基于改进CNN-LSTM的人体行为识别研究
发布时间：2021-08-20 11:17
近年来,人体行为识别在计算机视觉和人机交互等领域有着广泛的应用。随着智能手机市场的迅速扩张以及微型传感器的快速发展,人类智能手机中的嵌入了各种各样的MEMS传感器设备。基于传感器智能设备的人体行为识别方面的研究成为了一个新兴的分支,人体行为识别在健康看护、医疗检测中提供了很好的支持。尽管该研究近年来取得了不错的成效,但目前依然存在很多不足,例如:个人的数据较为隐私不易获取、个人采集的数据量不充分、较为细致的动作识别研究精确度低等。在行为识别算法中,机器学习中的特征提取工程需要科研人员具备一定的先验知识和大量的人力资源。随着神经网络的热潮来临,人体行为识别算法从传统的机器学习过渡到神经网络,它通过训练网络自动选择特征从而实现分类。本文围绕基于神经网络和智能设备的人体行为识别方面展开了研究。数据来源于用户跌倒和日常行为的三个公开数据集（UniMiB SHAR公开数据集、MobiFall公开数据集、MobiAct公开数据集）,通过对数据进行分析处理,并结合当前较为热门的神经网络进行分类建模。本文的研究内容分为三大部分,分别为基于传感器的人类活动数据的前期处理、人类行为活动的识别分类和算法评估...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：94 页
【学位级别】：硕士
【部分图文】：
基于图像的人体行为识别
狻?1.2.2基于穿戴式传感器的人体行为识别随着无线通信传输技术和微电子技术的迅猛发展，微型传感器与无线通信设备相结合使人类生活更加便捷，人们可以通过智能识别技术很好地检测人类的活动，当异常发生时可以及时向周围发出警报。基于穿戴式传感器的人体行为识别又可以大致分为两种，分别是基于固有传感器的人体行为识别和基于MEMS传感器的人体行为识别。基于固有传感器的人体行为识别中采集信息的传感器尺寸较大，一般固定于某处，对周围的信息进行采集，常用于比较大型的人类活动识别，如自动驾驶中的热成像传感器，如图1-2所示。热成像传感器通过采集汽车周围的传感器信息，从而识别出车辆周围的环境(行人、动物、障碍物等)，继而达到一个辅助驾驶的功能。图1-2热成像传感器人体行为识别基于MEMS传感器的人体行为识别中采集信息的传感器为微型传感器，主要是镶嵌在某些设备中起辅助作用。如图1-3所示的是基于MEMS传感器的人体行为识别示例，人类将微型传感器嵌入到通讯设备中，当检测到跌倒时，卫星会收到该设备的位置，同时将该位置通过网络发送给其他人进行救助，起到了很好的监测人类行为活动的作用。当然还有其他的微型传感器设备用于数据的收集，如人们利
第二章技术理论及相关算法11手机是否贴合耳朵，实现手机自动熄屏。重力传感器可以实现手机横竖屏的智能切换，陀螺仪传感器可以实现VR虚拟现实以及地磁传感器可以实现手机的指南针功能[44]。本文利用智能设备中的加速度传感器和陀螺仪收集人类日常行为的传感数据信息，加速度传感器数据用于感知人体活动的幅度变化，陀螺仪用于感知运动的角度变化，智能设备的自然坐标系如图2-2所示，X轴坐标轴即手机从左到右的走向，Y轴坐标轴即手机底部到顶端的方向，Z轴坐标轴则是面向使用者的方向。图2-2智能设备的坐标系2.1.1加速度传感器加速度传感器是测量加速度的装置[45]。固有加速度是物体在自身瞬时静止坐标系下的加速度(或速度变化率)，加速度传感器测量的加速度是固定坐标系下的加速度，即加速度传感器在时空的任何一点上，保证了局部惯性框架的存在，加速度计测量相对于该惯性框架的加速度。加速度计能够使飞机平稳飞行，是飞机惯性导航系统中的一个重要部分。