基于加速度傳感器的人體姿態(tài)識(shí)別.pdf

1、近些年來，隨著微型機(jī)電系統(tǒng)(MEMS)技術(shù)的飛速發(fā)展和模式識(shí)別理論研究的不斷深入，基于加速度傳感器的人體姿態(tài)識(shí)別已經(jīng)成為了人體姿態(tài)識(shí)別領(lǐng)域中一個(gè)重要的研究方向，在運(yùn)動(dòng)分析、醫(yī)療監(jiān)護(hù)、體感游戲和能耗評(píng)估等領(lǐng)域受到了廣泛的關(guān)注。相比于基于圖像分析的人體姿態(tài)識(shí)別，該方法不受環(huán)境約束，成本低，能耗少，擁有更為廣闊的應(yīng)用前景。
　　當(dāng)前，基于加速度傳感器的人體姿態(tài)識(shí)別研究仍處在一個(gè)比較基礎(chǔ)的階段，由于客觀環(huán)境的多樣性和人體運(yùn)動(dòng)的復(fù)雜性使得基

2、于加速度傳感器的人體姿態(tài)識(shí)別研究還存在很多急需解決的問題，其中包括如何提取具有更強(qiáng)表征能力的數(shù)據(jù)特征，如何設(shè)計(jì)高效、精確的分類器等。圍繞這些問題和難點(diǎn)，本文針對(duì)基于加速度傳感器的人體姿態(tài)識(shí)別技術(shù)展開了一系列的研究，主要的工作如下:
　　(1)、總結(jié)了現(xiàn)有的人體姿態(tài)識(shí)別方法，比較了基于圖像分析和基于加速度傳感器的兩種方法，系統(tǒng)地對(duì)數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、特征提取和選取、分類算法等模塊進(jìn)行了分析。
　　(2)、提出了一種基于改進(jìn)粒

3、子群(PSO)優(yōu)化神經(jīng)網(wǎng)絡(luò)的人體姿態(tài)識(shí)別算法。首先在常用特征集的基礎(chǔ)上，加入離散系數(shù)和曲線積分這兩種能夠反映加速度變化趨勢(shì)和速度變化量的特征作為神經(jīng)網(wǎng)絡(luò)的輸入;然后在利用PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)參數(shù)的同時(shí)，通過控制概率，自適應(yīng)地對(duì)粒子進(jìn)行遺傳操作，增強(qiáng)了粒子跳出局部極小值的能力，并利用訓(xùn)練得到的分類模型對(duì)6種人體姿態(tài)進(jìn)行識(shí)別，實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)改進(jìn)PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)的收斂速度和全局尋優(yōu)能力得到了提高，與其他經(jīng)典分類算法相比識(shí)別精度更高。
　　

4、(3)、提出了一種基于窗口相似度的人體姿態(tài)識(shí)別算法。首先采用曲線擬合對(duì)離散加速度數(shù)據(jù)進(jìn)行處理，并利用粒子群算法優(yōu)化關(guān)鍵參數(shù)后得到其擬合曲線;然后計(jì)算不同擬合曲線之間的窗口相似度，并以窗口相似度作為距離度量，采用K近鄰分類算法來識(shí)別人體姿態(tài)。通過實(shí)驗(yàn)對(duì)比說明該算法的計(jì)算量較小，且能準(zhǔn)確地識(shí)別6種人體姿態(tài)。
　　總而言之，基于加速度傳感器的人體姿態(tài)識(shí)別仍處在發(fā)展階段，該課題的研究具有很大的理論價(jià)值和實(shí)際需要，值得人們?nèi)ミM(jìn)行更深入、細(xì)致