基于可穿戴式動捕系統(tǒng)的人體行為識別方法研究.pdf

1、人體行為是人和外界環(huán)境交互的一種主要的輸出表達形式，研究人員對于人體行為識別方法的探究一直沒有停止過。人體行為數據的獲取可以依靠動作捕捉系統(tǒng)來完成，其中可穿戴式動捕系統(tǒng)記錄的是人身體各部位的加速度和角速度等物理信息，對于解釋人體運動的本質規(guī)律有著極其重要的意義，因此基于該系統(tǒng)的行為識別已經成為本領域中的研究熱點。
　　在傳統(tǒng)的行為識別算法中，由于特征提取更多是基于冗余的統(tǒng)計特征向量空間，這不僅增加了算法的計算量，還會影響算法的識別

2、效率。此外，傳統(tǒng)的算法需要包含多個運動周期的數據，來確保常用的時頻域特征的穩(wěn)定性，但在短時樣本的情形下，傳統(tǒng)算法提取的常用頻域特征是不穩(wěn)定的，這將會直接影響分類模型的穩(wěn)定性。本文主要針對上述傳統(tǒng)算法的不足展開研究。
　　第一，對于傳統(tǒng)算法提取高維的數據特征，導致計算復雜度的增加，本文提出一種新的基于行為特征規(guī)律和統(tǒng)計特征向量的行為識別算法。本文首先從分析運動的三維本質特性出發(fā)，共選擇了11維特征來描述人體行為，這有效地壓縮了特征空

3、間，并且這11維特征較好地反映了人體相對于豎直方向和左右方向上的基本運動姿態(tài)和幅度。然后采用支持向量機作為分類器，并構建了分類模型。最終實驗結果表明本文的算法在只選擇11維的特征的前提下，仍然能夠有效地識別13種日常行為。
　　第二，針對短時樣本情形下，傳統(tǒng)算法所提取的時頻域特征的不穩(wěn)定性，導致識別率不理想，本文提出一種基于模板匹配的行為識別算法。其核心思想是通過滑動窗口提取行為模板的方法，來建立足夠完備的訓練模板庫，其思路緣于每