基于可穿戴设备的人体行为识别与状态监测方法研究

《基于可穿戴设备的人体行为识别与状态监测方法研究》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、硕士学位论文基于可穿戴设备的人体行为识别与状态监测方法研究RESEARCHOFACTIVITYRECOGNITIONANDSTATEMONITORINGMETHODSOFTHEHUMANBASEDONWEARABLEDEVICE杨伟笃哈尔滨工业大学2016年6月国内图书分类号：TP315学校代码：10213国际图书分类号：681.3密级：公开硕士学位论文基于可穿戴设备的人体行为识别与状态监测方法研究硕士研究生：杨伟笃导师：李全龙副教授申请学位：工学硕士学科：软件工程所在单位：计算机科学与技术学院答辩日期：2016年6月授予学位单位：哈尔滨工业大学Cl

2、assifiedIndex:TP315U.D.C:681.3DissertationfortheMasterDegreeRESEARCHOFACTIVITYRECOGNITIONANDSTATEMONITORINGMETHODSOFTHEHUMANBASEDONWEARABLEDEVICECandidate：YangWeiduSupervisor：A.P.LiQuanlongAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：SoftwareEngineeringAffiliation：Sch

3、oolofComputerScienceandTechnologyDateofDefence：June，2016Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要人体行为识别与状态监测是当前人工智能和模式识别领域的一个的研究热点，在医疗监测、智能家居、老年护理等领域有着广泛的应用。随着传感器技术、低功耗技术、无线生理传感网络的发展使微型的传感器网络能够和我们日常生活环境结合起来，开发可穿戴的小型智能设备的难度和成本大大降低。由于可穿戴设备操作简单，便于携

4、带，体积小，美观时尚等优点，在移动健康领域，可穿戴设备成为不可或缺的一部分。在此基础上本文对基于可穿戴设备的人体行为识别与状态监测方法进行了系统的研究。行为识别是人体状态监测的基础，首先我们给出了行为识别的总体方案，确定了行为识别的范围。考虑到数据的复杂程度和监测方案的灵活性，本文通过加速度传感器、高度传感器、心率传感器采集人体行为数据，并将传感器布置在腕部。由于加速度传感器的采样频率高并且随机噪点较多，我们使用了移动平均法对加速度信号进行平滑滤波，使用50%重叠的滑动窗口分割加速度信号序列，并提取分割后信号片段的均值、方差、前16维信号分量的幅值，

5、并且将提取的数据特征和高度传感器的数据组成19维特征向量，构建人体行为特征向量样例集，为后续的行为识别工作打下基础。在行为识别总体方案和特征向量样例集的基础上，我们针对人体的步行、上楼、下楼、跑步、跳、静止六种行为分别使用了决策树、随机森林、人工神经网络构建了人体行为特征向量分类器，使用特征向量验证集验证了各个分类器的准确性，并将分类器定义为行为模型，之后从训练模型的时间、数据分类的复杂度、分类的准确度三个方面对所构建的分类器进行了对比。最终对步行、上楼、静止三种行为的识别率达到了90%以上，对跑步、下楼两种行为的识别率达到了80%以上，对跳的识别率

6、达到了75%。在行为识别结果的基础上，我们实现了对人体部分状态的监测，包括睡眠和运动量，其中对于运动量的监测我们采用步数统计的方式，以步行、上楼、下楼、跑步四种行为识别结果为基础，使用了均值替代法统计步数，为用户的日常运动量提供一个数据上的参考。在静止的识别结果基础上，我们提出了三级识别法并融合了心率传感器的数据对睡眠的时间和深度睡眠的时间进行统计，最终计步器的误差率在15%以内，睡眠时间统计的误差在10%以内。关键词：可穿戴设备；行为识别；加速度；随机森林；传感器-I-哈尔滨工业大学工学硕士学位论文AbstractHumanactivityreco

7、gnitionandstatemonitoringisanemergingresearchhotspotinthefieldofartificialintelligenceandpatternrecognition.Inmedicalmonitoring,intelligenthome,agedcareandotherfieldshaveawiderangeofapplications.Combinedwiththedevelopmentofsensortechnology,lowpowerconsumption,wirelessphysiologi

8、calsensornetworkmakesthemicrosensornetworktoourdailyli