基于加速度傳感器的人體動作識別方法研究.pdf

1、人體動作識別是人工智能和模式識別領(lǐng)域的重要研究課題，在智能人機交互、智能監(jiān)控、健康監(jiān)控及人體運動能量消耗評估等眾多領(lǐng)域，都有著重大的理論研究意義與廣闊的發(fā)展前景。隨著加速度傳感器技術(shù)不斷進步和發(fā)展，基于加速度傳感器的人體動作識別受到更加廣泛的關(guān)注，成為了研究的熱點問題。
　　近幾年基于加速度傳感器的人體動作識別已經(jīng)由理論階段逐步邁向了實際應(yīng)用，取得了較大的發(fā)展。但是它仍然處于比較基礎(chǔ)的時期，由于現(xiàn)實環(huán)境中存在很多的影響以及人體動作

2、的多種多樣，在人體動作識別中仍然存在很多需要解決的問題，包括如何針對實際應(yīng)用設(shè)計合理的特征提取和更有效的特征選擇方法，如何使動作識別分類器的分類識別精確度高、復(fù)雜度低，并有較強的泛化能力，如何使得識別方法的分類識別性能好?；谝陨蠋讉€問題，本文主要提出了三個方面的研究工作：
　?。?）在特征的提取和選擇中，引入并分析了平均值、標準差、峰度、偏度、四分位差及三軸間的相關(guān)系數(shù)六個人體動作加速度特征，通過結(jié)合這六個特征對獲取到的加速度數(shù)

3、據(jù)進行訓(xùn)練和識別。
　　（2）在分類器方法中，提出了樣本特征邊界加權(quán)支持向量機(Weight Features Weight Bounds Weight Support Vector Machine,WFWBWSVM)的分類器方法。該方法是在支持向量機（Support Vector Machine,SVM）的基礎(chǔ)上，對分類器的分類邊界進行了加權(quán)，并結(jié)合了對分類樣本加權(quán)和對分類核函數(shù)特征加權(quán)，從而得到了更適合人體動作識別的WFWBW