基于智能手机的行人位移检测方法研究

摘要

人工智能技术的发展和支持惯性传感器的可穿戴设备的不断普及，促进了行为识别相关研究和应用的快速发展。作为行为识别研究的一个重要分支，行人位移检测在设备定位、节能、医疗看护等方面都具有十分重要的作用。目前研究与应用主要面临两个问题:依赖专用的惯性传感器设备，系统成本较高;传感器设备位置固定，系统灵活性低。与此同时，日渐普及的智能手机已普遍嵌入了加速度计、陀螺仪和磁力计等惯性传感器，通过智能手机检测行人位移显然将具有更加广泛的应用价值。
　　本文提出了一种基于智能手机内嵌陀螺仪的行人位移检测方法。首先，通过使用快速傅立叶变换(Fast Fourier Transform，FFT)方法，有效提取陀螺仪信号的频域特征。其次，根据非约束条件下行人步行的频率特征，建立了一个基于阈值的检测模型，实现了位移的准确检测。最后，在真实场景中设计并实现大量的实验，通过与现有的标准差阈值（Standard Deviation Threshold，STD_TH）方法和短时傅里叶变换（Short Term Fourier Transform，STFT）方法进行比较，验证了本文提出的行人位移检测方法的有效性和可行性。实验结果表明，本文提出方法的识别精度保持在83％以上，最高可达92.66％;而STFT方法和STD_TH方法的精度较差，最高精度可达79.40％和67.80％。
　　综上所述，本文提出的位移检测方法在位置约束、检测精度等方面都展现了一定的优势，将对基于行为识别的应用和研究起到积极的作用。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．3 研究内容及贡献

1．4 论文组织结构

第二章 位移检测相关工作

2．1 时域方法

2．1．1 阈值

2．1．2 标准化自相关系数

2．2 频域方法

2．2．1 短时傅里叶变换

2．2．2 连续／离散小波变换

2．2．3 快速傅里叶变换

2．3 特征聚类方法

2．3．1 隐马尔科夫模型

2．3．2 K-Means聚类

2．4 本章小结

第三章 基于智能手机的行人位移检测方法

3．1 方法简介

3．2 滑动时间窗口选择

3．3 敏感轴检测

3．3．1 设备坐标系简介

3．3．2 敏感轴定义与分析

3．4 位移检测模型

3．4．1 频域特征提取

3．4．2 频谱分析

3．4．3 阈值模型

3．5 本章小结

第四章 实验与结果分析

4．1 实验条件

4．2 简单场景下位移检测实验与结果分析

4．3 复杂场景下位移检测实验与结果分析

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢

攻读硕士学位期间发表的学术论文