基于慣性傳感器數(shù)據(jù)的人體日常動作識別研究.pdf

1、基于慣性傳感器的人體動作識別研究是模式識別領(lǐng)域的一個新的研究方向。利用慣性傳感器識別人體日常動作能夠?qū)崟r監(jiān)測人們的日?；顒訝顩r，在醫(yī)療監(jiān)護(hù)、虛擬現(xiàn)實(shí)和體育活動等領(lǐng)域具有廣闊的應(yīng)用前景。其主要是通過在人體表面安放慣性傳感器，對采集到的人體日常動作數(shù)據(jù)進(jìn)行去噪等預(yù)處理、特征提取、特征選擇，最后實(shí)現(xiàn)對所提取的人體動作特征進(jìn)行分類識別。盡管近十年來有關(guān)此方面的研究已取得很大發(fā)展，但是，由于人體動作的多樣性和客觀環(huán)境的復(fù)雜性，基于慣性傳感器的人體

2、日常動作研究仍然存在著許多亟需解決的問題。
　　本文在對國內(nèi)外相關(guān)研究進(jìn)行詳細(xì)總結(jié)基礎(chǔ)上，重點(diǎn)針對采用慣性傳感器進(jìn)行人體日常動作識別時遇到的如下問題展開研究:
　　(1)在人體動作識別中，區(qū)分度好的特征能夠有效地提高分類器的識別精度。本文提出了一種基于增強(qiáng)經(jīng)驗(yàn)?zāi)B(tài)(EEMD)的特征提取方法，實(shí)驗(yàn)表明該方法能夠有效區(qū)分人體日常動作，提高分類算法的識別準(zhǔn)確率。
　　(2)在每次采集人體動作時，通常需要將傳感器節(jié)點(diǎn)重新佩戴，

3、當(dāng)傳感器固定位置與預(yù)設(shè)位置出現(xiàn)偏差時，加速度傳感器將會受到影響，從而影響算法的分類性能。針對此問題，本文提出了一種基于博弈論的特征選擇算法，以提取對傳感器固定位置具有魯棒性的特征，從而減小固定位置偏差對分類算法的不良影響。
　　(3)傳統(tǒng)的分類算法往往是基于數(shù)據(jù)均衡的假設(shè)，而日常生活中人體動作數(shù)據(jù)分布往往是不均衡的。本文針對日常動作數(shù)據(jù)不均衡問題提出了一種基于代價(jià)敏感度函數(shù)和混合核函數(shù)的加權(quán)極端學(xué)習(xí)機(jī)(MK-WELM)算法。該算法

4、在決策階段考慮了多數(shù)類和少數(shù)類樣本錯分的代價(jià)，加大了對少數(shù)類樣本錯分的懲罰力度。在實(shí)驗(yàn)階段使用不均衡動作數(shù)據(jù)集驗(yàn)證了該算法的有效性。
　　(4)傳統(tǒng)的人體動作識別算法往往要求傳感器放置位置固定，當(dāng)傳感器安置在軀體不同部位時，采集到的數(shù)據(jù)分布往往會有很大差異，影響分類器的識別精度。針對此問題，本文提出了一種基于混合縮略核的極端學(xué)習(xí)機(jī)(M-RKELM)算法，通過對分類算法的在線更新和再訓(xùn)練，能夠有效降低傳感器安裝部位變化對識別效果的不