基于移动设备运动传感器的人体行为识别算法研究

摘要

可穿戴计算以一种“人机交互”的新型计算模式，实现了人类社会与信息环境、物理环境的连通，在军事、公共卫生、电子消费、体育、教育等众多领域都有着广泛的应用，现已成为学术界和工业界的研究热点。
　　人体行为识别技术是可穿戴计算中重要的研究分支。本文针对基于运动传感器的人体行为识别算法开展创新性工作，对加速度传感器的数据采集、数据预处理，机器学习分类模型以及行为识别算法展开研究，主要研究内容包括:
　　(1)探索了利用智能手机内置的运动传感器采集人体行为活动数据，对获得的三轴加速度传感器数据进行预处理，去除噪声并对数据进行片段分割;
　　(2)针对人体行为活动中典型的行走、上楼、下楼、坐、站立和跌倒这六种行为，分别进行了时域和频域特征提取，并对这六个行为的时域和频域特征两两对比分析，得到了更深层次的特征区分细节，建立了各人体行为活动的特征数据集;
　　(3)在传统人体行为识别支持向量机模型的基础上，将支持向量分类机与二次核函数理论相结合，通过理论分析构造出了二次核支持向量分类机模型，进而提出了基于二次核支持向量分类机模型的人体行为识别算法，与现有的基于随机森林分类模型的人体行为识别算法相比，本文算法的识别精度更高。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 可穿戴计算概述

1．3 可穿戴计算人体行为识别问题研究

1．4 论文的研究内容

1．5 论文的组织结构

第二章 基于运动传感器的人体行为识别相关工作

2．1 人体行为识别问题分析

2．2 运动传感器模型

2．3 基于运动传感器的人体行为识别感知计算框架

2．4 基于运动传感器的人体行为识别算法相关工作

2．5 本章小结

3．1 引言

3．2 相关概念和定义

3．3 支持向量机理论

3．4 二次核支持向量分类机

3．5 交叉验证

3．6 本章小结

第四章 基于二次核支持向量分类机模型的人体行为识别算法

4．1 引言

4．2 运动传感器数据采集与预处理

4．3 运动传感器数据的特征提取与特征选择

4．4 基于二次核支持向量分类机模型算法的人体行为识别算法

4．5 实验结果与分析

4．6 本章小结

5．1 总结

5．2 展望

参考文献

致谢

个人简介