基于可穿戴設(shè)備的人體行為識(shí)別與狀態(tài)監(jiān)測(cè)方法研究.pdf

1、人體行為識(shí)別與狀態(tài)監(jiān)測(cè)是當(dāng)前人工智能和模式識(shí)別領(lǐng)域的一個(gè)的研究熱點(diǎn)，在醫(yī)療監(jiān)測(cè)、智能家居、老年護(hù)理等領(lǐng)域有著廣泛的應(yīng)用。隨著傳感器技術(shù)、低功耗技術(shù)、無(wú)線生理傳感網(wǎng)絡(luò)的發(fā)展使微型的傳感器網(wǎng)絡(luò)能夠和我們?nèi)粘Ｉ瞽h(huán)境結(jié)合起來(lái)，開發(fā)可穿戴的小型智能設(shè)備的難度和成本大大降低。由于可穿戴設(shè)備操作簡(jiǎn)單，便于攜帶，體積小，美觀時(shí)尚等優(yōu)點(diǎn)，在移動(dòng)健康領(lǐng)域，可穿戴設(shè)備成為不可或缺的一部分。在此基礎(chǔ)上本文對(duì)基于可穿戴設(shè)備的人體行為識(shí)別與狀態(tài)監(jiān)測(cè)方法進(jìn)行了系統(tǒng)

2、的研究。
　　行為識(shí)別是人體狀態(tài)監(jiān)測(cè)的基礎(chǔ)，首先我們給出了行為識(shí)別的總體方案，確定了行為識(shí)別的范圍?？紤]到數(shù)據(jù)的復(fù)雜程度和監(jiān)測(cè)方案的靈活性，本文通過(guò)加速度傳感器、高度傳感器、心率傳感器采集人體行為數(shù)據(jù)，并將傳感器布置在腕部。由于加速度傳感器的采樣頻率高并且隨機(jī)噪點(diǎn)較多，我們使用了移動(dòng)平均法對(duì)加速度信號(hào)進(jìn)行平滑濾波，使用50％重疊的滑動(dòng)窗口分割加速度信號(hào)序列，并提取分割后信號(hào)片段的均值、方差、前16維信號(hào)分量的幅值，并且將提取的數(shù)據(jù)

3、特征和高度傳感器的數(shù)據(jù)組成19維特征向量，構(gòu)建人體行為特征向量樣例集，為后續(xù)的行為識(shí)別工作打下基礎(chǔ)。
　　在行為識(shí)別總體方案和特征向量樣例集的基礎(chǔ)上，我們針對(duì)人體的步行、上樓、下樓、跑步、跳、靜止六種行為分別使用了決策樹、隨機(jī)森林、人工神經(jīng)網(wǎng)絡(luò)構(gòu)建了人體行為特征向量分類器，使用特征向量驗(yàn)證集驗(yàn)證了各個(gè)分類器的準(zhǔn)確性，并將分類器定義為行為模型，之后從訓(xùn)練模型的時(shí)間、數(shù)據(jù)分類的復(fù)雜度、分類的準(zhǔn)確度三個(gè)方面對(duì)所構(gòu)建的分類器進(jìn)行了對(duì)比。最

4、終對(duì)步行、上樓、靜止三種行為的識(shí)別率達(dá)到了90%以上，對(duì)跑步、下樓兩種行為的識(shí)別率達(dá)到了80%以上，對(duì)跳的識(shí)別率達(dá)到了75%。
　　在行為識(shí)別結(jié)果的基礎(chǔ)上，我們實(shí)現(xiàn)了對(duì)人體部分狀態(tài)的監(jiān)測(cè)，包括睡眠和運(yùn)動(dòng)量，其中對(duì)于運(yùn)動(dòng)量的監(jiān)測(cè)我們采用步數(shù)統(tǒng)計(jì)的方式，以步行、上樓、下樓、跑步四種行為識(shí)別結(jié)果為基礎(chǔ)，使用了均值替代法統(tǒng)計(jì)步數(shù)，為用戶的日常運(yùn)動(dòng)量提供一個(gè)數(shù)據(jù)上的參考。在靜止的識(shí)別結(jié)果基礎(chǔ)上，我們提出了三級(jí)識(shí)別法并融合了心率傳感器的數(shù)據(jù)對(duì)