基于加速度傳感器的人體行為識別研究.pdf

1、近年來，隨著微電子和傳感器技術的不斷進步以及模式識別理論的深入研究，基于加速度傳感器的人體行為識別得到快速發(fā)展。隨著社會的進步，人們對智能交互和健康監(jiān)護等方面的需求也日益增長，所以基于加速度傳感器的人體行為識別在醫(yī)療保健、運動檢測、能耗評估等領域受到了廣泛的關注和研究。與基于加速度傳感器的行為識別相對應的是基于計算機視覺的行為識別，相比之下，基于加速度傳感器的行為識別更能體現(xiàn)人體運動的本質，并且不受場景或者時間的限制，攜帶方便，成本較低

2、，更適合推廣應用。
　　目前，在人體行為識別領域中，分類模型通常有兩種，分別是通用模型和個性化模型。但是通用模型沒有考慮人體多樣性問題，不能適用于所有人，而個性化模型需要人為干預較多，本文針對這兩種模型的不足提出了一種折衷的模型訓練方法，即對人體多樣性因素分區(qū)間后的原始加速度數(shù)據(jù)進行訓練得到多個模型。另外，為了使識別模型適用于更加廣泛的情況，在數(shù)據(jù)采集階段還考慮了加速度傳感器的位置。該方法使得模型更具普遍性的同時又能夠提高識別精確

3、度，通過對人體靜止、走路、跑步、上下樓梯五種行為進行試驗，識別率達到了95％左右。實驗表明該方法是切實有效的。
　　采集多種多樣的人的加速度數(shù)據(jù)并非易事，所以筆者又從算法角度進行研究來提高行為識別的精確度。SVM算法最初是用來解決二分類問題的，對于多分類問題的效果并不是很好。為了使SVM算法更好地解決多分類問題，本文使用基于二叉樹的SVM，整合了SVM和二叉樹的特點，并使用最短距離算法進行聚類使得分類更加準確。由于SVM的分類精度