基于随机森林算法的人体运动模式识别研究

发布时间：2022-01-04 08:19

　　随着传感器技术日益精进和模式识别算法的不断完善,基于传感器的人体运动模式识别技术也因此成为了一个备受关注、发展迅速的研究领域,并被应用于人机交互、健康监护、体育竞技、军事等众多领域。人体运动模式识别的基本原理是通过处理和分析传感器获取的人体运动信息,判定运动的类别。其主要步骤包括数据预处理、特征提取、特征选择、分类器的训练和分类算法的执行。为了在控制系统的运算成本的同时获取足够丰富的数据以保证系统分类结果的精确度,本文选用位于手腕和前胸的传感器数据参与人体运动模式的识别。由于人体运动复杂且外界环境多变,人体运动模式识别依然存在不少问题。例如对不同运动模式的细致分类,需要更有效的特征提取以及更高效的分类算法等。围绕着这些难点,本文对人体模式识别系统展开研究,主要工作包括:选用来自UCI数据库的PAMAP2数据集作为原始数据参与算法,该数据集的特点是数据全面,数据点丰富。在数据预处理部分,调优卡尔曼算法参数并实现了适用于人体运动模式识别的卡尔曼滤波器,用其对原始数据进行去噪滤波。提出了一种基于离散小波变换和自相关函数的多特征融合算法,并用其对数据进行处理和分析。该算法利用离散小波变换对数据... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图２－１卡尔曼滤波器循环更新图??２．１．２卡尔曼滤波器参数分析??

噪声协方差Ｒ表示对测量值的信仃程度。调整这两个参数的取值比，就是均衡??滤波器在模塑和测量值之间的的信仟度。??实验数据基于去除空值以及归？化后的数据源，如图２－３、图２－４、图２－５、??图２－６所示：与选取不同Ｑ、Ｒ比例时，片尔曼滤波器输出波形与滤波前波形。??其中，蓝色线条表示未被滤波的数据，绿色线条表示卡尔曼滤波器滤波后的输出??波形。??－４??（?１?，??４１?？?ｔ—???ｒ???０?１００?２００?０?ｉ〇ｏ?２００??图２－３?Ｑ：Ｒ＝１：１时卡尔曼滤波器滤波效果?图２－４Ｑ：Ｒ＝ｌ：３时卡尔曼滤波器滤波效果??１５??

噪声协方差Ｒ表示对测量值的信仃程度。调整这两个参数的取值比，就是均衡??滤波器在模塑和测量值之间的的信仟度。??实验数据基于去除空值以及归？化后的数据源，如图２－３、图２－４、图２－５、??图２－６所示：与选取不同Ｑ、Ｒ比例时，片尔曼滤波器输出波形与滤波前波形。??其中，蓝色线条表示未被滤波的数据，绿色线条表示卡尔曼滤波器滤波后的输出??波形。??－４??（?１?，??４１?？?ｔ—???ｒ???０?１００?２００?０?ｉ〇ｏ?２００??图２－３?Ｑ：Ｒ＝１：１时卡尔曼滤波器滤波效果?图２－４Ｑ：Ｒ＝ｌ：３时卡尔曼滤波器滤波效果??１５??

【参考文献】：
期刊论文
[1]基于多传感器数据融合的人体运动模式识别研究[J]. 张毅,任同辉,罗元.  计算机测量与控制. 2016(01)
[2]随机森林与支持向量机分类性能比较[J]. 黄衍,查伟雄.  软件. 2012(06)
[3]卡尔曼滤波器参数分析与应用方法研究[J]. 王学斌,徐建宏,张章.  计算机应用与软件. 2012(06)
[4]拟自适应分类随机森林算法[J]. 马景义,吴喜之,谢邦昌.  数理统计与管理. 2010(05)
[5]改进卡尔曼滤波的目标跟踪研究[J]. 杨柳.  计算机仿真. 2010(09)
[6]自适应卡尔曼滤波的最新进展[J]. 符拯,王书满,刘丙杰.  战术导弹技术. 2009(06)

博士论文
[1]基于体感网的人体动作监测识别的研究[D]. 姜鸣.大连理工大学 2012
[2]基于单个加速度传感器的人体运动模式识别[D]. 薛洋.华南理工大学 2011
[3]人体运动信息获取及物理活动识别研究[D]. 刘蓉.华中科技大学 2009

硕士论文
[1]随机森林的特征选择和模型优化算法研究[D]. 雍凯.哈尔滨工业大学 2008



本文编号：3568025