基于加速度传感器的日常行为识别的特征提取方法研究

发布时间：2017-04-28 17:15

  本文关键词：基于加速度传感器的日常行为识别的特征提取方法研究，由笔耕文化传播整理发布。

【摘要】：随着计算机科学技术的发展,人们的生活逐渐智能化、数字化。在这个时代,我们工作娱乐是数字化的,逛街购物是数字化的,甚至于我们的走路、跑步、睡觉都可以数字化的表示。近些年已有许多的研究学者致力于人们的日常行为的识别,其研究成果广泛应用于健康监测、日常运动跟踪、工作家庭自动化、人机交互的等领域。人类日常行为识别的研究过程通常包括信息采集、特征值提取和行为识别分析。在信息采集方面,由于传统的基于图像的研究方式存在色彩、阴影和物体遮挡等诸多因素的影响的问题,目前许多研究均是采用集成加速度传感器的便携设备采集行为数据。在特征提取方面,因为待分析的行为和应用环境的不确定,目前的研究中尚未提出一个统一而有效的特征提取方法。在行为识别方面,目前研究中使用的行为分类方法多为基于监督的分类方法,而聚类方法相对使用较少。使用监督式分类方法对行为进行分类时,需要对行为数据加标签。然而加标签是一个冗杂无趣并且耗时较长的过程,对行为分类来说无疑是一个长期的负担。针对上述问题,我们主要做了如下的工作。首先,我们提出一个基于聚类算法MCODE的行为识别框架。该识别框架相对于其他分类的算法的优势在于在行为数据采集中无需加标签。其次,我们在识别框架中提出了三种不同的特征值提取方法。三种提取方法提取的都是时域特征,特征简单、计算速度快。我们提出的识别框架分为三阶段工作:特征提取,提供三种不同的特征值提取方法;构建基于欧氏距离的相似性度量的行为模型,将离散数据构建成网络;对行为模型进行进行MCODE聚类,并使用FM指数对聚类结果进行评价。在实验中使用三种不同的特征值提取方法对两种不同的数据集上的进行实验验证,通过聚类分析我们分别取得0.97和0.87的识别性能,表明了该识别框架对两个数据集中的行为分类的有效性,同时对不同特征提取方法对应的行为识别效果作出比对分析。
【关键词】：行为识别 MCODE 三轴加速度传感器 图模型
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP212;TP391.41
【目录】：

• 中文摘要3-4
• Abstract4-8
• 第一章 绪论8-15
• 1.1 研究背景与意义8-9
• 1.2 国内外研究现状及发展趋势9-13
• 1.3 主要研究内容与论文结构13-15
• 第二章 基于加速度传感器的行为识别相关工作15-24
• 2.1 信息采集15-17
• 2.2 特征提取技术的研究17-18
• 2.3 行为识别方法的研究18-22
• 2.3.1 行为识别中分类方法18-21
• 2.3.2 行为识别中聚类方法21-22
• 2.4 本章小结22-24
• 第三章 基于加速度传感器的识别框架24-34
• 3.1 特征提取24-28
• 3.2 数据模型构建28-29
• 3.3 行为聚类MCODE29-32
• 3.4 性能评价算法32-34
• 第四章 实验结果和分析34-44
• 4.1 实验数据集34-35
• 4.2 实验一四类行为的聚类分析35-38
• 4.2.1 参数设置与分析36-37
• 4.2.2 实验结果和分析37-38
• 4.3 实验二：六类行为的聚类分析38-42
• 4.3.1 lnnd参数分析39-40
• 4.3.2 实验结果和分析40-42
• 4.4 实验三：行为个数不确定的行为识别42-44
• 4.4.1 实验结果和分析42-44
• 第五章 总结与展望44-46
• 5.1 工作总结44
• 5.2 展望44-46
• 参考文献46-50
• 在学期间的研究成果50-51
• 致谢51