旋转机械振动的检测也可利用加速度传感器实现。日常生活中，将加速度计用于平板电脑和数码相机，可以使屏幕上的图像总是垂直显示。加速度传感器主要通过压电效应工作，通过作用在不同方向力的大小产生不同的形变，来产生不同的电压与加速度变化，从而判断该动作在X轴、Y轴、Z轴所产生的能量大校如图2-3所示，现代的加速度计通常是小型微电子机械系统(MEMS)，它仅仅由一个悬臂梁和一个验证质量(也称为地震质量)组成[45]。加速度传感器主要为电容式传感器，加速度传感器将物体移动方向的加速度变化幅度转换成电信号，通过压电效应感知人体活动幅度的变化，从而检测X、Y、Z轴的加速度，如图2-2所示。
【参考文献】：
期刊论文
[1]人口老龄化:现状、趋势与应对[J]. 翟振武,刘雯莉. 河南教育学院学报(哲学社会科学版). 2019(06)
[2]基于SIFT和HOG特征融合的人体行为识别方法[J]. 韩欣欣,叶奇玲. 计算机技术与发展. 2019(06)
[3]视频行为识别综述[J]. 罗会兰,王婵娟,卢飞. 通信学报. 2018(06)
[4]基于深度图像的人体行为识别综述[J]. 孙彬,孔德慧,张雯晖,贾文浩. 北京工业大学学报. 2018(10)
[5]传感器技术在可穿戴设备中的应用[J]. 刘欢,邱力军,范启富. 无线互联科技. 2017(10)
[6]人体动作行为识别研究综述[J]. 李瑞峰,王亮亮,王珂. 模式识别与人工智能. 2014(01)
[7]一种新型MEMS加速度传感器的研制[J]. 杨要恩,孙幸成,王庆敏. 电子器件. 2013(02)
博士论文
[1]基于卷积神经网络的人体行为分析与步态识别研究[D]. 李超.浙江大学 2019
[2]基于手机和可穿戴设备的用户活动识别问题研究[D]. 孙泽浩.中国科学技术大学 2016
硕士论文
[1]基于深度学习的手势识别及人体行为识别算法研究[D]. 廖毅雄.北京邮电大学 2019
[2]基于可穿戴设备的人体手部细微动作识别研究[D]. 钱立权.电子科技大学 2018
[3]基于RGBD数据的人体行为识别方法的研究[D]. 钟萍.湖南大学 2017
[4]基于智能手机终端的驾驶行为风格检测[D]. 任静文.电子科技大学 2014
[5]基于多传感器的人体运动模式识别研究[D]. 李路.山东大学 2013
本文编号：3353401
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：94 页
【学位级别】：硕士
【部分图文】：
基于图像的人体行为识别
狻?1.2.2基于穿戴式传感器的人体行为识别随着无线通信传输技术和微电子技术的迅猛发展，微型传感器与无线通信设备相结合使人类生活更加便捷，人们可以通过智能识别技术很好地检测人类的活动，当异常发生时可以及时向周围发出警报。基于穿戴式传感器的人体行为识别又可以大致分为两种，分别是基于固有传感器的人体行为识别和基于MEMS传感器的人体行为识别。基于固有传感器的人体行为识别中采集信息的传感器尺寸较大，一般固定于某处，对周围的信息进行采集，常用于比较大型的人类活动识别，如自动驾驶中的热成像传感器，如图1-2所示。热成像传感器通过采集汽车周围的传感器信息，从而识别出车辆周围的环境(行人、动物、障碍物等)，继而达到一个辅助驾驶的功能。图1-2热成像传感器人体行为识别基于MEMS传感器的人体行为识别中采集信息的传感器为微型传感器，主要是镶嵌在某些设备中起辅助作用。如图1-3所示的是基于MEMS传感器的人体行为识别示例，人类将微型传感器嵌入到通讯设备中，当检测到跌倒时，卫星会收到该设备的位置，同时将该位置通过网络发送给其他人进行救助，起到了很好的监测人类行为活动的作用。当然还有其他的微型传感器设备用于数据的收集，如人们利
