

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、人體姿態(tài)檢測和動作識別技術在各類人群的工作和生活中具有非常廣闊的應用前景,尤其是在生命健康保障方面有著重要的應用。目前,常用于姿態(tài)檢測和動作識別的方法包括基于視頻圖像的方法、基于振動頻率的方法、基于可穿戴式傳感裝置的方法。其中,基于加速度計和陀螺儀等慣性測量單元的人體姿態(tài)檢測和動作識別已經成為本領域的研究熱點。
雖然基于可穿戴式傳感器的人體動作識別已經進行了一定的研究,但由于各個研究者使用的傳感器數據不盡相同,無法在統(tǒng)一的數據
2、基礎上對各種算法的性能進行優(yōu)劣評判。本文對前人研究過的一些動作數據庫進行總結,綜合考慮動作種類、受試對象、數據規(guī)模、數據完整性與實用性等方面因素,選取美國南加州大學的USC-HAD數據庫作為動作識別算法的驗證平臺。
本文設計了一種支持向量機投票算法(v-SVM),對USC-HAD數據庫的10種動作進行分類。首先針對原始傳感器數據設計了一種濾波預處理方法,然后對統(tǒng)計特征和物理特征兩類共80維特征進行特征選擇,得到降維之后不同閾值
3、條件下的五組特征子集,繼而在特征子集和全集上分別運行不同參數下的支持向量機算法,對分類結果進行投票作為最終的類別標號。
本文對v-SVM的算法性能進行分析,并與經典的分類算法進行對比。實驗結果表明k最近鄰分類器和隨機森林算法得到較高的分類準確率,但k最近鄰分類器運行時間過長;隨機森林算法參數不易選取;支持向量機算法準確率最高,運行時間短,參數可以優(yōu)化選取。本文提出的v-SVM算法在所有測試集上(包括五個特征子集和全集)的識別準
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于慣性傳感器數據的人體日常動作識別研究.pdf
- 基于慣性傳感器的人體動作識別研究.pdf
- 基于慣性傳感器的人體動作分析與識別.pdf
- 基于慣性傳感器的人體動作捕捉與控制.pdf
- 基于深度數據的人體動作識別.pdf
- 基于整體特征的人體動作的識別.pdf
- 基于連續(xù)型傳感器數據的人體動作識別.pdf
- 基于深度圖像數據的人體動作識別.pdf
- 基于慣性傳感器的人體動作捕捉與控制_3715.pdf
- 基于傳感數據的人體行為識別研究.pdf
- 基于穿戴式傳感器的人體動作識別研究.pdf
- 基于特征表達和屬性挖掘的人體動作識別研究.pdf
- 基于骨架信息的人體動作識別.pdf
- 基于關鍵姿勢的人體動作識別.pdf
- 基于骨架的人體動作識別研究.pdf
- 基于深度信息的人體動作識別.pdf
- 基于視頻序列的人體動作識別.pdf
- 基于深度圖像和骨骼數據的人體動作識別.pdf
- 基于Kinect骨骼數據的人體動作識別方法研究.pdf
- 基于容積特征的人體動作檢測.pdf
評論
0/150
提交評論