細致動作分類識別。第一部分，本文通過對抬臂動作進行抽象分析，提出了一種如何從原始傳感器數據中提取出動作片段的算法。同時，能夠精確的將單個動作片段從數據集合中抽取出來，并將單個動作內的各個狀態(tài)變化點精確探測到。使得在獲得特征值和識別驗證實驗中動作獲取的自動化變?yōu)榭赡埽瑴p少其中人為參與，主動的讓機器對動作進行認知和識別。第二部

4、分，通過對訓練樣本集進行交叉驗證，并成功構建了分類器模型，在精度可容忍范圍內對細致動作進行了區(qū)分和識別，驗證了本文提出的整體識別方案的可行性和有效性。
　　同時，本文實現了一個測試系統(tǒng)環(huán)境，通過5名志愿者采集實驗數據，共獲得500個完整動作數據的樣本集，進一步對本文中算法模型進行測試。最終，我們通過動作相關的特征值訓練樣本集對分類器進行訓練和構建，獲得動作識別結果。在實驗環(huán)境中，我們測試了整個系統(tǒng)，實驗結果表明系統(tǒng)對上述三種用戶行