基于加速度传感器的人体动作识别方法研究

发布时间：2017-09-26 21:24

  本文关键词：基于加速度传感器的人体动作识别方法研究

  更多相关文章： 动作识别 特征提取和选择 样本特征边界加权支持向量机(WFWBWSVM) 向无环图支持向量机(DAG SVM) 特征差异

【摘要】：人体动作识别是人工智能和模式识别领域的重要研究课题,在智能人机交互、智能监控、健康监控及人体运动能量消耗评估等众多领域,都有着重大的理论研究意义与广阔的发展前景。随着加速度传感器技术不断进步和发展,基于加速度传感器的人体动作识别受到更加广泛的关注,成为了研究的热点问题。近几年基于加速度传感器的人体动作识别已经由理论阶段逐步迈向了实际应用,取得了较大的发展。但是它仍然处于比较基础的时期,由于现实环境中存在很多的影响以及人体动作的多种多样,在人体动作识别中仍然存在很多需要解决的问题,包括如何针对实际应用设计合理的特征提取和更有效的特征选择方法,如何使动作识别分类器的分类识别精确度高、复杂度低,并有较强的泛化能力,如何使得识别方法的分类识别性能好。基于以上几个问题,本文主要提出了三个方面的研究工作:(1)在特征的提取和选择中,引入并分析了平均值、标准差、峰度、偏度、四分位差及三轴间的相关系数六个人体动作加速度特征,通过结合这六个特征对获取到的加速度数据进行训练和识别。(2)在分类器方法中,提出了样本特征边界加权支持向量机(Weight Features Weight Bounds Weight Support Vector Machine,WFWBWSVM)的分类器方法。该方法是在支持向量机(Support Vector Machine,SVM)的基础上,对分类器的分类边界进行了加权,并结合了对分类样本加权和对分类核函数特征加权,从而得到了更适合人体动作识别的WFWBWSVM的分类器。(3)在分类识别的过程中,通过引入有向无环图支持向量机(Directed Acyclic Graph Support Vector Machine,DAG SVM),根据分类器中训练样本集之间特征差异的大小,对分类器进行了分布排列,从而获得了基于特征差异的DAG SVM。对于本文提出的这三个方面的研究工作,利用实验验证了这些工作的可行性和有效性。
【关键词】：动作识别 特征提取和选择 样本特征边界加权支持向量机(WFWBWSVM) 向无环图支持向量机(DAG SVM) 特征差异
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP212.9;TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-14
• 1.1 研究背景9
• 1.2 研究现状9-11
• 1.3 论文的主要工作11-12
• 1.4 论文的主要结构12-14
• 第二章 数据处理及课题理论基础14-26
• 2.1 数据处理14-19
• 2.1.1 加速度数据库现状14-15
• 2.1.2 所采用的加速度数据库数据15-17
• 2.1.3 加速度信号的处理17-19
• 2.2 SVM19-23
• 2.2.1 SVM简介19
• 2.2.2 SVM分类器19-23
• 2.3 分类原则23-25
• 2.4 本章小结25-26
• 第三章 数据的特征选择和提取26-34
• 3.1 特征的提取和选择26-28
• 3.2 特征值获取的过程28-33
• 3.3 本章小结33-34
• 第四章 基于SVM改进的人体动作识别34-50
• 4.1 基于SVM分类器的改进34-41
• 4.2 训练的过程41-44
• 4.3 识别过程的改进44-49
• 4.4 本章小结49-50
• 第五章 实验及其性能50-57
• 5.1 实验环境及工具简介50-51
• 5.2 实验51-56
• 5.2.1 案例一的实验52-54
• 5.2.2 案例二的实验54-55
• 5.2.3 案例三的实验55-56
• 5.3 本章小结56-57
• 第六章 总结与展望57-59
• 6.1 论文总结57
• 6.2 论文展望57-59
• 参考文献59-64
• 致谢64-65
• 硕士在读期间发表的论文65

