基于加速度传感器的人体运动姿态识别

《基于加速度传感器的人体运动姿态识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据学校代号：10536学号：11108030854密级：公开长沙理工大学硕士学位论文基于加速度传感器的人体运动姿态识别学位申请人姓名围熊翅指导教师——李平教授所在学院盐篡扭曼通信工猩堂院专业名称盐篁垫廛旦技术论文提交日期2014年4月论文答辩日期兰Q!兰生三月万方数据HumanMotionPostureRecognitionbaseonaccelerometerbyZHOUBoxiangB．E．(ChangshaUniversityofScience&Technology)2010Athesissubmittedinpa

2、rtialsatisfactionoftheRequirementsforthedegreeofMasterofEngineering1nComputerApplicationTechnology1nChangshaUniversityofScience&TechnologySupervisorProfessorLiPingApril，2014万方数据长沙理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表

3、或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：国蒋日期别中年√月j日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权长沙理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时授权中国科学技术信息研究所将本论文收录到《中国学位论文全文数据库》，并通过网络向

4、社会公众提供信息服务。本学位论文属于1、保密口，在年解密后适用本授权书。2、不保密团。(请在以上相应方框内打“√”)作者虢谪俘翱吼孙年‘月_5-日导师签日期驴～年乡眵日万方数据摘要近年来，基于加速度传感器的人体运动姿态识别逐渐成为了计算机模式识别领域中新兴且活跃的研究方向之一，越来越多的研究人员通过使用加速度传感器在实验环境和自然生活环境中监测人体的运动姿态。人体运动姿态识别主要包含数据采集、数据处理、特征提取和选择、分类器设计等部分。以此延伸开，不同的研究者关注不同的研究点，在经过研究者们不断地努力取得不少的研究成果。采集优

5、质的数据、提取有效的特征和设计高效的分类器是整个人体运动姿态识别过程中的难点和重点。本文主要围绕特征提取和分类器设计这两个点进行了一系列的研究，所涉及的研究工作包括以下几点：(1)因基于加速度传感器的人体运动姿态识别还处于初级发展阶段，目前还没有一个满足所有要求的标准数据库用于识别系统的研究。所以，本文建立了一个简易的数据采集系统，在实验环境下，使用一个集成有三轴加速度传感器的采集器佩戴在测试者的腰部进行数据采集，共采集了6种运动姿态。基于人体运动时不同动作加速度的变化速率不同这个特点，本文提出了两种体现加速度变化速率的特征：

6、近斜率和前后差。(2)引入蜜蜂交配优化算法，提出了一种蜜蜂交配优化的随机森林算法。首先提取原始加速度信号的5种特征，然后构建多个随机森林(也就是蜜蜂)，选择最优的蜂王，建立一个最优分类模型，最后对待分类运动姿态进行识别。本文测试了近斜率和前后差的使用频度，并在同等条件下与随机森林算法和支持向量机进行了实验比较。实验结果发现改进的随机森林算法优于所比较的其他算法，但因存在噪声等原因对某些行为还是易于混淆。(3)提出了一种曲线拟合与k近邻算法相结合的人体运动姿态识别方法。首先对加速度数据进行等长同行为分组，然后进行多项式最小二乘曲

7、线拟合，最后以曲线相似度作为距离计算准则，使用k近邻构建分类器对人体运动姿态进行识别。经过多次实验，并与经典分类算法进行对比，结果表明该识别方法可行且有效。总体来说，基于加速度传感器的人体运动姿态识别还处于发展阶段，该研究内容既具有重要的理论价值，又具有迫切的应用需求，所以值得我们去进行更深入的有效研究，并将之应用于实际。关键词：人体运动姿态识别；加速度传感器；特征提取；随机森林；k近邻；曲线拟合万方数据ABSTRACTInrecentyears，accelerometerbasedhumanmotionposturereco

8、gnitionisanemergingandactiveresearchinthefieldofcomputerpatternrecognition．Moreandmoreresearchersmonitorhumanmotionposturebyusingaccelerom