智能空间下基于非视觉传感器数据的人体行为识别方法研究

摘要

随着科学技术的不断发展，人们对生活品质的要求越来越高，智能化的生活空间越来越受到人们的青睐。作为提高生活空间智能程度的一种重要途径，人体行为识别方法的研究逐渐从基于机器视觉的方法转向基于非视觉传感器数据。对人体行为有效地识别是智能空间下家居设备完成自动控制，为用户提供智能化和人性化服务的前提;是监测用户异常行为，提高用户安全系数的保证。
　　本文以华盛顿州立大学智能空间实验室实验数据为基础，研究如何将智能空间技术与非视觉传感器技术相结合，构建智能空间下基于非视觉传感器数据的人体行为识别系统，利用智能空间中的传感器数据进行人体行为识别以了解用户的意图，并根据环境状况为用户提供及时、自主的服务。本文为人体行为识别提供了一种新的研究方法，研究内容主要包括以下几个方面:
　　(1)设计了一种在智能空间下基于非视觉传感器数据进行人体行为识别的方案。首先分析并设计了系统的整体流程，阐明了系统的层次结构以及各层间的相互关系;其次进行行为识别模式的划分，将其分为样本行为识别和在线行为识别两部分;最后对系统的样本行为数据进行处理。
　　(2)针对样本行为的数据特点，利用人工神经网络进行行为识别。根据行为识别要求，提出了一种基于BP神经网络算法的行为识别模型;针对BP神经网络在行为识别过程中，容易陷入局部最小值点或出现收敛速度过慢现象的缺陷，利用遗传算法对其进行改进。
　　(3)针对用户在智能空间中的陌生行为，利用隐马尔科夫模型进行在线行为识别。通过确定初始状态概率、建立状态转移矩阵和混淆矩阵构造隐马尔科夫模型进行行为识别，提高行为识别系统的在线识别能力。
　　(4)集成上述功能模块，构建行为识别整体系统并进行验证实验。利用智能空间中用户的行为传感器数据，对所提出的人体行为识别系统进行验证实验，并对实验结果进行分析。

目录

声明

摘要

第一章 绪论

1．1 课题的研究背景与研究意义

1．2 国内外研究现状及研究难点

1．3 本文主要研究内容

1．4 论文章节安排

第二章 系统整体流程设计及传感器数据处理分析

2．1 人体行为识别流程设计

2．2 传感器数据处理方法对比分析

2．3 传感器数据预处理

2．4 行为识别模式划分

2．5 本章小结

第三章 基于神经网络的人体样本行为识别

3．1 人体样本行为识别神经网络设计

3．1．1 神经网络

3．1．2 BP神经网络学习算法

3．1．3 BP神经网络设计实现

3．2 基于遗传算法改进BP神经网络

3．2．1 遗传算法的基本操作与基本要素

3．2．2 基于遗传算法改进BP神经网络算法及特点

3．3 实验与分析

3．3．1 BP神经网络仿真测试

3．3．2 遗传算法改进效果验证

3．3．3 实验过程中难点问题

3．4 本章小结

第四章 基于隐马尔科夫模型的人体在线行为识别

4．1 隐马尔科夫模型

4．1．1 隐马尔科夫模型简介

4．1．2 解决问题及经典算法

4．2 隐马尔科夫模型构建

4．2．1 状态集选择

4．2．2 算法流程设计

4．3 本章小结

第五章 人体行为识别系统的实现与验证

5．1 基于神经网络的人体行为识别实验

5．1．1 神经网络设计与实现

5．1．2 遗传算法改进神经网络测试

5．2 基于隐马尔科夫模型的人体行为识别测试

5．3 整体系统构建

5．4 本章小结

第六章 总结与展望

6．1 论文的主要工作

6．2 下一步研究方向

参考文献

致谢

硕士期间发表的论文和科研成果

硕士期间参加的科研工作