基于传感数据的人体行为识别研究

基于传感数据的人体行为识别研究

ID:35180420

大小:5.76 MB

页数:103页

时间:2019-03-21

基于传感数据的人体行为识别研究_第1页
基于传感数据的人体行为识别研究_第2页
基于传感数据的人体行为识别研究_第3页
基于传感数据的人体行为识别研究_第4页
基于传感数据的人体行为识别研究_第5页
资源描述:

《基于传感数据的人体行为识别研究》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、 ̄r麵4击糾成*資.4.'V章UNIVERSITYOFELiCTRONICSCIENCEANOTECHNOLOGYOFCHINA嗜巧^专业学位硕±学位论文MASTERTHESISFORPROFESSIONALDEGREEI.m论丈题目基于传感数据的人体行为识别研究》专业学位类别工程硕±—;学号132222023520作者姓名聖堅壺指导教师王隹吴副繼?独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加t

2、u标注和致谢的地方外,也不包含,论文中不包含其他人已经发表或撰写过的研究成果为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名:曰期:tW店年y月>曰1论支使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定,有权保留并向国家有关部口或机构送交论文的复印件和磁。盘,允许论文被查阅和借阅本人授权电子科技大学可1^将学位论文的全部或部分内容编入有关数据库进行检索,可W采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密

3、的学位论文在解密后应遵巧此规定)心::辛\作者签來名名曲导师签琴:年曰期月y分类号密级注1UDC学位论文基于传感数据的人体行为识别研究(题名和副题名)史殿岳(作者姓名)指导教师王佳昊副教授电子科技大学成都(姓名、职称、单位名称)申请学位级别硕士专业学位类别工程硕士工程领域名称软件工程提交论文日期2016.3.18论文答辩日期2016.4.27学位授予单位和日期电子科技大学2016年6月答辩委员会主席评阅人注1:注明《国际十进分类法UDC》的类号。TheHumanActivityRecognitionBasedOnSensorDataAMasterThesisSubm

4、ittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:MasterofEngineeringAuthor:ShiDianyueSupervisor:WangJiahaoSchoolofInformationandSoftwareSchool:Engineering摘要摘要人体行为识别领域自从20世纪80年代就开始发展,吸引了很多研究人员踏入这个领域。随着人工智能、机器学习以及智能硬件和微型芯片等技术的出现和发展,移动设备如今被装配上各种传感器和强大的计算能力,这些资源允许移动设备采集到丰富的用户行为原始数据,并

5、被用作进一步的分析。特别是在个人健康、交通、导航和商业广告等领域,感知用户行为的需求越来越大。本文主要目的是利用人体行为动作产生的原始传感数据,通过分析和处理对其表征的动作行为进行探测和识别。本文通过对人体行为进行抽象化分析,总结动作行为规律,然后构建相应的动作模型。同时,利用传感信息构建基于传感数据的人体动作模型,并利用探测算法对人体动作片段进行精确的分割和提取。最后,我们从动作片段数据中获取特征向量,利用分类器进行训练和细致动作的分类识别。本文采用当前流行的智能腕带作为信息采样设备,选择手臂抬臂类动作为例对所提算法进行验证实现,尝试识别和区分特征较类似的吸烟、喝水和挠头三个细

6、致动作。在获得更为丰富的数据源前提下,本文所提方法可广泛用于各类行为识别的建模分析应用。本文的研究核心主要有两点:动作模型构建和分割提取,以及细致动作分类识别。第一部分,本文通过对抬臂动作进行抽象分析,提出了一种如何从原始传感器数据中提取出动作片段的算法。同时,能够精确的将单个动作片段从数据集合中抽取出来,并将单个动作内的各个状态变化点精确探测到。使得在获得特征值和识别验证实验中动作获取的自动化变为可能,减少其中人为参与,主动的让机器对动作进行认知和识别。第二部分,通过对训练样本集进行交叉验证,并成功构建了分类器模型,在精度可容忍范围内对细致动作进行了区分和识别,验证了本文提出的

7、整体识别方案的可行性和有效性。同时,本文实现了一个测试系统环境,通过5名志愿者采集实验数据,共获得500个完整动作数据的样本集,进一步对本文中算法模型进行测试。最终,我们通过动作相关的特征值训练样本集对分类器进行训练和构建,获得动作识别结果。在实验环境中,我们测试了整个系统,实验结果表明系统对上述三种用户行为的分类识别整体达到了83.27%的准确率。关键词:人体行为识别,动作模型,决策树,动作姿态角IABSTRACTABSTRACTSince1980s,humanactivity

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。