【相似文献】

中国期刊全文数据库 前10条

1 李宁;须德;傅晓英;袁玲;;结合人体运动特征的行为识别[J];北京交通大学学报;2009年02期

2 张伟东;陈峰;徐文立;杜友田;;基于阶层多观测模型的多人行为识别[J];清华大学学报(自然科学版);2009年07期

3 吴联世;夏利民;罗大庸;;人的交互行为识别与理解研究综述[J];计算机应用与软件;2011年11期

4 申晓霞;张桦;高赞;薛彦兵;徐光平;;一种鲁棒的基于深度数据的行为识别算法[J];光电子.激光;2013年08期

5 郑胤;陈权崎;章毓晋;;深度学习及其在目标和行为识别中的新进展[J];中国图象图形学报;2014年02期

6 曾青松;余明辉;贺卫国;李玲;;一种行为识别的新方法[J];昆明理工大学学报(理工版);2009年06期

7 谷军霞;丁晓青;王生进;;基于人体行为3D模型的2D行为识别[J];自动化学报;2010年01期

8 李英杰;尹怡欣;邓飞;;一种有效的行为识别视频特征[J];计算机应用;2011年02期

9 王新旭;;基于视觉的人体行为识别研究[J];中国新通信;2012年21期

10 王忠民;曹栋;;坐标转换在移动用户行为识别中的应用[J];北京邮电大学学报;2014年S1期

中国重要会议论文全文数据库 前7条

1 苗强;周兴社;於志文;倪红波;;一种非觉察式的睡眠行为识别技术研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

2 齐娟;陈益强;刘军发;;基于多模信息感知与融合的行为识别[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

3 方帅;曹洋;王浩;;视频监控中的行为识别[A];2007中国控制与决策学术年会论文集[C];2007年

4 黄紫藤;吴玲达;;监控视频中简单人物行为识别研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

5 安国成;罗志强;李洪研;;改进运动历史图的异常行为识别算法[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

6 王忠民;曹栋;;坐标转换在移动用户行为识别中的应用研究[A];2013年全国通信软件学术会议论文集[C];2013年

7 刘威;李石坚;潘纲;;uRecorder:基于位置的社会行为自动日志[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

中国重要报纸全文数据库 前4条

1 李晨光;导入CIS要注意什么？[N];河北经济日报;2001年

2 农发行鹿邑支行党支部书记 行长 刘永贞;发行形象与文化落地农[N];周口日报;2007年

3 东林;行为识别新技术让监控没有“死角”[N];人民公安报;2007年

4 田凯　徐蕊 李政育 信木祥;博物馆安全的国际经验[N];中国文物报;2014年

中国博士学位论文全文数据库 前10条

1 邵延华;基于计算机视觉的人体行为识别研究[D];重庆大学;2015年

2 仝钰;基于条件随机场的智能家居行为识别研究[D];大连海事大学;2015年

3 冯银付;多模态人体行为识别技术研究[D];浙江大学;2015年

4 姜新波;基于三维骨架序列的人体行为识别研究[D];山东大学;2015年

5 韩姗姗;基于视觉的运动人体特征描述与行为识别研究[D];浙江工业大学;2015年

6 何卫华;人体行为识别关键技术研究[D];重庆大学;2012年

7 吴秋霞;复杂场景下的人体行为识别[D];华南理工大学;2012年

8 于成龙;基于视频的人体行为识别关键技术研究[D];哈尔滨工业大学;2014年

9 王亮;基于判别模式学习的人体行为识别方法研究[D];哈尔滨工业大学;2011年

10 付朝霞;基于视频流的人体目标检测与行为识别研究[D];中北大学;2013年

中国硕士学位论文全文数据库 前10条

1 唐小琴;基于全局和局部运动模式的人体行为识别研究[D];西南大学;2015年

2 胡秋扬;可穿戴式个人室内位置和行为监测系统[D];浙江大学;2015年

3 陈钰昕;基于时空特性的人体行为识别研究[D];燕山大学;2015年

4 任亮;智能车环境下车辆典型行为识别方法研究[D];长安大学;2015年

5 金泽豪;并行化的人体行为识别方法研究与实现[D];华南理工大学;2015年

6 王呈;穿戴式多传感器人体日常活动监测系统设计与实现[D];南京理工大学;2015年

7 王露;基于稀疏时空特征的人体行为识别研究[D];苏州大学;2015年

8 于静;基于物品信息和人体深度信息的行为识别研究[D];山东大学;2015年

9 章瑜;人体运动行为识别相关方法研究[D];南京师范大学;2015年

10 赵扬;家庭智能空间下基于行走轨迹的人体行为理解[D];山东大学;2015年

  本文关键词：基于加速度传感器的日常行为识别的特征提取方法研究，，由笔耕文化传播整理发布。

本文编号：333236