基于三轴加速度计的活动识别方法研究

发布时间：2021-01-19 03:11

　　随着微型计算机技术的发展,智能移动设备以及各种穿戴传感器被广泛使用。可穿戴技术作为一种革命性技术,在卫生医疗、运动健康、智慧城市、军事作战等领域发挥了举足轻重的作用。基于可穿戴技术的飞速发展,用户情境感知作为普适计算中的一个重要领域,得到了越来越多的重视。近年来,使用可穿戴设备以及智能移动设备识别人类活动的研究越来越受到关注。群体行为识别作为人体活动识别的延伸,在交通运输规划、城市公共区域规划、服务推荐、犯罪预防、群体事件监控等方面有着广阔的应用前景。但由于电池容量以及计算资源的限制,诸如活动识别等情境感知应用仍然没有被大众广泛接受。针对移动设备上应用对于降低资源消耗的需求,本文首先提出了一种基于活动预分类与历史活动分析的轻量级人体活动识别算法。该算法利用三轴加速度数据提取时域特征,通过活动预分类减少复杂度较高的分类算法的执行频率。此外,基于用户活动变化情况,轻量级算法实时调整传感器的采样频率从而降低功耗并减少系统响应时间。另一方面,传统的群体行为识别方法大多使用监控摄像头采集视频数据从而识别群体活动,这样会有覆盖范围较低以及侵犯用户隐私的问题。因此,本文提出了一个使用三轴加速度计识别... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

人体活动识别APP3.4.3识别准确率

图 3-9 能耗分析工具与活动识别性能记录 APPa) 参数 与 对准确率的影响102030405023456780.40.50.60.70.80.91λ准确率损失/%δ

哈尔滨工业大学工学硕士学位论文4.4 实验验证与分析4.4.1 实验设置为了验证本文所述的基于特征融合与聚类分析的群体行为识别方法的有效性，我们使用 10 位实验者的智能手机所采集的运动数据进行群体行为识别。实验中，用户的智能手机与上一小节一样放置在右腿口袋中。群体行为识别 APP如图 4-6 所示。

【参考文献】：
期刊论文
[1]Comparison of fusion methods based on DST and DBN in human activity recognition[J]. Andrei TOLSTIKOV,Jit BISWAS,Chris NUGENT,Guido PARENTE.  Journal of Control Theory and Applications. 2011(01)



本文编号：2986218