基于智能移动终端的人体运动识别技术研究与应用

发布时间：2021-04-02 14:58

随着生活节奏的日益加快和工作压力的增大,健康的生活方式越来越得到人们的重视和倡导,对人体日常运动状况的监测对于健康生活方式有着非常重要的现实意义。现今科技的迅速发展和制造工艺的不断提高,基于智能可穿戴设备的人体运动识别技术受到了越来越多的研究者的关注。如今智能手机不仅具有强大的计算能力同时也集成了多种传感器,基于此本文提出了基于智能手机的人体运动识别技术的研究与应用。本文主要利用智能手机内置的加速度传感器,并基于对国内外人体运动识别相关经典方法的分析,对人体运动识别方法和跌倒检测算法进行了研究和改进,并实现了基于智能手机传感器的人体运动识别系统。本文首先,对人体运动加速度信号进行采集,并对原始数据进行滤波、加窗等预处理;然后从时域和频域角度对加速度信号进行分析并提取特征值,并采用线性判决分析法对特征集合进行降维处理;最后通过K近邻、C4.5决策树、SVM和随机森林分类器对行走、跑步、静止、骑自行车及上下楼梯六种日常运动行为进行分类识别。实验结果表明SVM的平均识别准确率最高,达到94.06%。其次,通过对人体跌倒过程中加速度信号和人体姿态角度变化的分析,本文提出了基于SVM的分层跌倒识别算法。该算法首先提取跌倒过程中运动加速度的特征值,包括合加速度最大值、均值穿越次数、信号强度区以及信号能量,通过SVM分类器识别出疑似跌倒行为;然后对检测出的疑似跌倒行为进一步判断人体倾斜角是否达到设定阈值,进而能够准确识别出人体的跌倒行为。通过实验表明:本文提出的跌倒检测算法具有较高的敏感性和特异性,能够有效地识别出人体的跌倒行为。最后,在本文研究的运动识别方法和跌倒识别算法基础上,开发实现了基于Android智能手机平台的人体运动识别系统。该系统(1)可以对用户进行日常运动行为的实时分类识别,并通过百度地图进行用户定位和显示运动路线;(2)可以对用户的跌倒行为进行检测,一旦识别到用户发生跌倒会立即发出蜂鸣声进行报警,以及向紧急联系人发送求助信息,使用户可以得到及时的救助。本文实现的人体运动识别系统具有一定的实用价值。
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP212.9

文章目录

摘要

Abstract

第1章绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文的主要研究内容

1.4 论文的组织结构

第2章运动识别相关技术

2.1 智能手机传感器

2.2 Android平台数据获取

2.2.1 Android平台概述

2.2.2 传感器数据采集

2.3 人体运动识别流程

2.4 本章小结

第3章基于加速度传感器的人体运动识别研究

3.1 运动数据采集方案

3.2 数据预处理

3.2.1 信号滤波去噪

3.2.2 数据加窗分割

3.3 特征提取和降维

3.3.1 特征提取与规范化

3.3.2 特征降维

3.4 分类器选择

3.4.1 K近邻分类器

3.4.2 决策树分类器

3.4.3 SVM分类器

3.4.4 随机森林分类器

3.5 实验结果分析

3.5.1 实验设置

3.5.2 分类结果分析

3.5.3 算法性能对比

3.5.4 数据集对比实验

3.6 本章小结

第4章跌倒行为识别研究

4.1 跌倒原因及动作行为分析

4.2 跌倒识别方法研究

4.3 基于SVM的跌倒识别算法设计

4.3.1 跌倒特征提取

4.3.2 SVM分类器参数调优

4.3.3 基于SVM的跌倒识别算法设计

4.4 跌倒实验及结果分析

4.4.1 跌倒实验方案

4.4.2 实验结果及分析

4.5 本章小结

第5章基于Android的人体运动识别系统设计

5.1 系统总体结构设计

5.2 系统功能设计与实现

5.2.1 用户信息设置

5.2.2 运动实时识别

5.2.3 GPS定位

5.2.4 跌倒检测与求助

5.3 系统运行界面

5.4 本章小结

总结与展望

致谢

参考文献

【参考文献】