基于mems传感器的步态识别算法研究及实现

基于mems传感器的步态识别算法研究及实现

ID:35057744

大小:3.92 MB

页数:66页

时间:2019-03-17

基于mems传感器的步态识别算法研究及实现_第1页
基于mems传感器的步态识别算法研究及实现_第2页
基于mems传感器的步态识别算法研究及实现_第3页
基于mems传感器的步态识别算法研究及实现_第4页
基于mems传感器的步态识别算法研究及实现_第5页
资源描述:

《基于mems传感器的步态识别算法研究及实现》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、,;;巧板巧覃兴请-袭菱,片遷/螺;女多;爵;為;-?/V'觀V,.-气‘;春\.;..蒂繁其.位:雌%密V单觀i^心瓦幸.梦.舊?!替r./起%":v护;i/译.吁:7砖知&i'?:片端w軒运.M導li.與;為M雀^J豪.>rV^^V,、心賓巧V:.當.苗V>;:.:.坤..j.摩-^L义皮旁衫您I^j合或長.参.扛‘:拦.:.:.^;!:.:;萬苗.公>:.'訂參:,.cr着.^.—:l.气./爲擎.>'.7'襄:獻.^,心叫"一.s喻;六庐?妾道.掉点/.焉寒.

2、豪;象麟女.、成‘,>\."v表i寺释V.1施赞塊目^JI織步滯别研.f规r;畔...-‘;,,>.-:-.-心产":;-‘^:交-资;:.^知1‘'2/:扫:.v.案1.巧氧.:v?:苗y:參..r.,...兴'..皆甚:島,..,.N:学号>-WW:^/.!转-.\,5..^>.-‘.s姓名.^獨、a心;繫.'-專c.:貧导师、.義叶.",'起....沪专^顯别囊玲:賊'±.眷户w皆类型V?.>全制串,:'作舍专^纖;电巧信程巧議

3、巧.>、.-:.;.,如论滯期.14v..:.一或,嶺:.,苦.如叫-甚、,私急.f.:■舊巧V%萍■■苗,.錢..鄉.島F二.V技;,.\户蒲霉一%稼秦,ResearchonGaitRecognitionAlgorithmandImplementationbasedonMEMSSensorsThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegree

4、ofMasterofEngineeringByFanShanshanSupervisor:Prof.YeLingMarch2016摘要近年来,步态识别、身份识别、步态认证等生物特征领域的研究越来越被人们所关注。随着微型机电系统(MEMS)技术的不断发展与成熟,基于MEMS传感器的人体步态识别成为一个新兴的研究领域,它是一个通过对人体步态加速度数据的分析,实现对人体步态的定性判断的过程。基于加速度传感器的人体步态识别应用广泛,在智能人机交互、智能监控、生物医学研究、体育竞技以及运动能量消耗评估等众多领域有着非常广阔的应

5、用前景。因此,本文对基于MEMS传感器的步态识别的研究有着重要的意义。为了对步态动作进行更细致地分类,提高步态动作的识别率,本文对基于MEMS传感器人体步态识别的算法进行了研究与改进,主要内容包括:1.本文构建了能够支撑基于MEMS传感器的人体步态识别研究任务的加速度和陀螺仪数据,设计了步态数据采集装置,采用九轴传感器LSM9DS0,用STM32F103芯片作为微控制器采集步态数据。该装置佩戴在采集者腰部位置,采集了人体正常走、快走、倒退走、上楼、下楼、跑、跳、原地踏步、静坐、骑自行车共10种步态动作数据。2.本文对

6、采集到的步态数据进行了一系列预处理工作:平滑去噪、归一化、加窗、坐标系变化与重力分量滤除;并在此基础上,对预处理后的数据进行了时域特征(TF)、FFT系数、DCT系数特征的特征提取和朴素贝叶斯(NaiveBayes)、C4.5决策树(DecisionTree)、以及支持向量机(SVM)分类器设计的工作。3.本文利用提取的三种特征和设计的三种分类器进行步态识别的研究比较。发现:采用FFT系数特征,利用SVM分类器进行步态识别时,识别率最高。其中,跑、跳的识别率是97.14%,而静止的识别率为94.29%。相比于这三种动

7、作的高识别率,上楼和下楼动作的之间容易混淆,正常走、快走及倒退走之间容易混淆。4.为了更细致地区分容易混淆的步态,本文对识别算法进行了改进,将wrapper特征子集选择算法引入基于MEMS传感器的步态识别算法中,利用Wrapper特征子集选择算法选出最优特征子集,最后用SVM分类器进行识别,步态识别算法识别率平均提高了13.15%;并且有效区分了上楼和下楼动作的混淆,走、快走及倒退走之间的混淆。5.最后,本文将改进的步态识别算法与硬件平台相结合,将改进算法用于实际应用。本文实现了对人体步态更细致地分类及识别率的提高,

8、改进后的算法优于传统的方法。关键词:步态识别,加速度,SVM,wrapper特征选择,IAbstractBiologicalcharacteristics,suchasgaitrecognition,identificationandgaitcertification,aregainingmoreandmoreattentioninrecent

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。