【相似文献】

中国期刊全文数据库 前10条

1 苗雪兰;;基于模糊理论的人体动作表示及动作模式识别方法[J];模式识别与人工智能;2002年02期

2 杨靖;董永贵;王东生;;利用热释电红外信号进行人体动作形态识别[J];仪表技术与传感器;2009年S1期

3 蔺广逢;朱虹;范彩霞;张二虎;;基于空间分布特征的人体动作动态建模识别[J];模式识别与人工智能;2013年03期

4 由英琪;善解人意的感情电脑[J];市场观察;1998年10期

5 张继光;羊彦;李伟;;基于组合微惯性测量元件的人体动作检测系统设计[J];传感技术学报;2010年02期

6 陈仲珊;;基于视觉注意的人体动作检测[J];考试周刊;2011年86期

7 刘剑;龚志恒;吴成东;岳恒;高恩阳;;基于深度和LLE的人体动作趋势分析研究[J];控制工程;2013年06期

8 张燕中;柴业宏;许高建;;关于田径人体动作计算机绘图软件开发的研究[J];安徽农业大学学报;2009年01期

9 王冲;施玉霞;陆熊;;基于加速度传感器的无线人体动作测量设备[J];单片机与嵌入式系统应用;2011年08期

10 李瑞峰;王亮亮;王珂;;人体动作行为识别研究综述[J];模式识别与人工智能;2014年01期

中国重要会议论文全文数据库 前5条

1 黄少莉;;谈聋儿的舞蹈教学[A];中国心理卫生协会残疾人心理卫生分会第四届学术交流会论文集[C];2002年

2 黄少莉;;谈聋儿的舞蹈教学[A];中国残疾人康复协会心理卫生专业委员会第三届学术交流会论文集[C];2002年

3 宋启来;;不同专项运动员伸膝动作动力过程的专项特征[A];第五届全国运动生物力学学术会议论文摘要[C];1985年

4 蒋艳;;浅论舞蹈理论对舞蹈实践的指导作用[A];2014年9月现代教育教学探索学术交流会论文集[C];2014年

5 罗逸苇;姜明;;用Vicon系统进行人体动作的运动分析[A];第十一届全国运动生物力学学术交流大会论文汇编（摘要）[C];2006年

中国重要报纸全文数据库 前3条

1 本报记者 刘晓;留美博士在宁“零投资创业”[N];南京日报;2010年

2 汪娅敏（作者单位：安徽省歌舞剧院）;试论舞蹈的语言[N];安徽经济报;2006年

3 周惠斌;选购服装注重六性[N];大众科技报;2004年

中国博士学位论文全文数据库 前5条

1 李阳;局部时空特征及部件的视频人体动作识别方法研究[D];重庆大学;2015年

2 杨江峰;基于视频的人体动作分析与识别的研究[D];电子科技大学;2015年

3 姜鸣;基于体感网的人体动作监测识别的研究[D];大连理工大学;2012年

4 江焯林;基于计算机视觉的人体动作检测和识别方法研究[D];华南理工大学;2010年

5 赵琼;基于视频和三维动作捕捉数据的人体动作识别方法的研究[D];中国科学技术大学;2013年

中国硕士学位论文全文数据库 前10条

1 朱林;视频中人体动作识别方法研究[D];华南理工大学;2015年

2 查敏菊;基于手势动作的智能输入系统[D];复旦大学;2013年

3 王朝新;人体动作信息采集系统的软件设计[D];大连理工大学;2015年

4 韩建飞;基于加速度传感器的人体动作识别方法研究[D];江苏大学;2016年

5 程司雷;反应跟随性人体动作合成系统[D];浙江大学;2011年

6 杨靖;一种热释电红外人体动作形态传感器的研究[D];清华大学;2010年

7 朱震文;视频数据中人体动作的分类研究[D];南京理工大学;2012年

8 李雄;人体动作的骨骼动画研究与初步实现[D];华中科技大学;2011年

9 高丽丽;基于容积特征的人体动作检测[D];南京理工大学;2009年

10 刘X;基于整体特征的人体动作的识别[D];南京理工大学;2009年

，

本文编号：925804