第二章技术理论及相关算法11手机是否贴合耳朵，实现手机自动熄屏。重力传感器可以实现手机横竖屏的智能切换，陀螺仪传感器可以实现VR虚拟现实以及地磁传感器可以实现手机的指南针功能[44]。本文利用智能设备中的加速度传感器和陀螺仪收集人类日常行为的传感数据信息，加速度传感器数据用于感知人体活动的幅度变化，陀螺仪用于感知运动的角度变化，智能设备的自然坐标系如图2-2所示，X轴坐标轴即手机从左到右的走向，Y轴坐标轴即手机底部到顶端的方向，Z轴坐标轴则是面向使用者的方向。图2-2智能设备的坐标系2.1.1加速度传感器加速度传感器是测量加速度的装置[45]。固有加速度是物体在自身瞬时静止坐标系下的加速度(或速度变化率)，加速度传感器测量的加速度是固定坐标系下的加速度，即加速度传感器在时空的任何一点上，保证了局部惯性框架的存在，加速度计测量相对于该惯性框架的加速度。加速度计能够使飞机平稳飞行，是飞机惯性导航系统中的一个重要部分。旋转机械振动的检测也可利用加速度传感器实现。日常生活中，将加速度计用于平板电脑和数码相机，可以使屏幕上的图像总是垂直显示。加速度传感器主要通过压电效应工作，通过作用在不同方向力的大小产生不同的形变，来产生不同的电压与加速度变化，从而判断该动作在X轴、Y轴、Z轴所产生的能量大校如图2-3所示，现代的加速度计通常是小型微电子机械系统(MEMS)，它仅仅由一个悬臂梁和一个验证质量(也称为地震质量)组成[45]。加速度传感器主要为电容式传感器，加速度传感器将物体移动方向的加速度变化幅度转换成电信号，通过压电效应感知人体活动幅度的变化，从而检测X、Y、Z轴的加速度，如图2-2所示。
【参考文献】：
期刊论文
[1]人口老龄化:现状、趋势与应对[J]. 翟振武,刘雯莉. 河南教育学院学报(哲学社会科学版). 2019(06)
[2]基于SIFT和HOG特征融合的人体行为识别方法[J]. 韩欣欣,叶奇玲. 计算机技术与发展. 2019(06)
[3]视频行为识别综述[J]. 罗会兰,王婵娟,卢飞. 通信学报. 2018(06)
[4]基于深度图像的人体行为识别综述[J]. 孙彬,孔德慧,张雯晖,贾文浩. 北京工业大学学报. 2018(10)
[5]传感器技术在可穿戴设备中的应用[J]. 刘欢,邱力军,范启富. 无线互联科技. 2017(10)
[6]人体动作行为识别研究综述[J]. 李瑞峰,王亮亮,王珂. 模式识别与人工智能. 2014(01)
[7]一种新型MEMS加速度传感器的研制[J]. 杨要恩,孙幸成,王庆敏. 电子器件. 2013(02)
博士论文
[1]基于卷积神经网络的人体行为分析与步态识别研究[D]. 李超.浙江大学 2019
[2]基于手机和可穿戴设备的用户活动识别问题研究[D]. 孙泽浩.中国科学技术大学 2016
硕士论文
[1]基于深度学习的手势识别及人体行为识别算法研究[D]. 廖毅雄.北京邮电大学 2019
[2]基于可穿戴设备的人体手部细微动作识别研究[D]. 钱立权.电子科技大学 2018
[3]基于RGBD数据的人体行为识别方法的研究[D]. 钟萍.湖南大学 2017
[4]基于智能手机终端的驾驶行为风格检测[D]. 任静文.电子科技大学 2014
[5]基于多传感器的人体运动模式识别研究[D]. 李路.山东大学 2013
本文编号：3353401
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3353401.html
