基于傳感器的人體行為識別技術研究.pdf

1、隨著微電子、傳感器技術的迅速發(fā)展以及模式識別理論的不斷成熟，基于MEMS傳感器的人體行為識別在近些年來得到了研究人員的廣泛關注。基于傳感器數據的行為識別方法具有便攜性好、功耗低、抗環(huán)境干擾等優(yōu)勢，在運動追蹤、人機交互、增強現實等方面有廣泛的應用前景。早期的研究由于缺乏成熟、通用的平臺型設備，因此以自行設計的穿戴式傳感器設備為主。而隨著智能手機等通用移動設備感知、計算能力的飛速提升，以移動設備作為載體的人體行為識別也成為了新的研究熱點。但

2、相比傳統(tǒng)的穿戴式設備，移動設備位置和方向不固定，計算能力相比桌面平臺也有很大差距，因此，還存在很多問題需要解決。
　　本文的研究圍繞以智能手機為主的通用移動設備展開。為了適應移動設備的位置變化，實現高準確率的人體行為識別，本文采集了不同設備位置下的多種人體行為對應的傳感器數據，設計了一種分層的行為識別方法，該方法中包含了設備位置分類模型，以及針對不同設備位置的行為分類模型，兩種模型依次銜接，通過設備位置的識別結果選擇對應該位置的行

3、為分類模型，從而給出最終的行為識別結果。論文對上述分類模型進行了訓練、評估和分析，并在Android平臺上對該分層行為識別方法進行了代碼實現。
　　實驗結果表明，較之于不分層（即不區(qū)分設備位置）的識別方法，本文中的分層行為識別方法對人體行為的識別準確率提高了8.2％，達到93.3％。與近年來的類似研究相比，該方法在識別準確率保持同等水平的條件下，極大地提升了移動設備在識別人體行為時對設備位置變化的適應能力，能夠自動適應多達8種的不