基于智能手表的人體行為識別研究.pdf

1、隨著經(jīng)濟的快速發(fā)展，人類生活水平的不斷提高，越來越多的慢性病出現(xiàn)。一些慢性病在發(fā)病早期就會出現(xiàn)一些相應的癥狀，造成病人行為上的變化，及早發(fā)現(xiàn)異常行為并進行及時的干預將有助于疾病的早發(fā)現(xiàn)早治療。慢性病的成因比較復雜，肥胖被公認為是很多慢性病形成的主要因素。除了不健康的飲食習慣外，更多的肥胖是由人們久坐不動引起的，適當?shù)腻憻捈饶鼙３诸^腦的清醒，又能防止身體肥胖，預防慢性病的發(fā)生。本文以智能手表為平臺進行人體行為識別研究，有助于人們了解自己的

2、運動狀態(tài)，進行適當?shù)倪\動，保持健康，且對慢性病的預測具有重要意義。
　　現(xiàn)有的人體行為識別系統(tǒng)大多不適合人類日常使用，使用智能手表進行人體行為識別具有更好的適用性。本文針對靜止、平面行走、慢跑、上樓梯、下樓梯五種人體運動行為，以Apple Watch智能手表為平臺對行為識別算法進行研究。本文使用智能手表進行人體行為識別，首先基于Apple Watch智能手表設計并實現(xiàn)了一個數(shù)據(jù)采集系統(tǒng)，利用智能手表中的加速度傳感器采集人體運動行為

3、數(shù)據(jù)；為了減少采集數(shù)據(jù)過程中無關(guān)動作的影響，本文使用中值濾波算法對原始加速度信號進行處理，消除噪聲干擾；考慮到五種行為的三軸加速度數(shù)據(jù)的不同變化規(guī)律以及穿戴習慣的不同，本文使用基于主成分分析（PCA）的特征提取方法分別對從左右手采集到的三軸加速度數(shù)據(jù)進行特征提取，最終得到了辨識度較高的特征集；行為識別算法的本質(zhì)是一種分類算法，本文使用數(shù)據(jù)挖掘中的經(jīng)典分類算法樸素貝葉斯分類算法、決策樹分類算法和神經(jīng)網(wǎng)絡分類算法分別對以上得到的特征集進行測