基于可穿戴式動(dòng)捕系統(tǒng)的人體行為識(shí)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(dá)形式，研究人員對(duì)于人體行為識(shí)別方法的探究一直沒有停止過。人體行為數(shù)據(jù)的獲取可以依靠動(dòng)作捕捉系統(tǒng)來完成，其中可穿戴式動(dòng)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(duì)于解釋人體運(yùn)動(dòng)的本質(zhì)規(guī)律有著極其重要的意義，因此基于該系統(tǒng)的行為識(shí)別已經(jīng)成為本領(lǐng)域中的研究熱點(diǎn)。
　　在傳統(tǒng)的行為識(shí)別算法中，由于特征提取更多是基于冗余的統(tǒng)計(jì)特征向量空間，這不僅增加了算法的計(jì)算量，還會(huì)影響算法的識(shí)別

2、效率。此外，傳統(tǒng)的算法需要包含多個(gè)運(yùn)動(dòng)周期的數(shù)據(jù)，來確保常用的時(shí)頻域特征的穩(wěn)定性，但在短時(shí)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(huì)直接影響分類模型的穩(wěn)定性。本文主要針對(duì)上述傳統(tǒng)算法的不足展開研究。
　　第一，對(duì)于傳統(tǒng)算法提取高維的數(shù)據(jù)特征，導(dǎo)致計(jì)算復(fù)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(jì)特征向量的行為識(shí)別算法。本文首先從分析運(yùn)動(dòng)的三維本質(zhì)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(duì)于豎直方向和左右方向上的基本運(yùn)動(dòng)姿態(tài)和幅度。然后采用支持向量機(jī)作為分類器，并構(gòu)建了分類模型。最終實(shí)驗(yàn)結(jié)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(shí)別13種日常行為。
　　第二，針對(duì)短時(shí)樣本情形下，傳統(tǒng)算法所提取的時(shí)頻域特征的不穩(wěn)定性，導(dǎo)致識(shí)別率不理想，本文提出一種基于模板匹配的行為識(shí)別算法。其核心思想是通過滑動(dòng)窗口提取行為模板的方法，來建立足夠完備的訓(xùn)練模板庫，其思路緣于每