基于可穿戴傳感器的人體行為識(shí)別方法研究.pdf

1、伴隨電子與通信技術(shù)的發(fā)展，無(wú)線傳感器得到了廣泛應(yīng)用。基于微慣性傳感器的人體行為識(shí)別作為人工智能的一個(gè)新興分支，日益受到人們的廣泛關(guān)注與重視。相比基于視覺(jué)的人體行為識(shí)別方法，它具有設(shè)備復(fù)雜性小，受外界環(huán)境干擾小，具有更好的空間自由性等優(yōu)點(diǎn)。作為物聯(lián)網(wǎng)的一項(xiàng)重要應(yīng)用，在醫(yī)療保健、健康恢復(fù)、助老助殘等方面具有廣闊的應(yīng)用前景和非?？捎^的經(jīng)濟(jì)效益。該領(lǐng)域研究是一項(xiàng)極具意義的工作。然而當(dāng)前國(guó)內(nèi)外對(duì)基于傳感器行為識(shí)別工作研究仍存在諸多不足。本文主要針

2、可穿戴傳感器行為識(shí)別中特征和分類方法進(jìn)行研究和改進(jìn)，主要研究工作如下:
　　第一，考慮傳感器行為識(shí)別主要采用機(jī)器學(xué)習(xí)和模式識(shí)別方法，論文引入壓縮感知和稀疏表示理論用于解決傳感器行為分類問(wèn)題。另外，針對(duì)多傳感器行為識(shí)別問(wèn)題，提出一種有效的結(jié)果融合方法。在多傳感器行為識(shí)別系統(tǒng)中，構(gòu)建并行處理架構(gòu)有利于提升行為識(shí)別速率，而要想保持或者提升行為識(shí)別率，結(jié)果融合方法發(fā)揮至關(guān)重要的作用。本文通過(guò)分析多任務(wù)行為識(shí)別過(guò)程，構(gòu)建出殘差模型，該模型能

3、將多任務(wù)結(jié)果進(jìn)行有效融合，充分挖掘數(shù)據(jù)信息。
　　第二，針對(duì)基于傳感器行為識(shí)別的特征多沿用數(shù)字信號(hào)處理的時(shí)頻域特征問(wèn)題，論文提出一種關(guān)聯(lián)特征。在多傳感器系統(tǒng)中，根據(jù)人體行為特性，各個(gè)不同位置傳感器節(jié)點(diǎn)數(shù)據(jù)之間存在關(guān)聯(lián)性，關(guān)聯(lián)特征是對(duì)不同位置傳感器信息的一種結(jié)合，能更好反應(yīng)人體運(yùn)動(dòng)特征。該特征能有效挖掘已有數(shù)據(jù)中潛在信息，提升行為識(shí)別率。
　　最后，本文選取了兩個(gè)國(guó)外公開(kāi)的傳感器行為識(shí)別數(shù)據(jù)庫(kù)，進(jìn)行大量仿真驗(yàn)證實(shí)驗(yàn)。大量實(shí)驗(yàn)結(jié)