基于智能手机传感器的无监督行为识别研究
本文关键词:基于智能手机传感器的无监督行为识别研究,由笔耕文化传播整理发布。
【摘要】:随着智能手机的发展和普及,智能手机在人们生活中发挥着越来越大的作用,甚至可以说智能手机已经完全融入了人们的日常生活,成为人们日常生活、学习、娱乐不可或缺的一部分。而智能手机功能的强大、利用智能手机不会增加额外的成本、容易让人接受的特点也引起了科研人员的关注,出现了越来越多的基于智能手机的研究。内置三轴加速度传感器的智能手机的发展和普及,也给人体行为识别带来了新的发展契机和发展方向。在健康保健、运动识别和记录等方面基于智能手机加速度传感器的行为识别都有了一定的研究和发展。本文遵从行为识别从数据采集到特征提取再到行为识别这一基本流程,整个实验使用了日常行为和运动两大类型的三个数据集。在数据采集方面,我们自己开发了运行在智能手机平台上的APP,并且邀请了志愿者进行实际采样。特征提取方面,我们参考其他科研人员的相关工作,通过自己的实验,挑选并最终确定了19种特征。在识别算法方面,我们将原本应用在PPI生物聚类的MCODE算法运用在了人体行为识别方面,最后达到了还不错的效果。实验结果表明,该方法对日常行为的识别率高于其他五种常用的聚类算法,在竞走识别和篮球动作识别上的平均识别率分别是88%和81.7%,这也证明了使用智能手机内置的三轴加速度传感器识别复杂运动的可行性。
【关键词】:行为识别 智能手机 加速度传感器 MCODE算法
【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】:TN929.53;TP212
【目录】:
- 中文摘要3-4
- Abstract4-7
- 第一章 绪论7-12
- 1.1 课题研究意义7-9
- 1.2 基于智能手机传感器行为识别的发展现状9-10
- 1.3 论文内容与章节安排10-12
- 第二章 行为识别概述12-22
- 2.1 行为识别的分类体系12-19
- 2.1.1 行为识别的方法论划分12-13
- 2.1.2 基于分类方法的行为识别方法划分13-16
- 2.1.3 基于具体实现的行为识别方法划分16-19
- 2.2 行为识别常用特征及特征提取方法19-21
- 2.2.1 基于全局的特征19-20
- 2.2.2 基于局部的特征20
- 2.2.3 基于语义描述的特征20-21
- 2.3 本章小结21-22
- 第三章 行为识别常用聚类算法及评价指标22-29
- 3.1 行为识别常用聚类算法介绍22-26
- 3.1.1 K-means聚类算法22-23
- 3.1.2 K-medoids聚类算法23-24
- 3.1.3 高斯混合模型24-25
- 3.1.4 层次聚类算法25-26
- 3.1.5 谱聚类算法26
- 3.2 评价指标介绍26-28
- 3.2.1 FM-index26-27
- 3.2.2 Adjusted Rand Index27
- 3.2.3 其他指标27-28
- 3.3 本章小结28-29
- 第四章 实验方法设计29-36
- 4.1 数据收集29-32
- 4.2 特征提取32-33
- 4.3 MCODE聚类算法33-35
- 4.4 本章小结35-36
- 第五章 实验结果36-45
- 5.1 日常行为识别36-38
- 5.2 竞走识别38-41
- 5.3 篮球动作识别41-45
- 第六章 总结和展望45-47
- 6.1 总结45
- 6.2 展望45-47
- 参考文献47-50
- 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:基于智能手机传感器的无监督行为识别研究,,由笔耕文化传播整理发布。
本文编号:390760
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/390760.html